Meta-description

Η Περιγραφική Στατιστική οργανώνει, συνοψίζει και παρουσιάζει τα δεδομένα μιας έρευνας. Παρουσιάζονται τα σύγχρονα βήματα από τον καθορισμό των μεταβλητών και τη συλλογή δεδομένων έως το data cleaning, την επιλογή στατιστικών δεικτών, τη γραφική απεικόνιση και την παρουσίαση των αποτελεσμάτων.

Λέξεις-κλειδιά

περιγραφική στατιστική, descriptive statistics, data cleaning, κωδικοποίηση δεδομένων, missing values, outliers, μέση τιμή, διάμεσος, τυπική απόκλιση, IQR, γραφήματα, στατιστική ανάλυση

Εισαγωγή

Η Περιγραφική Στατιστική (Descriptive Statistics) αποτελεί τον κλάδο της στατιστικής που χρησιμοποιείται για την οργάνωση, τη σύνοψη και την παρουσίαση των χαρακτηριστικών ενός συνόλου δεδομένων.

Δεν επιδιώκει από μόνη της να ελέγξει ερευνητικές υποθέσεις ή να γενικεύσει συμπεράσματα από το δείγμα στον πληθυσμό. Αυτές οι λειτουργίες ανήκουν κυρίως στην επαγωγική στατιστική.

Η περιγραφική ανάλυση αποτελεί συνήθως το πρώτο στάδιο κάθε ποσοτικής στατιστικής διερεύνησης, επειδή επιτρέπει στον ερευνητή να κατανοήσει τη δομή, την κατανομή και την ποιότητα των δεδομένων πριν προχωρήσει σε περισσότερο σύνθετες αναλύσεις.

1. Προσδιορισμός του Ερευνητικού Ερωτήματος

Η διαδικασία αρχίζει με τον σαφή καθορισμό του θέματος, του σκοπού και των ερευνητικών ερωτημάτων.

Ο ερευνητής πρέπει να γνωρίζει τι ακριβώς επιθυμεί να περιγράψει.

Για παράδειγμα, μπορεί να ενδιαφέρεται για τη μέση ηλικία ενός δείγματος, την κατανομή του φύλου, το ποσοστό εμφάνισης ενός χαρακτηριστικού ή την κατανομή μιας βαθμολογίας.

Η σαφής διατύπωση του ερωτήματος καθορίζει ποιες μεταβλητές χρειάζεται να συλλεχθούν και ποια περιγραφικά μέτρα είναι κατάλληλα.

2. Ορισμός και Επιχειρησιακή Οριοθέτηση Μεταβλητών

Πριν από τη συλλογή δεδομένων πρέπει να καθορίζονται με ακρίβεια οι μεταβλητές.

Η διαδικασία αυτή περιλαμβάνει την operationalization, δηλαδή τη μετατροπή μιας θεωρητικής έννοιας σε μετρήσιμο χαρακτηριστικό.

Παράλληλα προσδιορίζεται το επίπεδο μέτρησης κάθε μεταβλητής.

Οι μεταβλητές μπορεί να είναι:

ονομαστικές, όπως φύλο ή τόπος κατοικίας,

διατάξιμες, όπως βαθμός ικανοποίησης,

ποσοτικές διακριτές, όπως αριθμός επισκέψεων,

ή ποσοτικές συνεχείς, όπως ηλικία, βάρος ή αρτηριακή πίεση.

Η σωστή ταξινόμηση είναι απαραίτητη επειδή καθορίζει τον τρόπο παρουσίασης και τους επιτρεπτούς στατιστικούς δείκτες.

3. Επιλογή Εργαλείων Μέτρησης

Στο επόμενο στάδιο επιλέγονται τα εργαλεία συλλογής δεδομένων.

Μπορεί να χρησιμοποιηθούν ερωτηματολόγια, ψυχομετρικές κλίμακες, εργαστηριακές μετρήσεις, διοικητικά αρχεία, παρατηρήσεις ή άλλες πηγές.

Τα εργαλεία πρέπει να είναι κατάλληλα για τον πληθυσμό και τον σκοπό της μελέτης.

Όπου χρησιμοποιούνται κλίμακες ή σύνθετες μετρήσεις, πρέπει να εξετάζονται η αξιοπιστία, η εγκυρότητα και ο σωστός τρόπος βαθμολόγησης.

4. Δειγματοληψία και Συλλογή Δεδομένων

Η συλλογή δεδομένων πρέπει να ακολουθεί προκαθορισμένο πρωτόκολλο.

Ο ερευνητής επιλέγει την κατάλληλη μέθοδο δειγματοληψίας ανάλογα με τον πληθυσμό, τον στόχο της έρευνας και τις διαθέσιμες δυνατότητες.

Η ποιότητα της περιγραφής εξαρτάται όχι μόνο από τον αριθμό των συμμετεχόντων αλλά και από τον τρόπο επιλογής τους.

Ένα μεγάλο αλλά μεροληπτικό δείγμα μπορεί να δώσει εξαιρετικά ακριβή περιγραφή ενός μη αντιπροσωπευτικού πληθυσμού.

5. Κωδικοποίηση των Δεδομένων

Η κωδικοποίηση (coding) αφορά την οργανωμένη απόδοση αριθμητικών ή άλλων κωδικών στις κατηγορίες των μεταβλητών.

Για παράδειγμα:

Άνδρας = 1
Γυναίκα = 2

Οι κωδικοί δεν μετατρέπουν μια κατηγορική μεταβλητή σε ποσοτική. Οι αριθμοί αποτελούν απλώς ετικέτες κατηγοριών.

Είναι σημαντικό να δημιουργείται ένα codebook, στο οποίο καταγράφονται το όνομα της μεταβλητής, η περιγραφή, οι δυνατές τιμές, οι κωδικοί και ο τρόπος χειρισμού των missing values.

6. Καταχώριση και Οργάνωση του Dataset

Τα δεδομένα οργανώνονται συνήθως σε πίνακα όπου κάθε γραμμή αντιστοιχεί σε μια παρατήρηση ή συμμετέχοντα και κάθε στήλη σε μία μεταβλητή.

Η καταχώριση μπορεί να πραγματοποιείται σε υπολογιστικό φύλλο, βάση δεδομένων ή στατιστικό περιβάλλον.

Η διαδικασία δεν εξαρτάται από κάποιο συγκεκριμένο πρόγραμμα. Μπορεί να πραγματοποιηθεί σε Excel, R, Python, Stata, SAS, Jamovi ή άλλα εργαλεία.

Το ουσιαστικό στοιχείο είναι η σωστή δομή και τεκμηρίωση των δεδομένων.

7. Data Cleaning

Πριν υπολογιστεί οποιοσδήποτε στατιστικός δείκτης πρέπει να πραγματοποιείται έλεγχος και καθαρισμός δεδομένων (data cleaning).

Ο ερευνητής εξετάζει πιθανές διπλές εγγραφές, λανθασμένους κωδικούς, αδύνατες τιμές, προβλήματα μορφοποίησης και ασυνέπειες.

Για παράδειγμα, ηλικία 250 ετών αποτελεί πιθανό σφάλμα καταχώρισης και πρέπει να διερευνηθεί πριν από την ανάλυση.

Η διόρθωση πρέπει να βασίζεται στα πρωτογενή δεδομένα και όχι σε αυθαίρετες υποθέσεις.

8. Missing Values

Οι ελλιπείς τιμές (missing data) πρέπει να εντοπίζονται και να περιγράφονται.

Ο ερευνητής πρέπει να γνωρίζει πόσες παρατηρήσεις λείπουν από κάθε μεταβλητή και εάν η απουσία τους παρουσιάζει συγκεκριμένο μοτίβο.

Δεν είναι σωστό οι missing values να κωδικοποιούνται ως πραγματικές αριθμητικές τιμές, όπως 0 ή 999, χωρίς σαφή δήλωση και σωστή διαχείριση στο λογισμικό.

Στην τελική παρουσίαση πρέπει να είναι σαφές ποιο είναι το έγκυρο n για κάθε ανάλυση.

9. Έλεγχος Ακραίων Τιμών

Οι ακραίες παρατηρήσεις (outliers) πρέπει να εντοπίζονται αλλά όχι να διαγράφονται αυτόματα.

Ένα outlier μπορεί να είναι αποτέλεσμα λάθους καταχώρισης, λάθους μέτρησης ή απολύτως πραγματική παρατήρηση.

Η διερεύνηση μπορεί να γίνει με box plots, ιστογράμματα και αριθμητικούς δείκτες.

Εάν μια ακραία τιμή είναι πραγματική, η αφαίρεσή της απαιτεί επιστημονική αιτιολόγηση.

10. Πίνακες Συχνοτήτων

Για κατηγορικές μεταβλητές χρησιμοποιούνται κυρίως απόλυτες και σχετικές συχνότητες.

Για παράδειγμα:

n = 48 (40%)

Η αναφορά μόνο των ποσοστών χωρίς τον πραγματικό αριθμό παρατηρήσεων μπορεί να είναι παραπλανητική, ιδιαίτερα σε μικρά δείγματα.

Για αυτό συνιστάται συνήθως η ταυτόχρονη παρουσίαση n και %.

11. Μέτρα Κεντρικής Τάσης και Διασποράς

Για ποσοτικές μεταβλητές εξετάζονται τα χαρακτηριστικά της κατανομής πριν επιλεγεί ο τρόπος παρουσίασης.

Σε σχετικά συμμετρικές κατανομές χρησιμοποιείται συχνά:

Μέση τιμή ± Τυπική Απόκλιση.

Σε ασύμμετρες κατανομές ή όταν υπάρχουν σημαντικές ακραίες τιμές είναι συνήθως καταλληλότερη η:

Διάμεσος (Q1–Q3) ή Διάμεσος (IQR).

Η παρουσίαση μόνο της μέσης τιμής χωρίς μέτρο διασποράς είναι συνήθως ανεπαρκής.

12. Εξέταση της Κατανομής

Η κατανομή μιας ποσοτικής μεταβλητής πρέπει να εξετάζεται τόσο αριθμητικά όσο και γραφικά.

Μπορούν να χρησιμοποιηθούν histogram, box plot και Q-Q plot.

Οι δείκτες skewness και kurtosis παρέχουν πρόσθετες πληροφορίες, αλλά δεν πρέπει να χρησιμοποιούνται απομονωμένα για να χαρακτηριστεί μια κατανομή ως «κανονική» ή «μη κανονική».

13. Γραφική Παρουσίαση

Η γραφική απεικόνιση αποτελεί βασικό μέρος της περιγραφικής ανάλυσης.

Για κατηγορικά δεδομένα χρησιμοποιούνται κυρίως bar charts.

Για συνεχείς μεταβλητές χρησιμοποιούνται histograms, box plots και άλλες κατάλληλες γραφικές παραστάσεις.

Τα γραφήματα πρέπει να έχουν σαφή τίτλο, ονομασίες αξόνων, μονάδες μέτρησης και να αποφεύγουν διακοσμητικά στοιχεία που μπορεί να αλλοιώνουν την οπτική αντίληψη των δεδομένων.

14. Ερμηνεία των Αποτελεσμάτων

Η περιγραφική ανάλυση δεν πρέπει να περιορίζεται στην παράθεση αριθμών.

Ο ερευνητής πρέπει να εξηγεί ποια είναι τα κύρια χαρακτηριστικά του δείγματος, ποιες μεταβλητές παρουσιάζουν μεγάλη διασπορά, ποιες κατανομές είναι ασύμμετρες και εάν υπάρχουν αξιοσημείωτες ακραίες τιμές.

Ωστόσο, δεν πρέπει να αποδίδονται αιτιώδεις ερμηνείες σε απλές περιγραφικές διαφορές.

15. Παρουσίαση στην Ερευνητική Αναφορά

Η τελική παρουσίαση πρέπει να είναι σύντομη, σαφής και να αποφεύγει την άσκοπη επανάληψη της ίδιας πληροφορίας σε κείμενο, πίνακα και γράφημα.

Συνήθως παρουσιάζονται πρώτα τα δημογραφικά και βασικά χαρακτηριστικά του δείγματος και στη συνέχεια οι κύριες ερευνητικές μεταβλητές.

Τα αποτελέσματα πρέπει να αναφέρουν σαφώς τις μονάδες μέτρησης, το n και τον τρόπο υπολογισμού των δεικτών.

Συμπέρασμα

Η σύγχρονη Περιγραφική Στατιστική δεν περιορίζεται στη δημιουργία πινάκων συχνοτήτων και γραφημάτων. Αποτελεί οργανωμένη διαδικασία που ξεκινά από τον σωστό ορισμό των μεταβλητών και συνεχίζεται με αξιόπιστη συλλογή, κωδικοποίηση, data cleaning και διερεύνηση της ποιότητας των δεδομένων.

Η επιλογή των κατάλληλων περιγραφικών δεικτών πρέπει να βασίζεται στον τύπο και στην κατανομή της μεταβλητής. Παράλληλα, τα missing values και τα outliers πρέπει να εξετάζονται συστηματικά και όχι να αντιμετωπίζονται μηχανιστικά.

Μια ολοκληρωμένη περιγραφική ανάλυση συνδυάζει αριθμητικούς δείκτες, πίνακες και γραφικές απεικονίσεις, παρέχοντας τη βάση για την ορθή κατανόηση του dataset και για οποιαδήποτε επόμενη στατιστική ανάλυση.

Ενδεικτική Βιβλιογραφία

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

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

Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.

Wilcox, R. R. (2017). Introduction to robust estimation and hypothesis testing (4th ed.). Academic Press.