Petr Seidel, Tomáš Škrábal



            Pro účely prvních 2 analýz byla použita data Stalker.sav od Andyho Fielda (2009). Jedná
se o datovou matici zachycující terapii pro „stalkery“. Jednalo se o dvě terapeutické skupiny,
jedna s názvem „Cruel to be Kind Therapy (skupina 1) a druhá „Psychodyshamic Therapy“ (skupina 2) .
Obě skupiny čítaly 25 osob.

            Matice zachycuje počet hodin za týden, které účastnici terapie strávili stalkingem před
a také po proběhnutí terapie.


Analýza 1)

            V této analýze jsme se snažili zjistit zda jsou obě dvě terapeutické skupiny účinné.
Naše hlavní hypotéza tudíž byla, že průměrné hodinové rozdíly před a po terapii se u obou skupin
statisticky významně liší od nuly při alfa= 0,05. Nulovou hypotézu (průměrný rozdíl před a po se u
obou skupin se rovná 0) [VK1] jsme u obou skupin otestovali v spss závislým t-testem.

            V případě skupiny 1 vyšla pravděpodobnost nulové hypotézy 0,0005[VK2] , a s velikostí
účinku  d=0,72. Můžeme jí tak  zamítnout. Cruel to be Kind terapie se tak ukázala jako účinná. U
skupiny 2 vyšla opět pravěpodobnost nulové hypotézy méně než 0,05 (přesně 0,001) a s d=0,37.
Psychodyshamic Therapy se stejně jako předchozí skupina prokázala účinná.[VK3] [VK4]




Analýza 2)

            Dále jsme se snažili zjistit zda je jedna terapie účinnější než druhá. Tedy že se
průměrné hodinové rozdíly před a po terapii mezi skupinami 1 (Cruel to be Kind Therapy) a 2
(Psychodyshamic Therapy) statisticky významně liší na 5% hladině (H1). Použitím nezávislého t-testu
vyšla hodnota pravděpodobností nulové hypotézy 0,01, tedy menší 0,05. Nulovou hypotézu jsme tak
mohli zamítnout. Tím můžeme říci, že mezi účinností terapeutických skupin Cruel to be Kind Therapy
a Psychodyshamic therapy je statisticky významný rozdíl. A jako úspěšnější terapie se ukázala
terapeutická skupina Cruel to be Kind jejíž průměrný hodinový rozdíl před a po byl větší než u
skupiny Psychodyshamic (m1=9,88 >m2=3,76).[VK5]




Analýza 3)

Pokusili jsme se zjistit, jestli bylo ve výzkumu využito z jednotlivých zemí statisticky stejně
respondentů. Pro H1 předpokládejme, že respondentů není stejně ze všech zemí. Budeme tedy testovat
H0=n1=n2=n3…, na 5% hladině statistické významnosti. K testování nám poslouží Chí-kvadrát test
dobré shody. Vyhodnotíme-li data v programu SPSS, zjistíme, že celkově bylo ve výzkumu využito
n=18709 respondentů z 25 zemí. Chí-kvadrát nám vyjde X^2= 56,603, df=24 a lze tedy H0 zamítnout na
5% hladině statistické významnosti a můžeme tedy říci, že je statisticky významný rozdíl v počtu
respondentů mezi jednotlivými zeměmi.[VK6]


Dejme tomu, že jako úkol zvládnuto, ale máte v tom dost mezer. Nahlédněte příště do Morganové, kde
je konkrétně popsáno, co má být při kterých analýzách uvedeno a jak to podat.





Zdroje:

SPSS Datafiles. (2009). Retrieved from:

http://www.uk.sagepub.com/field3e/SPSSdata.htm

________________________________

 [VK1]Jen připomínám: předpokládejme u čtenářů pokročilé zanlosti statistiky J

 [VK2]U pravděpodobnosti vždy uvádíme i velikost testové statistiky, v tomto případe t.

 [VK3]Dvá párové t-testy OK.

 [VK4]Chybí tady též ěcný indikátor velikosti rozdílu a to počet hodin stalkování.

 [VK5]Nepárový t-test, dobře. Jen vždy když ěnkam píšete průměr, tak hned doplňte i směrodatnou
odchylku.

 [VK6]Chybí četnosti.