Khai thác và sử dụng SPSS để xử lý số liệu nghiên cứu trong lâm nghiệp

Chia sẻ: 326159487 326159487 | Ngày: | Loại File: PDF | Số trang:205

Thêm vào BST

Báo xấu

470
lượt xem 223
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hiện nay, các phương pháp thống kê cụ thể được giới thiệu trong các tμi liệu chuyên môn mμ người đọc đều có thể tra cứu tiện lợi. Tuy nhiên, vấn đề mμ những người lμm công tác nghiên cứu khoa học quan tâm lμ, lμm thế nμo để việc xử lý số liệu cũng như tính toán các chỉ tiêu thống kê cần thiết cho mỗi nghiên cứu sao cho đơn giản vμ tiện lợi, mμ không lμm giảm độ chính xác cũng như độ tin cậy. Để giải quyết vấn đề nμy, các giảng viên của Trường Đại học Lâm nghiệp đã biên...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Khai thác và sử dụng SPSS để xử lý số liệu nghiên cứu trong lâm nghiệp

Khai th¸c vμ sö dông SPSS ®Ó xö lý sè liÖu nghiªn cøu trong l©m nghiÖp GS.TS. NguyÔn H¶i TuÊt TS. NguyÔn Träng B×nh
Lêi giíi thiÖu T hèng kª to¸n häc ngµy cµng ®−îc øng dông réng r·i trong c¸c lÜnh vùc, ®Æc biÖt lµ trong nghiªn cøu khoa häc. Trong l©m nghiÖp, thèng kª to¸n häc lµ c«ng cô gióp c¸c nhµ khoa häc cã c¬ së ph©n tÝch, ®¸nh gi¸ kÕt qu¶ nghiªn cøu trong c¸c lÜnh vùc chuyªn m«n, nh− l©m sinh, m«i tr−êng, s©u bÖnh, thæ nh−ìng, ®iÒu tra rõng, chÕ biÕn l©m s¶n… HiÖn nay, c¸c ph−¬ng ph¸p thèng kª cô thÓ ®−îc giíi thiÖu trong c¸c tµi liÖu chuyªn m«n mµ ng−êi ®äc ®Òu cã thÓ tra cøu tiÖn lîi. Tuy nhiªn, vÊn ®Ò mµ nh÷ng ng−êi lµm c«ng t¸c nghiªn cøu khoa häc quan t©m lµ, lµm thÕ nµo ®Ó viÖc xö lý sè liÖu còng nh− tÝnh to¸n c¸c chØ tiªu thèng kª cÇn thiÕt cho mçi nghiªn cøu sao cho ®¬n gi¶n vµ tiÖn lîi, mµ kh«ng lµm gi¶m ®é chÝnh x¸c còng nh− ®é tin cËy. §Ó gi¶i quyÕt vÊn ®Ò nµy, c¸c gi¶ng viªn cña Tr−êng §¹i häc L©m nghiÖp ®· biªn so¹n cuèn “Khai th¸c vµ sö dông SPSS ®Ó xö lý sè liÖu nghiªn cøu trong l©m nghiÖp”. Trong cuèn s¸ch, c¸c t¸c gi¶ giíi thiÖu nh÷ng ph−¬ng ph¸p thèng kª th−êng ®−îc vËn dông trong l©m nghiÖp. Víi mçi ph−¬ng ph¸p, phÇn lý thuyÕt ®Òu ®−îc hÖ thèng vµ n©ng cao so víi ch−¬ng tr×nh bËc ®¹i häc, ®ång thêi cßn gîi ý h−íng vËn dông vµo c¸c lÜnh vùc chuyªn m«n s©u kh¸c nhau. PhÇn øng dông ®−îc giíi thiÖu t−¬ng ®èi cô thÓ, tõ c¸c b−íc nhËp sè liÖu còng nh− c¸c thao t¸c thùc hµnh trªn m¸y cho ®Õn ph©n tÝch kÕt qu¶ cuèi cïng. Tõ nh÷ng vÊn ®Ò ®−îc giíi thiÖu, ng−êi ®äc dÔ nhËn thÊy, cuèn s¸ch lµ tµi liÖu ®−îc biªn so¹n c«ng phu vµ nghiªm tóc bëi nhãm t¸c gi¶. §©y lµ tµi liÖu h−íng dÉn thùc hµnh tèt cho nh÷ng ng−êi lµm c«ng t¸c nghiªn cøu ®· cã kiÕn thøc thèng kª to¸n häc ë bËc ®¹i häc vµ kiÕn thøc tin häc øng dông chuyªn ngµnh. Còng v× thÕ, cuèn s¸ch cßn lµ tµi liÖu dïng cho häc viªn cao häc l©m nghiÖp khi nghiªn cøu m«n thèng kª to¸n häc. Chóng t«i rÊt vui mõng vµ tr©n träng giíi thiÖu cuèn s¸ch víi b¹n ®äc. Hµ T©y, ngµy 31 th¸ng 5 n¨m 2005 GS. TS. Vò TiÕn Hinh 2
Lêi nãi ®Çu SPSS ra ®êi tõ nh÷ng n¨m 60 cña thÕ kû tr−íc vµ kh«ng ngõng ®−îc n©ng cÊp vµ hoµn thiÖn. Cho ®Õn nay thÕ hÖ míi nhÊt mµ ta biÕt ®−îc lµ 12.5 víi nhiÒu néi dung t©n tiÕn ®−îc ®−a vµo. Tuy nhiªn, nh÷ng vÊn ®Ò cèt lâi cã øng dông nhiÒu trong L©m nghiÖp mµ ta ®· quen thuéc th× vÉn kh«ng thay ®æi mÆc dï phiªn b¶n ®ang ®−îc c¸c nhµ khoa häc tr−êng ta øng dông lµ 10.0 hoÆc 11.5. Néi dung cña SPSS rÊt réng bao gåm nh÷ng vÊn ®Ò c¬ b¶n vµ n©ng cao, rÊt thÝch hîp cho nhiÒu ®èi t−îng chuyªn m«n kh¸c nhau. §Ó phôc vô cho c¸c nhµ nghiªn cøu L©m nghiÖp kh«ng chuyªn vÒ thèng kª, tµi liÖu häc tËp chñ yÕu lµ giíi thiÖu nh÷ng vÊn ®Ò thèng kª th−êng ®−îc vËn dông trong L©m nghiÖp, trong ®ã cã mét sè vÊn ®Ò ®−îc n©ng cao h¬n so víi thèng kª c¬ b¶n. Ngoµi ra, nhãm t¸c gi¶ còng hÕt søc chó ý khai th¸c nh÷ng vÊn ®Ò cã liªn quan ®Õn ®Æc thï nghiªn cøu trong L©m nghiÖp nh− viÖc chØnh lý sè liÖu theo 2 biÕn, vÊn ®Ò kiÓm tra luËt ph©n bè, sù t−¬ng thÝch cña m« h×nh håi quy, håi quy phi tuyÕn tÝnh… Xö lý thèng kª b»ng SPSS 10.0/11.5 for Windows lµ tµi liÖu phôc vô thùc hµnh tèt cho häc viªn cao häc L©m nghiÖp sau khi ®· häc xong phÇn Tin häc chuyªn ngµnh. Ngoµi ra, tµi liÖu còng cã thÓ phôc vô tèt cho nh÷ng c¸n bé vµ sinh viªn lµm nghiªn cøu khoa häc, nÕu ®· qua tr×nh ®é thèng kª c¬ b¶n. Tuy nhiªn, ®Ó gióp cho ng−êi ®äc tiÖn tra cøu vÒ mÆt thèng kª, ë mét sè môc nhãm t¸c gi¶ cã tr×nh bµy s©u thªm mét sè vÊn ®Ò lý luËn vµ c«ng thøc vËn dông ngoµi néi dung chÝnh lµ c¸c quy tr×nh øng dông SPSS ®Ó xö lý sè liÖu. Trong lÇn ®äc ®Çu tiªn, ®éc gi¶ cã thÓ l−ít qua nh÷ng vÊn ®Ò ®ã mµ còng kh«ng ¶nh h−ëng ®Õn môc tiªu chÝnh cña tµi liÖu. Do häc viªn cao häc ®· nghiªn cøu kü phÇn tin häc cã liªn quan ®Õn phÇn mÒm SPSS, nªn trong tµi liÖu nµy nh÷ng vÊn ®Ò ®ã còng kh«ng tr×nh bµy l¹i mét c¸ch ®Çy ®ñ. Tuy nhiªn, tµi liÖu cã thªm mét ch−¬ng kh¸i qu¸t vÒ SPSS nhÊt lµ c¸ch nhËp sè liÖu vµo m¸y. §éc gi¶ cã thÓ ®äc thªm nh÷ng tµi liÖu (2), (4), (8). Biªn so¹n: ch−¬ng 1, 3 vµ 8 do TS. NguyÔn Träng B×nh, c¸c ch−¬ng cßn l¹i do GS.TS. NguyÔn H¶i TuÊt ®¶m nhiÖm. Xin ch©n thµnh c¶m ¬n mét sè b¹n bÌ vµ ®ång nghiÖp kÓ c¶ nh÷ng häc viªn cao häc, ®Æc biÖt lµ GS.TS Vò TiÕn Hinh vµ Th¹c sü. NguyÔn ThÞ Thanh An ®· gãp phÇn söa ch÷a vÒ néi dung vµ h×nh thøc trong qu¸ tr×nh nhãm t¸c gi¶ biªn so¹n tËp tµi liÖu nµy. MÆc dï ®· cã nhiÒu cè g¾ng biªn so¹n, nh−ng ®©y lµ mét phÇn mÒm rÊt phong phó vµ phøc t¹p, thêi gian nghiªn cøu ch−a nhiÒu nªn ch¾c kh«ng tr¸nh khái nh÷ng khiÕm khuyÕt; rÊt mong ®−îc b¹n ®äc l−îng thø vµ cho nhiÒu ý kiÕn quý b¸u ®Ó nhãm t¸c gi¶ tiÕp tôc söa ch÷a vµ hoµn thiÖn. Nhãm t¸c gi¶ 3
Môc lôc Môc Néi dung Trang Lêi nãi ®Çu 1 Ch−¬ng 1: Kh¸i qu¸t vÒ SPSS 1.1 Néi dung c¬ b¶n cña SPSS 1 1.2 Cöa sæ lµm viÖc cña SPSS 1 1.3 C¸c hép tho¹i trong SPSSS (Dialogue Boxes) 3 1.4 Ph©n lo¹i c¸c biÕn trong SPSS 4 1.5 Tæ chøc c¸c biÕn trong SPSS 5 1.6 C¸ch ghi biÕn trong SPSS 10.0/11.5/12.5 6 1.7 Mét sè vÝ dô ®iÓn h×nh c¸ch t¹o biÕn trong SPSS 9 1.8 Mét sè thñ tôc quan träng th−êng dïng cã liªn quan ®Õn c¸c biÕn trong SPSS 10 15 Ch−¬ng 2: Thèng kª m« t¶ 2.1 TÝnh to¸n c¸c ®Æc tr−ng mÉu 15 2.2 LËp b¶ng ph©n bè tÇn sè(Frequency) 16 2.3 Kh¸m ph¸ vµ sµng läc c¸c sè liÖu th« 22 27 Ch−¬ng 3 : X©y dùng c¸c b¶ng biÓu vµ s¬ ®å thèng kª 3.1 C¸c b¶ng biÓu thèng kª 27 3.2 BiÓu ®å thèng kª 38 53 Ch−¬ng 4 : So s¸nh c¸c mÉu thÝ nghiÖm vµ quan s¸t 4.1 53 ý nghÜa 4.2 Tr−êng hîp c¸c mÉu ®éc l©p 53 4.3 Tr−êng hîp c¸c mÉu liªn hÖ 63 KiÓm tra tÝnh ®éc lËp theo tiªu chuÈn χ2 4.4 72 76 Ch−¬ng 5 : Ph©n tÝch ph−¬ng sai 5.1 76 ý nghÜa cña ph−¬ng ph¸p 5.2 Ph©n tÝch ph−¬ng sai mét nh©n tè 77 5.3 Ph©n tÝch ph−¬ng sai hai nh©n tè 90 5.4 Ph©n tÝch ph−¬ng sai ba nh©n tè 100 4
108 Ch−¬ng 6 : Ph©n tÝch håi quy mét líp vµ nhiÒu líp 6.1 HÖ sè t−¬ng quan 108 6.2 Håi quy tuyÕn tÝnh mét líp 110 6.3 Håi quy tuyÕn tÝnh nhiÒu líp 121 144 Ch−¬ng 7: C¸c d¹ng ®−êng cong vµ hµm phi tuyÕn 7.1 C¸c d¹ng ®−êng cong 144 7.2 Hµm Logistic 147 7.3 C¸c hµm phi tuyÕn tÝnh (Nonlinear) 150 7.4 KÕt hîp ph©n tÝch håi quy víi ph©n tÝch ph−¬ng sai ®Ó chän bËc cña ®a thøc 157 175 Ch−¬ng 8 : KiÓm tra d¹ng ph©n bè lý thuyÕt 8.1 175 ý nghÜa 8.2 KiÓm tra d¹ng ph©n bè b»ng ph−¬ng ph¸p Kolmogorov - Smirnov 175 KiÓm tra d¹ng ph©n bè b»ng tiªu chuÈn χ2 8.3 179 Tµi liÖu tham kh¶o B¶ng tra t×m c¸c quy tr×nh ®· vËn dông SPSS 5
Ch−¬ng 1 Kh¸i qu¸t vÒ spss 1.1. Néi dung c¬ b¶n SPSS SPSS lµ tªn viÕt t¾t cña tªn ®Çy ®ñ Statistical Products for social Services. Nh− vËy, ®èi t−îng phôc vô cña SPSS lµ cho nhiÒu ngµnh kinh tÕ x· héi vµ khoa häc kh¸c nhau. Néi dung cña SPSS rÊt phong phó vµ ®a d¹ng bao gåm tõ viÖc thiÕt lËp c¸c b¶ng biÓu vµ s¬ ®å thèng kª, tÝnh to¸n c¸c ®Æc tr−ng mÉu trong thèng kª m« t¶, ®Õn mét hÖ thèng ®Çy ®ñ c¸c ph−¬ng ph¸p thèng kª ph©n tÝch nh− so s¸nh c¸c mÉu b»ng nhiÒu tiªu chuÈn tham sè vµ phi tham sè (Nonparametric Tests), c¸c m« h×nh ph©n tÝch Ph−¬ng sai theo d¹ng tuyÕn tÝnh tæng qu¸t ( General Linear Models) , c¸c m« h×nh håi quy ®¬n vµ nhiÒu biÕn, c¸c håi qui phi tuyÕn tÝnh (Nonlinear), c¸c håi quy Logistic; Ph©n tÝch theo nhãm (Cluster Analysis). Ph©n tÝch t¸ch biÖt (Discriminatory Analysis ) vµ nhiÒu chuyªn s©u kh¸c (Advanced Statistics). Nh÷ng néi dung nãi trªn cã thÓ nãi lµ ®ñ ®Ó gióp cho c¸c nhµ khoa häc thùc hiÖn viÖc xö lý sè liÖu nghiªn cøu nãi chung vµ trong nghiªn cøu L©m nghiÖp nãi riªng. Danh s¸ch c¸c chñ ®Ò thèng kª mµ SPSS ®Ò cËp ®Õn cã trong menu Analyze ë cöa sæ chÝnh SPSS Data Editor ®−îc giíi thiÖu ë môc sau. 1.2. Cöa sæ lµm viÖc cña SPSS Sau khi ch−¬ng tr×nh SPSS ®−îc më th× cöa sæ ®Çu tiªn cña SPSS lµ SPSS Data Editor xuÊt hiÖn gäi lµ cöa sæ hiÖu ®Ýnh sè liÖu. Víi cöa sæ nµy gióp ta c¸c thao t¸c më c¸c chuyªn ®Ò thèng kª ®Ó ph©n tÝch, xem xÐt c¸c sè liÖu, c¾t xo¸ copy thay ®æi trËt tù vµ h×nh thøc c¸c biÕn . H×nh 1.1 Cöa sæ SPSS Data Editor Néi dung chñ yÕu cña c¸c Menus trong SPSS 10.0 /11.5 for Windows - File : Khëi t¹o file míi ®ãng më, l−u, in Ên tho¸t 6
- Edit : undo, c¾t d¸n, t×m kiÕm, thay thÕ, x¸c lËp c¸c mÆc ®Þnh.. - View: Cho hiÖn dßng tr¹ng th¸i, thanh c«ng cô, chän ph«ng ch÷, cho hiÖn gi¸ trÞ nhËp vµo hay nh·n, ý nghÜa cña c¸c gi¸ trÞ nhËp vµo. - Data : §Þnh nghÜa biÕn thªm biÕn ®i ®Õn c¸c quan s¸t xÕp thø h¹ng ghÐp file chia file , lùa chän c¸c chñ thÓ (Select cases) .. - Transforrm: TÝnh to¸n m· ho¸ l¹i c¸c biÕn … - Analyze: LiÖt kª c¸c chuyªn ®Ò thèng kª. §©y lµ menu chñ yÕu cña cöa sæ nµy. - Graphs : T¹o c¸c biÓu ®å - Utilities : T×m hiÓu c¸c th«ng tin vÒ biÕn ,File - Windows: S¾p xÕp vµ di chuyÓn gi÷a c¸c cöa sæ lµm viÖc. Cöa sæ thø 2 còng rÊt quan träng lµ SPSS Viewer Víi cöa sæ nµy ta cã thÓ lùa chän vµ ®äc c¸c kÕt qu¶ (Outputs ) theo d¹ng cÊu tróc c©y. T¹i ®©y ta còng cã thÓ hiÖu ®Ýnh söa ch÷a c¸c kÕt qu¶ vµ l−u l¹i ®Ó dïng sau nµy (Xem h×nh 1.2) H×nh 1.2 Cöa sæ SPSS Viewer CÇn chó ý r»ng trong lo¹i cöa sæ nµy nÕu ta kÝch ®óp b¶ng kÕt qu¶ nh− b¶ng cña h×nh 1.2 th× xuÊt hiÖn menu Pivot rÊt tiÖn Ých cho viÖc thay ®æi cét vµ hµng cña b¶ng mµ ta gäi lµ hiÖu ®Ýnh b¶ng trô. Nh¸y chuét vµo Pivot vµ chän Pivoting trays ta cã mét c«ng cô nh− h×nh 1.3. Víi c«ng cô nµy ta cã thÓ thay ®æi c¸ch tr×nh bµy mét b¶ng kÕt qu¶ tÝnh to¸n theo ý muèn b»ng c¸ch chØ cÇn dïng ph−¬ng ph¸p kÐo th¶ c¸c biÓu 7
t−îng tõ cét sang hµng hoÆc ng−îc l¹i. Nh− h×nh 1.3 ta cã thÓ chuyÓn c¸c chØ tiªu thèng kª (Statistics ) ®ang biÓu thÞ theo hµng sang c¸ch biÓu thÞ theo cét Statistic s H×nh1.3 Cöa sè thø 3 còng rÊt quan träng lµ cöa sæ Chart Editor dïng ®Ó hiÖu ®Ýnh vµ söa ch÷a c¸c biÓu ®å thèng kª (Xem h×nh 1.4) H×nh1.4 Cöa sæ SPSS Chart Editor TÊt nhiªn muèn më ®−îc cöa sæ nµy ta cÇn kÝch ho¹t biÓu ®å vµ tõ menu Edit ta chän SPSS Chart Object \Open. Ngoµi ra cßn cã mét sè cöa sæ kh¸c nh− cöa sæ hiÖu ®Ýnh có ph¸p (Syntax Editor) hiÖu ®Ýnh v¨n b¶n ®Çu ra (Text output Editor )… 1.3. C¸c hép tho¹i trong SPSS (Dialogue Boxs) Lµm viÖc trong m«i tr−êng Window c¸c hép tho¹i cã c¸c ®Æc tÝnh chung nh− c¸c nót bÊm (Pushpottons) c¸c hép danh s¸ch, hép lùa chän (Option Boxs) vµ c¸c hép kiÓm tra (check Boxes). 8
Hép lùa chän Nót bÊm lùa chän Hép kiÓm tra Hép ®Ó khai b¸o biÕn H×nh 1.5 Mét d¹ng hép tho¹i trong SPSS Th−êng c¸c hép tho¹i ®Çu tiªn dïng ®Ó khai b¸o biÕn vµ lùa chän c¸c h−íng ph©n tÝch c¬ b¶n. TiÕp theo lµ c¸c hép tho¹i ®−îc h×nh thµnh tõ c¸c nót bÊm theo yªu cÇu cña chuyªn gia ph©n tÝch. Nh− hép tho¹i trªn h×nh 1.5 nÕu kh«ng khai b¸o g× thªm th× ta cã ngay mét biÓu ®å tÇn sè d¹ng cét chØ sè ng−êi t−¬ng øng víi tr×nh ®é häc vÊn. NÕu muèn thay ®æi mét mÆc ®Þnh nµo ®ã th× ta chän Options vµ nÕu muèn ghi tªn biÓu ®å th× chän Tiles. CÇn chó ý lµ sau khi khai b¸o xong c¸c hép tho¹i tõ c¸c nót bÊm ph¶i click vµo Continue ®Ó trë vÒ hép tho¹i ban ®Çu vµ sau ®ã kÕt thóc b»ng OK. 1.4. Ph©n lo¹i c¸c biÕn trong SPSS Trong SPSS c¸c biÕn quan s¸t th−êng ®−îc chia lµm 2 lo¹i : biÕn ®Þnh tÝnh vµ biÕn ®Þnh l−îng hay cßn gäi lµ ®¹i l−îng. Trong L©m nghiÖp, biÕn ®Þnh tÝnh nh− chÊt l−îng c©y trång ®−îc ph©n ra thµnh c©y tèt, c©y xÊu hoÆc c©y sèng, c©y chÕt …, dÊu hiÖu ®Þnh l−îng nh− c¸c sè ®o vÒ ®−êng kÝnh vÒ chiÒu cao cña c©y, sè c©y chøa trong c¸c « quan s¸t, vµ c¸c ®¹i l−îng kh¸c cã thÓ c©n ®ong ®o ®Õm ®−îc. Tuy nhiªn, trong thêi ®¹i kü thuËt sè ng−êi ta cã thÓ chuyÓn ®æi c¸c biÕn ®Þnh tÝnh vÒ biÕn ®Þnh l−îng b»ng c¸ch m· ho¸ nh− cho ®iÓm häc tËp cña häc sinh lµ mét vÝ dô. §èi víi c¸c biÕn ®Þnh l−îng trong SPSS ng−êi ta chia thµnh c¸c thang ®o kho¶ng (interval scale) vµ c¸c thang ®o tû lÖ (ratio scale). Cßn ®èi víi biÕn ®Þnh tÝnh ®−îc sè ho¸ ng−êi ta chia lµm thang ®o ®Þnh danh (nominal scale) kh«ng mang tÝnh chÊt thø bËc vµ thang ®o 9
mang tÝnh chÊt thø bËc (ordinal scale). Trong l©m nghiÖp, c¸c thang ®o ®Þnh danh kh«ng thø bËc nh− giíi tÝnh trong ®iÒu tra L©m nghiÖp x· héi (nam=1, n÷ = 0). Trong vÝ dô nµy, c¸c con sè 0 vµ 1 chØ mang ý nghÜa ®Þnh danh kh«ng mang ý nghÜa thø bËc. ViÖc tÝnh to¸n c¸c ®Æc tr−ng mÉu nh− trung b×nh vµ ph−¬ng sai lµ kh«ng cã ý nghÜa. Tr¸i l¹i, ®Þa h×nh ch©n s−ên ®Ønh (Ch©n=1, s−ên =2, ®Ønh =3) lµ mét thang ®o thø bËc. V× r»ng hµm l−îng c¸c chÊt dinh d−ìng ë 3 ®Þa h×nh trªn lµ kh¸c nhau. DÊu hiÖu quan s¸t BiÕn ®Þnh l−îng BiÕn ®Þnh tÝnh Thang ®o kho¶ng Thang ®o tû lÖ Thang ®o thø bËc T§ kh«ng thø bËc H×nh 1.6 S¬ ®å c¸c thang ®o cña sè liÖu quan s¸t 1.5. Tæ chøc c¸c biÕn trong SPSS Trong ch−¬ng tr×nh SPSS, c¸c biÕn (variables) cã mét vÞ trÝ quan träng nh−ng vai trß cña chóng rÊt kh¸c nhau. Cã nh÷ng biÕn lµ nh÷ng ®¹i l−îng quan s¸t nh− chiÒu cao, ®−êng kÝnh, ®−êng kÝnh t¸n cña c©y ch¼ng h¹n lµ nh÷ng biÕn dïng ®Ó ph©n tÝch ®¸nh gi¸, so s¸nh vµ −íc l−îng .... Nh−ng còng cã nh÷ng biÕn ®ãng vai trß lµ nh÷ng nh©n tè ¶nh h−ëng ®Õn sinh tr−ëng cña c©y nh− ®Þa h×nh, mËt ®é, lo¹i ph©n bãn hoÆc cã nh÷ng biÕn lµm nhiÖm vô ph©n nhãm (grouping variables) ®Ó cã thÓ ph©n chia c¸c biÕn ®Þnh l−îng thµnh c¸c nhãm kh¸c nhau nh− so s¸nh sinh tr−ëng chiÒu cao cña c©y gi÷a c¸c ®Þa h×nh, gi÷a c¸c d¹ng lËp ®Þa ... ViÖc tæ chøc c¸c biÕn mét c¸ch thÝch hîp cho mét bµi to¸n ph©n tÝch thèng kª trªn SPSS lµ mét thµnh c«ng b−íc ®Çu rÊt quan träng, gãp phÇn thùc hiÖn th¾ng lîi c¸c b−íc tiÕp theo. Sau ®©y lµ nh÷ng lo¹i biÕn cã thÓ th−êng gÆp trong nghiªn cøu l©m nghiÖp theo tõng chñ ®Ò ph©n tÝch thèng kª. 1.5.1. So s¸nh c¸c mÉu quan s¸t vµ thÝ nghiÖm Trong ph−¬ng ph¸p thèng kª nµy th× ®−êng kÝnh, chiÒu cao, ®−êng kÝnh t¸n, thÓ tÝch c©y (trªn 1 «) lµ nh÷ng biÕn quan s¸t. C¸c biÕn ph©n nhãm cã thÓ lµ ®Þa h×nh (ch©n, s−ên, ®Ønh...), loµi c©y, xuÊt sø, mËt ®é trång. Khi ®−a vµo mµn h×nh SPSS, c¸c biÕn quan s¸t ®−îc cho thµnh tõng cét, mçi biÕn mét cét riªng lÎ, vµ biÕn ph©n nhãm (Grouping Variables ) cho vµo mét cét theo c¸c m· 1, 2, 3.... Víi SPSS, ta cã thÓ so s¸nh chiÒu cao trung b×nh (hoÆc c¸c ®¹i l−îng quan s¸t kh¸c) cña ®Þa h×nh 1 víi ®Þa h×nh 2.... (hoÆc d¹ng lËp ®Þa 1 vµ 2)... c¶ cho tr−êng hîp ph−¬ng ph¸p tham sè vµ phi tham sè. 1.5.2 Ph©n tÝch ph−¬ng sai Khi ph©n tÝch ph−¬ng sai 1 nh©n tè, viÖc tæ chøc c¸c biÕn còng gièng nh− khi so s¸nh c¸c mÉu ®éc lËp. C¸c nh©n tè cÇn nghiªn cøu cã thÓ lµ ®Þa h×nh, mËt ®é trång, hoÆc lµ ph−¬ng ph¸p t¹o gièng.... Trong ph©n tÝch ph−¬ng sai 2, 3 nh©n tè th× c¸c ®¹i l−îng quan s¸t nh− chiÒu cao, ®−êng kÝnh... lµ nh÷ng biÕn cÇn ®−îc ph©n tÝch; c¸c biÕn nh− mËt ®é, ®Þa h×nh, ph©n bãn lµ nh÷ng biÕn nh©n tè ®Ó hai hoÆc 3 cét kh¸c nhau. 10
1.5.3. KiÓm tra tÝnh ®éc lËp §©y lµ mét tr−êng hîp ®Æc biÖt th−êng g©y khã kh¨n cho ng−êi lµm ph©n tÝch thèng kª. Kh¸c víi ph©n tÝch ph−¬ng sai, ®−êng kÝnh, chiÒu cao c©y lµ nh÷ng ®¹i l−îng quan s¸t cÇn ph©n tÝch th× trong kiÓm tra tÝnh ®éc lËp tÇn sè lµ yÕu tè cÇn ph©n tÝch; cßn c¸c nh©n tè lµm ¶nh h−ëng ®Õn sù ph©n bè tÇn sè nãi trªn ®ãng vai trß lµ c¸c biÕn ®Þnh tÝnh. C¸c nh©n tè lµm ¶nh h−ëng ®Õn sù ph©n bè tÇn sè nãi trªn nh− c¸c loµi c©y chÞu ¶nh h−ëng cña yÕu tè sinh th¸i lµm thay ®æi sù xuÊt hiÖn sè c©y cña tõng loµi trong c¸c « quan s¸t. ë ®©y c¸c nh©n tè (biÕn ®Þnh tÝnh ) ®ãng vai trß lµ nh÷ng biÕn ®−îc m· ho¸ thµnh c¸c sè 1, 2, 3... sau ®ã dïng lÖnh Crosstabs ®Ó cã b¶ng tÇn sè theo hai chiÒu øng víi c¸c biÕn ®Þnh tÝnh. 1.5.4. VÒ t−¬ng quan vµ håi quy So víi c¸c ph−¬ng ph¸p trªn, th× trong t−¬ng quan vµ håi quy viÖc tæ chøc c¸c biÕn lµ kh¸ ®¬n gi¶n. Th«ng th−êng cã bao nhiªu ®¹i l−îng quan s¸t cÇn x¸c lËp t−¬ng quan th× cÇn bÊy nhiªu biÕn. Tuy nhiªn, nÕu cÇn lËp t−¬ng quan riªng cho tõng chñ thÓ nµo ®ã th× ta nªn lËp thªm mét cét biÕn phô. Ch¼ng h¹n, khi lËp t−¬ng quan gi÷a H vµ D1.3 cho nhiÒu loµi c©y th× cÇn cã mét biÕn phô lµ loµi c©y theo m· ho¸ 1, 2, 3.... Khi ®−a biÕn nµy vµo th× kÕt qu¶ sÏ cho t−¬ng quan gi÷a H vµ D1.3 theo tõng loµi c©y (dïng môc lÖnh Select cases). 1.6. C¸ch ghi biÕn trong SPSS 10.0/11.5/12.5 1.6.1. Tr−êng hîp ghi sè liÖu vµo 1 file cã s½n Sau khi SPSS ®−îc më ta nhËn ®−îc hép tho¹i sau H×nh 1.7 Hép tho¹i SPSS for windows Tõ hép tho¹i nµy, ta chän mét trong nh÷ng file cã s½n trong tuú chän open an existing data source (hoÆc chän tõ Open trong menu file ë c÷a sæ SPSS data Editor).. NhÊp chuét vµo File nµy ta cã mµn h×nh víi tr¹ng th¸i data view víi c¸c sè liÖu ®· ®−a 11
vµo tr−íc ®ã. NÕu muèn ghi tiÕp sè liÖu míi ta nhÊp vµo variable view vµ b¾t ®Çu ghi sè liÖu vµo mµn h×nh nµy (chi tiÕt ®−îc tr×nh bµy ë môc 1.6.2) 1.6.2 Tr−êng hîp t¹o file míi Sau khi më ch−¬ng tr×nh SPSS cöa sæ SPSS data editor xuÊt hiÖn, cã 2 tr¹ng th¸i data view vµ variable view. Ta chän variable view ®Ó ghi sè liÖu vµo mµn h×nh nµy víi mçi biÕn lµ mét dßng, cßn cét thÓ hiÖn néi dung vµ tr¹ng th¸i cña biÕn nh− sau (Xem h×nh 1.8 ) H×nh 1.8 Cöa sæ SPSS data editor víi mµn h×nh variable view H×nh 1.9 Hép tho¹i Value Label • Name (tªn biÕn): Gâ tªn v¾n t¾t cña biÕn cã ®é dµi kh«ng qu¸ 8 ký tù vµ kh«ng cã c¸c dÊu ®Æc biÖt (VÝ dô §−êng kÝnh = Dkinh). 12
• Type (kiÓu biÕn): MÆc ®Þnh cña m¸y lµ ®Þnh l−îng. NÕu sè liÖu d−íi d¹ng chuçi th× chän string. Còng ë trong hép tho¹i nµy ta cã thÓ tuú ý chän ®é dµi cña sè ( width ) vµ sè con sè sau dÊu phÈy (Decimal places) • Label (nh·n): Ghi tªn ®Çy ®ñ cña biÕn. VÝ dô ChiÒu cao trung b×nh • Values (gi¸ trÞ): Ghi gi¸ trÞ ®−îc m· ho¸ dïng cho c¸c biÕn ®Þnh tÝnh. Trong « ë d−íi ch÷ values vÒ phÝa ph¶i click vµo « vu«ng nhá mµu ®en nh¹t (Xem h×nh 1.8) ta cã hép tho¹i value label ®Ó ghi c¸c gi¸ trÞ m· ho¸. VÝ dô m· ho¸ vÒ giíi tÝnh ta cã 2 gi¸ trÞ: 1 cho nam vµ 0 cho n÷. §Çu tiªn ghi 1 vµo « value vµ ghi Nam vµo « value label , sau ®ã click vµo add ®Ó cã kÕt qu¶ 1= ” nam”. Ta còng lÆp l¹i qu¸ tr×nh trªn cho n÷ giíi. §Ó hoµn thµnh thñ tôc nµy ta bÊm OK . (xem h×nh 1.9). • H×nh 1.10 SPSS Data editor víi mµn h×nh Data view Sau ghi xong c¸c biÕn click vµo Data view ®Ó chuyÓn sang mµn h×nh Data view. T¹i ®©y ta thùc hiÖn viÖc ghi sè liÖu vµo c¸c cét ®Ó trèng víi c¸c tªn ®· ghi ë mµn h×nh variable view võa thùc hiÖn ë trªn (Xem h×nh 1.10) .Sau khi ghi xong nhí lµm c¸c thñ tôc ghi file vµo mét file cã s½n hoÆc mét file míi . 1.7 Mét sè vÝ dô ®iÓn h×nh vÒ c¸ch t¹o biÕn trong SPSS 1.7.1 Tr−êng hîp kiÓm tra tÝnh ®éc lËp 13
§©y lµ ph−¬ng ph¸p thèng kª chóng ta th−êng vËn dông trong L©m nghiÖp. Sè liÖu cã thÓ cho theo 2 d¹ng: ®· qua chØnh lý theo kiÓu b¶ng chÐo vµ ch−a qua chØnh lý- lµ sè liÖu gèc ®−îc ghi chÐp tõ thùc ®Þa nh− b¶ng sè liÖu vÒ ®iÒu tra mét sè loµi c©y trªn mét sè « tiªu chuÈn ë rõng tù nhiªn nh− sau: Thø tù c©y ¤ tiªu Loµi c©y Thø tù c©y ¤ tiªu Loµi c©y chuÈn chuÈn 1 1 giÎ 48 4 t¸u 2 1 t¸u 49 4 lim 3 1 sÕn 50 4 giÎ ...... ...... ... ……. ……. …… Môc ®Ých cña ta lµ nghiªn cøu xem sù xuÊt hiÖn cña c¸c loµi trªn c¸c « tiªu chuÈn lµ ngÉu nhiªn hay cã liªn quan ®Õn vÞ trÝ cña « tiªu chuÈn. Trong tr−êng hîp cã b¶ng sè liÖu gèc nh− trªn ta cã thÓ ®−a vµo mµn h×nh mét cét nh− cét 2 víi c¸c m· 1, 2, 3, 4 cho thø tù « tiªu chuÈn thµnh mét biÕn, mét biÕn n÷a cho loµi c©y víi c¸c m· nh− 1=giÎ, 2= lim, 3= t¸u, 4= sÕn vµ lÇn l−îc ghi cho ®Õn c©y cuèi cïng trong b¶ng sè liÖu gèc. Tr−êng hîp sè liÖu ®−îc cho nh− b¶ng chÐo ta còng lËp thµnh 2 biÕn: BiÕn thø nhÊt cho « tiªu chuÈn vµ biÕn 2 cho loµi c©y vµ lÇn l−ît ghi nh− trªn. Riªng sè c©y trong c¸c « cña b¶ng chÐo th× cho thµnh mét biÕn theo quy tr×nh QT1.4 cho tr−êng hîp träng sè cho ë môc 1.8.3 . 1.7.2 Tr−êng hîp ph©n tÝch ph−¬ng sai 2 nh©n tè Tr−êng hîp sè liÖu ®−îc cho d−íi d¹ng b¶ng 5.5 (ch−¬ng 5) ta ghi thµnh 3 biÕn: biÕn loµi ®−îc m· ho¸ thµnh 1, 2, 3, 4 ..; biÕn khèi víi m· 1, 2, 3, 4. BiÕn cßn l¹i lµ chiÒu cao. C¸c biÕn ®−îc ghi nh− b¶ng sau: Kh L H èi oµi 1 1 18 1 2 14 1 3 12 1 4 16 2 1 15 2 2 15 2 3 16 2 4 13 . . . . . . 14
. . . Tr−êng hîp nÕu sè liÖu ghi chÐp tõ v−ên −¬m cã c¸c cét nh− trªn th× ta cø ®Ó nguyªn c¸c cét vµ ®−a vµo m¸y víi mçi cét lµ mét biÕn nh−ng kh«ng quªn r»ng c¸c cét Loµi vµ khèi chØ ghi theo c¸c sè ®· m· ho¸ vµ chiÒu cao còng nh− ®−êng k×nh th−êng tÝnh theo gi¸ trÞ trung b×nh trªn mét « thÝ nghiÖm. 1.7.3 Tr−êng hîp ph©n tÝch ph−¬ng sai 3 nh©n tè Tr−êng hîp 3 nh©n tè kiÓu « vu«ng La tinh nh− b¶ng 5.9 ch−¬ng 5 ta cã 4 biÕn: BiÕn thø nhÊt lµ Hµng (khèi), biÕn thø 2 lµ Cét (thø tù cét) biÕn thø 3 lµ CT ( Thø tù c«ng thøc) vµ biÕn cuèi cïng lµ ®¹i l−îng quan s¸t (ChiÒu cao). Theo vÝ dô b¶ng 5.9 ta lÇn l−ît ghi nh− sau: Hµng ghi 1, Cét ghi 1, CT ghi 3 (v× c=3) chiÒu cao ghi 13. Hµng ghi 2 Cét ghi 1, CT ghi 1 (v× a =1), chiÒu cao ghi 18. Cø thÕ tiÕp tôc cho ®Õn Hµng ghi 5, Cét ghi 5, CT ghi 3 vµ chiÒu cao ghi 14. Hµng Cét CT ChiÒu cao 1 1 3 13 2 1 1 18 . . . . . . . . 5 5 3 14 Ngoµi nh÷ng tr−êng hîp nh− trªn, trong thùc tÕ cßn nhiÒu m« h×nh thÝ nghiÖm phøc t¹p h¬n ®ßi hái ta ph¶i linh ho¹t vËn dông trªn c¬ së n¾m v÷ng nh÷ng nguyªn t¾c chung nhÊt. 1.8 Mét sè thñ tôc quan träng th−êng dïng cã liªn quan ®Õn c¸c biÕn trong SPSS 1.8.1 Lùa chän c¸c chñ thÓ (Select cases) Trong nhiÒu tr−êng hîp ng−êi ta thùc hiÖn ph©n tÝch thèng kª chØ trªn mét sè chñ thÓ nµo ®ã. Ch¼ng h¹n, víi sè liÖu cho ë b¶ng 1.1 ta muèn chØ tÝnh to¸n c¸c ®Æc tr−ng mÉu víi nh÷ng c©y chÊt l−îng trung b×nh hoÆc chØ tÝnh cho nh÷ng c©y cã chÊt l−îng tèt. Chän Select cases trong menu Data ta cã thÓ lo¹i bá nh÷ng chñ thÓ kh«ng tham gia tÝnh to¸n mµ chØ ®Ó l¹i nh÷ng chñ thÓ tham gia tÝnh to¸n theo ý ®å cña ta. VÝ dô ë b¶ng 1.1, ta chØ muèn nghiªn cøu nh÷ng c©y cã chÊt l−îng lo¹i 1vµ 2 ®−îc thùc hiÖn theo quy tr×nh sau: 15
B¶ng (1.1)- §−êng kÝnh vµ chiÒu cao cña 62 c©y rõng tù nhiªn IIIa2 t¹i L©m tr−êng B×nh thanh (Hoµ B×nh) (nguån NguyÔn ThÞ Thanh An) Thø D1.3 Hvn ChÊt l−îng Thø D1.3 Hvn ChÊt l−îng tù (cm) (m) c©y tù (cm) (m) c©y 1 50 22 1 32 50 19 1 2 11 6.5 3 33 25 9 2 3 39 14 2 34 35 12 2 4 45.5 18 1 35 17 9 2 5 22 9 2 36 27.5 18 1 6 34 15 3 37 25.5 12 1 7 23 14 2 38 21 9 2 8 29 16 2 39 24 10 2 9 28 17 1 40 32 12 2 10 18 17 1 41 11 5 3 11 38 20 1 42 17.5 6 3 12 41 19 1 43 8 6 3 13 15 9 3 44 26.5 11 2 14 18.5 10 1 45 21.5 9 2 15 19 8 3 46 28 12 1 16 22 11 2 47 24.5 7 2 17 21.5 11 2 48 6 5 3 18 39 21 1 49 13 17 1 19 33 16 1 50 22 11 2 20 41 15 1 51 8 4 3 21 22 10 1 52 28 9 2 22 26 7 3 53 14 5 3 23 36.5 14 1 54 25.5 13 1 24 27 8 2 55 19 10 1 25 10 4 3 56 17 11 2 26 10 7 3 57 14 6 2 27 7 6 2 58 17 8 2 28 32 12 2 59 34.55 14 2 29 20 13 2 60 26 8 3 30 8 5 1 61 15.5 9 3 31 17 8 3 62 12.5 6 2 QT1.1 1. Data Select cases 2. If condition satisfied Chän if vµ ®−a biÕn chÊt l−îng (m· clu) vµo vµ dïng c¸c to¸n tö ë b¶ng d−íi ®Ó x¸c ®Þnh nh÷ng chñ thÓ cÇn lùa chän. Ch¼ng h¹n ta cÇn nghiªn cøu c¸c ®Æc tr−ng thèng kª cña nh÷ng c©y cã chÊt l−îng trung b×nh vµ tèt ta ghi clu ≤ 2 ho¨c clu=1⏐clu=2 (tøc c¸c c©y cã cã m· chÊt l−îng 1vµ 2) 3 . OK 16
H×nh 1.11 Hép tho¹i Select cases KÕt qu¶ trong b¶ng sè liÖu gèc ë cöa sæ Data editor nh÷ng phÇn tö kh«ng ®−îc chän bÞ g¹ch chÐo vµ ghi 0, nh÷ng phÇn tö ®−îc chän ®Ó nguyªn kh«ng g¹ch vµ ghi 1 trong cét Filter$. Víi kÕt qu¶ nµy, ta cã thÓ thùc hiÖn c¸c ph©n tÝch thèng kª tiÕp theo nh− trong tr−êng hîp cã ®Çy ®ñ c¸c phÇn tö ®· quan s¸t. Trong tr−êng hîp chän chñ thÓ ë c¸c cét kh¸c nhau th× thay dÊu⏐ b»ng dÊu &. NÕu muèn trë l¹i ph©n tÝch thèng kª cho tÊt c¶ c¸c chñ thÓ ta thùc hiÖn quy tr×nh sau: Data\. All cases\ OK Sau ®©y lµ mét phÇn kÕt qu¶ sè liÖu sau khi läc bá nh÷ng c©y xÊu (clu ≤ 2) B¶ng 1.2 B¶ng sè liÖu sau khi thùc hiÖn lÖnh Select cases (trÝch) D1.3 Hvn clu Filte r-$ 1 50 22 1 1 2 38 6.5 3 0 3 41 14 2 1 4 15 18 1 1 5 18.5 9 2 1 6 19 15 3 0 7 22 14 2 1 8 21.5 16 2 1 9 39 17 1 1 10 33 17 1 1 Trong b¶ng trªn, c¸c cét 2,3,4 lµ ®−êng kÝnh, chiÒu cao vµ chÊt l−îng c©y, ®−îc m· ho¸ nh− b¶ng sè liÖu gèc trong cöa sæ SPSS data editor, cét 5 m¸y tù ®éng ghi m· nh÷ng c©y bÞ läc vµ kh«ng bÞ läc (1 lµ nh÷ng c©y kh«ng bÞ läc vµ 0 lµ nh÷ng c©y bÞ läc). §ång thêi, ë cét thø tù nh÷ng c©y bÞ lo¹i ®−îc ®¸nh dÊu b»ng c¸c g¹ch chÐo vÒ phÝa tr¸i c¸c sè thø tù. 17
Trong nghiªn cøu L©m sinh häc, lÖnh nµy cã thÓ dïng ®Ó ph©n tÝch thèng kª chØ riªng víi sinh tr−ëng cña nh÷ng c©y rõng ë nh÷ng ®Þa h×nh hoÆc d¹ng lËp ®Þa nµo ®ã ®−îc lùa chän trong sè nh÷ng ®Þa h×nh vµ d¹ng lËp ®Þa ta cã. Trong L©m nghiÖp x· héi, nh÷ng chñ thÓ ®−îc lùa chän cã thÓ lµ nh÷ng d©n téc Ýt ng−êi hoÆc nh÷ng lµng b¶n nµo ®ã mµ ta ®· ®iÒu tra pháng vÊn theo ph−¬ng ph¸p ®iÒu tra x· héi häc. Ngoµi viÖc lùa chän theo chñ quan nh− ®· nãi ë trªn, ng−êi ta còng cã thÓ lùa chän c¸c chñ thÓ theo c¸ch ngÉu nhiªn. Ch¼ng h¹n, trong nghiªn cøu l©m sinh chóng ta quan s¸t nhiÒu c©y rõng trong mét sè « tiªu chuÈn nh−ng chØ muèn chän h¹n chÕ kho¶ng 50 c©y ®Ó tÝnh to¸n vµ ph©n tÝch. Trong tr−êng hîp nµy ta dïng ph−¬ng ph¸p chän ngÉu nhiªn trong lÖnh Select Cases theo quy tr×nh sau: QT1.2 1. Data\. Select cases\. Random sample of cases vµ click vµo Sample 2. Trong hép tho¹i Random Sample cã hai c¸ch lùa chän: - Chän t−¬ng ®èi (approximately) víi tû lÖ % so víi sè phÇn tö ®· quan s¸t. - Chän chÝnh x¸c (exactly) víi sè l−îng cô thÓ trong sè nh÷ng phÇn tö ®Çu tiªn ®· quan s¸t, nh− vÝ dô cña ta ghi lµ 50 vµ sè ®Çu tiªn lµ toµn bé sè c©y ®· quan s¸t nh− 200 c©y ch¼ng h¹n. 3. OK KÕt qu¶ nh÷ng c©y kh«ng lùa chän ®−îc g¹ch chÐo ë cét ®Çu tiªn trong b¶ng sè liÖu gèc vµ cho vµo cét Filter-$ nh− tr−êng hîp chän chñ quan ®· nãi ë trªn. 1.8.2 §æi biÕn sè Trong nhiÒu tr−êng hîp, ta cÇn chuyÓn ®æi mét biÕn sè cã d¹ng lÖch tr¸i hoÆc lÖch ph¶i vÒ d¹ng gÇn chuÈn nh»m tho¶ m·n cho mét yªu cÇu nµo ®ã nhÊt lµ khi vËn dông c¸c ph−¬ng ph¸p tham sè nh− so s¸nh 2 mÉu theo tiªu chuÈn t hay bµi to¸n ph©n tÝch ph−¬ng sai ch¼ng h¹n. Trong tr−êng hîp nh− vËy nÕu ®¹i l−îng quan s¸t X cã ph©n bè lÖch tr¸i th× ta dïng ph−¬ng ph¸p biÕn ®æi Y = logX hoÆc Y = X . NÕu X lÖch ph¶i th× chuyÓn thµnh Y= X2 (cã thÓ mò 2, 3…tuú møc ®é lÖch ph¶i cña X). Sau nh÷ng biÕn ®æi trªn ®¹i l−îng Y cã ph©n bè chuÈn hoÆc gÇn chuÈn. Ngoµi ra, ng−êi ta cßn cã thÓ biÕn ®æi mét ®¹i l−îng cã ph©n bè chuÈn vÒ d¹ng ph©n bè chuÈn tiªu chuÈn vµ cßn nhiÒu c¸ch biÕn ®æi kh¸c n÷a. Quy tr×nh chung ®Ó thùc hiÖn viÖc biÕn ®æi nh− sau QT1.3 1 Transform \ Compute 2 Trong conpute variable ®¸nh biÕn môc tiªu vµo Target variable (nh− vÝ dô cña ta Y), tiÕp theo b«i ®en hµm Lg10 n»m trong danh s¸ch c¸c hµm Functions vµ dïng chuét chuyÓn nã vµo hép tho¹i numeric expression. Mét dÊu hái xuÊt hiÖn n»m gi÷a 2 ngoÆc ®¬n ®ang chê ®îi biÕn cÇn biÕn ®æi cña ta. Nh− vÝ dô lµ D1.3, b»ng c¸ch b«i ®en biÕn nµy vµ dïng chuét ®−a vµo ®Ó thùc hiÖn viÖc tÝnh Lg10D1.3. Trong cöa sæ SPSS Data Editor ta cã thªm mét cét Y= Lg10D1.3. 18
H×nh 1.12 . Hép tho¹i Compute Variable 1.8.3 Sö dông träng sè Trong nhiÒu nghiªn cøu cña ta sè liÖu th−êng cho d−íi d¹ng mét b¶ng tÇn sè nhÊt lµ trong ®iÒu tra rõng. §Ó thuËn tiÖn cho viÖc ph©n tÝch thèng kª, trong tr−êng hîp nh− vËy ta cã thÓ chuyÓn cét tÇn sè thµnh mét biÕn víi ký hiÖu nµo ®ã nh− fi ch¼ng h¹n theo quy tr×nh sau : QT1.4 1. Data\ Weight cases 2. Chän Weight cases by vµ ®−a biÕn fi vµo hép tho¹i frequency variable 3. OK Nh− vËy c¸c b−íc tÝnh to¸n cña ta tiÕp theo ®Òu liªn quan ®Õn träng sè. Trong tr−êng hîp nµy dung l−îng mÉu lµ tæng c¸c träng sè cña cét ®· cho (n = Σfi) H×nh 1.13 Hép tho¹i Weight cases 1.8.4. M∙ ho¸ l¹i c¸c biÕn M· ho¸ l¹i biÕn lµ viÖc lµm cÇn thiÕt ®Ó chia mét biÕn ra thµnh nhiÒu nhãm cã trÞ sè kh¸c nhau vµ xÕp chóng thµnh tõng lo¹i. Trong L©m nghiÖp ph−¬ng ph¸p nµy gióp ta thùc hiÖn viÖc chia tæ ghÐp nhãm c¸c quan s¸t nh− D1.3 hoÆc Hvn ®Ó lËp thµnh c¸c b¶ng ph©n bè tÇn sè (Xem mét vÝ dô cô thÓ ë ch−¬ng 2 môc 2.2, QT 2.3). 19
CH¦¥NG 2 Thèng kª m« t¶ Thèng kª m« t¶ th−êng lµ b−íc xö lý ®Çu tiªn tr−íc khi ®i s©u vµo ph©n tÝch thèng kª. Nã bao gåm c¸c néi dung chÝnh nh− sau: tÝnh c¸c ®Æc tr−ng mÉu, lËp b¶ng ph©n bè tÇn sè, kh¸m ph¸ vµ sµng läc c¸c sè liÖu th«... 2.1. TÝnh to¸n c¸c ®Æc tr−ng mÉu Trong nhiÒu tr−êng hîp sau khi thu thËp ®−îc sè liÖu ng−êi ta cÇn tÝnh ngay c¸c ®Æc tr−ng mÉu nh− trung b×nh ph−¬ng sai ®é lÖch chuÈn, nhÊt lµ khi sè liÖu kh«ng nhiÒu (n < 30). Quy tr×nh thùc hiÖn trªn SPSS nh− sau: QT2.1 1. Analyze \ Descriptive Statistics\ Descriptives 2. §−a c¸c biÕn cÇn tÝnh to¸n vµo hép tho¹i Descriptives 3. Trong hép tho¹i Options Khai b¸o c¸c ®Æc tr−ng mÉu (xem h×nh 2.2) 4. OK H×nh 2.1 Hép tho¹i Descriptives H×nh 2.2 Hép tho¹i Options 20