Elementele de statistică sunt destul de simple. Problema apare la asamblarea elementelor. Nimeni nu poate deveni peste noapte expert în analiza statistică, dar cu un bagaj mic de cunoştinţe, un cercetător neexperimentat poate întreprinde analize sofisticate. Abilităţile matematice au un rol mic în analiza statistică a datelor.

Sunt câteva concepte de bază pe care cercetătorii trebuie să le înţeleagă înainte de a trece la analizele SPSS. Acestea includ:

• Variabila. O variabilă este orice concept care poate fi măsurat şi care variază. Variabilele sunt în general invenţii ale cercetătorilor şi variază enorm de la un studiu la altul. Sunt câteva variabile standard, cum ar fi vârsta sau genul, care sunt măsurate frecvent. De obicei, variabilele sunt specifice unui segment particular al studiului. Variabilele apar în analizele SPSS pe coloane în foile de calcul cu date.
• Cazurile. Un caz este doar un membru al unei mostre. În psihologie sau în marketing, de exemplu, un caz este de obicei o persoană (un individ) care participă la studiu. Cazurile (în mod normal) apar în analizele SPSS ca fiind rândurile unei foi de calcul cu date.
• Tipurile de variabile. Pentru toate scopurile practice, variabilele pot fi clasificate ca fiind de două tipuri:

– Scoruri. Unele variabile sunt scoruri. Vorbim despre scoruri atunci când o valoare numerică este atribuită unei variabile, pentru fiecare caz în parte din eşantion. Această valoare numerică indică cantitatea sau valoarea caracteristicii (variabilei) în cauză. Astfel, vârsta este o variabilă numerică deoarece valoarea-scor indică o cantitate în creştere a variabilei-vârstă. Unii ar putea cataloga acest tip de variabilă drept cantitativă.

– Variabile nominale sau categoriale. Unele variabile sunt măsurate clasificând cazurile în unul sau mai multe categorii. Acestea sunt cunoscute drept variabile nominale ori categoriale. De exemplu, genul are două categorii denumite bărbat şi femeie. Naţionalitatea este un alt exemplu: engleză, galeză, irlandeză şi scoţiană sunt naţionalităţile popoarelor din Marea Britanie. Aceste variabile nu au nici o implicaţie numerică. A spune că o persoană este de naţionalitate scoţiană este echivalent cu punerea ei în respectiva categorie nominală. Unii ar putea privi lucrurile calitativ. Există un risc de confuzie – categorii precum genul sunt introduse în SPSS folosind numere diferite pentru categorii diferite. De exemplu, variabila-gen are două categorii – bărbaţii ar putea fi reprezentaţi prin numărul „1” şi femeile prin numărul „2” (sau viceversa). Numerele sunt folosite arbitrar. Este foarte important a nu se confunda aceste numere, care reprezintă numai codarea diferitelor categorii. Pentru acest motiv este important să etichetaţi explicit valorile diferite ale variabilelor nominale în foile de calcul SPSS. Câteodată variabilele sunt clasificate ca fiind nominale, ordinale, de interval şi de raport. Acest lucru este de interes conceptual, însă are o importanţă practică redusă în selectarea statisticii corespunzătoare.

Este important de hotărât pentru fiecare variabilă în parte dacă este variabilă nominală (categorială) sau variabilă cantitativă. Dacă sunteţi începător, scrieţi o listă cu variabilele şi clasificaţiile pe fiecare în parte. În cele din urmă veţi face asta fără prea mare bătaie de cap. Tehnicile statistice care corespund variabilelor cantitative nu se potrivesc totdeauna pentru cele calitative (şi viceversa). Aşadar, este convenabil de calculat media (cantitativă) pentru orice variabilă cantitativă (de exemplu, media de vârstă). Pe de altă parte, nu este convenabil să se calculeze media pentru variabile care denumesc o categorie. Ar fi un nonsens să spunem că media naţionalităţii este 1,7 din moment ce naţionalitatea nu este un scor. Problema este că SPSS-ul lucrează cu numere în foile de prelucrare a datelor şi nu poate şti dacă este vorba despre scoruri sau coduri pentru categorii diferite.

Există două tipuri principale de tehnici statistice – statistici descriptive şi inferenţiale:

– Statisticile descriptive descriu mai ales caracteristicile principale ale variabilelor individuale. Deci calculul vârstei medii pentru un eşantion de locuitori este un exemplu de statistică descriptivă. Statistici bivariate sunt folosite atunci când relaţia dintre două (sau mai multe) variabile este descris?.

– Statisticile inferenţiale reprezintă un aspect cu totul diferit al statisticii. Se aplică numai pentru a răspunde la întrebarea dacă ne putem baza pe rezultatele obţinute pe un eşantion de cazuri. Folosirea eşantioanelor este caracteristică pentru majoritatea studiilor moderne. Problema cu eşantioanele este că unele dintre ele nu sunt similare cu populaţia din care au fost extrase. Expresiile “statistic semnificativ” şi “statistic nesemnificativ” indică dacă o tendinţă a datelor poate fi acceptată ca substanţială (statistic semnificativ) sau insuficient de substanţială pentru a ne baza pe ea (statistic nesemnificativ). Obţinerea semnificaţiei statistice este puţin probabil să fie rezultatul întâmplării.

– Fiecărei statistici descriptive îi corespunde o statistică inferenţială. De exemplu, coeficientul de corelaţie este un indicator statistic descriptiv indicând direcţia şi intensitatea relaţiei dintre două variabile. Asociat acestui coeficient este statistica inferenţială – semnificaţia coeficientului de corelaţie. Statistica descriptivă este importantă pentru înţelegerea tendinţei datelor – statistica inferenţială se ocupă de încrederea pe care o putem avea în rezultate.

Cercetătorii trebuie, de asemenea, să ţină cont de cele două tipuri diferite de modele de cercetare – acelea care folosesc măsurători relaţionale sau măsurători nerelaţionale. De asemenea, măsurătorile relaţionale pot fi numite măsurători corelate sau măsurători pereche. Apoi, măsurătorile nerelaţionale pot fi numite măsurători necorelate sau măsurători independente. Aceşti termeni sunt folosiţi cu precădere atunci când valorile medii ale numerelor sunt comparate pentru două sau mai multe eşantioane de date:

– Când mediile obţinute pentru un singur eşantion de indivizi se compară cu două (sau mai multe) măsurători ale aceleaşi variabile (de exemplu, cele preluate la momente diferite de timp), atunci acesta este un model de măsurători relaţionate.

– Când mediile pentru două eşantioane diferite de participanţi sunt comparate cu o variabilă, acesta este un model nerelaţional.

– Când două (sau mai multe) grupe de participanţi au fost potrivite cu atenţie astfel încât seturi de participanţi în cele două (sau mai multe) condiţii sunt similare în unele aspecte, atunci acesta este, de asemenea, un model relaţionat. În acest caz, membrii fiecărui set sunt trataţi ca fiind aceeaşi persoană. În mod normal, un cercetător va şti dacă participanţii au fost asociaţi în seturi, deoarece acest lucru necesită efort din partea cercetătorului. De exemplu, acesta din urmă trebuie să decidă care sunt caracteristicile de asociere a seturilor, iar apoi va alege indivizi pe baza similitudinilor caracteristicilor, şi (adeseori) trebuie să distribuie participanţi în eşantioane diferite (condiţii) în special în cercetarea experimentală.

Scopul principal pentru folosirea modelelor relaţionale este reducerea variabilităţii cauzate de eşantionare.