Interpretări reale, nu capturi de ecran
Cinci rezultate SPSS reale, interpretate integral de același motor pe care îl primești după autentificare — în limba ta, cu tabele, gata pentru teză.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
LS_Mean .089 400 .000 .982 400 .000
IQ_Mean .075 400 .000 .983 400 .000
TU_Mean .063 400 .001 .986 400 .001
PI_Mean .067 400 .000 .983 400 .000
a. Lilliefors Significance Correction
LS_Mean
Page 5
Normal Q-Q Plot of LS_Mean
2
Expected Normal
0
-2
-4
1 2 3 4 5 6
Observed Value
Detrended Normal Q-Q Plot of LS_Mean
0.10
0.0000
Dev from Normal
-0.1
-0.2
-0.3
-0.4
-0.5
1 2 3 4 5
Observed Value
Page 6
5
4
3
2
263
240
1
LS_Mean
IQ_Mean
Normal Q-Q Plot of IQ_Mean
2
Expected Normal
0
-2
-4
1 2 3 4 5 6
Observed Value
Page 7
Detrended Normal Q-Q P- Testul Shapiro-Wilk pentru normalitate
- Testul Kolmogorov-Smirnov pentru normalitate
- Testul Levene pentru omogenitatea varianței
- Verificări VIF și toleranța pentru multicoliniaritate
- Testul Durbin-Watson pentru independența reziduurilor
- Inspecția reziduurilor standardizate pentru valori aberante
Înainte de efectuarea analizelor principale, mai multe ipoteze statistice au fost examinate la un nivel de semnificație de α = .05. Normalitatea celor patru variabile ale studiului a fost evaluată utilizând atât testul Shapiro-Wilk, cât și testul Kolmogorov-Smirnov. Ambele teste au indicat abateri semnificative statistic de la normalitate pentru toate cele patru variabile: LS_Mean, IQ_Mean, TU_Mean și PI_Mean (toate ps ≤ .001; a se vedea Tabelul 1). Cu toate acestea, inspecția valorilor de asimetrie și boltire a relevat doar deviații ușoare, valorile de asimetrie variind de la −0.305 la +0.027, iar valorile de boltire variind de la −0.615 la −0.009. Având în vedere mărimea eșantionului (N = 400), Teorema Limitei Centrale susține așteptarea că distribuțiile de eșantionare ale mediilor vor aproxima normalitatea; prin urmare, testele parametrice au rămas adecvate și au fost păstrate pentru toate analizele ulterioare (Pallant, 2020; Field, 2018).
Omogenitatea varianței a fost evaluată utilizând testul Levene. Pentru ANOVA cu un factor care examina LS_Mean în funcție de grupele de an, testul Levene a fost nesemnificativ, F(3, 396) = 0.623, p = .601, indicând că ipoteza egalității varianțelor a fost satisfăcută. Similar, pentru testul t pentru eșantioane independente care compara LS_Mean în funcție de gen, testul Levene a produs F = 0.310, p = .578, confirmând omogenitatea varianței între grupuri. Prin urmare, pentru ambele analize s-a presupus egalitatea varianțelor.
Pentru modelul de regresie liniară multiplă care prezice LS_Mean, au fost examinate ipoteze diagnostice suplimentare. Independența reziduurilor a fost confirmată prin statistica testului Durbin-Watson (d = 1.979), care se încadrează în intervalul acceptabil de 1.5 până la 2.5, indicând absența oricărei dovezi de autocorelație între reziduuri. Multicoliniaritatea a fost evaluată utilizând factorul de inflație a varianței (VIF) și statisticile toleranței pentru fiecare predictor. Toate valorile VIF s-au situat cu mult sub pragul de 5.0 (amplitudine: 1.000–1.103), iar toate valorile toleranței au depășit 0.10 (amplitudine: .907–1.000), indicând absența problemelor de multicoliniaritate (a se vedea Tabelul 2). În cele din urmă, valorile aberante au fost evaluate prin inspecția reziduurilor standardizate. Valoarea absolută maximă a reziduurilor standardizate a fost 3.024, care depășește marginal pragul de ±3.0, dar rămâne în interiorul pragului mai conservator de ±3.29 aplicat frecvent în cercetarea din științele sociale (Field, 2018). Valorile distanței Cook nu au fost disponibile în rezultate; cu toate acestea, pe baza inspecției reziduurilor standardizate, niciun caz nu a fost identificat ca fiind puternic influent. În ansamblu, ipotezele regresiei au fost considerate suficient de satisfăcute pentru a continua cu analiza parametrică.
Tabelul 1: Rezultatele Testelor de Normalitate
| Variabilă | S-W W | p | K-S D | p |
|---|---|---|---|---|
| LS_Mean | 0.982 | < .001 | 0.089 | < .001 |
| IQ_Mean | 0.983 | < .001 | 0.075 | < .001 |
| TU_Mean | 0.986 | .001 | 0.063 | .001 |
| PI_Mean | 0.983 | < .001 | 0.067 | < .001 |
Notă. S-W = Shapiro-Wilk; K-S = Kolmogorov-Smirnov. df = 400 pentru toate variabilele. Toate variabilele au prezentat abateri semnificative statistic de la normalitate; cu toate acestea, testele parametrice au rămas adecvate datorită mărimii eșantionului (N = 400) și Teoremei Limitei Centrale (Pallant, 2020; Field, 2018).
Tabelul 2: Statistici de Coliniaritate
| Predictor | Toleranța | VIF |
|---|---|---|
| IQ_Mean | .907 | 1.103 |
| TU_Mean | .932 | 1.073 |
| PI_Mean | .968 | 1.033 |
| StudyHours | 1.000 | 1.000 |
Notă. Valorile VIF < 5 indică absența problemelor de multicoliniaritate (Hair et al., 2019). Valorile toleranței > .10 confirmă în continuare absența multicoliniarității.
Referințe
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
Hair, J. F., Babin, B. J., Anderson, R. E., & Black, W. C. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Pallant, J. (2020). SPSS survival manual: A step-by-step guide to data analysis using IBM SPSS (7th ed.). McGraw-Hill Education.
- Shapiro-Wilk test for normality
- Kolmogorov-Smirnov test for normality
- Levene's test for homogeneity of variance
- VIF and Tolerance checks for multicollinearity
- Durbin-Watson test for independence of residuals
- Standardized residual inspection for outliers
Prior to conducting the main analyses, several statistical assumptions were examined at a significance level of α = .05. Normality of the four study variables was assessed using both the Shapiro-Wilk and Kolmogorov-Smirnov tests. Both tests indicated statistically significant departures from normality for all four variables: LS_Mean, IQ_Mean, TU_Mean, and PI_Mean (all ps ≤ .001; see Table 1). However, inspection of skewness and kurtosis values revealed only mild deviations, with skewness values ranging from −0.305 to +0.027 and kurtosis values ranging from −0.615 to −0.009. Given the large sample size (N = 400), the Central Limit Theorem supports the expectation that sampling distributions of the means will approximate normality; therefore, parametric tests remained appropriate and were retained for all subsequent analyses (Pallant, 2020; Field, 2018).
Homogeneity of variance was evaluated using Levene's test. For the one-way ANOVA examining LS_Mean across Year groups, Levene's test was non-significant, F(3, 396) = 0.623, p = .601, indicating that the assumption of equal variances was satisfied. Similarly, for the independent samples t-test comparing LS_Mean by Gender, Levene's test yielded F = 0.310, p = .578, confirming homogeneity of variance across groups. Equal variances were therefore assumed for both analyses.
For the multiple regression model predicting LS_Mean, additional diagnostic assumptions were examined. Independence of residuals was confirmed via the Durbin-Watson statistic (d = 1.979), which falls within the acceptable range of 1.5 to 2.5, indicating no evidence of autocorrelation among residuals. Multicollinearity was assessed using Variance Inflation Factor (VIF) and Tolerance statistics for each predictor. All VIF values were well below the threshold of 5.0 (range: 1.000–1.103) and all Tolerance values exceeded 0.10 (range: .907–1.000), indicating no multicollinearity concerns (see Table 2). Finally, outliers were assessed by inspecting standardized residuals. The maximum absolute standardized residual was 3.024, which marginally exceeds the ±3.0 guideline but remains within the more conservative ±3.29 threshold commonly applied in social science research (Field, 2018). Cook's Distance values were not available in the output; however, based on the standardized residual inspection, no cases were identified as severely influential. Overall, the regression assumptions were considered sufficiently satisfied to proceed with parametric analysis.
Table 1: Normality Test Results
| Variable | S-W W | p | K-S D | p |
|---|---|---|---|---|
| LS_Mean | 0.982 | < .001 | 0.089 | < .001 |
| IQ_Mean | 0.983 | < .001 | 0.075 | < .001 |
| TU_Mean | 0.986 | .001 | 0.063 | .001 |
| PI_Mean | 0.983 | < .001 | 0.067 | < .001 |
Note. S-W = Shapiro-Wilk; K-S = Kolmogorov-Smirnov. df = 400 for all variables. All variables showed statistically significant departures from normality; however, parametric tests remained appropriate due to the large sample size (N = 400) and the Central Limit Theorem (Pallant, 2020; Field, 2018).
Table 2: Collinearity Statistics
| Predictor | Tolerance | VIF |
|---|---|---|
| IQ_Mean | .907 | 1.103 |
| TU_Mean | .932 | 1.073 |
| PI_Mean | .968 | 1.033 |
| StudyHours | 1.000 | 1.000 |
Note. VIF values < 5 indicate no multicollinearity concern (Hair et al., 2019). Tolerance values > .10 further confirm the absence of multicollinearity.
References
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
Hair, J. F., Babin, B. J., Anderson, R. E., & Black, W. C. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Pallant, J. (2020). SPSS survival manual: A step-by-step guide to data analysis using IBM SPSS (7th ed.). McGraw-Hill Education.
Gata pentru rezultatele tale?
Încarcă PDF-ul sau lipește textul — aceeași calitate, gata în câteva minute.