Meta-description

Η Περιγραφική Στατιστική οργανώνει, συνοψίζει και παρουσιάζει δεδομένα με αριθμητικούς δείκτες, πίνακες και γραφήματα. Παρουσιάζονται οι τύποι μεταβλητών, τα μέτρα κεντρικής τάσης και διασποράς και οι σύγχρονες αρχές ορθής παρουσίασης αποτελεσμάτων.

Λέξεις-κλειδιά

περιγραφική στατιστική, παρουσίαση αποτελεσμάτων, ποιοτικές μεταβλητές, ποσοτικές μεταβλητές, μέση τιμή, διάμεσος, τυπική απόκλιση, IQR, συχνότητες, ιστόγραμμα, box plot, στατιστική ανάλυση

Εισαγωγή

Η Περιγραφική Στατιστική αποτελεί το πρώτο και απαραίτητο στάδιο σχεδόν κάθε στατιστικής ανάλυσης. Σκοπός της είναι η οργανωμένη περιγραφή και παρουσίαση των δεδομένων, ώστε ο ερευνητής να αποκτήσει σαφή εικόνα των χαρακτηριστικών του δείγματος και της κατανομής των μεταβλητών πριν προχωρήσει σε πιο σύνθετες αναλύσεις.

Η παρουσίαση των δεδομένων μπορεί να πραγματοποιηθεί μέσω αριθμητικών δεικτών, πινάκων και γραφικών παραστάσεων. Η επιλογή του κατάλληλου τρόπου παρουσίασης εξαρτάται κυρίως από το είδος της μεταβλητής, την κατανομή των δεδομένων και τον ερευνητικό στόχο.

Η Περιγραφική Στατιστική δεν αποσκοπεί από μόνη της στη γενίκευση των αποτελεσμάτων από το δείγμα στον πληθυσμό. Αυτή η διαδικασία αποτελεί αντικείμενο της Επαγωγικής Στατιστικής.

Πληθυσμός και Δείγμα

Με τον όρο πληθυσμός (population) εννοείται το σύνολο των ατόμων, αντικειμένων ή παρατηρήσεων που παρουσιάζουν ενδιαφέρον για μια συγκεκριμένη έρευνα.

Στις περισσότερες περιπτώσεις η μελέτη ολόκληρου του πληθυσμού είναι δύσκολη, χρονοβόρα ή οικονομικά ασύμφορη. Για τον λόγο αυτό εξετάζεται ένα υποσύνολο του πληθυσμού, το οποίο ονομάζεται δείγμα (sample).

Η ποιότητα των συμπερασμάτων εξαρτάται σε σημαντικό βαθμό από τον τρόπο επιλογής του δείγματος. Ένα μεγάλο δείγμα δεν είναι αυτομάτως αντιπροσωπευτικό, εάν η διαδικασία δειγματοληψίας εισάγει συστηματική μεροληψία.

Στην παρουσίαση των αποτελεσμάτων πρέπει επομένως να αναφέρεται με σαφήνεια το συνολικό μέγεθος του δείγματος, συνήθως με το σύμβολο N ή n.

Μεταβλητές

Τα χαρακτηριστικά που καταγράφονται σε μια έρευνα ονομάζονται μεταβλητές (variables).

Οι μεταβλητές διακρίνονται βασικά σε ποιοτικές και ποσοτικές.

Ποιοτικές Μεταβλητές

Οι ποιοτικές ή κατηγορικές μεταβλητές περιγράφουν κατηγορίες και όχι αριθμητικά μεγέθη.

Διακρίνονται κυρίως σε:

Ονομαστικές (nominal): οι κατηγορίες δεν έχουν φυσική σειρά, όπως ομάδα αίματος ή οικογενειακή κατάσταση.

Διατάξιμες (ordinal): οι κατηγορίες παρουσιάζουν φυσική διάταξη, όπως χαμηλό, μέτριο και υψηλό επίπεδο ικανοποίησης.

Διχοτόμες (dichotomous/binary): έχουν δύο δυνατές κατηγορίες, όπως παρουσία ή απουσία ενός χαρακτηριστικού.

Για τις ποιοτικές μεταβλητές η βασική περιγραφική παρουσίαση γίνεται με απόλυτες συχνότητες (n) και σχετικές συχνότητες ή ποσοστά (%).

Για παράδειγμα:

«Από τους 200 συμμετέχοντες, οι 118 ήταν γυναίκες (59,0%) και οι 82 άνδρες (41,0%).»

Ποσοτικές Μεταβλητές

Οι ποσοτικές μεταβλητές εκφράζονται αριθμητικά και επιτρέπουν μαθηματικές πράξεις.

Διακρίνονται σε:

Διακριτές (discrete): λαμβάνουν συνήθως συγκεκριμένες αριθμητικές τιμές, όπως ο αριθμός παιδιών ή ο αριθμός επισκέψεων σε έναν γιατρό.

Συνεχείς (continuous): μπορούν θεωρητικά να λάβουν οποιαδήποτε τιμή μέσα σε ένα διάστημα, όπως ηλικία, ύψος, βάρος ή αρτηριακή πίεση.

Η παρουσίαση των ποσοτικών μεταβλητών απαιτεί περισσότερους δείκτες από ό,τι η απλή παράθεση συχνοτήτων.

Μέτρα Κεντρικής Τάσης

Τα μέτρα κεντρικής τάσης περιγράφουν την αντιπροσωπευτική ή κεντρική τιμή μιας κατανομής.

Η μέση τιμή (mean) υπολογίζεται ως το άθροισμα των παρατηρήσεων διαιρεμένο με τον αριθμό τους. Είναι ιδιαίτερα χρήσιμη όταν η κατανομή είναι σχετικά συμμετρική και δεν υπάρχουν έντονες ακραίες τιμές.

Η διάμεσος (median) είναι η μεσαία τιμή όταν οι παρατηρήσεις ταξινομηθούν. Είναι περισσότερο ανθεκτική στις ακραίες τιμές και συχνά προτιμάται σε ασύμμετρες κατανομές.

Η επικρατούσα τιμή (mode) είναι η τιμή ή κατηγορία που εμφανίζεται συχνότερα.

Η επιλογή του κατάλληλου δείκτη πρέπει να βασίζεται στη μορφή των δεδομένων και όχι σε μια μηχανική εφαρμογή της μέσης τιμής σε όλες τις περιπτώσεις.

Μέτρα Διασποράς

Η κεντρική τάση από μόνη της δεν επαρκεί για την περιγραφή μιας ποσοτικής μεταβλητής. Χρειάζεται να παρουσιαστεί και η μεταβλητότητα των παρατηρήσεων.

Η τυπική απόκλιση (standard deviation – SD) περιγράφει πόσο αποκλίνουν κατά μέσο όρο οι τιμές από τη μέση τιμή και συνήθως παρουσιάζεται μαζί με αυτήν:

Μέση τιμή ± Τυπική Απόκλιση.

Για ασύμμετρες κατανομές είναι συχνά καταλληλότερο να παρουσιάζεται η διάμεσος μαζί με το ενδοτεταρτημοριακό εύρος (Interquartile Range – IQR).

Χρήσιμοι είναι επίσης το ελάχιστο και το μέγιστο, ιδιαίτερα όταν απαιτείται να παρουσιαστεί το συνολικό εύρος των παρατηρήσεων.

Έλεγχος της Κατανομής

Πριν αποφασιστεί πώς θα παρουσιαστεί μια ποσοτική μεταβλητή, είναι σημαντικό να εξετάζεται η κατανομή της.

Η αξιολόγηση δεν πρέπει να βασίζεται αποκλειστικά σε έναν στατιστικό έλεγχο κανονικότητας. Η σύγχρονη πρακτική συνδυάζει αριθμητικούς δείκτες με γραφική διερεύνηση.

Ιστογράμματα, box plots και Q-Q plots μπορούν να βοηθήσουν στον εντοπισμό ασυμμετρίας, ακραίων παρατηρήσεων ή άλλων χαρακτηριστικών της κατανομής.

Πίνακες Συχνοτήτων

Οι πίνακες συχνοτήτων αποτελούν βασικό τρόπο παρουσίασης κατηγορικών δεδομένων.

Ένας σωστά κατασκευασμένος πίνακας μπορεί να περιλαμβάνει την κατηγορία της μεταβλητής, την απόλυτη συχνότητα και το αντίστοιχο ποσοστό.

Ιδιαίτερη προσοχή χρειάζεται όταν υπάρχουν ελλιπείς τιμές. Ο ερευνητής πρέπει να διευκρινίζει εάν τα ποσοστά υπολογίστηκαν επί του συνολικού δείγματος ή μόνο επί των έγκυρων παρατηρήσεων.

Ραβδόγραμμα

Το ραβδόγραμμα (bar chart) είναι ιδιαίτερα κατάλληλο για κατηγορικές μεταβλητές.

Κάθε ράβδος αντιστοιχεί σε μια κατηγορία και το ύψος της εκφράζει τη συχνότητα ή το ποσοστό.

Οι ράβδοι πρέπει να είναι διακριτές μεταξύ τους, καθώς οι κατηγορίες αποτελούν ξεχωριστές τιμές.

Κυκλικό Διάγραμμα

Το pie chart χρησιμοποιείται για την απεικόνιση ποσοστιαίων κατανομών.

Παρότι εξακολουθεί να χρησιμοποιείται, σήμερα συχνά προτιμώνται τα ραβδογράμματα, επειδή διευκολύνουν περισσότερο τη σύγκριση μεταξύ κατηγοριών, ιδιαίτερα όταν υπάρχουν πολλές κατηγορίες με παρόμοια ποσοστά.

Ιστόγραμμα

Το ιστόγραμμα (histogram) χρησιμοποιείται για την παρουσίαση της κατανομής μιας συνεχούς ποσοτικής μεταβλητής.

Σε αντίθεση με το ραβδόγραμμα, οι στήλες του ιστογράμματος εφάπτονται, επειδή αντιπροσωπεύουν συνεχόμενα αριθμητικά διαστήματα.

Το ιστόγραμμα επιτρέπει την άμεση αξιολόγηση της μορφής της κατανομής, της συμμετρίας και πιθανών ακραίων τιμών.

Box Plot

Το διάγραμμα κουτιού και απολήξεων (box plot) αποτελεί ιδιαίτερα χρήσιμη σύγχρονη απεικόνιση ποσοτικών δεδομένων.

Παρουσιάζει συνήθως τη διάμεσο, τα τεταρτημόρια, τη διασπορά και πιθανές ακραίες παρατηρήσεις.

Είναι ιδιαίτερα χρήσιμο όταν επιδιώκεται η σύγκριση μιας ποσοτικής μεταβλητής μεταξύ διαφορετικών ομάδων.

Ορθή Παρουσίαση Αποτελεσμάτων

Η περιγραφική παρουσίαση πρέπει να είναι σαφής και να αποφεύγει περιττές επαναλήψεις.

Δεν είναι απαραίτητο κάθε αποτέλεσμα να εμφανίζεται ταυτόχρονα στο κείμενο, σε πίνακα και σε γράφημα. Ο ερευνητής πρέπει να επιλέγει τη μορφή που μεταδίδει αποτελεσματικότερα την πληροφορία.

Τα γραφήματα πρέπει επίσης να διαθέτουν σαφείς τίτλους, ονομασίες αξόνων, μονάδες μέτρησης και κατάλληλη κλίμακα. Παραπλανητικές κλίμακες ή τρισδιάστατα γραφήματα που αλλοιώνουν οπτικά τις διαφορές πρέπει να αποφεύγονται.

Συμπέρασμα

Η Περιγραφική Στατιστική αποτελεί τη βάση της στατιστικής διερεύνησης ενός συνόλου δεδομένων. Η σωστή παρουσίαση δεν περιορίζεται στην κατασκευή πινάκων και γραφημάτων, αλλά προϋποθέτει την κατάλληλη ταξινόμηση των μεταβλητών και την επιλογή των σωστών αριθμητικών δεικτών.

Οι κατηγορικές μεταβλητές παρουσιάζονται κυρίως με συχνότητες και ποσοστά, ενώ οι ποσοτικές μεταβλητές περιγράφονται με μέτρα κεντρικής τάσης και διασποράς. Η μέση τιμή και η τυπική απόκλιση είναι κατάλληλες κυρίως για σχετικά συμμετρικές κατανομές, ενώ η διάμεσος και το IQR προσφέρουν συχνά καλύτερη περιγραφή ασύμμετρων δεδομένων.

Η χρήση κατάλληλων πινάκων, ιστογραμμάτων, ραβδογραμμάτων και box plots επιτρέπει μια ολοκληρωμένη και διαφανή παρουσίαση των χαρακτηριστικών του δείγματος και αποτελεί το απαραίτητο πρώτο βήμα πριν από οποιαδήποτε επαγωγική στατιστική ανάλυση.

Ενδεικτική Βιβλιογραφία

Field, A. (2024). Discovering statistics using IBM SPSS Statistics. SAGE Publications.

Agresti, A., & Franklin, C. (2021). Statistics: The art and science of learning from data. Pearson.

Kirkwood, B. R., & Sterne, J. A. C. (2003). Essential medical statistics (2nd ed.). Blackwell Science.

Altman, D. G. (1991). Practical statistics for medical research. Chapman & Hall.