Umí pracovat s různými formáty vstupních Neumí exportovat data do jiného formátu než specifického pro JASP

Transkript

1 JASP - Ideální statistický software pro nejen psychology? Cílem této zprávy je nabídnout základní informace o relativně nově vyvíjeném statistickém software JASP, který může být zajímavou alternativou k běžně používaným produktům, zejména pak k SPSS. Název prvním písmenem odkazuje na jednoho ze zakladatelů moderní bayesovské statistiky (Jeffreys), pokud již teď čtenář nabyl dojmu, že nemá cenu číst dále, protože mu bude někdo opět vnucovat bayesovskou statistiku, nemá pravdu. JASP sice umí počítat procedury skrze bayesovské přístupy, tomu se však tato zpráva bude věnovat zcela okrajově. JASP počítá většinu procedur klasicky (frekvenčně), tj. umí používat běžné statistické testy, jako je t-test, analýza rozptylu, korelace či regrese. Před dalším představením uveďme, že vývojáři vyvinuli JASP právě s ohledem na psychologickou komunitu, tj. nabízené procedury jsou procedury, které se v kvantitativní psychologii používají nejvíce, velkou předností JASP je skutečnost, že jde o volně šiřitelný software, tedy není třeba ze jeho užívání nic platit. Hlavní osobou stojící za vývojem JASP je prof. Wagenmakers, přední světový psychometrik z Univerzity Amsterdam. Tato univerzita také dosud hradí vývoj JASP. Software je zdarma a má to tak být navždy. Shrňme na počátku výhody a nevýhody JASP (tabulka 1) a skrze ně proveďme základní představení software. Tabulka 1. Přehled výhod a nevýhod JASP Výhody Nevýhody Zdarma Chybí lepší podpora Přehledné a intuitivní nabídky Nelze pracovat skrze příkazy Umí pracovat s různými formáty vstupních Neumí exportovat data do jiného formátu dat než specifického pro JASP Omezená nabídka procedur Omezená nabídka procedur Obsahuje procedury z bayesovské statistiky Neumí téměř upravovat data Stručně okomentujme představené výhody a nevýhody. Díky tomu, že je software zdarma, nadto vyvíjen malým týmem nadšenců, není zatím dokonalá podpora. Učebnice vznikají spontánně (odkazy na ně čtenář nalezne na webu JASP), případně na webech jednotlivých statistiků lze nalézt základní texty. Nicméně pro začátečníky jsou připravena videa na Youtube a rozvíjí se též diskusní fórum na webu JASP. Kdokoli JASP spustí musí ocenit, že JASP má jen několik základních nabídek, které jsou zcela intuitivní, hned při prvním spuštění ví uživatel, co má dělat i bez nápovědy (zejména pokud je uživatel SPSS). Každá nabídka má

2 jen několik málo podnabídek (viz dále) a orientace je opravdu bezproblémová, také v samostatných procedurách je jen to nejpotřebnější a jejich spuštění je snadné. Software je nadto zcela interaktivní, po zadání výpočtu v levé části, ihned zobrazí výsledky v pravé části a po případné úpravě ihned přepočítá. Zejména pro výuku je tato vlastnost vynikající. Pokročilejší uživatelé mohou postrádat příkazový jazyk pro možnost opakování procedur, ten v JASP obsažen není (resp. v některých doplňcích JASP je možné využívat příkazy z jazyka užívaného v R). JASP je poměrně flexibilní ve vstupních formátech užívání datových souborů. Umí načíst data v CSV formátu 1 (lze uložit například v Excelu), v textovém formátu 2 (zřejmě nejužívanější napříč statistickým software). Dále JASP načte tabulky uložené v Libre Office či OpenOffice (*.ods). Uživatele SPSS potěší, že umí přímo načítat data z SPSS (*.sav) a to včetně popisků kategorií proměnných a definic měřících stupnic (nominální, ordinální resp. kardinální). V tom je JASP výjimečný. 3 Poslední formát, který JASP umí otevřít je jeho vlastní interní datový formát (*.jasp), to je také (bohužel) jediný formát ve kterém data umí uložit (bohužel nic jiného než JASP tento formát dat nenačte). JASP sám neumožňuje žádné úpravy dat (typicky rekódování, výpočty nových proměnných apod.), ale pokud má uživatel software, který umí číst příslušné formáty (typicky Excel, Calc v LibreOffice, nebo SPSS) JASP umožní skok do tohoto jiného software a v něm si uživatel data upraví a vrátí se zpět. Poměrně nedávno byla do JASP přidána možnost výpočtu nové proměnné skrze vzorec. Obecně lze doporučit, aby si uživatel připravil data jinde a ty poté nahrál do JASP a již je zde neupravoval. Předností (pro někoho ovšem nedostatkem) JASP je skutečnost, že kromě klasických postupů založených na testování statistických hypotéz (často značených jako NHST), umí JSP některé procedury počítat skrze Bayesovské postupy, které jsou dnes velmi oblíbené a jejich užívání se šíří i do oblasti sociálních a behaviorálních věd (nejvíce asi do ekonomie a psychologie). Uživatel takto může spočítat t-testy, analýzu rozptylu, korelace, lineární regresní model a analýzu kontingenčních tabulek. 1 CSV=comma separated values, tj. hodnoty jednotlivých proměnných pro jednotlivé případy jsou odděleny čárkami. 2 Textový formát dat má nejčastěji hodnoty jednotlivých proměnných pro jednotlivé případy odděleny tabulátorem, opět lze získat např. v Excelu. 3 Existuje ještě jeden freeware, který toto umí a jím je klon SPSS nazývaný příznačně PSPP. Ale i při užívání JASP se ve většině procedur nelze ubránit dojmu, že právě SPSS a jeho přehledné procedury, byly základní inspirací pro strukturaci nabídek JASP. Podobnost nemůže být náhodná a zejména uživatelé SPSS mohou JASP užívat okamžitě a bez pomůcek.

3 Běžný uživatel však bude spíš JASP užívat pro klasické výpočty, představme si tedy procedury, které JASP obsahuje (tabulka 2). Tabulka 2. Procedury pro analýzu dat obsažené v JASP (základní popis) Procedura Popis Poznámka o proceduře Descriptives- Descriptive Základní popisné statistiky (střední hodnoty, percentily, V rámci krabičkového grafu umí též violínový graf Statistics rozptyl, šikmost a špičatost), četnostní tabulka, popisné grafy (histogram četností, korelogram a krabičkový graf) Descriptives- Reliabilty Analysis Základní koeficienty pro odhad reliability (Cronbachovo alfa, Guttmanovo labda6, McDonaldovo omega,glb a základní popisné charakteristiky) Lze nadefinovat položky, které mají reverzní stupnice (netřeba v datech rekódovat), pro Cronbachovo alfa umí výpočet intervalu spolehlivosti, umí pro vést výpočty alfa, lamba6 a omega pro případ, že jednotlivé položky vypustíme T-tests Počítá jedno-, dvouvýběrový a párový test Počítá Cohenovo d vč.intervalu spolehlivosti, lze ověřit normalitu a homoskedasticitu, lze nastavit místo t-testu neparametrické testy (Wilcoxon či MW), kromě oboustranných alternativních hypotéz lze nastavit i směrované, počítá Vovk-Selke maximální P hodnotu ANOVA Počítá analýzu rozptylu pro jeden faktor, pro opakovaná měření analýzu kovariance Počítá Eta2 i omega2, lze ověřit normalitu a homoskedasticitu,umí pracovat s kontrasty i následnými srovnáními, počítá Vovk-Selke maximální P hodnotu

4 Regression- Correlation Matrix Regression- Linear regression Regression- Logistic regression Factor-Principal Component Analysis Factor-Factor Analysis Výpočet Pearsonova či Spearmanova korelačního koeficientu a Kendallova tau Výpočet lineární regrese Výpočet binární logistické regrese Výpočet metody hlavních komponent Výpočet explorační faktorové analýzy Výpočet konfirmační faktorové analýzy Počítá interval spolehlivosti (jen Pearson), kromě oboustranných alternativních hypotéz lze nastavit i směrované, korelace lze graficky zobrazit v korelogramu, počítá Vovk-Selke maximální P hodnotu Umožňuje detekci multikolinerity (VIF, tolerance, condition index), užívání automatického výběru proměnných (stepwise, forward, backward), grafická diagnostika reziduí (Q-Q graf a další klasické grafy) Výpočet hodnot informačních kritérií (AIC, BIC), výpočet standardizovaných koeficientů, výpočet AUC (kvalita klasifikace určená plochou pod ROC křivkou) odhad robustních standartních chyb, grafická diagnostika reziduí, počítá Vovk-Selke maximální P hodnotu Stanovení počtu komponent též skrze paralelní analýzu, mnoho možností pro kolmou i šikmou rotaci (vč. BentlerovaT resp. BentlerovaQ), zobrazení diagrafu (grafu užívaného ve strukturním modelování) Shodné vlastnosti s předchozí procedurou Umožňuje ověření faktorového modelu, umí algoritmy pro

5 Factor- kategoriální proměnné a lze též Confirmatory zohlednit provázanost reziduálních Factor Analysis složek (zřejmě nejsnazší možnost jak naklikat konfirmační FA) Z výčtu je hned patrné, že zejména pro oblast psychometriky je JASP velice užitečný. Umí vypočítat jak expplorační, tak konfirmační faktorovou analýzu, umí počítat alternativní koeficienty vnitřní konzistence ke Cronbachově alfa (McDonaldovo omega, glb a Guttmanovo lambda 6). Následně jej lze využít k základním testovacím procedurám. Zkušený uživatel samozřejmě namítne, že JASP umí poměrně málo, bude postrádat strukturní modelování (připomeňme, že například SPSS ho též neumí a je nutno užít AMOS), víceúrovňové modelování, IRT modely, analýzu latentních tříd apod. Pro úplnost dodejme, že JASP kromě základních představených nabídek má ještě několik doplňků. Tyto doplňky slouží pro výpočet metaanalýzy, síťové analýzy, strukturních modelů a výpočtu Bayesova faktoru pro již zveřejněné výsledky t-testů či lineární regrese (řečí JASP se procedura označuje Summary Stats). Doplňky mají své nabídky, ale někdy vyžadují v rámci nabídek též psaní části příkazů z jazyka R (to je zejména případ obecných strukturních modelů). Lze čekat, že se brzy vylepší dokumentace k těmto doplňkům a a lze též čekat, že počet doplňků se bude navyšovat dle požadavků uživatelů JASP (ostatně vývojáři JASP je k podávání podnětů na rozšíření přímo vyzývají na webu JASP). Závěrem této zprávy si ukažme pro inspiraci možné zadání a výstup z JASP. Pro jednoduchost využijeme datový soubor, který je součástí instalace JASP a obsahuje 5 rysů ze slavné Big Five. Zkusme vypočítat korelaci mezi neuroticismem a extraverzí (zadání 1) a ukázat, co vše JASP umí (tabulkový výstup 1 a grafický výstup 2).

6 Zadání 1 Zadání korelační procedury pro vztah mezi neuroticismem a extroverzí Výstup 1 Tabulkový výstup korelační procedury pro vztah mezi neuroticismem a extroverzí Neuroticism Extraversion Pearson's r p-value Neuroticism Upper 95% CI Lower 95% CI Pearson's r p-value <.001 Extraversion Upper 95% CI Lower 95% CI Výstup 2 Grafický výstup korelační procedury pro vztah mezi neuroticismem a extroverzí

7 Zadání má poměrně bohatou nabídku a pokud využijeme jeho možností získáme kromě korelačního koeficientu (buď Pearsonův, nebo Spearmanův či Kendallův) též grafický výstup, který zobrazuje rozdělení obou korelovaných proměnných (vlevo nahoře a vpravo dole), dále grafické vyjádření vztahu proloženou regresní přímkou (vpravo nahoře) a v neposlední řadě hodnotu korelačního koeficientu pro naše data a interval spolehlivosti pro tento koeficient (vlevo dole). Jde o velice nadstandardní sadu výstupů, kterou je nadto možné modifikovat skrze požadavek na bayesosvký výpočet (viz Regression-Bayesian Correlation Matrix resp. Regression-Bayesian Correlation Pairs). Těmto možnostem se ale nelze na věnovat na ploše jedné zprávy, bude třeba jim věnovat samostatný text. Petr Soukup, říjen 2019