Εισαγωγή στο Μάθημα
Αυτό το μάθημα παρέχει μια ολοκληρωμένη εισαγωγή στη στατιστική ανάλυση και τη χρήση του SPSS/PSPP για την επεξεργασία δεδομένων. Οι μαθητές θα μάθουν τις βασικές έννοιες των μεταβλητών, των στατιστικών μέτρων και της κανονικής κατανομής, ενώ θα εξασκηθούν σε πραγματικά δεδομένα μέσω εφαρμογών στο SPSS/PSPP.
1. Εισαγωγή: Δεδομένα και Μεταβλητές
Η στατιστική ανάλυση ξεκινά από τη σωστή κατανόηση των δεδομένων και των τύπων των μεταβλητών.
- Ποσοτικές και ποιοτικές μεταβλητές – Κατανόηση των τύπων δεδομένων
- Κλίμακες μέτρησης – Ονομαστικές, Τακτικές, Διαστημικές, Αναλογικές
- Ανεξάρτητες και εξαρτημένες μεταβλητές – Ανάλυση σχέσεων
- Στόχοι περιγραφικής ανάλυσης – Γιατί είναι σημαντική;
Πρακτική εφαρμογή: Ασκήσεις στις κλίμακες μέτρησης
2. Δείκτες Περιγραφικής Στατιστικής
Η περιγραφική στατιστική επιτρέπει την ανάλυση των δεδομένων μέσω βασικών μέτρων.
- Μέτρα θέσης: Μέση τιμή, διάμεσος, επικρατούσα τιμή
- Μέτρα διασποράς: Εύρος, τεταρτημόρια, τυπική απόκλιση
- Υπολογισμός απόκλισης και μέσης απόλυτης απόκλισης
- Υπολογισμός SS, διακύμανσης και τυπικής απόκλισης
- Μορφή κατανομής: Λοξότητα (ασυμμετρία) και κύρτωση
- Η μέση τιμή ως στατιστικό μοντέλο
Πρακτική εφαρμογή: Ασκήσεις μέτρων θέσης, διασποράς και μορφής κατανομής
3. Κανονική Κατανομή και Διάστημα Εμπιστοσύνης
Η κατανόηση της κανονικής κατανομής είναι θεμελιώδης στη στατιστική.
- Κανονική κατανομή και Z-scores
- Κατανομή συχνοτήτων και πιθανότητας
- Δείγμα και πληθυσμός: Η δειγματική μέση τιμή ως εκτιμήτρια
- Κεντρικό Οριακό Θεώρημα και εφαρμογές
- Τυπικό σφάλμα (SE), διάστημα εμπιστοσύνης (CI) και περιθώριο σφάλματος (MOE)
Πρακτική εφαρμογή: Ασκήσεις κανονικής κατανομής και διαστημάτων εμπιστοσύνης
4. Εισαγωγή και Διαχείριση Δεδομένων στο SPSS/PSPP
Η χρήση του SPSS/PSPP για την ανάλυση δεδομένων.
- Εισαγωγή δεδομένων από .xls και .csv
- Διαχείριση αρχείων εξόδου (.spv)
- Επιλογή περιπτώσεων και καθορισμός ιδιοτήτων μεταβλητών
- Ανακωδικοποίηση και αντίστροφη κωδικοποίηση μεταβλητών
Πρακτική εφαρμογή: Διαχείριση δεδομένων υγείας (βάση CHD)
5. Περιγραφική Ανάλυση Ερωτηματολογίου
Ανάλυση ερωτηματολογίων και εντοπισμός outliers.
- Ανάλυση συχνοτήτων και υπολογισμός περιγραφικών δεικτών
- Έλεγχος κανονικότητας στο SPSS
- Εντοπισμός και διόρθωση ακραίων τιμών (outliers)
- Μετασχηματισμοί δεδομένων για στατιστική ανάλυση
Πρακτική εφαρμογή: Μέτρηση με το HSQ
6. Αξιοπιστία Ερωτηματολογίου και Νέες Μεταβλητές
Η αξιοπιστία των ερωτηματολογίων είναι κρίσιμη για έγκυρα αποτελέσματα.
- Δείκτης Cronbach’s alpha – Μέτρηση αξιοπιστίας
- Υπολογισμός νέων μεταβλητών (compute function)
- Παράδειγμα: Υπολογισμός μεταβλητής για την αισιοδοξία
Πρακτική εφαρμογή:
- Έλεγχος αξιοπιστίας για χαρακτηριστικά προσωπικότητας
- Έλεγχος κανονικότητας για προσωπικότητα και στυλ χιούμορ
- Εκτίμηση παραμέτρων πληθυσμού
7. Τελικό Project και Κουίζ Αξιολόγησης
Η εφαρμογή της γνώσης μέσω πρακτικού project.
- Οδηγίες για το τελικό project
- Κουίζ αξιολόγησης (10 ερωτήσεις, 40 λεπτά)
Πρακτική εφαρμογή: Ανάλυση πραγματικών δεδομένων με το SPSS/PSPP
Στόχοι του Μαθήματος
✔ Κατανόηση βασικών στατιστικών εννοιών
✔ Ανάλυση δεδομένων με μέτρα θέσης, διασποράς και κανονική κατανομή
✔ Χρήση SPSS/PSPP για την επεξεργασία και ανάλυση δεδομένων
✔ Ανάλυση ερωτηματολογίων και έλεγχος αξιοπιστίας
✔ Εφαρμογή των γνώσεων μέσω πραγματικών projects
Το μάθημα παρέχει μια ολοκληρωμένη εμπειρία στην ανάλυση δεδομένων με σύγχρονα εργαλεία!
Vari School of Technology 