Questionario - Analisi Univariata e Bivariata

Presentazione sul tema: "Questionario - Analisi Univariata e Bivariata"— Transcript della presentazione:

1 Questionario - Analisi Univariata e Bivariata
Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°3

2 Questionario Per redigere un questionario è necessario tener presenti i seguenti punti: ogni questionario somministrato deve avere un codice identificativo univoco solo domande chiuse (cioè con un insieme di modalità definite) sono ammesse le domande a risposta multipla raccogliere informazioni di carattere quantitativo (necessario per costruire modelli statistici consistenti) tipologia dei dati strutturali (che descrivono l’intervistato, ad esempio l’età) di indagine

3 Questionario - Step La raccolta -tramite questionario- di dati utili per effettuare analisi statistiche procede attraverso i seguenti step: Predisporre il questionario Sottoporre i questionari agli intervistati (NB: ad ogni intervistato deve corrispondere un codice univoco che identifica il questionario da lui compilatotenere traccia di questi codici!) Per ogni domanda definire un’opportuna (qualitativa o quantitativa) variabile statistica, che assume come valori le possibili risposte alla domanda Inserire in un foglio excel i dati raccolti: ogni riga corrisponde ad un singolo intervistato/questionario compilato e ci saranno una (nel caso di domande a risposta singola) o più (nel caso di domande a risposta multipla) colonne che corrispondono alle singole domande del questionario. Nella generica cella corrispondente all’incrocio della riga “i” e della colona “j” ci sarà dunque il “valore” della risposta dell’individuo “i” alla domanda “j”.

4 Dal questionario al Data Set
Costruire la variabile n_questionario che associa un codice univoco ad ogni intervistato. Identificare ogni variabile con un nome facilmente riconducibile alla domanda corrispondente (ad esempio la domanda n°1 corrisponde alla variabile D_1). Nel caso di domande a risposte multiple andranno create un numero di variabili dicotomiche (0/1) pari al numero di modalità definite nella risposta. Data Entry: controllo correttezza dei dati inseriti e analisi delle distribuzioni delle variabili (con valenza di controllo e valenza interpretativa).

5 Esempio domanda – variabile qualitativa ordinale
Su una scala da 1 a 9 (con 1 = per nulla e 9 = moltissimo) quanto ritiene importante comunicare e relazionarsi con le altre persone nella sua vita quotidiana? R: 8 n_questionario … D_1 125 …. 8

6 Esempio domanda – variabile quantitativa
2. Mediamente, quante ore al giorno utilizza il cellulare? 1) 15 minuti 2) 30 minuti 3) 1 ora 4) 2 ore 5) 3 ore 6) 4 ore 7) 5 ore 8) 6 ore 9) … R: 3 ore ; R: 10 ore n_questionario … D_1 D_2 125 …. 8 3 34 10

7 Esempio domanda – variabile qualitativa nominale
10. Perché non utilizza un telefono cellulare? 1) Non mi interessano i telefoni cellulari NO INTERESSE 2) Possiedo altri mezzi di comunicazione e sono già soddisfatto così ALTRI MEZZI 3) Mi piacerebbe ma sento che lo troverei difficile da utilizzareDIFFICILE 4) Sarei interessato, ma non abbastanza da sostenere il costo d’acquisto COSTO 5) Altro ALTRO R: 1 ; R: 4 n_questionario … D_1 D_2 D_10 125 …. 8 3 NO INTERESSE 34 10 COSTO

8 Esempio domanda – variabile qualitativa nominale
12. Qual è la tecnologia del suo telefono cellulare principale? (possibile fornire 1 sola risposta) 1) Gsm 2) Umts 3) Palmare 4) Non so R: Gsm n_questionario … D_1 D_2 D_12 125 …. 8 3 Gsm 34 10

9 Esempio domanda – variabile quantitativa
14. Ogni quanto cambia il suo telefono cellulare? (esprimere la risposta in mesi) R: 18 n_questionario … D_1 D_2 D_12 D_14 125 …. 8 3 Gsm 18 34 10

10 Domande a risposte multiple
17. Per quale motivo utilizza il telefono cellulare? (possibile fornire massimo 3 risposte) 1) Lavoro 2) Studio 3) Comunicare con famigliari 4) Comunicare con il partner 5) Piacere/tempo libero 6) Altro D_17_1 D_17_2 D_17_3 D_17_4 D_17_5 D_17_6 n_questionario … D_17_1 D_17_2 D_17_3 D_17_4 D_17_5 D_17_6 45 …. 1

11 Domande a risposte multiple
9. In quale momento della giornata comunica maggiormente? (distribuisca 100 punti % tra le possibili risposte) 1) Mattino ( ) 2) Pomeriggio ( ) 3) Sera ( ) 4) Notte ( ) R: 30% - 40% - 10% - 20% n_questionario … D_9_1 D_9_2 D_9_3 D_9_4 250 …. 30 40 10 20

12 Analisi Univariata

13 PROC UNIVARIATE - Descrizione
La PROC UNIVARIATE permette di calcolare distribuzioni di frequenza univariate per variabili quantitative continue misure di sintesi di posizione, variabilità, forma per variabili quantitative continue

14 PROC UNIVARIATE – Sintassi
Distribuzione di frequenza univariata proc univariate data= dataset option(s); var variabile; run; OPTIONS: noprint non mostra i risultati nella finestra di output

15 PROC UNIVARIATE – Esempio 1
Misure di sintesi della variabile quantitativa discreta numero medio sms inviati al giorno proc univariate data=corso.telefonia; var num_sms_e; run;

16 Output PROC UNIVARIATE (1/2)
Misure di Variabilità Scarto Quadratico Medio [Std Deviation]: mostra la variabilità rispetto alla media Varianza [Variance]: media dei quadrati delle differenze fra ciascuna osservazione e la media Campo di Variazione [Range]: differenza tra il massimo e il minimo dei valori osservati Differenza Interquartile [Interquartile Range]: 3° quartile – 1° quartile Interquartile Range Range Mode Variance Median Std Deviation Mean Variability Location Basic Statistical Measures

17 Output PROC UNIVARIATE (2/2)
Coeff di variazione [Coeff Variation]: misura la variabilità relativa rispetto alla media (%) Std Error Mean Coeff Variation Corrected SS 329878 Uncorrected SS Kurtosis Skewness Variance Std Deviation 5738 Sum Observations Mean 236 Sum Weights N Moments

18 Output PROC UNIVARIATE (2/2)
Misure di Forma della Distribuzione Skewness: indice che informa circa il grado di simmetria o asimmetria di una distribuzione γ=0 distribuzione simmetrica; γ<0 asimmetria negativa (mediana>media); γ>0 asimmetria positiva (mediana<media). Kurtosis: indice che permette di verificare se i dati seguono una distribuzione di tipo Normale (simmetrica) β=3 se la distribuzione è “Normale”; β<3 se la distribuzione è iponormale; β>3 se la distribuzione è ipernormale. Std Error Mean Coeff Variation Corrected SS 329878 Uncorrected SS Kurtosis Skewness Variance Std Deviation 5738 Sum Observations Mean 236 Sum Weights N Moments

19 Analisi di Concentrazione
Per caratteri quantitativi trasferibili Equidistribuzione: Max concentrazione: 1. Ordinare le osservazioni 2. Calcolare le quantità:

20 Analisi di Concentrazione
10%  45%

21 Analisi Bivariata

22 PROC FREQ - Descrizione
La PROC FREQ permette di calcolare le distribuzioni di frequenza univariate per variabili qualitative e quantitative discrete creare tabelle di contingenza a due o più dimensioni per variabili qualitative e quantitative discrete

23 PROC FREQ – Sintassi generale 1/2
Distribuzione di frequenza bivariata proc freq data= dataset option(s); tables variabile1 * variabile2 /option(s); run; OPTIONS: noprint non mostra i risultati nella finestra di output /missing considera anche i missing nel calcolo delle frequenze

24 PROC FREQ: Esempio Variabili qualitative: sesso e operatore telefonico
proc freq data=corso.telefonia; table sesso * operatore; run;

25 Output PROC FREQ: Esempio
Distribuzioni marginali: frequenze marginali assolute e relative Frequenze congiunte assolute e relative Frequency Percent Row Pct Col Pct Total     M     F Wind Vodafone Tim 3 operatore sesso Table of sesso by operatore Frequenze subordinate

26 Output PROC FREQ: Esempio
freq. congiunta relativa =(7/236)*100 freq. marginale assoluta= Frequency Percent Row Pct Col Pct Total     M     F Wind Vodafone Tim 3 operatore sesso Table of sesso by operatore freq. marginale relativa=( )/236*100 freq. subordinate: % di riga=5/136*100 % di col=5/12*100