{"id":1221,"date":"2020-10-29T16:15:44","date_gmt":"2020-10-29T14:15:44","guid":{"rendered":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/8-4-2-codificacion-de-las-variables-del-fichero-de-ejemplos\/"},"modified":"2020-12-15T18:15:49","modified_gmt":"2020-12-15T16:15:49","slug":"8-4-2-codificacio-de-les-variables-del-fitxer-dexemples","status":"publish","type":"page","link":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/8-4-2-codificacio-de-les-variables-del-fitxer-dexemples\/","title":{"rendered":"8.4.2. Codificaci\u00f3 de les variables del fitxer d’exemples"},"content":{"rendered":"

Sexe:<\/strong> {1 = Home, 2 = Dona}<\/p>\n

Tipus de centre:<\/strong> {1 = P\u00fablic, 2 = Privat}<\/p>\n

Estudis que cursa: <\/strong>{1 = Prim\u00e0ria – 1r. cicle d\u2019ESO; 2 = 2n. cicle d\u2019ESO – Batxillerat; 3 = Formaci\u00f3 professional de grau mitj\u00e0}<\/p>\n

H\u00e0bitat:<\/strong> {1 = Rural, 2 = Urb\u00e0}<\/p>\n

Estudis del pare:<\/strong> {1 = Sense estudis, 2 = Estudis primaris, 3 = Batxillerat o equivalents, 4 = Diplomat, llicenciat o equivalents}<\/p>\n

Estudis de la mare:<\/strong> {1 = Sense estudis, 2 = Estudis primaris, 3 = Batxillerat o equivalents, 4 = Diplomat, llicenciat o equivalents}<\/p>\n

Import\u00e0ncia que es dona als diners:<\/strong> {1 = Molt poca, 2 = Poca, 3 = Mitjana, 4 = Molta, 5 = Molt\u00edssima}<\/p>\n

Publicitat: <\/strong>{1 = Cartells, 2 = Internet, 3 = M\u00f2bil, 4 = RRSS, 5 = Televisi\u00f3}<\/p>\n

RRSS:<\/strong> {1 = Facebook, 2 = Instagram, 3 = Snapchat, 4 = TikTok, 5 = Twitter, 6 = WhatsApp, 7 = YouTube}<\/p>\n

A l’hora de fer els gr\u00e0fics de les variables dels dos fitxers (publicitat i RRSS), cal tenir en compte que, depenent del tipus de variable que aparegui en l’eix X<\/em>, s’ha de fer un tipus de gr\u00e0fic o un altre.<\/p>\n

\"\"<\/p>\n

<\/p>\n

Per aprofundir<\/strong><\/p>\n

A continuaci\u00f3 s’ha treballat amb les dades del fitxer publicitat i fent \u00fas de l\u2019SPSS (es poden fer els c\u00e0lculs amb la seva versi\u00f3 gratu\u00efta PSPP), es mostren les sortides del programa i les interpretacions de tots els resultats estad\u00edstics als quals s’ha fet refer\u00e8ncia de manera te\u00f2rica anteriorment.<\/p>\n

En aquest cas la grand\u00e0ria de la mostra ha estat de 100 alumnes.<\/p>\n

En la primera taula s’observen els valors dels estad\u00edstics de les variables qualitatives nominals del fitxer.<\/p>\n\n\n\n\n\n\n\n
Estad\u00edstics<\/strong><\/td>\n<\/tr>\n
<\/td>\nSexe<\/td>\nTipus de centre d’estudis<\/td>\nH\u00e0bitat<\/td>\nMitj\u00e0 anuncis publicitaris codificat<\/td>\n<\/tr>\n
N<\/td>\nV\u00e0lid<\/td>\n100<\/td>\n100<\/td>\n100<\/td>\n100<\/td>\n<\/tr>\n
Perduts<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n<\/tr>\n
Moda<\/td>\n1a<\/sup><\/td>\n1<\/td>\n2<\/td>\n4<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Hi ha moltes maneres. Es mostra el valor m\u00e9s petit.<\/p>\n<\/div><\/p>\n

Veiem que per a totes les variables la grand\u00e0ria de la mostra \u00e9s de 100 i no hi ha valors perduts, i la moda de la variable Sexe no \u00e9s \u00fanica. En canvi, per al tipus de centre d’estudis, el valor de la variable que es repeteix m\u00e9s \u00e9s l\u20191; \u00e9s a dir, hi ha m\u00e9s centres p\u00fablics que privats. L’h\u00e0bitat m\u00e9s repetit \u00e9s el que pren el valor 2, \u00e9s a dir, urb\u00e0, i el mitj\u00e0 publicitari m\u00e9s repetit en les respostes dels enquestats \u00e9s el que pren el valor 4en la codificaci\u00f3, \u00e9s a dir, que els enquestats veuen m\u00e9s publicitat a les xarxes socials.<\/p>\n\n\n\n\n\n\n\n
Sexe<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nHome<\/td>\n50<\/td>\n50,0<\/td>\n50,0<\/td>\n50,0<\/td>\n<\/tr>\n
Dona<\/td>\n50<\/td>\n50,0<\/td>\n50,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Quant al sexe dels enquestats, el 50 % s\u00f3n homes i el 50 % s\u00f3n dones.<\/p>\n\n\n\n\n\n\n\n
Tipus de centre d’estudis<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nP\u00fablic<\/td>\n76<\/td>\n76,0<\/td>\n76,0<\/td>\n76,0<\/td>\n<\/tr>\n
Privat<\/td>\n24<\/td>\n24,0<\/td>\n24,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Anteriorment ja s’ha comentat que havien estat seleccionats m\u00e9s centres p\u00fablics que privats, en concret, 76 centres p\u00fablics i 24 centres privats. Com que la mostra \u00e9s de grand\u00e0ria 100, la freq\u00fc\u00e8ncia absoluta coincideix amb el percentatge. En no haver-hi dades perdudes, el percentatge per a cada tipus de centre d’estudis coincideix amb el percentatge v\u00e0lid.<\/p>\n\n\n\n\n\n\n\n
H\u00e0bitat<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nRural<\/td>\n46<\/td>\n46,0<\/td>\n46,0<\/td>\n46,0<\/td>\n<\/tr>\n
Urb\u00e0<\/td>\n54<\/td>\n54,0<\/td>\n54,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Pel que fa a l’h\u00e0bitat, la taula anterior ens indica que hi havia m\u00e9s centres urbans que rurals, en , 54 centres urbans i 46 rurals.<\/p>\n\n\n\n\n\n\n\n\n\n\n
Mitj\u00e0 anuncis publicitaris codificat<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nCartells<\/td>\n11<\/td>\n11,0<\/td>\n11,0<\/td>\n11,0<\/td>\n<\/tr>\n
Internet<\/td>\n30<\/td>\n30,0<\/td>\n30,0<\/td>\n41,0<\/td>\n<\/tr>\n
M\u00f2bil<\/td>\n20<\/td>\n20,0<\/td>\n20,0<\/td>\n61,0<\/td>\n<\/tr>\n
RRSS<\/td>\n31<\/td>\n31,0<\/td>\n31,0<\/td>\n92,0<\/td>\n<\/tr>\n
Televisi\u00f3<\/td>\n8<\/td>\n8,0<\/td>\n8,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Els mitjans assenyalats pels alumnes en els quals veuen majorit\u00e0riament anuncis publicitaris s\u00f3n cartells publicitaris, internet, m\u00f2bil, xarxes socials i televisi\u00f3. S’observa que ning\u00fa no ha contestat que els vegin en la premsa o que els escoltin en la r\u00e0dio. L’11 % d’ells ha vist publicitat majorit\u00e0riament en cartells publicitaris, el 30 % a internet, el 20 % en el m\u00f2bil, el 31 % a les xarxes socials i el 8 % en la televisi\u00f3.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge de sexe<\/figcaption><\/figure>\n

Les dades relatives a freq\u00fc\u00e8ncies absolutes i\/o percentatges es poden demanar en format de taula o gr\u00e0fic. Quan la variable objecte d’estudi \u00e9s qualitativa nominal i t\u00e9 poques categories, el gr\u00e0fic m\u00e9s apropiat \u00e9s el de sectors o circular. Si observem el gr\u00e0fic, els resultats que mostra s\u00f3n els mateixos que ens dona la taula. Als seg\u00fcents gr\u00e0fics de sectors o circulars s’aprecien els mateixos resultats que s\u2019han mostrat en les taules corresponents.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge de tipus de centre d’estudis<\/figcaption><\/figure>\n

 <\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’h\u00e0bitat<\/figcaption><\/figure>\n

Per a la variable dels diferents mitjans publicitaris, fem un diagrama de rectangles perqu\u00e8, malgrat ser una variable qualitativa nominal, el fet de tenir m\u00e9s categories fa que aquest gr\u00e0fic sigui m\u00e9s adequat que l’altre.<\/p>\n

\"\"
Diagrama de rectangles de mitjans publicitaris<\/figcaption><\/figure>\n

La informaci\u00f3 que ens mostra el gr\u00e0fic \u00e9s la mateixa que la de la taula corresponent ja comentada.<\/p>\n

Una vegada analitzades de manera descriptiva les variables qualitatives nominals, procedim a analitzar descriptivament les variables qualitatives ordinals del fitxer.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Estad\u00edstics<\/strong><\/td>\n<\/tr>\n
<\/td>\nEstudis que cursa<\/td>\nEstudis del pare<\/td>\nEstudis de la mare<\/td>\nQualificaci\u00f3 mitjana en estudis<\/td>\nImport\u00e0ncia donada als diners<\/td>\n<\/tr>\n
N<\/td>\nV\u00e0lid<\/td>\n100<\/td>\n100<\/td>\n98<\/td>\n100<\/td>\n97<\/td>\n<\/tr>\n
Perduts<\/td>\n0<\/td>\n0<\/td>\n2<\/td>\n0<\/td>\n3<\/td>\n<\/tr>\n
Mediana<\/td>\n2,00<\/td>\n2,00<\/td>\n2,00<\/td>\n7,00<\/td>\n3,00<\/td>\n<\/tr>\n
Moda<\/td>\n2<\/td>\n2<\/td>\n2<\/td>\n7<\/td>\n2<\/td>\n<\/tr>\n
Rang<\/td>\n2<\/td>\n3<\/td>\n3<\/td>\n6<\/td>\n4<\/td>\n<\/tr>\n
M\u00ednim<\/td>\n1<\/td>\n1<\/td>\n1<\/td>\n3<\/td>\n1<\/td>\n<\/tr>\n
M\u00e0xim<\/td>\n3<\/td>\n4<\/td>\n4<\/td>\n9<\/td>\n5<\/td>\n<\/tr>\n
Percentils<\/td>\n25<\/td>\n2,00<\/td>\n2,00<\/td>\n2,00<\/td>\n6,00<\/td>\n2,00<\/td>\n<\/tr>\n
50<\/td>\n2,00<\/td>\n2,00<\/td>\n2,00<\/td>\n7,00<\/td>\n3,00<\/td>\n<\/tr>\n
75<\/td>\n3,00<\/td>\n3,00<\/td>\n3,00<\/td>\n7,00<\/td>\n4,00<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

A la taula s’observa que per als estudis de la mare hi ha dos valors perduts i per a la import\u00e0ncia que els alumnes donen als diners n\u2019hi ha tres de perduts.<\/p>\n

La mediana \u00e9s el valor central de la variable despr\u00e9s d\u2019ordenar les dades de menor a major. S’observa que, per als estudis que cursa, el valor \u00e9s 2, la qual cosa representa els estudis de 2n. cicle d\u2019ESO – batxiller. La moda \u00e9s 2, \u00e9s a dir, el valor de la mediana coincideix amb el de la moda. El rang \u00e9s 2. El rang \u00e9s la difer\u00e8ncia entre el valor m\u00e0xim que pren la variable i el m\u00ednim. El percentil 25 \u00e9s 2 i el 50 tamb\u00e9 (el percentil 50 sempre coincideix amb el valor de la mediana). En canvi, el percentil 75 \u00e9s 3, i aix\u00f2 vol dir que despr\u00e9s d\u2019ordenar les dades de menor a major el 75 % prenen com a molt el valor 3, que es correspon amb formaci\u00f3 professional de grau mitj\u00e0.<\/p>\n

Quant a la variable Estudis del pare i de la mare, ambd\u00f3s tenen els mateixos estad\u00edstics de mediana 2, que coincideix amb la moda, \u00e9s a dir, estudis primaris. El rang \u00e9s de 3, perqu\u00e8 aquestes variables prenen valors d’1 a 4. El percentil 25 \u00e9s 2 i el 50 tamb\u00e9. En canvi, el percentil 75 \u00e9s 3, i aix\u00f2 vol dir que despr\u00e9s d\u2019ordenar les dades de menor a major el 75 % prenen com a molt el valor 3, que correspon a batxillerat o equivalents.<\/p>\n

Si mirem la variable de qualificaci\u00f3 mitjana en els estudis dels alumnes, la mediana pren el valor 7 igual que la moda. El rang \u00e9s de 6 perqu\u00e8 la qualificaci\u00f3 mitjana m\u00e9s baixa en els estudis \u00e9s de 3 i la m\u00e9s alta de 9. El percentil 25 val 6, el 50 7 i el 75 7.<\/p>\n

Finalment, la mediana de la import\u00e0ncia que es dona als diners \u00e9s 3, variable expressada en una escala de Likert de 5 punts, en sortir el valor de 3. Aix\u00f2 vol dir que despr\u00e9s d\u2019ordenar les dades de menor a major valor el 50 % d’ells donen com a molt una import\u00e0ncia mitjana als diners. La moda \u00e9s 2, \u00e9s a dir, el valor que es repeteix m\u00e9s en les respostes \u00e9s que donen poca import\u00e0ncia als diners. El rang \u00e9s 4, perqu\u00e8 hem dit que \u00e9s una variable de Likert de 5 punts i, per tant, pren valors de l’1 a 5. El percentil 25 val 2, el 50 3 i 75 4.<\/p>\n\n\n\n\n\n\n\n\n
Estudis que cursa<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nPrim\u00e0ria-1r.cicle ESO<\/td>\n20<\/td>\n20,0<\/td>\n20,0<\/td>\n20,0<\/td>\n<\/tr>\n
2n. cicle ESO-Batxillerat<\/td>\n49<\/td>\n49,0<\/td>\n49,0<\/td>\n69,0<\/td>\n<\/tr>\n
Form. prof. grau mitj\u00e0<\/td>\n31<\/td>\n31,0<\/td>\n31,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

A la taula veiem que el 20 % dels alumnes cursen estudis de prim\u00e0ria o de 1r. cicle d’ESO, el 49 % estudis de 2n. cicle d’ESO o batxillerat i el 31 % s\u00f3n alumnes de formaci\u00f3 professional de grau mitj\u00e0.<\/p>\n\n\n\n\n\n\n\n\n\n
Estudis del pare<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nSense estudis<\/td>\n14<\/td>\n14,0<\/td>\n14,0<\/td>\n14,0<\/td>\n<\/tr>\n
Estudis primaris<\/td>\n37<\/td>\n37,0<\/td>\n37,0<\/td>\n51,0<\/td>\n<\/tr>\n
Batxillerat o equivalents<\/td>\n30<\/td>\n30,0<\/td>\n30,0<\/td>\n81,0<\/td>\n<\/tr>\n
Diplomat, llicenciat o equivalents<\/td>\n19<\/td>\n19,0<\/td>\n19,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

El 14 % dels pares dels alumnes enquestats no tenen estudis, el 37 % tenen estudis primaris, el 30 % tenen estudis de batxillerat o equivalents i el 19 % s\u00f3n diplomats, llicenciats o equivalents. A la taula anterior veiem que els percentatges coincideixen amb els percentatges v\u00e0lids perqu\u00e8 no hi havia valors perduts. Aix\u00f2 no es repeteix a la taula que seg\u00fcent perqu\u00e8 hi ha valors perduts.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n
Estudis de la mare<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nSense estudis<\/td>\n6<\/td>\n6,0<\/td>\n6,1<\/td>\n6,1<\/td>\n<\/tr>\n
Estudis primaris<\/td>\n59<\/td>\n59,0<\/td>\n60,2<\/td>\n66,3<\/td>\n<\/tr>\n
Batxillerat o equivalents<\/td>\n18<\/td>\n18,0<\/td>\n18,4<\/td>\n84,7<\/td>\n<\/tr>\n
Diplomat, llicenciat o equivalents<\/td>\n15<\/td>\n15,0<\/td>\n15,3<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/td>\n98<\/td>\n98,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n
Perduts<\/td>\n9<\/td>\n2<\/td>\n2,0<\/td>\n<\/td>\n<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

El 6 % de les mares dels alumnes enquestats no tenen estudis, el 59 % tenen estudis primaris, el 18 % tenen estudis de batxillerat o equivalents, el 15 % s\u00f3n diplomats, llicenciats o equivalents i del 2 % restant no es tenen dades, at\u00e8s que els alumnes no les han aportat en l’enquesta que se’ls ha passat.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
Qualificaci\u00f3 mitjana en estudis<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\n3<\/td>\n2<\/td>\n2,0<\/td>\n2,0<\/td>\n2,0<\/td>\n<\/tr>\n
4<\/td>\n3<\/td>\n3,0<\/td>\n3,0<\/td>\n5,0<\/td>\n<\/tr>\n
5<\/td>\n16<\/td>\n16,0<\/td>\n16,0<\/td>\n21,0<\/td>\n<\/tr>\n
6<\/td>\n27<\/td>\n27,0<\/td>\n27,0<\/td>\n48,0<\/td>\n<\/tr>\n
7<\/td>\n33<\/td>\n33,0<\/td>\n33,0<\/td>\n81,0<\/td>\n<\/tr>\n
8<\/td>\n16<\/td>\n16,0<\/td>\n16,0<\/td>\n97,0<\/td>\n<\/tr>\n
9<\/td>\n3<\/td>\n3,0<\/td>\n3,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/td>\n100<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Observant els percentatges acumulats, veiem que el 5 % dels alumnes tenen de mitjana una qualificaci\u00f3 de no aprovat. Si mirem la columna dels percentatges, el 16 % tenen una qualificaci\u00f3 mitjana de 5, el 27 % de 6, el 33 % de 7, el 16 % de 8 i el 3 % de 9.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
Import\u00e0ncia que es dona als diners<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nMolt poca<\/td>\n8<\/td>\n8,0<\/td>\n8,2<\/td>\n8,2<\/td>\n<\/tr>\n
Poca<\/td>\n32<\/td>\n32,0<\/td>\n33,0<\/td>\n41,2<\/td>\n<\/tr>\n
Mitjana<\/td>\n19<\/td>\n19,0<\/td>\n19,6<\/td>\n60,8<\/td>\n<\/tr>\n
Molta<\/td>\n19<\/td>\n19,0<\/td>\n19,6<\/td>\n80,4<\/td>\n<\/tr>\n
Molt\u00edssima<\/td>\n19<\/td>\n19,0<\/td>\n19,6<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/td>\n97<\/td>\n97,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n
Perduts<\/td>\n9<\/td>\n3<\/td>\n3,0<\/td>\n<\/td>\n<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n100<\/td>\n100,0<\/td>\n<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Pel que fa a la import\u00e0ncia que els alumnes donen als diners, s’observa que el 8 % n\u2019hi donen molt poca, el 32 % poca, el 19 % mitjana, el 19 % molta, el 19 % molt\u00edssima, i el 3 % no contesta a la pregunta.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’estudis que cursa<\/figcaption><\/figure>\n

Com ja s’ha comentat anteriorment, les dades relatives a freq\u00fc\u00e8ncies absolutes o percentatges es poden demanar en format de taula o gr\u00e0fic. Quan la variable objecte d’estudi \u00e9s qualitativa ordinal i de poques categories, el gr\u00e0fic m\u00e9s apropiat \u00e9s el de sectors o circular. Si observem el gr\u00e0fic, els resultats que mostra s\u00f3n els mateixos que ens dona la taula. Als seg\u00fcents gr\u00e0fics de sectors o circulars s’aprecien els mateixos resultats que s\u2019han mostrat a les taules corresponents.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’estudis del pare<\/figcaption><\/figure>\n

 <\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’estudis de la mare<\/figcaption><\/figure>\n

Per a la variable de la qualificaci\u00f3 mitjana dels estudis i de la import\u00e0ncia que donen als diners, fem un diagrama de rectangles perqu\u00e8, malgrat ser una variable qualitativa ordinal, el fet de tenir m\u00e9s categories fa que aquest gr\u00e0fic sigui m\u00e9s adequat que l’altre.<\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

La informaci\u00f3 que els gr\u00e0fics ens mostren \u00e9s la mateixa que la de la taula corresponent ja comentada.<\/p>\n

Una vegada analitzades de manera descriptiva les variables qualitatives ordinals, procedim a analitzar descriptivament les variables quantitatives del fitxer. La paga setmanal en euros s’ha considerat variable quantitativa cont\u00ednua, encara que si s’observen les dades d’aquesta variable en realitat \u00e9s una variable quantitativa discreta. Aix\u00f2 ens permet poder triar entre fer un diagrama de barres o un histograma a l’hora de fer el gr\u00e0fic associat a aquesta variable. El nombre de germans, incl\u00f2s el subjecte, \u00e9s una variable quantitativa discreta. L’edat \u00e9s una variable quantitativa discreta, tal com apareix en les dades, encara que es podria considerar tamb\u00e9 com a variable quantitativa cont\u00ednua. Per\u00f2 no \u00e9s molt habitual que, quan a alg\u00fa li preguntin per la seva edat, respongui, per exemple, 14,5 anys.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Estad\u00edstics<\/strong><\/td>\n<\/tr>\n
<\/td>\nPaga setmanal en euros<\/td>\nNre. de germans incl\u00f2s subjecte<\/td>\nEdat<\/td>\n<\/tr>\n
N<\/td>\nV\u00e0lid<\/td>\n92<\/td>\n100<\/td>\n100<\/td>\n<\/tr>\n
Perduts<\/td>\n8<\/td>\n0<\/td>\n0<\/td>\n<\/tr>\n
Mitjana<\/td>\n12,95<\/td>\n2,74<\/td>\n15,79<\/td>\n<\/tr>\n
Error est\u00e0ndard de la mitjana<\/td>\n,453<\/td>\n,135<\/td>\n,168<\/td>\n<\/tr>\n
Mediana<\/td>\n11,00<\/td>\n2,50<\/td>\n16,00<\/td>\n<\/tr>\n
Moda<\/td>\n10<\/td>\n2<\/td>\n16<\/td>\n<\/tr>\n
Desviaci\u00f3<\/td>\n4,348<\/td>\n1,346<\/td>\n1,684<\/td>\n<\/tr>\n
Vari\u00e0ncia<\/td>\n18,909<\/td>\n1,811<\/td>\n2,834<\/td>\n<\/tr>\n
Asimetria<\/td>\n,814<\/td>\n,946<\/td>\n-,193<\/td>\n<\/tr>\n
Error est\u00e0ndard d’asimetria<\/td>\n,251<\/td>\n,241<\/td>\n,241<\/td>\n<\/tr>\n
Curtosi<\/td>\n-,620<\/td>\n,945<\/td>\n,054<\/td>\n<\/tr>\n
Error est\u00e0ndard de curtosi<\/td>\n,498<\/td>\n,478<\/td>\n,478<\/td>\n<\/tr>\n
Rang<\/td>\n14<\/td>\n6<\/td>\n8<\/td>\n<\/tr>\n
M\u00ednim<\/td>\n8<\/td>\n1<\/td>\n12<\/td>\n<\/tr>\n
M\u00e0xim<\/td>\n22<\/td>\n7<\/td>\n20<\/td>\n<\/tr>\n
Suma<\/td>\n1191<\/td>\n274<\/td>\n1579<\/td>\n<\/tr>\n
Percentils<\/td>\n25<\/td>\n10,00<\/td>\n2,00<\/td>\n15,00<\/td>\n<\/tr>\n
50<\/td>\n11,00<\/td>\n2,50<\/td>\n16,00<\/td>\n<\/tr>\n
75<\/td>\n16,00<\/td>\n3,00<\/td>\n17,00<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Si estudiem la variable Paga setmanal en euros, veiem a la taula que hi ha 8 dades perdudes; per tant, nom\u00e9s 92 v\u00e0lides. La mitjana val 12,95 euros, amb un error est\u00e0ndard de la mitjana de 0,453 euros. La mediana \u00e9s d’11 euros, la moda \u00e9s de 10 euros, \u00e9s a dir, donen 10 euros a la majoria, la quasidesviaci\u00f3 t\u00edpica \u00e9s 4,348 i la quasivari\u00e0ncia \u00e9s de 18,909.<\/p>\n

Nota<\/strong>. La desviaci\u00f3 est\u00e0ndard (SD) representa la variaci\u00f3 en els valors d’una variable, mentre que l’error est\u00e0ndard de la mitjana (standard error of the mean,<\/em> SEM) representa la dispersi\u00f3 que tindria la mitjana d’una mostra de valors si es continuessin prenent mostres. Per tant, el SEM proporciona una idea de la precisi\u00f3 de la mitjana i l’SD ens dona una idea de la variabilitat de les observacions individuals. Aquests dos par\u00e0metres estan relacionats:<\/p>\n

\"\"<\/p>\n

L’important \u00e9s indicar el valor de la desviaci\u00f3 t\u00edpica, no de l’error est\u00e0ndard de la mitjana.<\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

El coeficient d’asimetria val 0,814, i aix\u00f2 vol dir que la distribuci\u00f3 de la mostra presenta una asimetria positiva o per la dreta.<\/p>\n

Nota asimetria<\/strong>. Aquesta mesura ens permet identificar si les dades es distribueixen de manera uniforme al voltant del punt central (mitjana aritm\u00e8tica). L’asimetria presenta tres estats diferents, cadascun dels quals defineix de manera concisa com estan distribu\u00efdes les dades respecte a l’eix d’asimetria. Es diu que l’asimetria \u00e9s positiva quan la majoria de les dades estan per sobre del valor de la mitjana aritm\u00e8tica, la corba \u00e9s sim\u00e8trica quan es distribueixen aproximadament la mateixa quantitat de valors en tots dos costats de la mitjana, i\u00a0 hi ha asimetria negativa quan la major quantitat de dades s’aglomeren en els valors menors que la mitjana.<\/p>\n

\"\" coeficient d’asimetria de Fisher.<\/p>\n

Si\u00a0\"\", la distribuci\u00f3 \u00e9s sim\u00e8trica, \u00e9s a dir, hi ha aproximadament la mateixa quantitat de valors als dos costats de la mitjana. Aquest valor \u00e9s dif\u00edcil d’aconseguir i per aix\u00f2 es tendeix a prendre els valors que s\u00f3n propers, positius o negatius (\u00b1 0,5).<\/p>\n

Si\u00a0\"\",\u00a0la corba \u00e9s asim\u00e8tricament positiva i per aix\u00f2 els valors es tendeixen a reunir m\u00e9s \u00e0 la part esquerra de la mitjana que a la dreta.<\/p>\n

Si\u00a0\"\",\u00a0la corba \u00e9s asim\u00e8tricament negativa i per aix\u00f2 els valors es tendeixen a reunir m\u00e9s a la part dreta de la mitjana.<\/p>\n

Com m\u00e9s gran sigui el nombre (positiu o negatiu), major ser\u00e0 la dist\u00e0ncia que separa l’aglomeraci\u00f3 dels valors pel que fa a la mitjana.<\/p>\n

\"\"<\/p>\n

El fet que la curtosi sigui de \u22120,620 vol dir que la mostra \u00e9s platic\u00fartica.<\/p>\n

Nota de la curtosi<\/strong>. Aquesta mesura determina el grau de concentraci\u00f3 que presenten els valors a la regi\u00f3 central de la distribuci\u00f3. Per mitj\u00e0 del coeficient de curtosi, podem identificar si hi ha una gran concentraci\u00f3 de valors (leptoc\u00fartica), una concentraci\u00f3 normal (mesoc\u00fartica) o una concentraci\u00f3 baixa (platic\u00fartica).<\/p>\n

\"\" coeficient d’exc\u00e9s (o de Fisher)<\/p>\n

Si\u00a0\"\", la distribuci\u00f3 \u00e9s mesoc\u00fartica. Igual que en l’asimetria, \u00e9s bastant dif\u00edcil trobar un coeficient de curtosi de valor zero, per la qual cosa se solen acceptar els valors propers (\u00b1 0,5 aprox.).<\/p>\n

Si\u00a0\"\", la distribuci\u00f3 \u00e9s leptoc\u00fartica.<\/p>\n

Si\u00a0\"\", la distribuci\u00f3 \u00e9s platic\u00fartica.<\/p>\n

\"\"<\/p>\n

Quan la distribuci\u00f3 de les dades t\u00e9 un coeficient d’asimetria (\"\"\u00a0= \u00b10,5)\u00a0i un coeficient de curtosi de \"\"\u00a0= \u00b10,5), es denomina \u00abcorba normal\u00bb. Aquest criteri \u00e9s molt important, ja que per a la majoria dels procediments de l’estad\u00edstica d’infer\u00e8ncia es requereix que les dades es distribueixin normalment.<\/p>\n

El principal avantatge de la distribuci\u00f3 normal rau en el sup\u00f2sit que el 95 % dels valors est\u00e0 en una dist\u00e0ncia de dues desviacions est\u00e0ndards de la mitjana aritm\u00e8tica; \u00e9s a dir, si prenem la mitjana i li sumem dues vegades la desviaci\u00f3 i despr\u00e9s en restem dues desviacions, el 95 % dels casos estaria dins del rang que componen aquests valors.<\/p>\n

El valor m\u00ednim \u00e9s 8 euros i el m\u00e0xim \u00e9s 22 euros. La difer\u00e8ncia es coneix com a rang. S’observa que entre el percentil 25 i 50 hi ha poca difer\u00e8ncia quant a valor, i aix\u00f2 vol dir que la meitat de la mostra rep 11 euros de paga com a molt.<\/p>\n

Si estudiem la variable Nombre de germans, incl\u00f2s el subjecte, podem mirar la taula i veure que no hi ha dades perdudes; per tant, n\u2019hi ha 100 de v\u00e0lids. La mitjana i la mediana valen aproximadament tres germans, amb un error est\u00e0ndard de la mitjana aproximadament de 0, la moda 2; \u00e9s a dir, la majoria t\u00e9 dos germans. La quasidesviaci\u00f3 t\u00edpica val aproximadament 1, la quasivari\u00e0ncia pren aproximadament el valor 2.<\/p>\n

La desviaci\u00f3 t\u00edpica es calcularia aix\u00ed: \"\"<\/p>\n

El coeficient d’asimetria val 0,946, i vol dir que la distribuci\u00f3 de la mostra presenta una asimetria positiva o per la dreta. El fet que la curtosi sigui de 0,945 vol dir que la mostra \u00e9s lectoc\u00fartica. El valor m\u00ednim \u00e9s d’un germ\u00e0 i el m\u00e0xim \u00e9s de set. La difer\u00e8ncia \u00e9s el que es coneix com a rang. S’observa que entre els tres percentils hi ha poca difer\u00e8ncia quant a valor, i aix\u00f2 vol dir que el 75 % dels alumnes de la mostra t\u00e9 tres germans com a molt.<\/p>\n

Si estudiem la variable Edat, mirant la taula veiem que no hi ha dades perdudes; per tant, n\u2019hi ha 100 de v\u00e0lids. La mitjana val 15,79 anys, amb un error est\u00e0ndard de la mitjana de 0,168 anys. La mediana i la moda s\u00f3n 16 anys; \u00e9s a dir, la majoria tenen 16 anys. La quasidesviaci\u00f3 t\u00edpica \u00e9s 1,684, la quasivari\u00e0ncia \u00e9s de 2,834.<\/p>\n

\"\"<\/p>\n

El coeficient d’asimetria val \u22120,193 i la curtosi val 0,054, i aix\u00f2 vol dir que la mostra de la variable Edat es pot considerar que s’ajusta a una corba normal. El valor m\u00ednim \u00e9s 12 i el m\u00e0xim \u00e9s 20 anys. La difer\u00e8ncia \u00e9s el que es coneix com a rang. S’observa que entre els tres percentils hi ha poca difer\u00e8ncia quant a valor, i aix\u00f2 vol dir que el 75 % dels alumnes de la mostra t\u00e9 disset anys com a molt.<\/p>\n

A continuaci\u00f3 es mostren els resultats referits als percentatges dels diferents valors que prenen les variables quantitatives discretes gr\u00e0ficament. Donada la classificaci\u00f3 d’aquestes variables, el tipus de gr\u00e0fic a demanar \u00e9s un diagrama de barres.<\/p>\n

\"\"
Barres simples de percentatge de paga setmanal en euros<\/figcaption><\/figure>\n

En la gr\u00e0fica s’observa, per exemple, que el valor m\u00e9s repetit de diners rebuts com a paga setmanal \u00e9s de 10 euros, valor que coincideix amb el de la moda i amb el fet que ning\u00fa no rep 20 euros com a paga setmanal.<\/p>\n

\"\"
Barres simples de percentatge de nombre de germans, incloent-hi el subjecte<\/figcaption><\/figure>\n

A la gr\u00e0fica s’observa, per exemple, que el valor de nombre de germans m\u00e9s repetit, incloent-hi el subjecte, \u00e9s 2, que coincideixi amb el valor de la moda. Una altra dada que s’observa \u00e9s, per exemple, que el 2 % t\u00e9 sis germans, incl\u00f2s ell, i aquest percentatge es repeteix per als que tenen set germans, inclosos ells.<\/p>\n

\"\"
Barres simples de percentatge d’edat<\/figcaption><\/figure>\n

A la gr\u00e0fica s’observa, per exemple, que el valor d’edat m\u00e9s repetit \u00e9s 16, que coincideixi amb el valor de la moda. Una altra dada que s’observa \u00e9s, per exemple, que ning\u00fa no t\u00e9 dinou anys.<\/p>\n

Si hagu\u00e9ssim considerat la paga setmanal en euros com a quantitativa cont\u00ednua, s’hauria d’haver dut a terme un histograma en lloc d’un gr\u00e0fic de barres.<\/p>\n

\"\"
Histograma paga setmanal en euros<\/figcaption><\/figure>\n

En l’histograma et calcula, a m\u00e9s dels percentatges dels diferents valors que pren la variable, la mitjana i la quasidesviaci\u00f3 t\u00edpica.<\/p>\n

Per a les variables quantitatives cont\u00ednues, podem demanar, a m\u00e9s de l’histograma, que ens dibuixi el seu ajustament a diferents distribucions, una de les quals \u00e9s la normal.<\/p>\n

\"\"
Histograma simple de paga setmanal en euros<\/figcaption><\/figure>\n

A la gr\u00e0fica s’observa que la distribuci\u00f3 de les dades de la paga setmanal en euros \u00e9s platic\u00fartica i que t\u00e9 asimetria positiva o per la dreta.<\/p>\n

Si hagu\u00e9ssim fet un histograma per a la variable Edat amb l’estudi de l’ajustament de la distribuci\u00f3 d’aquesta variable a una corba normal, el gr\u00e0fic requerit seria el seg\u00fcent:<\/p>\n

\"\"
Histograma edat<\/figcaption><\/figure>\n

S\u2019hi aprecia que la distribuci\u00f3 de la variable Edat s’ajusta a una corba normal.<\/p>\n

\"\"<\/a><\/p>\n

Encara que hi ha m\u00e9s variables relacionades entre elles, ens limitarem a estudiar les variables que estan relacionades de manera directa o inversa amb els mitjans en qu\u00e8 es veuen els anuncis publicitaris per intentar establir un perfil per a cada tipus de mitj\u00e0. Si mirem la taula, veiem que per a un nivell de confian\u00e7a del 99 % est\u00e0 relacionada amb l’edat; a m\u00e9s, en tenir un valor de 0,475, la relaci\u00f3 \u00e9s directa, \u00e9s a dir, que com m\u00e9s edat m\u00e9s gran \u00e9s el nombre amb qu\u00e8 es veu publicitat en un mitj\u00e0 codificat. Aix\u00ed, per a les edats m\u00e9s baixes el mitj\u00e0 seran els cartells, i per a les edats m\u00e9s elevades, la televisi\u00f3.<\/p>\n

Com que veiem que est\u00e0 relacionada amb l’edat, demanarem la recta de regressi\u00f3 lineal considerant com a variable dependent la variable dels mitjans on es veuen anuncis publicitaris, i com a independent l’edat.<\/p>\n\n\n\n\n\n
Variables entrades\/eliminadesa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nVariables entrades<\/td>\nVariables eliminades<\/td>\nM\u00e8tode<\/td>\n<\/tr>\n
1<\/td>\nEdatb<\/sup><\/td>\n.<\/td>\nIntroduir<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable dependent: mitj\u00e0 anuncis publicitaris codificat<\/p>\n

b. Totes les variables sol\u00b7licitades introdu\u00efdes.<\/p>\n<\/div><\/p>\n

Aquesta taula ens indica la variable que ha entrat en el model, que \u00e9s la identificada com a correlacionada amb la dependent.<\/p>\n\n\n\n\n\n
Resum del model<\/strong><\/td>\n<\/tr>\n
Model<\/td>\nR<\/td>\nR quadrat<\/td>\nR quadrat ajustat<\/td>\nError est\u00e0ndard de l’estimaci\u00f3<\/td>\n<\/tr>\n
1<\/td>\n,475a<\/sup><\/td>\n,225<\/td>\n,217<\/td>\n1,040<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Predictors: (Constant), Edat.<\/p>\n<\/div><\/p>\n

Si observem el resum del model, el coeficient de determinaci\u00f3 (R quadrat) \u00e9s el de correlaci\u00f3 al quadrat i val 0,225, la qual cosa significa que el 22,5 % de la variabilitat de la variable Mitjans est\u00e0 representada per la recta de regressi\u00f3.<\/p>\n\n\n\n\n\n\n\n
ANOVAa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nSuma de quadrats<\/td>\ngl<\/td>\nMitjana quadr\u00e0tica<\/td>\nF<\/td>\nSig.<\/td>\n<\/tr>\n
1<\/td>\nRegressi\u00f3<\/td>\n30,791<\/td>\n1<\/td>\n30,791<\/td>\n28,478<\/td>\n,000b<\/sup><\/td>\n<\/tr>\n
Residu<\/td>\n105,959<\/td>\n98<\/td>\n1,081<\/td>\n<\/td>\n<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n136,750<\/td>\n99<\/td>\n<\/td>\n<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable depenent: mitj\u00e0 anuncis publicitaris codificat.<\/p>\n

b. Predictors: (Constant), Edat.<\/p>\n<\/div><\/p>\n

Un dels errors t\u00edpics \u00e9s no tenir clar qu\u00e8 significa acceptar o rebutjar la hip\u00f2tesi nul\u00b7la\u00a0(\"\").<\/p>\n

Quan el resultat d’un contrast d’hip\u00f2tesi \u00e9s rebuig d\u2019hip\u00f2tesi nul\u00b7la, la hip\u00f2tesi \u00e9s falsa; per contra, acceptar la hip\u00f2tesi nul\u00b7la significa que no es t\u00e9 la suficient informaci\u00f3 per poder rebutjar-la (\u00e9s a dir, que potser amb una altra mostra o augmentant-ne la grand\u00e0ria el resultat seria diferent, cosa que no passa quan es rebutja la hip\u00f2tesi nul\u00b7la).<\/strong><\/p>\n

Direm que un valor \u00e9s molt significatiu si t\u00e9 poca probabilitat d’oc\u00f3rrer o apar\u00e8ixer, i un contrast \u00e9s significatiu quan es rebutja\u00a0\"\".<\/p>\n

\"\"\u00a0No hi ha regressi\u00f3.<\/p>\n

\"\"<\/p>\n

\"\" (hip\u00f2tesi alternativa), la qual cosa significa que es rebutja la hip\u00f2tesi nul\u00b7la.<\/p>\n

El contrast que fem \u00e9s que no hi ha regressi\u00f3. Com que el p-valor val 0, el contrast \u00e9s significatiu i, per tant, s\u00ed que t\u00e9 sentit fer la recta de regressi\u00f3.<\/p>\n\n\n\n\n\n\n\n
Coeficientsa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nCoeficients no estandarditzats<\/td>\nCoeficients estandarditzats<\/td>\nt<\/td>\nSig.<\/td>\n<\/tr>\n
B<\/td>\nDesv. Error<\/td>\nBeta<\/td>\n<\/tr>\n
1<\/td>\n(Constant)<\/td>\n-2,281<\/td>\n,986<\/td>\n<\/td>\n-2,314<\/td>\n,023<\/td>\n<\/tr>\n
Edat<\/td>\n,331<\/td>\n,062<\/td>\n,475<\/td>\n5,337<\/td>\n,000<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable depenent: mitj\u00e0 anuncis publicitaris codificat.<\/p>\n<\/div><\/p>\n

\"\" Els coeficients s\u00f3n nuls.<\/p>\n

\"\"<\/p>\n

\"\"\u00a0(hip\u00f2tesi alternativa), la qual cosa significa que es rebutja la hip\u00f2tesi nul\u00b7la.<\/p>\n

Ens queda escriure l’equaci\u00f3 de la recta de regressi\u00f3. Veient la taula, la recta de regressi\u00f3 \u00e9s: \"\". Com que el p-valor associat a la constant \u00e9s 0,023 \u2264 0,05 i l’associat al coeficient de l’edat tamb\u00e9 \u00e9s menor que 0,05 per a un nivell de confian\u00e7a del 95 %, la constant i el coeficient de la variable Edat s\u00f3n no nuls.<\/p>\n

\n<\/div><\/p>\n

<\/p>\n

Per aprofundir<\/strong><\/p>\n

A continuaci\u00f3 s’ha treballat amb les dades del fitxer RRSS i fent \u00fas de l\u2019SPSS (es poden fer els c\u00e0lculs amb la versi\u00f3 gratu\u00efta del PSPP), es mostren les sortides del programa i les interpretacions de tots els resultats estad\u00edstics als quals s’ha fet refer\u00e8ncia de manera te\u00f2rica anteriorment.<\/p>\n

En aquest cas la grand\u00e0ria de la mostra ha estat de 75 alumnes.<\/p>\n

A la primera taula s’observen els valors dels estad\u00edstics de les variables qualitatives nominals del fitxer.<\/p>\n\n\n\n\n\n\n\n
Estad\u00edstics<\/strong><\/td>\n\u00a0<\/strong><\/td>\n<\/tr>\n
<\/td>\nSexe<\/td>\nTipus de centre d’estudis<\/td>\nH\u00e0bitat<\/td>\nXarxes socials codificades<\/td>\n<\/tr>\n
N<\/td>\nV\u00e0lid<\/td>\n75<\/td>\n75<\/td>\n75<\/td>\n75<\/td>\n<\/tr>\n
Perduts<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n<\/tr>\n
Moda<\/td>\n2<\/td>\n1<\/td>\n2<\/td>\n7<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Veiem que per a totes les variables la grand\u00e0ria de la mostra \u00e9s de 75 i no hi ha valors perduts. La moda de la variable Sexe \u00e9s 2; \u00e9s a dir, en la mostra hi ha m\u00e9s dones que homes. Per al tipus de centre d’estudis, el valor de la variable que es repeteix m\u00e9s \u00e9s el 1; \u00e9s a dir, hi ha m\u00e9s centres p\u00fablics que privats. L’h\u00e0bitat m\u00e9s repetit \u00e9s el que pren el valor 2, \u00e9s a dir, urb\u00e0, i la xarxa social m\u00e9s utilitzada en les respostes dels enquestats \u00e9s el que pren el valor 7 en la codificaci\u00f3; \u00e9s a dir, que la xarxa social m\u00e9s de moda entre els enquestats \u00e9s YouTube.<\/p>\n\n\n\n\n\n\n\n
Sexe<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nHome<\/td>\n27<\/td>\n36,0<\/td>\n36,0<\/td>\n36,0<\/td>\n<\/tr>\n
Dona<\/td>\n48<\/td>\n64,0<\/td>\n64,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Quant al sexe dels enquestats, el 36 % s\u00f3n homes i el 64 % s\u00f3n dones.<\/p>\n\n\n\n\n\n\n\n
Tipus de centre d’estudis<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nP\u00fablic<\/td>\n56<\/td>\n74,7<\/td>\n74,4<\/td>\n74,7<\/td>\n<\/tr>\n
Privat<\/td>\n19<\/td>\n25,3<\/td>\n25,3<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Anteriorment s’ha comentat que havien estat seleccionats m\u00e9s centres p\u00fablics que privats; en concret, hi ha 56 centres p\u00fablics i 19 centres privats. Com que la mostra \u00e9s de grand\u00e0ria 75, la freq\u00fc\u00e8ncia absoluta no coincideix amb el percentatge. En no haver-hi dades perdudes, el percentatge per a cada tipus de centre d’estudis coincideix amb el percentatge v\u00e0lid.<\/p>\n\n\n\n\n\n\n\n
H\u00e0bitat<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nRural<\/td>\n20<\/td>\n26,7<\/td>\n26,7<\/td>\n26,7<\/td>\n<\/tr>\n
Urb\u00e0<\/td>\n55<\/td>\n73,3<\/td>\n73,3<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Pel que fa a l’h\u00e0bitat, la taula anterior ens indicava que hi havia m\u00e9s centres urbans que rurals; en concret, hi ha 55 centres urbans i 20 de rurals.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
Xarxa social m\u00e9s usada<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nFacebook<\/td>\n11<\/td>\n14,7<\/td>\n14,7<\/td>\n14,7<\/td>\n<\/tr>\n
Instagram<\/td>\n14<\/td>\n18,7<\/td>\n18,7<\/td>\n33,3<\/td>\n<\/tr>\n
Snapchat<\/td>\n5<\/td>\n6,7<\/td>\n6,7<\/td>\n40,0<\/td>\n<\/tr>\n
TikTok<\/td>\n13<\/td>\n17,3<\/td>\n17,3<\/td>\n57,3<\/td>\n<\/tr>\n
Twitter<\/td>\n3<\/td>\n4,0<\/td>\n4,0<\/td>\n61,3<\/td>\n<\/tr>\n
WhatsApp<\/td>\n13<\/td>\n17,3<\/td>\n17,3<\/td>\n78,7<\/td>\n<\/tr>\n
YouTube<\/td>\n16<\/td>\n21,3<\/td>\n21,3<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Les xarxes socials que usen majorit\u00e0riament els alumnes s\u00f3n Facebook, Instagram, Snapchat, TikTok, Twitter, WhatsApp i YouTube. El 14,7 % d’ells usen majorit\u00e0riament Facebook, el 18,7 % Instagram, el 6,7 % Snapchat, el 17,3 % TikTok, el 4 % Twitter, el 17,3 % WhatsApp i el 21,3 % Facebook.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge de sexe<\/figcaption><\/figure>\n

Les dades relatives a freq\u00fc\u00e8ncies absolutes o percentatges es poden demanar en format de taula o gr\u00e0fic. Quan la variable objecte d’estudi \u00e9s qualitativa nominal i t\u00e9 poques categories, el gr\u00e0fic m\u00e9s apropiat \u00e9s el de sectors o circular. Si observem el gr\u00e0fic, els resultats que mostra s\u00f3n els mateixos que ens dona la taula. En els seg\u00fcents gr\u00e0fics de sectors o circulars s’aprecien els mateixos resultats que es van mostrar a les taules corresponents.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge de tipus de centre d’estudis<\/figcaption><\/figure>\n

 <\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’h\u00e0bitat<\/figcaption><\/figure>\n

Per a la variable de les diferents xarxes socials fem un diagrama de rectangles, perqu\u00e8, malgrat ser una variable qualitativa nominal, el fet de tenir m\u00e9s categories fa que aquest gr\u00e0fic sigui m\u00e9s adequat que l’altre.<\/p>\n

\"\"
Diagrama de rectangles xarxa social m\u00e9s usada<\/figcaption><\/figure>\n

La informaci\u00f3 que ens mostra el gr\u00e0fic \u00e9s la mateixa que la de la taula corresponent comentada anteriorment.<\/p>\n

Una vegada analitzades de manera descriptiva les variables qualitatives nominals, procedim a analitzar descriptivament les variables qualitatives ordinals del fitxer.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Estad\u00edstics<\/strong><\/td>\n<\/tr>\n
<\/td>\nEstudis que cursa<\/td>\nEstudis del pare<\/td>\nEstudis de la mare<\/td>\nQualificaci\u00f3 mitjana en estudis<\/td>\nImport\u00e0ncia donada als diners<\/td>\n<\/tr>\n
N<\/td>\nV\u00e0lid<\/td>\n75<\/td>\n75<\/td>\n75<\/td>\n75<\/td>\n75<\/td>\n<\/tr>\n
Perduts<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n<\/tr>\n
Mediana<\/td>\n2,00<\/td>\n3,00<\/td>\n3,00<\/td>\n6,00<\/td>\n4,00<\/td>\n<\/tr>\n
Moda<\/td>\n2<\/td>\n3<\/td>\n3<\/td>\n7<\/td>\n4<\/td>\n<\/tr>\n
Rang<\/td>\n2<\/td>\n3<\/td>\n3<\/td>\n6<\/td>\n4<\/td>\n<\/tr>\n
M\u00ednim<\/td>\n1<\/td>\n1<\/td>\n1<\/td>\n3<\/td>\n1<\/td>\n<\/tr>\n
M\u00e0xim<\/td>\n3<\/td>\n4<\/td>\n4<\/td>\n9<\/td>\n5<\/td>\n<\/tr>\n
Percentils<\/td>\n25<\/td>\n1,00<\/td>\n2,00<\/td>\n2,00<\/td>\n5,00<\/td>\n2,00<\/td>\n<\/tr>\n
50<\/td>\n2,00<\/td>\n3,00<\/td>\n3,00<\/td>\n6,00<\/td>\n4,00<\/td>\n<\/tr>\n
75<\/td>\n3,00<\/td>\n3,00<\/td>\n3,00<\/td>\n7,00<\/td>\n4,00<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

A la taula s’observa que no hi ha valors perduts per cap de les variables considerades.<\/p>\n

La mediana \u00e9s el valor central de la variable. Despr\u00e9s d\u2019ordenar les dades de menor a major, s’observa que el valor \u00e9s de 2per als estudis que cursa, la qual cosa representa els estudis de 2n. cicle d’ESO – batxiller. La moda \u00e9s 2; \u00e9s a dir, el valor de la mediana coincideix amb el de la moda. El rang \u00e9s 2 (el rang \u00e9s la difer\u00e8ncia entre el valor m\u00e0xim que pren la variable i el m\u00ednim). El percentil 25 \u00e9s 1 i el 50 \u00e9s 2 (el percentil 50 coincideix amb el valor de la mediana sempre). El percentil 75 \u00e9s 3, i aix\u00f2 vol dir que despr\u00e9s d\u2019ordenar les dades de menor a major, el 75 % prenen el valor 3 com a molt, que es correspon amb formaci\u00f3 professional de grau mitj\u00e0.<\/p>\n

Quant a les variables Estudis del pare i de la mare, ambdues tenen els mateixos estad\u00edstics, de mediana 3, que coincideix amb la moda, \u00e9s a dir, batxiller o equivalents. El rang \u00e9s de 3 perqu\u00e8 aquestes variables prenen valors d’1 a 4. El percentil 25 \u00e9s 2 i el 50 \u00e9s 3, que coincideix amb el fet que percentil 75 \u00e9s 3; aix\u00f2 vol dir que despr\u00e9s d\u2019ordenar les dades de menor a major el 75 % prenen el valor 3 com a molt, que es correspon a batxillerat o equivalents.<\/p>\n

Si mirem la variable Qualificaci\u00f3 mitjana en els estudis dels alumnes, la mediana pren el valor 6 i la moda de 7. El rang \u00e9s de 6 perqu\u00e8 la qualificaci\u00f3 mitjana en els estudis m\u00e9s baixa \u00e9s de 3 i la m\u00e9s alta de 9. El percentil 25 val 5, el 50 6, i 75 7.<\/p>\n

Finalment, la mediana de la import\u00e0ncia que es dona als diners \u00e9s 4, i aquesta \u00e9s una variable expressada en una escala de Likert de 5 punts. En sortir el valor de 4, despr\u00e9s d\u2019ordenar les dades de menor a major valor el 50 % donen com a molt import\u00e0ncia als diners. La moda \u00e9s 4; \u00e9s a dir, el valor que repeteix es m\u00e9s en les respostes \u00e9s que donen molta import\u00e0ncia als diners. El rang \u00e9s 4 perqu\u00e8 hem comentat que \u00e9s una variable de Likert de 5 punts; per tant, pren valors d’1 a 5. El percentil 25 val 2 i el 50 4, igual que el percentil 75.<\/p>\n\n\n\n\n\n\n\n\n
Estudis que cursa<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nPrim\u00e0ria-1r. cicle ESO<\/td>\n19<\/td>\n25,3<\/td>\n25,3<\/td>\n25,3<\/td>\n<\/tr>\n
2n. cicle ESO-Batxillerat<\/td>\n34<\/td>\n45,3<\/td>\n45,3<\/td>\n70,7<\/td>\n<\/tr>\n
Formaci\u00f3 prof. grau mitj\u00e0<\/td>\n22<\/td>\n29,3<\/td>\n29,3<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

A la taula veiem que el 25,3 % dels alumnes cursen estudis de prim\u00e0ria o de 1r. cicle d’ESO, el 45,3 % estudis de 2n. cicle d’ESO o batxillerat i el 29,3 % s\u00f3n alumnes de formaci\u00f3 professional de grau mitj\u00e0.<\/p>\n\n\n\n\n\n\n\n\n\n
Estudis del pare<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nSense estudis<\/td>\n5<\/td>\n6,7<\/td>\n6,7<\/td>\n6,7<\/td>\n<\/tr>\n
Estudis primaris<\/td>\n29<\/td>\n38,7<\/td>\n38,7<\/td>\n45,3<\/td>\n<\/tr>\n
Batxillerat o equivalents<\/td>\n30<\/td>\n40,0<\/td>\n40,0<\/td>\n85,3<\/td>\n<\/tr>\n
Diplomat, llicenciat o equivalents<\/td>\n11<\/td>\n14,7<\/td>\n14,7<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

El 6,7 % dels pares dels alumnes enquestats no tenen estudis, el 38,7 % tenen estudis primaris, el 40 % estudis de batxillerat o equivalents i el 14,7 % s\u00f3n diplomats, llicenciats o equivalents.<\/p>\n\n\n\n\n\n\n\n\n\n
Estudis de la mare<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nSense estudis<\/td>\n5<\/td>\n6,7<\/td>\n6,7<\/td>\n6,7<\/td>\n<\/tr>\n
Estudis primaris<\/td>\n28<\/td>\n37,3<\/td>\n37,3<\/td>\n44,0<\/td>\n<\/tr>\n
Batxillerat o equivalents<\/td>\n29<\/td>\n38,7<\/td>\n38,7<\/td>\n82,7<\/td>\n<\/tr>\n
Diplomat, llicenciat o equivalents<\/td>\n13<\/td>\n17,3<\/td>\n17,3<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

El 6,7 % de les mares dels alumnes enquestats no tenen estudis, el 37,3 % tenen estudis primaris, el 38,7 % estudis de batxillerat o equivalents, i el 17,3 % s\u00f3n diplomats, llicenciats o equivalents.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
Qualificaci\u00f3 mitjana en estudis<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\n3<\/td>\n2<\/td>\n2,7<\/td>\n2,7<\/td>\n2,7<\/td>\n<\/tr>\n
4<\/td>\n1<\/td>\n1,3<\/td>\n1,3<\/td>\n4,0<\/td>\n<\/tr>\n
5<\/td>\n17<\/td>\n22,7<\/td>\n22,7<\/td>\n26,7<\/td>\n<\/tr>\n
6<\/td>\n21<\/td>\n28,0<\/td>\n28,0<\/td>\n54,7<\/td>\n<\/tr>\n
7<\/td>\n24<\/td>\n32,0<\/td>\n32,0<\/td>\n86,7<\/td>\n<\/tr>\n
8<\/td>\n9<\/td>\n12,0<\/td>\n12,0<\/td>\n98,7<\/td>\n<\/tr>\n
9<\/td>\n1<\/td>\n1,3<\/td>\n1,3<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Si observem els percentatges acumulats, veiem que el 4 % dels alumnes tenen una qualificaci\u00f3 mitjana de no aprovat. Si mirem la columna dels percentatges, el 22,7 % tenen una qualificaci\u00f3 mitjana de 5, el 28 % de 6, el 32 % de 7, el 12 % de 8 i el 1,3 % de 9.<\/p>\n\n\n\n\n\n\n\n\n\n\n
Import\u00e0ncia que es dona als diners<\/strong><\/td>\n<\/tr>\n
<\/td>\nFreq\u00fc\u00e8ncia<\/td>\nPercentatge<\/td>\nPercentatge v\u00e0lid<\/td>\nPercentatge acumulat<\/td>\n<\/tr>\n
V\u00e0lid<\/td>\nMolt poca<\/td>\n1<\/td>\n1,3<\/td>\n1,3<\/td>\n1,3<\/td>\n<\/tr>\n
Poca<\/td>\n18<\/td>\n24,0<\/td>\n24,0<\/td>\n25,3<\/td>\n<\/tr>\n
Mitjana<\/td>\n17<\/td>\n22,7<\/td>\n22,7<\/td>\n48,0<\/td>\n<\/tr>\n
Molta<\/td>\n21<\/td>\n28,0<\/td>\n28,0<\/td>\n76,0<\/td>\n<\/tr>\n
Molt\u00edssima<\/td>\n18<\/td>\n24,0<\/td>\n24,0<\/td>\n100,0<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n75<\/td>\n100,0<\/td>\n100,0<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Pel que fa a la import\u00e0ncia que els alumnes donen als diners, s’observa que el 1,3 % n\u2019hi donen molt poca, el 24 % poca, el 22,7 % mitjana, el 28 % molta i el 24 % molt\u00edssima.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’estudis que cursa<\/figcaption><\/figure>\n

Com ja s’ha comentat anteriorment, les dades relatives a freq\u00fc\u00e8ncies absolutes o percentatges es poden demanar en format de taula o gr\u00e0fic. Quan la variable objecte d’estudi \u00e9s qualitativa ordinal i de poques categories, el gr\u00e0fic m\u00e9s apropiat \u00e9s el de sectors o circular. Si observem el gr\u00e0fic, els resultats que mostra s\u00f3n els mateixos que ens dona la taula. Als seg\u00fcents gr\u00e0fics de sectors o circulars s’aprecien els mateixos resultats que es van mostrar a les taules corresponents.<\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’estudis del pare<\/figcaption><\/figure>\n

 <\/p>\n

\"\"
Gr\u00e0fic circular de percentatge d’estudis de la mare<\/figcaption><\/figure>\n

Per a la variable de la qualificaci\u00f3 mitjana dels estudis i de la import\u00e0ncia que es dona als diners, fem un diagrama de rectangles perqu\u00e8, malgrat ser una variable qualitativa ordinal, el fet de tenir m\u00e9s categories fa que aquest gr\u00e0fic sigui m\u00e9s adequat que l’altre.<\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

La informaci\u00f3 que ens mostren els gr\u00e0fics \u00e9s la mateixa que la de la taula corresponent comentada anteriorment.<\/p>\n

Una vegada analitzades de manera descriptiva les variables qualitatives ordinals, procedim a analitzar descriptivament les variables quantitatives del fitxer. La paga setmanal en euros s’ha considerat variable quantitativa cont\u00ednua, encara que, si s’observen les dades d’aquesta variable, en realitat \u00e9s variable quantitativa discreta; aix\u00f2 ens permet triar entre fer un diagrama de barres o un histograma a l’hora de fer el gr\u00e0fic associat a aquesta variable. El nombre de germans, incl\u00f2s el subjecte, \u00e9s una variable quantitativa discreta. L’edat \u00e9s una variable quantitativa discreta, tal com apareix en les dades, encara que es podria considerar tamb\u00e9 com a variable quantitativa cont\u00ednua, per\u00f2 no \u00e9s molt habitual, com ja es va comentar a l’exemple anterior sobre publicitat.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Estad\u00edstics<\/strong><\/td>\n<\/tr>\n
<\/td>\nPaga setmanal en euros<\/td>\nNre. de germans incl\u00f2s el subjecte<\/td>\nEdat<\/td>\n<\/tr>\n
N<\/td>\nV\u00e0lid<\/td>\n75<\/td>\n75<\/td>\n75<\/td>\n<\/tr>\n
Perduts<\/td>\n0<\/td>\n0<\/td>\n0<\/td>\n<\/tr>\n
Mitjana<\/td>\n16,2800<\/td>\n2,63<\/td>\n15,71<\/td>\n<\/tr>\n
Error est\u00e0ndard de la mitjana<\/td>\n,51729<\/td>\n,177<\/td>\n,229<\/td>\n<\/tr>\n
Mediana<\/td>\n17,0000<\/td>\n2,00<\/td>\n16,00<\/td>\n<\/tr>\n
Moda<\/td>\n22,00<\/td>\n2<\/td>\n16<\/td>\n<\/tr>\n
Desviaci\u00f3<\/td>\n4,47986<\/td>\n1,531<\/td>\n1,985<\/td>\n<\/tr>\n
Vari\u00e0ncia<\/td>\n20,069<\/td>\n2,345<\/td>\n3,940<\/td>\n<\/tr>\n
Asimetria<\/td>\n-,360<\/td>\n1,284<\/td>\n-,134<\/td>\n<\/tr>\n
Error est\u00e0ndard d’asimetria<\/td>\n,277<\/td>\n,277<\/td>\n,277<\/td>\n<\/tr>\n
Curtosi<\/td>\n-1,120<\/td>\n1,398<\/td>\n-,374<\/td>\n<\/tr>\n
Error est\u00e0ndard de curtosi<\/td>\n,548<\/td>\n,548<\/td>\n,548<\/td>\n<\/tr>\n
Rang<\/td>\n14,00<\/td>\n6<\/td>\n8<\/td>\n<\/tr>\n
M\u00ednim<\/td>\n8,00<\/td>\n1<\/td>\n12<\/td>\n<\/tr>\n
M\u00e0xim<\/td>\n22,00<\/td>\n7<\/td>\n20<\/td>\n<\/tr>\n
Suma<\/td>\n1221,00<\/td>\n197<\/td>\n1178<\/td>\n<\/tr>\n
Percentils<\/td>\n25<\/td>\n12,0000<\/td>\n2,00<\/td>\n15,00<\/td>\n<\/tr>\n
50<\/td>\n17,0000<\/td>\n2,00<\/td>\n16,00<\/td>\n<\/tr>\n
75<\/td>\n19,0000<\/td>\n3,00<\/td>\n17,00<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Si estudiem la variable Paga setmanal en euros, a la taula veiem que no hi ha dades perdudes; per tant, s\u00f3n 75 v\u00e0lids. La mitjana val 16,28 euros, amb un error est\u00e0ndard de la mitjana de 0,52 euros aproximadament. La mediana \u00e9s de 17 euros. La moda \u00e9s de 22 euros, \u00e9s a dir, a la majoria li donen 22 euros. La quasidesviaci\u00f3 t\u00edpica \u00e9s aproximadament 4,48, i la quasivari\u00e0ncia \u00e9s 20,069.<\/p>\n

L’important \u00e9s indicar el valor de la desviaci\u00f3 t\u00edpica, no de l’error est\u00e0ndard de la mitjana.<\/p>\n

\"\"<\/p>\n

\"\"<\/p>\n

El coeficient d’asimetria val \u22120,36, i aix\u00f2 vol dir que la distribuci\u00f3 de la mostra presenta una asimetria negativa o per l’esquerra.<\/p>\n

El fet que la curtosi sigui de \u22120,120 vol dir que la mostra \u00e9s platic\u00fartica.<\/p>\n

El valor m\u00ednim \u00e9s 8 euros i el m\u00e0xim \u00e9s 22 euros, i la difer\u00e8ncia \u00e9s el que es coneix com a rang. S’observa que entre els percentils 25 i 50 hi ha molta difer\u00e8ncia quant a valor i que no n\u2019hi ha tanta entre el 50 i el 75.<\/p>\n

Si estudiem la variable Nombre de germans incl\u00f2s el subjecte, a la taula veiem que no hi ha dades perdudes; per tant, hi ha 75 v\u00e0lids. La mediana i la moda valen aproximadament 2; \u00e9s a dir, la majoria t\u00e9 dos germans. La quasidesviaci\u00f3 t\u00edpica val aproximadament 2, i la quasivari\u00e0ncia pren el valor 2 aproximadament.<\/p>\n

La desviaci\u00f3 t\u00edpica es calcularia aix\u00ed: \"\"<\/p>\n

El coeficient d’asimetria val 1,284, i aix\u00f2 vol dir que la distribuci\u00f3 de la mostra presenta una asimetria positiva o per la dreta. El fet que la curtosi sigui de 1,398 vol dir que la mostra \u00e9s lectoc\u00fartica. El valor m\u00ednim \u00e9s d’1 germ\u00e0 i el m\u00e0xim \u00e9s de 7, i difer\u00e8ncia \u00e9s el rang. S’observa que entre els tres percentils hi ha poca difer\u00e8ncia quant a valor, i aix\u00f2 vol dir que el 75 % dels alumnes de la mostra t\u00e9 tres germans com a molt.<\/p>\n

Si estudiem la variable Edat, a la taula veiem que no hi ha dades perdudes; per tant, hi ha 75 v\u00e0lids. La mitjana val 15,71 anys, amb un error est\u00e0ndard de la mitjana de 0,229 anys. La mediana i la moda s\u00f3n 16 anys; \u00e9s a dir, la majoria tenen 16 anys. La quasidesviaci\u00f3 t\u00edpica \u00e9s 1,985, i la quasivari\u00e0ncia \u00e9s 3,94.<\/p>\n

\"\"<\/p>\n

El coeficient d’asimetria val \u22120,134 i la curtosi val \u22120,374, i aix\u00f2 vol dir que es pot considerar que la mostra de la variable Edat s’ajusta a una corba normal. El valor m\u00ednim \u00e9s 12 anys i el m\u00e0xim \u00e9s 20 anys, i la difer\u00e8ncia \u00e9s el rang. S’observa que entre els tres percentils hi ha poca difer\u00e8ncia quant a valor, i aix\u00f2 vol dir que el 75 % dels alumnes de la mostra t\u00e9 17 anys com a molt.<\/p>\n

A continuaci\u00f3 es mostren els resultats referits als percentatges dels diferents valors que prenen les variables quantitatives gr\u00e0ficament. Donada la classificaci\u00f3 d’aquestes variables, el tipus de gr\u00e0fic que es demana \u00e9s un diagrama de barres per a les discretes i l’histograma per a les quantitatives cont\u00ednues.<\/p>\n

\"\"
Histograma paga setmanal en euros<\/figcaption><\/figure>\n

A l’histograma es calcula la mitjana i la quasidesviaci\u00f3 t\u00edpica, a m\u00e9s dels percentatges dels diferents valors que pren la variable. S’observa que la majoria reben 22 euros, i per aquest motiu aix\u00f2 \u00e9s el que val la moda, i que ning\u00fa no rep 20 euros de paga.<\/p>\n

A la gr\u00e0fica s’observa que la distribuci\u00f3 de les dades de la paga setmanal en euros \u00e9s platic\u00fartica i que t\u00e9 asimetria negativa o per l’esquerra.<\/p>\n

\"\"
Barres simples de percentatge de nombre de germans, incl\u00f2s el subjecte<\/figcaption><\/figure>\n

A la gr\u00e0fica s’observa, per exemple, que el valor m\u00e9s repetit de nombre de germans, incl\u00f2s el subjecte, \u00e9s 2, valor que coincideix amb el de la moda. Una altra dada que s’observa, per exemple, \u00e9s que el 4 % t\u00e9 sis germans, incl\u00f2s ell, i aquest percentatge es repeteix per als que tenen set germans, inclosos ells.<\/p>\n

\"\"
Barres simples de percentatge d’edat<\/figcaption><\/figure>\n

En la gr\u00e0fica s’observa, per exemple, que el valor d’edat m\u00e9s repetit \u00e9s 16, que coincideix amb el de la moda. Una altra dada que s’observa \u00e9s que ning\u00fa no t\u00e9 19 anys.<\/p>\n

\"\"<\/a><\/p>\n

Encara que hi ha m\u00e9s variables relacionades entre elles, ens limitarem a estudiar les variables que estan relacionades de manera directa o inversa amb les xarxes socials m\u00e9s utilitzades per intentar establir un perfil per a cada tipus de xarxa. Si mirem la taula, veiem que per a un nivell de confian\u00e7a del 99 % est\u00e0 relacionada amb els estudis que cursa i l’edat i, si considerem un nivell de confian\u00e7a del 95 %, aquesta variable est\u00e0 relacionada amb els estudis que cursa, els estudis del pare i l’edat.<\/p>\n

Aix\u00ed, doncs, a partir d’ara considerarem que el nivell de confian\u00e7a \u00e9s del 95 %.<\/p>\n

Per als estudis que cursa i la xarxa social, veiem que el coeficient de correlaci\u00f3 de Pearson \u00e9s negatiu, i aix\u00f2 vol dir que la relaci\u00f3 \u00e9s inversa, \u00e9s a dir, que com m\u00e9s codificaci\u00f3 de l’estudi cursat menys codificaci\u00f3 pel que fa a la xarxa social, i el passa mateix entre les altres variables relacionades.<\/p>\n

Com que veiem que est\u00e0 relacionada amb aquestes tres variables, demanarem la recta de regressi\u00f3 lineal considerant com a variable depenent la variable de xarxes socials i, com a independent, les tres assenyalades.<\/p>\n\n\n\n\n\n
Variables entrades\/eliminadesa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nVariables entrades<\/td>\nVariables eliminades<\/td>\nM\u00e8tode<\/td>\n<\/tr>\n
1<\/td>\nEdat, estudis del pare, estudis que cursab<\/sup><\/td>\n.<\/td>\nIntroduir<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable depenent: Xarxes socials codificades.<\/p>\n

b. Totes les variables sol\u00b7licitades introdu\u00efdes.<\/p>\n<\/div><\/p>\n

Aquesta taula ens indica les variables que han entrat en el model, les quals s\u00f3n les identificades com a correlacionades amb la dependent.<\/p>\n\n\n\n\n\n
Resum del model<\/strong><\/td>\n<\/tr>\n
Model<\/td>\nR<\/td>\nR quadrat<\/td>\nR quadrat ajustat<\/td>\nError est\u00e0ndard de l’estimaci\u00f3<\/td>\n<\/tr>\n
1<\/td>\n,490a<\/sup><\/td>\n,240<\/td>\n,208<\/td>\n1,956<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Predictors: (Constant), edat, estudis del pare, estudis que cursa.<\/p>\n<\/div><\/p>\n

Si mirem el resum del model, el coeficient de determinaci\u00f3 (R quadrat) \u00e9s el de correlaci\u00f3 al quadrat, i val 0,240, la qual cosa significa que el 24 % de la variabilitat de la variable Xarxa social \u00e9s representada per la recta de regressi\u00f3.<\/p>\n\n\n\n\n\n\n\n
ANOVAa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nSuma de quadrats<\/td>\ngl<\/td>\nMitjana quadr\u00e0tica<\/td>\nF<\/td>\nSig.<\/td>\n<\/tr>\n
1<\/td>\nRegressi\u00f3<\/td>\n85,753<\/td>\n3<\/td>\n28,584<\/td>\n7,471<\/td>\n,000b<\/sup><\/td>\n<\/tr>\n
Residu<\/td>\n271,633<\/td>\n71<\/td>\n3,826<\/td>\n<\/td>\n<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n357,387<\/td>\n74<\/td>\n<\/td>\n<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable depenent: Xarxes socials codificades.<\/p>\n

b. Predictors: (Constant), edat, estudis del pare, estudis que cursa.<\/p>\n<\/div><\/p>\n

\"\" No hi ha regressi\u00f3<\/p>\n

\"\"<\/p>\n

\"\" (hip\u00f2tesi alternativa), la qual cosa significa que es rebutja la hip\u00f2tesi nul\u00b7la.<\/p>\n

El contrast que fem \u00e9s que no hi ha regressi\u00f3. Com que p-valor val 0, el contrast \u00e9s significatiu i, per tant, t\u00e9 sentit fer la recta de regressi\u00f3.<\/p>\n\n\n\n\n\n\n\n\n\n
Coeficientsa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nCoeficients no estandarditzats<\/td>\nCoeficients estandarditzats<\/td>\nt<\/td>\nSig.<\/td>\n<\/tr>\n
B<\/td>\nDesv. Error<\/td>\nBeta<\/td>\n<\/tr>\n
1<\/td>\n(Constant)<\/td>\n12,718<\/td>\n2,281<\/td>\n<\/td>\n5,575<\/td>\n,000<\/td>\n<\/tr>\n
Estudis que cursa<\/td>\n-,527<\/td>\n,402<\/td>\n-,178<\/td>\n-1,311<\/td>\n,194<\/td>\n<\/tr>\n
Estudis del pare<\/td>\n-,958<\/td>\n,286<\/td>\n-,357<\/td>\n-3,351<\/td>\n,001<\/td>\n<\/tr>\n
Edat<\/td>\n-,317<\/td>\n,153<\/td>\n-,286<\/td>\n-2,070<\/td>\n,042<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable dependent: Xarxes socials codificades.<\/p>\n<\/div><\/p>\n

Ens queda escriure l’equaci\u00f3 de la recta de regressi\u00f3. Si mirem la taula, la recta de regressi\u00f3 \u00e9s:<\/p>\n

\"\"<\/p>\n

\"\" Els coeficients s\u00f3n nuls<\/p>\n

\"\"<\/p>\n

\"\"\u00a0(hip\u00f2tesi alternativa), la qual cosa significa que es rebutja la hip\u00f2tesi nul\u00b7la.<\/p>\n

Com que els p-valors associats a la constant i els coeficients associats a les variables Estudis del pare i Edat s\u00f3n menors o iguals a 0,05, podem considerar que tant la constant com aquests dos coeficients s\u00f3n no nuls, cosa que no passa en el coeficient associat a la variable Estudis que cursa. Aix\u00f2 vol dir que hem de demanar de nou la recta de regressi\u00f3 traient la variable Estudis que cursa per a un nivell de confian\u00e7a del 95 %.<\/p>\n\n\n\n\n\n
Variables entrades\/eliminadesa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nVariables entrades<\/td>\nVariables eliminades<\/td>\nM\u00e8tode<\/td>\n<\/tr>\n
1<\/td>\nEdat, Estudis del pareb<\/sup><\/td>\n.<\/td>\nIntroduir<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable depenent: Xarxes socials codificades.<\/p>\n

b. Totes les variables sol\u00b7licitades introdu\u00efdes.<\/p>\n<\/div>\n

Aquesta taula ens indica les variables que han entrat en el model, que s\u00f3n les identificades com a correlacionades amb la dependent i de coeficients no nuls.<\/p>\n\n\n\n\n\n
Resum del model<\/strong><\/td>\n<\/tr>\n
Model<\/td>\nR<\/td>\nR quadrat<\/td>\nR quadrat ajustat<\/td>\nError est\u00e0ndard de l’estimaci\u00f3<\/td>\n<\/tr>\n
1<\/td>\n,471a<\/sup><\/td>\n,222<\/td>\n,200<\/td>\n1,966<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Predictors: (Constant), edat, estudis del pare.<\/p>\n<\/div>\n

Si mirem el resum del model, el coeficient de determinaci\u00f3 (R quadrat) \u00e9s el de correlaci\u00f3 al quadrat i val 0,222, la qual cosa significa que el 22,2 % de la variabilitat de la variable Xarxa social est\u00e0 representada per la recta de regressi\u00f3.<\/p>\n\n\n\n\n\n\n\n
ANOVAa<\/sup><\/strong><\/td>\n<\/tr>\n
Model<\/td>\nSuma de quadrats<\/td>\ngl<\/td>\nSuma de quadrats<\/td>\nF<\/td>\nSig.<\/td>\n<\/tr>\n
1<\/td>\nRegressi\u00f3<\/td>\n79,173<\/td>\n2<\/td>\n39,587<\/td>\n10,245<\/td>\n,000b<\/sup><\/td>\n<\/tr>\n
Residu<\/td>\n278,213<\/td>\n72<\/td>\n3,864<\/td>\n<\/td>\n<\/td>\n<\/tr>\n
Total<\/strong><\/td>\n357,387<\/td>\n74<\/td>\n<\/td>\n<\/td>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable depenent: Xarxes socials codificades.<\/p>\n

b. Predictors: (Constant), edat, estudis del pare.<\/p>\n<\/div><\/p>\n

\"\" No hi ha regressi\u00f3<\/p>\n

\"\"<\/p>\n

\"\"\u00a0(hip\u00f2tesi alternativa), la qual cosa significa que es rebutja la hip\u00f2tesi nul\u00b7la.<\/p>\n

El contrast que fem \u00e9s que no hi ha regressi\u00f3 i, com que el p-valor val 0, \u00e9s significatiu i, per tant, t\u00e9 sentit fer la recta de regressi\u00f3.<\/p>\n\n\n\n\n\n\n\n\n
Coeficientsa<\/sup><\/strong><\/td>\n<\/tr>\n
Modelo<\/td>\nCoeficients no estandarditzats<\/td>\nCoeficients estandarditzats<\/td>\nt<\/td>\nSig.<\/td>\n<\/tr>\n
B<\/td>\nDesv. Error<\/td>\nBeta<\/td>\n<\/tr>\n
1<\/td>\n(Constant)<\/td>\n13,655<\/td>\n2,177<\/td>\n<\/td>\n6,272<\/td>\n,000<\/td>\n<\/tr>\n
Estudis del pare<\/td>\n-,958<\/td>\n,287<\/td>\n-,357<\/td>\n-3,334<\/td>\n,001<\/td>\n<\/tr>\n
Edat<\/td>\n-,445<\/td>\n,118<\/td>\n-,402<\/td>\n-3,759<\/td>\n,000<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

a. Variable depenent: Xarxes socials codificades.<\/p>\n<\/div><\/p>\n

Ens queda escriure l’equaci\u00f3 de la recta de regressi\u00f3. Si mirem la taula, la recta de regressi\u00f3 \u00e9s:<\/p>\n

\"\"<\/p>\n

\"\" Els coeficients s\u00f3n nuls<\/p>\n

\"\"<\/p>\n

\"\"\u00a0(hip\u00f2tesi alternativa), la qual cosa significa que es rebutja la hip\u00f2tesi nul\u00b7la.<\/p>\n

Com que els p-valors de la constant i dels altres coeficients s\u00f3n menors o iguals a 0,05, podem considerar que tant la constant com aquests dos coeficients s\u00f3n no nuls per a un nivell de confian\u00e7a del 95 %.<\/p>\n

\n<\/div><\/p>\n","protected":false},"excerpt":{"rendered":"

Sexe: {1 = Home, 2 = Dona} Tipus de centre: {1 = P\u00fablic, 2 = Privat} Estudis que cursa: {1 = Prim\u00e0ria – 1r. cicle d\u2019ESO; 2 = 2n. cicle d\u2019ESO – Batxillerat; 3 = Formaci\u00f3 professional de grau mitj\u00e0} H\u00e0bitat: {1 = Rural, 2 = Urb\u00e0} Estudis del pare: {1 = Sense estudis, 2 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"_links":{"self":[{"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/pages\/1221"}],"collection":[{"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/comments?post=1221"}],"version-history":[{"count":10,"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/pages\/1221\/revisions"}],"predecessor-version":[{"id":1370,"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/pages\/1221\/revisions\/1370"}],"wp:attachment":[{"href":"http:\/\/tecniques-metodes-recerca.recursos.uoc.edu\/ca\/wp-json\/wp\/v2\/media?parent=1221"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}