Stationery anabnr2
•1
Kapitola 1: Úvod do statistické analýzy
nProč studovat statistiku? (3)
nPoužití statistické analýzy (4)
nZákladní metodologické pojmy (5-)
nÚrovně měření
nÚrovně měření a analýza dat
nDalší klasifikace měření
nKategorie (druhy) statistické analýzy
nShrnutí a otázky pro studium

Stationery anabnr2
•2
Proč studovat statistiku v našem oboru?
nPraktikující provádějí výzkumné studie (jak sbírat, třídit, organizovat data a učinit závěry)
např. v oblasti faktorů motivace a spokojenosti na praacovišti
n
n..přispívají ke znalostní základně profese šířením nálezů svých výzkumů (prokázat důvěryhodnost
zjištění)
n
n..v praxi se opírají o výsledky cizích výzkumů (Porozumění výsledků statistické analýzy zvyšuje
pravděpodobnost zvolení správné intervence)
n
n..potřeba zhodnotit efektivitu své intervence (efektivita a odpovědnost intervence)
•

Stationery anabnr2
•3
Použití statistické analýzy
nVýběr, design a úprava nástrojů sběru dat
nVýběr a velikost výzkumného vzorku
nZhodnotit zda nástroje měření produkují validní a reliabilní výsledky
nShrnout vlastnosti specifického výzkumného vzorku nebo populace
nOdhadnout vlastnosti populace, z které jsme vybrali vzorek
nRozhodnout zda vztahy a souvislosti nalezené ve vzorku mohou být zobecněny na populaci
n

Stationery anabnr2
•4
Základní statistické pojmy
nPopulace vs. Vzorek
nParametr vs. statistika
nDeskriptivní vs. Inferenční statistika
nData
nProměnné a konstanty
n

Stationery anabnr2
•5
Vzorek vs. populace
nSbíráme informace (data) o vzorku nebo o populaci
nOba termíny nepředstavují jen lidi nebo události, ale i sadu naměřených hodnot o těchto lidech /
událostech
nnaměřené hodnoty všech klientů obsloužených v průběhu jednoho roku v konkrétním zařízení soc.
služeb = populace
nVzorek = podskupina hodnot z větší populace hodnot. Údaje o vybrané polovině klientů obsloužených
v průběhu jednoho roku

Stationery anabnr2
Parametr vs. statistika
nparametr = údaj (hodnota) o všech klientech (zaměstnancích) – např. průměrná pracovní doba všech
zaměstnanců firmy ABC nStatistika=údaj o vzorku zaměstnanců – např. průměrná pracovní doba do
vzorku vybraných zaměstnanců firmy ABC
n
•6

Stationery anabnr2
•7
Deskriptivní vs. Inferenční statistika
nDeskriptivní (=popisná) = používáme pokud je našim cílem pouze popsat a interpretovat sadu hodnot
(data) která držíme v ruce (ať už vzorek nebo populaci)
nInferenční (=deduktivní, usuzovací) = používáme pokud je naším záměrem použít data která držíme k
tomu, abychom se pokusili porozumět většímu množství dat (děláme odhady o vlastnostech populace na
základě vzorku).

Stationery anabnr2
•8
Data
nVznikají měřením jevů (sběrem dat)
n= naměřené hodnoty sesbírané při výzkumu ještě před tím než byly jakkoli analyzovány (př. skóre
škály spokojenosti klientů)
nNástroje sběru dat = např. dotazníky, rozhovory, obsahové analýzy, přímé a zúčastněné pozorování
atd.
nAnalýza dat posbíraných někým jiným pro jiné účely: analýza sekundárních dat
n

Stationery anabnr2
•9
Proměnná vs. konstanta
nZ dat vytváříme kódováním proměnné
nZ jedněch dat lze vytvořit více proměnných
nPři výzkumu limitujeme sběr dat pouze na takové data, které jsou nezbytné a užitečné pro náš
výzkumný problém
n= vlastnost která se liší v kvantitě nebo kvalitě u lidí které zkoumáme
nPř. úroveň vzdělání, pohlaví, sexuální orientace, etnicita, úroveň sebedůvěry atd.
nKonstanta =  vlastnost která se neliší v kvantitě nebo kvalitě u lidí které zkoumáme
nPř. Smrtelnost (lidé) nebo národnost (Češi)
nPř. Vzorek adolescentních dívek závislých na kokainu
n

Stationery anabnr2
•10
Kategorie a hodnoty proměnných
nRůzná změření proměnných mohou být vyjádřena buďto slovně nebo čísly
nKategorie proměnné (categories) = různé formy které proměnná může nabývat, vyjádřené slovně př.
Pohlaví: muž / žena
nHodnoty proměnné (values) = různá změření proměnné vyjádřená čísly, která reflektují
kvantifikovatelný rozdíl př. Věk: 20, 24, 60

Stationery anabnr2
•11
Frekvence kategorií a hodnot
n= Četnost (=kolikrát) s jakou se vyskytuje daná hodnota nebo kategorie ve zkoumaném skupině osob
(vzorku)
nPř. ve skupině máme 12 mužů a 16 žen: frekvence pro kategorii „muž“ proměnné „pohlaví“ je 12,
zatímco frekvence pro kategorii „žena“ stejné proměnné je 16

Stationery anabnr2
•12
Úrovně měření
nČtyři úrovně měření: nominální, ordinální, intervalová, poměrová
nUrčení úrovně měření proměnné – nezbytnost k výběru statistické metody analýzy
n

Stationery anabnr2
•13
Nominální (nominal)
nProměnná je rozdělena do kategorií (podtříd), které jsou nespojité (vzájemně se odlišují)
nMezi podtřídami neexistují kvantifikovatelné rozdíly, pouze kvalitativní – tudíž nelze řadit podle
velikosti
nPř. Pohlaví, rasa, rodinný status
nHodnoty (čísla) přidělená kategoriím reflektují pouze kvalitativní rozdíly (Př. Jaké je vaše
pohlaví? 1. muž 2. žena)
nPodmínky: kategorie musí být rozdílné, vzájemně neslučitelné (každý respondent pasuje pouze do
jediné kategorie) a vyčerpávající (pro každého respondenta je k dispozici odpověď/kategorie)

Stationery anabnr2
•14
Ordinální (ordinal)
nKategorie proměnné představují nejen rozdílnost, ale mají i kvantitativní význam – lze je
smysluplně seřadit (rank-order) od největší po nejmenší.
nPř. Stupeň vzdělání, účinnost intervence, úroveň klientovy spokojenosti se službou (škály)
nPř.Otázka: Jak byste ohodnotil práci svého sociálního pracovníka? 1.velmi dobrý, 2.Dobrý,
3.Slušný, 4.Slabý, 5.velmi slabý nebo Jaký je váš nejvyšší stupeň vzdělání v oboru sociální práce?
1. Vyšší odborný, 2. Bc, 3. Mgr.,    4. PhD
nPozor: protože intervaly mezi jednotlivými kategoriemi nejsou stejné, nelze říci, že rozdíl mezi
1. a 3. je stejný jako mezi 2. a 4.
n

Stationery anabnr2
•15
Intervalová (interval, SPSS=scale)
nUmisťuje hodnoty proměnné na pravidelně rozdělené kontinuum, kde jednotlivé hodnoty jsou od sebe
stejně vzdáleny – má shodnou jednotku měření např. jeden rok, teplotní stupeň
nMůžeme říct nejen že jeden respondent má určité proměnné více než druhý (ordinální) ale i o kolik
nRozdíl mezi 1 a 4 je významově stejný jako mezi 3 a 6, a sice 3. Rozdíl v inteligenci mezi IQ 105
a 100 je stejný jako mezi IQ 125 a 120.
nAle: nemá absolutní nulu - nelze identifikovat bod, ve kterém neexistuje žádné (nulové) množství
proměnné, a proto nelze říct, že 2 je dvakrát více než 1, ale pouze o jednotku více
n Př. Protože 0 stupňů Farenheita neznamená absenci tepla, nelze říct že při 60 stupních F je
dvakrát tepleji než při 30 stupních F.
nAritmetické operace: sčítání a odčítání
n
n

Stationery anabnr2
•16
Poměrová (ratio, SPSS=scale)
nExistence fixní, absolutní a nelibovolně zvolené nulové hodnoty
nHodnoty proměnné představují skutečné množství vlastnosti
nMůžeme říct nejen o kolik má jeden respondent více jednotek vlastnosti než druhý, ale také
kolikrát více
nPř. Věk, počet dětí v rodině, počet případů kolikrát klient absolvoval skupinovou terapii
nAbsolutní nula umožňuje všechny aritmetické operace:
n +, -, *, /
nPř. Země s ø porodností 4 děti/pár má 2x větší porodnost než země s ø porodností 2 děti/pár
nIntervalová nebo poměrová? Pokud je logicky možné jít do mínusu, pak intervalová, pokud nelze, pak
poměrová.
n

Stationery anabnr2
•17
Úroveň měření a analýza dat
nJak přesně je proměnná naměřena ovlivňuje možnosti použití statistických technik
nNěkdy ač proměnná vypadá jako intervalová, je pouze ordinální. Př. Schopnost řídit auto
operacionalizovaná jako počet dopravních nehod za 10 let: poměrová?
n Ne, protože ačkoli má opravdovou nulu a stejně veliké intervaly, tak nelze říci, že rozdíl ve
schopnostech mezi osobou která měla 4 nehody a osobou se 3 nehodami je stejný jako rozdíl mezi
osobou s 1 nehodou a žádnou nehodou. Co dělat? Lze vytvořit skupiny kde 0-2 nehody, 3-5 atd. a
užívat proměnnou jako ordinální.
nPřesnější proměnné lze transformovat na méně přesné
n (př. Věk na Věk_skupiny (Starší a Mladší)), ne však opačně.
n
n

Stationery anabnr2
•18
Jiné klasifikace proměnných
nNespojité (discrete) = může nabývat jen konečné množství hodnot př. Počet sourozenců, člověk může
mít 2 nebo 3 sourozence, ale ne 2,16
nSpojité (continuous) = může teoreticky nabývat jakékoli hodnoty př. výška studentů soc.práce. Mezi
jakýmikoli dvěma naměřenými hodnotami může být teoreticky další hodnota
n

Stationery anabnr2
•19
nDichotomické (dichotomous) =druh nespojité proměnné, která má pouze dvě kategorie př. Pohlaví (muž
nebo žena) nebo výsledek voleb (vyhrál nebo prohrál)
nVícekategoriální = nespojitá proměnná s více než dvěma kategoriemi např. rodinný stav (svobodný,
ženatý/vdaná, rozvedený/á, vdovec/vdova)
Jiné klasifikace proměnných (2)

Stationery anabnr2
•20
Druhy statistické analýzy
nPodle počtu proměnných
n a) univariační/jednorozměrná (univariate) = zkoumá distribuci hodnot jediné proměnné
nb) bivariační/dvourozměrná (bivariate) = zkoumá vztah mezi dvěma proměnnými
nc) multivariační/vícerozměrná (multivariate) = zkoumá vztah mezi třemi a více proměnnými zároveň
n
n

Stationery anabnr2
•21
Druhy statistické analýzy (2)
nPodle účelu
na) deskriptivní
n= pomocí tabulek a grafů shrnuje základní informace ze syrových (původních) dat a pomáhá tak
jejich interpretaci a komunikaci navenek
nnepřekračujeme hranice vzorku
§b) inferenční
§= určuje jak bezpečné je zobecňovat (odhadovat, usuzovat) výsledky ze vzorku (statistiky) na
charakteristiky populace (parametry)
§- jak je pravděpodobné že výsledek ze vzorku platí i v populaci
n
n
n