Індекс Інглхарта
ПМ, змішаний тип
М, змішаний тип
Із 3058 опитаних 98,6% піддаються класифікації; 41,6% відносяться до чистих типів. До групи матеріалістичного змішаного типу потрапляє майже третина всіх спостережень. Постматеріалістично змішаного типу відповідає трохи більше чверті. У чистих групах постматеріалісти виражені трохи сильніше за матеріалістів. Матеріалісти та матеріалістичні змішані типи становлять разом 50,9%; постматеріалісти та постматеріалістичні змішані типи – 47,8%. Таким чином, спостерігається невелика перевага у бік матеріалізму.
Дані чотирьох класичних елементів Інглхарта також містять файл beamte.sav. Він стосується опитування ALLBLJS, яке проводилося в 1988 р. Для вправи побудуйте індекс Інглхарта для цих даних. При порівнянні з даними 1991 слід враховувати, що опитування ALLBUS 1991 вперше проводилося у всіх землях Німеччини, включаючи східні.
Агрегування даних
На базі значень однієї або кількох групуючих змінних (змінних розбиття) можна об'єднати спостереження групи (агрегувати) і створити новий файл даних, що містить по одному спостереженню кожної групи розбиття. Для цього SPSS надає велику кількість функцій агрегування.
Тип свинарника (1 або 2)
Порядковий номер свині (від 1 до 8)
Номер дня (від 1 до 20)
Тривалість копання (у секундах)
Тривалість годівлі (у секундах)
Тривалість чухання (у секундах)
Слід з'ясувати, чи триває три ці дії у свинарниках обох типів, для чого необхідно застосувати відповідний статистичний текст, наприклад, тест Стьюдента (див. розділ 13).
У кожній із двох вибірок для кожної з трьох дій є по 8 + 20 = 160вимірів. Однак виконання статистичного тесту на основі цих даних буде не зовсім коректним, оскільки вони відносяться до восьми особин, для кожної з яких було проведено по двадцять вимірів.
Тому ми підсумуємо тривалості для кожної окремої свині та для кожної окремої дії. Потім отримані набори сум ми порівняємо тестом Стьюдента. Це типовий приклад агрегування даних.
Завантажте файл schwein.sav.
Виберіть у меню команди Data (Дані) Aggregate. (Агрегувати)
Відкриється діалогове вікно Aggregate Data (Агрегувати дані).
Як змінні розбиття перенесіть змінні stall і nr у полі Break Variable(s), а як змінні агрегування (Aggregate Variable(s)) виберіть wuehlen, fressen і massage. Діалогове вікно набуде вигляду, показаного на рис. 8.8.
Будуть показані три нові змінні wuehle_l, fresse_l та massag_l, імена яких складаються з перших шести літер імен відповідних змінних агрегування та комбінації символів _1. За умовчанням як функцію агрегування прийнято середнє значення. Ми маємо вибрати замість нього суму.
Для цього клацніть першу змінну, а потім на кнопці Funktion. (Функція). Відкриється діалогове вікно Aggregate Data: Aggregate Function (Агрегувати дані: Функція агрегування) (див. мал. 8.9).
Можна вибрати одну із шістнадцяти функцій агрегування, імена яких не потребують особливих пояснень.
Виберіть Sum of values (Сума значень) і натисніть кнопку Continue, щоб повернутися до першого діалогового вікна.
Виконайте ті ж дії для двох інших змінних агрегування. Агреговані дані будуть збережені у новому файлі.
Натисніть кнопку File. та виберіть для нового файлу ім'я pigaggr.sav.
Мал. 8.8:Діалогове вікно Aggregate Data
Мал. 8.9:Діалогове вікно Aggregate Data: Aggregate Function
Після клацання на кнопці Відбуде створено новий файл, що містить 2 х 8=16 спостережень і змінні stall, nr, wuehle_l, fresse_l та massag_l.
Як описано в розділі 13.1, проведіть тест Стьюдента для незалежних вибірок з групуючою змінною stall і змінними, що тестуються fresse_l, massag_l і wuehle_l. Ви отримаєте наступний результат: