Hodnocení prestiže povolání v souvislosti se sférou společnosti, kde je zastoupeno. Seminární práce na kurz Analýza kvantitativních dat II

Transkript

1 AKDII., ZS 2013 Hodnocení prestiže povolání v souvislosti se sférou společnosti, kde je zastoupeno Seminární práce na kurz Analýza kvantitativních dat II ANONYMIZOVÁNO Komentář [JS1]: viz poznámku o hlavní otázce či tématu z názvu jakéhokoliv textu by to mělo být hned patrné Tedy tohle jsem nastřelil, je to pěkně krkolomné, třeba by Vás napadlo něco lepšího. Úvod Výzkumy prestiže mají v Čechách a potažmo v Československu dlouhou tradici. V Československu byl první výzkum prestiže už v roce 1937 Antonínem Obrdlíkem. Od té doby se československá a česká společnost značně změnila a potažmo s tím se měnil i počet povolání v rámci jednotlivých výzkumů. Dnes se tedy v seznamech povolání neobjevuje dělník, svářeč či např. tajemník politické strany. V dnešní době jsou výzkumy prestiže povolání prováděny v rámci pravidelných výzkumů CVVM (dříve IVVM) nazvaných Naše společnost. Jedná se o každoroční výzkum, kdy respondenti, kromě běžných sociodemografických otázek, mají zodpovídat otázky týkající se např. spokojenosti s životním prostředním, zemědělstvím, soudnictvím a také otázky týkající se politiky a politiků např. kterou stranu volil daný respondent při posledních volbách, hlásí se spíše k pravici či k levici apod. Co se týče prestiže, má respondent posuzovat celkem 26 povolání. Jejich kompletní seznam dostane respondent v rámci testování a má mezi těmito povoláními najít to, které je podle jeho názoru nejprestižnější. Tomuto povolání udělí 99 bodů. Poté má respondent najít naopak povolání, které je podle něj nejméně prestižní, tomu dá jen jeden bod. A zbývajícím povoláním má respondent přiřadit body mezi dvěma a 98. Tím vytvoří svůj žebříček prestižnosti povolání. Na rozhodování jednotlivých respondentů má samozřejmě vliv mnoho faktorů například to, jaké povolání mají samotní respondenti či zda jsou respondenti schopni si za daným povoláním představit nějakého zástupce. Vzhledem k tomu, že na povolání se v rámci tohoto výzkumu výzkumníci přímo neptali, zaměříme se na jinou otázku týkající se posuzování prestiže vztahu mezi hodnocením profese a spokojeností se sférou (společenskou oblastí), ve které se dané povolání nejčastěji vyskytuje. Ukažme si to na příkladu povolání lékaře, to je povolání, které získává v moderních industrializovaných zemích (včetně České republiky) vždy vysoké hodnocení, co se týče prestiže. Ve výzkumu Komentář [JS2]: M2jte namysli nepoučeného čtenáře, proto vždy postupujte ve výkladu od obecného ke konkrétnímu. Zde je to navíc trochu nejasné/složité, proto o to víc to chce hned v úvodu pojmenovat (nejde Vám přeci o prestiž jako takovou ale její vztah k těm sférám). Vím máte to tam v dalším odstavci, ale zde to nevadí zopakovat to. 1

2 Naše společnost z června 2012 bylo průměrné hodnocení tohoto povolání přibližně 90 (tab. 1), což je nepochybně velmi vysoké hodnocení, avšak spokojenost s českým zdravotnictvím jako takovým už vysoká není průměrná hodnota odpovědí je 3,24 (tab. 2), což znamená, že respondenti jsou tak napůl spokojeni s českým zdravotnictvím, to dokládá i graf 1. Jinými slovy, lékařské povolání se těší vysoké prestiži, ale české zdravotnictví už tolik ne. Dalo by se říci, že ne příliš velká spokojenost s českým zdravotnictvím patrně nebude způsobena lékaři samotnými, ale může být způsobena jinými okolnostmi např. mohou být respondenti nespokojeni s cenami léků, cenami lékařských výkonů, s poplatky u lékaře, s čekací dobou na ošetření či operace apod. Další možností této jakési diskrepance mezi hodnocením prestiže lékaře a hodnocením zdravotnictví může tkvít i v sociální desirabilitě je možné, že lidé si myslí, že se od nich očekává dát lékaři dobré hodnocení, že by nebylo žádoucí, aby měl lékař špatné hodnocení. Bohužel tuto otázku nelze v rámci tohoto výzkumu uspokojivě zodpovědět. Budeme tedy v našem výzkumu zjišťovat, zda existuje vztah mezi hodnocením jednotlivých součástí společenského systému a hodnocením prestiže povolání jejich představitelů. Vzhledem k tomu, že v našich analýzách budou vystupovat kardinální (spojité) proměnné a ordinální proměnné, budeme k našim analýzám využívat analýzu rozptylu ANOVA, kde závislou proměnnou bude hodnota prestiže dané profese (měřená indexem 1 99) a případě poté i post hoc test pro určení rozdílů mezi konkrétními kategoriemi nezávislé proměnné (spokojenost s danou sférou), konkrétně Bonferroniho korekce. K analýze rozptylu však potřebujeme alespoň přibližně normální rozložení hodnot, což patrně nebude dodrženo ve všech případech, proto budeme muset některé proměnné rekódovat a tedy spojovat některé hodnoty dohromady. Jinou možností by bylo využít některý neparametrický test např. Kruskal Wallisův test. My však využijeme první možnost. Komentář [JS3]: Průměr tady není nejvhodnější míra, raději procenta, tedy sečíst % velmi+spíše spokojen oproti % velmi+spíše nespokojen. Viz poznámku u Tabulky 2. Komentář [JS4]: Tady by si čtenář zasloužil přehledně vyjmenovat všechny oblasti a zástupce vyjmenovat, tj. zdravotnictví a lékař (případně i argumentovat, co Vás vedlo k výběru právě těchto profesí). Ona je to vlastně operacionalizace hypotéz (to jaké zástupce vyberete pro jaké oblasti). Komentář [JS5]: To je pravda, ale to se týká závislé proměnné, tady indexu prestiže dané profese. Viz také poznámku Komentář ke zvolené analýze a typu proměnných: Hned v úvodu bychom měli poznamenat, že naše analýzy mají poměrně vysoké procento chybějících hodnot, což je z toho důvodu, že v rámci výzkumu Naše společnost z roku 2012 dotazovalo CVVM 1034 respondentů, avšak celý tento vzorek rozdělila na dvě poloviny na skupinu X s 511 respondenty a na skupinu Y s 523 respondenty. Tudíž prestiž hodnotili pouze respondenti z výběrového souboru X. 2

3 Analýzy Ještě přede všemi analýzami je potřeba zkontrolovat hodnoty proměnných, s nimiž budeme později pracovat a případně dát nereálné hodnoty do missingů. Začneme tím, co jsme naznačili už v úvodu spokojenost s českým zdravotnictvím a prestiží povolání lékaře. V tomto případě se nám naše hypotéza nepotvrdila výsledek analýzy rozptylu (ONEWAY ANOVA) vyšla ukazuje, že nemůžeme zamítnout nulovou (statistickou) hypotézu o rovnosti průměrů neprůkazně (p=0,131) (tab. 3). Komentář [JS6]: Tohle příště raději jen do poznámky. Nyní podobné testování provedeme se školstvím (PS_5d), bezpečností občanů (PS_5f), situací v armádě (PS_5h), soudnictvím (PS_5l), zemědělstvím (PS_5p), politickou situaci v ČR (PS_5q) a vědou a výzkumem (PS_5t). Především si ale zkontrolujeme všechny hodnoty proměnných. Ty jsou v pořádku všechny chybějící hodnoty jsou správně zadány a proměnné neobsahují žádné nereálné či jinak špatné hodnoty. Můžeme se tedy pustit do analýz. Jen je potřeba hned na úvod poznamenat, že v některých případech bylo ale nutno testovat dvakrát například školství bylo testováno na učiteli základní školy i na učiteli vysoké školy. Avšak ještě se musíme podívat, zda všechny proměnné mají přibližně normální rozdělení, což je základní podmínkou ANOVY. U zdravotnictví jsme viděli už podle sloupcového grafu (tzv. barchart), že daná proměnná má normální rozdělení, nyní tedy rozdělení hodnot prozkoumáme i u dalších proměnných, u nich si necháme zobrazit histogram a také normálovou křivku. Normální rozdělení nemají pouze 3 proměnné spokojenost se situací v soudnictví (graf 2), spokojenost se situací v zemědělství (graf 3) a spokojenost se situací na politické scéně (graf 4). Všechny tyto proměnné jsou výrazně vychýleny doprava, tedy respondenti jsou spíše nespokojeni s danou situací, proto musíme všechny tyto 3 proměnné rekódovat tak, že sloučíme odpověď velmi spokojen a spíše spokojen. Toto slučování nevyřešilo zcela problém u spokojenosti s poltickou situací v ČR, protože tato proměnná zůstává stále vychýlena doprava, směrem k nespokojenosti. Nicméně my už tuto proměnnou dále rekódovat nebudeme, protože to bychom museli spojit odpovědi velmi spokojen, spíše spokojen a tak napůl spokojen, což je poměrně velký záběr odpovědí, které už není žádoucí. 3

4 Můžeme tedy přistoupit k analýzám. V rámci přílohy jsou uvedeny tabulky u těch proměnných, které vyšly průkazně, u statisticky neprůkazných vztahů je uvedena pouze p hodnota analýzy ANOVA. Co se týče spokojenosti ve školství a učitele na základní či vysoké školy, tak v tomto případě se žádný statisticky prokazatelný vztah neobjevil (p=0,397 u učitele ZŠ a p=0,378 v případě učitele na VŠ). Co se týče bezpečnosti občanů a hodnocení prestiže policisty, tak ani zde se žádný vztah neobjevil (p=0,826). Statisticky prokazatelný vztah se objevil až v případě hodnocení situace v armádě a hodnocení prestiže vojáka z povolání (p=0,000), kde se mezi sebou liší respondenti, kteří odpovědi, že jsou spíše spokojeni se situací v armádě od těch, kteří odpověděli, že jsou spíše nespokojeni a velmi nespokojeni (tab. 4), graficky znázorněný vidíme tento vztah na grafu 5. Z něj vidíme, že čím více jsou lidé nespokojení se situací v armádě, tím méně prestižně označují povolání profesionálního vojáka. Stejná situace nastala i v případě hodnocení soudce kdo je nespokojen se situací v soudnictví, hodnotí hůře prestiže soudce (p=0,000). K překvapení však došlo v případě hodnocení prestiže zemědělce (graf 7). I v tomto případě vyšel vztah průkazně (p=0,006), avšak zde je situace přesně opačná, než u soudce čím jsou lidé více nespokojení s českým zemědělstvím, tím více hodnotí povolání zemědělce jako prestižní. To můžeme vysvětlit například tak, že lidé si myslí, že za případnými problémy českého zemědělství nestojí zemědělci, ale někdo jiný, tedy že příčinou problémů v českém zemědělství je někdo jiný než samotná zemědělci. K překvapení však nedošlo v případě hodnocení poslance (p=0,000) a ministra (p=0,000) a spokojeností respondentů s politickou situací v ČR tedy čím více jsou lidé nespokojeni s českou politickou situací, tím méně jim přijde povolání poslance a ministra prestižní. Poslední sledovanou položkou byla spokojenost s vědou a výzkumem a vztah k prestiži vědce. V tomto případě však nebyl žádný vztah nalezen. Nelze si však myslet, že by mezi každými dvěma proměnnými musel nutně existovat monokauzální vztah. Drtivá většina jevů ve společnosti není způsobena jednou příčinou, ale má příčin hned několik. My se v další části analýz podíváme blíže na tyto intervenující vlivy. K testování vlivu 3. proměnné využijeme kontingenční tabulky, k tomu však potřebujeme rekódovat některé proměnné, abychom neměli v kontingenční tabulce prázdná místa. Naše Komentář [JS7]: Komentář ke zvolené analýze a typu proměnných: Pokud One Way ANOVA, pak bych asi nezávislé proměnné nejprve rekódoval do menšího počtu věcně smysluplných kategorií ( typů lidí ) Jde o to, že v analýze rozptylu se většinou používá na kategoriální nezávislé proměnné, zejména vysloveně kvalitativní nominální. To je její smyslem. Takže tady by bylo smysluplné překódování na 1+2 (rozhodně+spíše) Nespokojen 3 Tak napůl 4+5(spíše+rozhodně) Nespokojen. Alternativně by šlo analyzovat vztahy na původních ordinálních škálách pomocí ordinálníchpořadových korelací. Ale věcně to moc neřekne (v tomto jsou interpretačně nejvděčnější % rozdíly, tady tedy rozdíly v průměrech na škále prestiže). Pokud byste chtěla procenta, pak by se i závislá proměnná index prestiže profese musel rekódovat na kategorie, zde bych to udělal buď po/nad medián a nebo lépe na tercily. Ostatně tak to máte i tabulce 9 a 10, kde provádíte třídění 3.stupně. Komentář [JS8]: POZOR Důležité upozornění: V prvním kroku sledovat jen p value a rychle tak zamítnout hypotézy (tj. přijmout nulovouhyp. o nerozdílech ) je ok (hypotéza je zde v OneWayANOVA, že minimálně jedna kategorie nezávislé proměnné se odlišuje ). Ale jakmile svou hypotézu nezamítáte, ptejte se také po velikosti rozdílu, tj. kolik bodů je rozdíl v průměru mezi krajními kategoriemi spokojenosti (či při menším počtu pro všechny kategorie, zde Spokojen/Napůl/Nespokojen). Ten pak dokonce můžete porovnávat i mezi oblastmi (je větší u zdravotnictví X lékař a nebo armáda X voják? k tomu se hodí koeficienty EtaSq) a hlavně tento rozdíl věcně interpretuje. Vždy se ptejte: Kolik bodů je rozdíl mezi kategoriemi nezávislého znaku při jakém rozpětí škály, ideální je si to alespoň pro sebe vyjádřit pomocí procent. Komentář [JS9]: i zde by v odborném textu měly být uvedeny hodnoty testu (alespoň tedy p value) 4

5 hypotéza zní, že ve vztahu mezi prestiží poslance a spokojeností s politickou situací budeme kontrolovat vliv proměnné týkající se ztráty zaměstnání. Jinými slovy, očekáváme, že lidé, kteří mají obavu, že mohou o své zaměstnání přijít, budou hodnotit prestiž poslance více negativně, protože budou mít pocit, že ti pro ně nic nedělají a že díky nim, je jejich situace na trhu práce takto nejistá. Zjistili jsme, že čím více jsou lidé spokojení se situací na politické scéně, tím lépe hodnotí poslance DOPLNIT O KOLIK (tab. 9). Avšak není tento vztah determinován spíše respondentovou případně ovlivněn moderujícím působením případnou obavou o své zaměstnání? Jak velkou redukci v tom vztahu tvoří třetí proměnná obava respondenta o zaměstnání? Zjistili jsme, že poměrně vysokou 56% (tab. 12). Jinými slovy, pokud se respondent bojí o své zaměstnání, je o to více nespokojen s politickou scénou. Tady chybí závěr, kde by se stručně zopakovalo, co jsme zkoumali, jak jsme to analyzovali (to velmi, velmi stručně), k čemu jsme došli a nějaké obecnější sociologické zhodnocení zkoumaného fenoménu (tj. zde vztahu mezi prestiží konkrétních profesí a hodnocení oblastí, kde se tyto profese vyskytují). Komentář [JS10]: OK, velmi zajímavá hypotéza. Nicméně malá poznámka, řekl bych že tou pravou příčinnou je stejně vzdělání (to totiž asi ovlivňuje jak hodnocení prestiže tak i pocit ztráty zaměstnání a nakonec i hodnocení politiky). Ověřit by to šlo jednoduše spočítáním korelace vzdělání se všemi zde uvažovanými proměnnými. Pokud k tomu nemáte zvláštní důvod, tak vždy volte logicky (časově) předcházející proměnnou, navíc jaksi robustnější a pestřejší z hlediska interpretace (zde tedy vzdělání). Ale může se jednat o Komentář [JS11]: To možná ano (a t oje dobré na úvod zmínit), ale o to přeci v této elaboraci nejde. Tady se nejprve ptáte, zda je vztah pro prestiž a spokojenost s politikou stejný v kategoriích obavy o zaměstnání (tj. jsou % rozdíly krajních kategoriích Hodnocení politiky stejné v kategoriích Obavy o zaměstnání?). Pak, pokud 3.proměnná (obava o zam.) intervenuje, pak se můžeme ptát o kolik (a zda vůbec) poklesl vliv spokojenosti s politikou na prestiž (tj. kolik % v tomto vztahu bylo zprostředkováno kontrolní proměnnou Obavou). Pro jednoduché ověření této interakce (zároveň ale se statistickým testem) by stačilo nejprve udělat na původních spojitých proměnných graf ERROR BAR PrestižPolitika BY HodnoceníPolitiky BY Má/nemáObavuOzam. 5

6 Příloha tabulky a grafy Tabulka 1: Průměrné hodnocení prestiže povolání lékaře; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Report EU.104xi Hodnocení povolání lékař Mean N Std. Deviation 90, ,932 N (validní) = 509 (chybějící hodnoty 50,8% jedná se pouze o polovinu výběrového souboru) Tabulka 2: Tabulka zobrazující průměrné odpovědi u otázky ohledně spokojenosti s českým zdravotnictvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 1026 (chybějící hodnoty 0,8%) Statistics PS.5b Spokojenost - zdravotnictví N Valid 1026 Missing 8 Mean 3,24 Komentář [JS12]: Tak tady bych dal rozložení procent odpovědí na původní škále spokojenosti tj. to co je v následujícím grafu 1 (kde jsou ale absolutní četnosti). Průměr sám jako takový nic moc neříká (navíc je statisticky problematický, byť tady je to ok), pokud použít průměr, tak spíše pro srovnání více položek, tj. zde spokojeností s různými oblastmi života. To může něco říci o pozici zdravotnictví relativně vůči ostatním hodnoceným oblastem. Graf 1: Sloupcový graf zobrazující spokojenost respondentů s českým zdravotnictvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 1026 (chybějící hodnoty 0,8%) 6

7 Tabulka 3: Tabulka analýzy rozptylu ANOVA; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA EU.104xi Hodnocení povolání lékař F Sig. Between Groups 1,784 0,131 N (validní) = 506 (chybějící hodnoty: 51,1% jedná se pouze o polovinu výběrového souboru) Graf 2: Sloupcový graf zobrazující spokojenost respondentů s českým soudnictvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 946 (chybějící hodnoty 8,5%) 7

8 Graf 3: Sloupcový graf zobrazující spokojenost respondentů s českým zemědělstvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 969 (chybějící hodnoty 6,3%) Graf 4: Sloupcový graf zobrazující spokojenost respondentů s českou politickou situací; všichni respondenti starší 15 let z výzkumu Naše společnost

9 N (validní) = 1020 (chybějící hodnoty 1,4%) Tabulka 4: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace v armádě a hodnocením prestiže vojáka z povolání; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost spíše spokojen spíše nespokojen,019 velmi nespokojen,001 ANOVA: p= 0,000; F hodnota = 5,168) N (validní) = 333 (chybějící hodnoty 67,8% jedná se pouze o polovinu výběrového souboru) Graf 5: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace v armádě a hodnocením prestiže vojáka z povolání; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 5,168) N (validní) = 333 (chybějící hodnoty 67,8% jedná se pouze o polovinu výběrového souboru) 9

10 Tabulka 5: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace v soudnictví a hodnocením prestiže soudce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Multiple Comparisons Dependent Variable: EU.104xq Hodnocení povolání soudce Bonferroni (I) Spokojenost se soudnictvím rekódovaná Sig. Spokojen/a Spíše nespokojen/a,006 Velmi nespokojen/a,000 Napůl spokojen/a Spíše nespokojen/a,000 Velmi nespokojen/a,000 ANOVA: p= 0,000; F hodnota = 16,182) N (validní) = 467 (chybějící hodnoty 54,8% jedná se pouze o polovinu výběrového souboru) 10

11 Graf 6: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace v soudnictví a hodnocením prestiže soudce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 16,182) N (validní) = 467 (chybějící hodnoty 54,8% jedná se pouze o polovinu výběrového souboru) Tabulka 6: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace v zemědělství a hodnocením prestiže zemědělce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Multiple Comparisons Dependent Variable: EU.104xe Hodnocení povolání soukromý zemědělec Bonferroni (I) Spokojenost se zemědělstvím rekódovaná Spokojen/a Napůl spokojen/a Velmi nespokojen/a Velmi nespokojen/a Sig.,011,009 ANOVA: p= 0,006; F hodnota = 4,235) N (validní) = 477 (chybějící hodnoty 53,9% jedná se pouze o polovinu výběrového souboru) 11

12 Graf 7: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace v zemědělství a hodnocením prestiže zemědělce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,006; F hodnota = 4,235) N (validní) = 477 (chybějící hodnoty 53,9% jedná se pouze o polovinu výběrového souboru) Tabulka 7: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže poslance; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Dependent Variable: EU.104xy Hodnocení povolání poslanec Bonferroni (I) Spokojenost s politickou situací rekódovaná Spokojen/a Velmi nespokojen/a Sig.,015 Napůl spokojen/a Velmi nespokojen/a,006 ANOVA: p= 0,000; F hodnota = 7,102) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) 12

13 Graf 8: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže poslance; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 7,102) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) Tabulka 8: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže ministra; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Multiple Comparisons Dependent Variable: EU.104xr Hodnocení povolání ministr Bonferroni (I) Spokojenost s politickou situací rekódovaná Sig. 13

14 Spokojen/a Velmi nespokojen/a,029 Napůl spokojen/a Velmi nespokojen/a,003 Spíše nespokojen/a Velmi nespokojen/a,006 ANOVA: p= 0,000; F hodnota = 6,999) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) Graf 9: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže ministra; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 6,999) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) 14

15 Tabulka 9: Kontingenční tabulka závislosti prestiže poslance na spokojenosti respondenta s politickou situací (s vyznačenými procenty, s nimiž budeme počítat při kontrole vlivu třetí proměnné jedná se o hrubý rozdíl: 86,3% 76,9%=9,3%); respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost 2012 Prestiž poslance - rekódovaná * Spokojenost s politickou situací - rekódovaná Crosstabulation % within Spokojenost s politickou situací - rekódovaná Spokojenost s politickou situací - rekódovaná Total Spokojen/a Napůl Spíše Velmi spokojen/a nespokojen/a nespokojen/a Prestiž poslance - Váží si málo 76,9% 77,0% 77,2% 86,3% 81,3% rekódovaná Váží si hodně 23,1% 23,0% 22,8% 13,7% Komentář [JS13]: K tomu 18,7% rekódu nenacházím nikde žádné Total 100,0% 100,0% 100,0% 100,0% 100,0% vysvětlení, na základě čeho byl proveden. Pod/nad průměr nebo pod/nad medián? N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) Tabulka 10: Kontingenční tabulka závislosti prestiže poslance na spokojenosti respondenta s politickou situací, při kontrole proměnné týkající se obavy respondenta o ztrátu zaměstnání (s vyznačenými procenty, s nimiž budeme počítat při kontrole vlivu třetí proměnné); respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Prestiž poslance - rekódovaná * Spokojenost s politickou situací - rekódovaná * Pravděpodobnost ztráty zaměstnání - rekódovaná Crosstabulation % within Spokojenost s politickou situací - rekódovaná Pravděpodobnost ztráty zaměstnání - rekódovaná Spokojenost s politickou situací - rekódovaná Spokojen/a Napůl spokojen/a Spíše nespokojen/a Velmi nespokojen/a Prestiž poslance - rekódovaná Prestiž poslance - rekódovaná Prestiž poslance - rekódovaná Prestiž poslance - rekódovaná Váží si málo Váží si hodně Váží si málo Váží si hodně Váží si málo Váží si hodně Váží si málo Váží si hodně Spíše či velmi pravděpodobn é N (validní) = 221 (chybějící hodnoty 78,6% jedná se pouze o polovinu výběrového souboru) Spíše či velmi nepravděpodobn é Total 66,7% 69,2% 68,8% 33,3% 30,8% 31,2% 42,9% 75,9% 69,4% 57,1% 24,1% 30,6% 79,3% 86,8% 84,1% 20,7% 13,2% 15,9% 88,9% 90,0% 89,7% 11,1% 10,0% 10,3% 15

16 Tabulka 11: Tabulka četností odpovědí na otázku, jaká je podle respondenta pravděpodobnost, že v nejbližší době ztratí zaměstnání (s vyznačenými validními procenty, s nimiž budeme propočítávat vliv třetí proměnné); respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Pravděpodobnost ztráty zaměstnání - rekódovaná Frequency Percent Valid Percent Cumulative Percent Valid Spíše či velmi pravděpodobné Spíše či velmi nepravděpodobné ,2 29,5 29, ,6 70,5 100,0 Total ,9 100,0 Missing System ,1 Total ,0 N (validní) = 464 (chybějící hodnoty 55,1% jedná se pouze o polovinu výběrového souboru) Tabulka 12: Tabulka výpočtu redukce vlivu proměnné obava ze ztráty zaměstnání na vztah mezi spokojeností se stavem politické scény a prestiží poslance. Výpočet vlivu třetí proměnné Spokojen/a s politickou situací 66,7*0,295+69,2*0,705 = 68,4625 Napůl spokojen/a s politickou situací 42,9*0,295+75,9*0,705 = 66,165 Spíše nespokojen/s politickou situací 79,3*0,295+86,8*0,705 = 84,5875 Velmi nespokojen/a s politickou situací 88,9*0,295+90*0,705 = 89,6755 ČISTÝ ROZDÍL 89, ,4625 = 21,213 REDUKCE 1 (9,3/21,213)*100 = 56, = 56% 16

17 Příloha - kompletní syntax celé seminární práce *Hodnocení prestiže lékaře. MEANS EU_104xi. *Spokojenost se zdravotnictvím v ČR. FREQUENCIES PS_5b/BARCHART/STATISTICS MEAN. *Dá se očekávat, že lidé nespokojení např. se zdravotnictvím, nebudou hodnotit tak kladně lékaře jako ti, kteří jsou se zdravotnictvím spokojeni. *Spokojenost se zdravotnictvím a hodnocení lékaře nejprve si raději zkontrolujeme hodnoty proměnné zda jsou v pořádku:. FREQUENCIES PS_5b EU_104xi. *Ještě dáme do missingů hodnotu NEVÍ. MISSING VALUES PS_5b (0 9). FREQUENCIES PS_5b. EXAMINE EU_104xi BY PS_5b. ONEWAY EU_104xi BY PS_5b. *ANOVA vyšla neprůkazně (p=0,131). *Každopádně zde se nám naše hypotéza nepotvrdila, zkusíme to tedy se školstvím (PS_5d), bezpečností občanů (PS_5f), situací v armádě (PS_5h). *Také otestujeme soudnictví (PS_5l), zemědělství (PS_5p), politickou situaci v ČR (PS_5q), vědu a výzkum (PS_5t). *Nejdříve opět zkontrolujeme hodnoty jednotlivých proměnných. FREQUENCIES PS_5d PS_5f PS_5h PS_5l PS_5p PS_5q PS_5t. *Zjistíme, zda mají všechny proměnné, s nimiž budeme později pracovat, normální rozdělení. FREQUENCIES PS_5d PS_5f PS_5h PS_5l PS_5p PS_5q PS_5t/HISTOGRAM NORMAL. *Normální rozdělení nemají pouze 3 proměnné spokojenost se situací v soudnictví (PS_5l), spokojenost se situací v zemědělství (PS_5p) a spokojenost se situací na politické scéně (PS_5q). *Nyní tyto 3 proměnné rekodujeme tak, že spojíme odpověď velmi spokojen a spíše spokojen. *Nejdříve rekódujeme soudnictví. RECODE PS_5l (1 2 = 1) (3 = 2) (4 = 3) (5 = 4) (ELSE = COPY) INTO PS_5l_RECODE. VARIABLE LABELS PS_5l_RECODE "Spokojenost se soudnictvím rekódovaná". VALUE LABELS PS_5l_RECODE 1 "Spokojen/a" 2 "Napůl spokojen/a" 3 "Spíše nespokojen/a" 4 "Velmi nespokojen/a". MISSING VALUES PS_5l_RECODE (9). FREQUENCIES PS_5l_RECODE/HISTOGRAM NORMAL. *Nyní rekódujeme zemědělství. RECODE PS_5p (1 2 = 1) (3 = 2) (4 = 3) (5 = 4) (ELSE = COPY) INTO PS_5p_RECODE. VARIABLE LABELS PS_5p_RECODE "Spokojenost se zemědělstvím rekódovaná". VALUE LABELS PS_5p_RECODE 1 "Spokojen/a" 2 "Napůl spokojen/a" 3 "Spíše nespokojen/a" 4 "Velmi nespokojen/a". MISSING VALUES PS_5p_RECODE (9). FREQUENCIES PS_5p_RECODE/HISTOGRAM NORMAL. *Nyní rekódujeme politickou situaci. RECODE PS_5q (1 2 = 1) (3 = 2) (4 = 3) (5 = 4) (ELSE = COPY) INTO PS_5q_RECODE. VARIABLE LABELS PS_5q_RECODE "Spokojenost s politickou situací rekódovaná". 17

18 VALUE LABELS PS_5q_RECODE 1 "Spokojen/a" 2 "Napůl spokojen/a" 3 "Spíše nespokojen/a" 4 "Velmi nespokojen/a". MISSING VALUES PS_5q_RECODE (9). FREQUENCIES PS_5q_RECODE/HISTOGRAM NORMAL. *Tato proměnná je přesto stále poměrně vychýlena doprava, nicméně nyní již rekódovat nebudeme, protože bychom už spojovali poměrně nesouměřitelné odpovědi. *. *ANALÝZY ANOVA. *Školství (PS_5d) učitel na ZŠ (EU_104xj), učitel na VŠ (EU_104xd). ONEWAY EU_104xj BY PS_5d. *V tomto případě vyšla ANOVA neprůkazně (p=0,397). ONEWAY EU_104xd BY PS_5d. *V tomto případě vyšla ANOVA neprůkazně (p=0,378). *Bezpečnost občanů (PS_5f) policista (EU_104xm). ONEWAY EU_104xm BY PS_5f. *V tomto případě vyšla ANOVA neprůkazně (p=0,826). *Situace v armádě (PS_5h) voják z povolání (EU_104xk). ONEWAY EU_104xk BY PS_5h /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=5,168 > liší se spíše spokojen od spíše nespokojen (p=0,019) a spíše spokojen od velmi nespokojen (p=0,001). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xk BY PS_5h. *Soudnictví (PS_5l) soudce (EU_104xq). ONEWAY EU_104xq BY PS_5l_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=16,182 > liší se spokojen od spíše nespokojen (p=0,006), spokojen od velmi nespokojen (p=0,000) a napůl spokojen od spíše i velmi nespokojen (oboje p=0,000). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xq BY PS_5l_RECODE. *Zemědělství (PS_5p) soukromý zemědělec (EU_104xe). ONEWAY EU_104xe BY PS_5p_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,006; F=4,235 > liší se spokojen od velmi nespokojen (p=0,015); tak napůl od velmi nespokojen (p=0,006). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xe BY PS_5p_RECODE. EXAMINE EU_104xe BY PS_5p_RECODE. *Politická situace v ČR (PS_5q) poslanec (EU_104xy); ministr (EU_104xr). *Poslanec. ONEWAY EU_104xy BY PS_5q_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=7,102 > liší se spíše spokojen od velmi nespokojen (p=0,026);tak napůl od velmi nespokojen (p=0,009) spíše nespokojen od velmi nespokojen (p=0,009). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xy BY PS_5q_RECODE. *Ministr. ONEWAY EU_104xr BY PS_5q_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=6,999 > liší se spokojen od velmi nespokojen (p=0,029); napůl od velmi nespokojen (p=0,003) spíše nespokojen od velmi nespokojen (p=0,006). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xy BY PS_5q_RECODE. 18

19 *Věda a výzkum (PS_5t) vědec (EU_104xo). ONEWAY EU_104xo BY PS_5t. *V tomto případě vyšla ANOVA neprůkazně (p=0,308). *. *ODSTRANĚNÍ VLIVU 3. PROMĚNNÉ. *Ti, kdo hodnotí politickou situaci jako špatnou, budou mít pocit, že mají větší pravděpodobnost ztráty zaměstnání (EU_103). *Nejdříve si zkontrolujeme všechny proměnné, s nimiž budeme pracovat a poté ty spojité rekódujeme vytvoříme z nich ordinální proměnné. FREQUENCIES EU_103. *Odstraníme hodnotu 9 ("Neví") do chybějících hodnot. MISSING VALUES EU_103 (0 9). FREQUENCIES EU_103. *Nyní provedeme rekódování proměnné prestiž poslance. FREQUENCIES EU_104xy. RECODE EU_104xy (1 THRU 50 = 1) (51 THRU 99 = 2) INTO EU_104xy_RECODE. VARIABLE LABELS EU_104xy_RECODE "Prestiž poslance rekódovaná". VALUE LABELS EU_104xy_RECODE 1 "Váží si málo" 2 "Váží si hodně". FREQUENCIES EU_104xy_RECODE. *Nyní rekódujeme proměnnou pravděpodobnost ztráty zaměstnání. FREQUENCIES EU_103. RECODE EU_103 (1 THRU 2 = 1) (3 THRU 4 = 2) INTO EU_103_RECODE. VARIABLE LABELS EU_103_RECODE "Pravděpodobnost ztráty zaměstnání rekódovaná". VALUE LABELS EU_103_RECODE 1 "Spíše či velmi pravděpodobné" 2 "Spíše či velmi nepravděpodobné". FREQUENCIES EU_103_RECODE. *Třídění 2.stupně. CROSSTABS EU_104xy_RECODE BY PS_5q_RECODE/CELLS = COLUMN. *Hrubý rozdíl: 86,3% 76,9%=9,3%. *Čím více jsou lidé spokojení se situací na politické scéně, tím lépe hodnotí poslance. *Třídění 3.stupně. CROSSTABS EU_104xy_RECODE BY PS_5q_RECODE BY EU_103_RECODE/CELLS = COLUMN. * Zde získáme hodnoty validních procent, pomocí nichž budeme převažovat. FREQUENCIES EU_103_RECODE. 19