Questionario Questionario ee

Analisi UnivariataAnalisi Univariata

Metodi Quantitativi per Economia, Finanza e Management

Esercitazione n°2

Questionario

Per redigere un questionario è necessario tener presenti i seguenti punti:

ogni questionario somministrato deve avere un codice identificativo univoco

solo domande chiuse (cioè con un insieme di modalità definite)

sono ammesse le domande a risposta multipla raccogliere informazioni di carattere quantitativo

(necessario per costruire modelli statistici consistenti) tipologia dei dati

• strutturali (che descrivono l’intervistato, ad esempio l’età)• di indagine

Dal questionario al Data Set

Costruire la variabile n_questionario che associa un codice univoco ad ogni intervistato.

Identificare ogni variabile con un nome facilmente riconducibile alla domanda corrispondente (ad esempio la domanda n°1 corrisponde alla variabile D_1).

Nel caso di domande a risposte multiple andranno create un numero di variabili dicotomiche (0/1) pari al numero di modalità definite nella risposta.

Data Entry: controllo correttezza dei dati inseriti e analisi delle distribuzioni delle variabili (con valenza di controllo e valenza interpretativa).

Domande a risposte multiple 17. Per quale motivo utilizza il telefono cellulare? (possibile fornire massimo 3 risposte)

1) Lavoro

2) Studio

3) Comunicare con famigliari

4) Comunicare con il partner

5) Piacere/tempo libero

6) Altro

D_17_1

D_17_2D_17_3

D_17_4

D_17_5

D_17_6

n_questionario … D_17_1 D_17_2 D_17_3 D_17_4 D_17_5 D_17_6

45 …. 1 0 1 1 0 0

… … … … … … … …

Esempio di questionario

Obiettivo di analisi: studiare il comportamento di consumo del campione rilevato (dai 14 ai 32 anni) in relazione all’utilizzo del servizio “tariffa telefonica”.

I dati raccolti sono relativi ad un indagine di mercato realizzata nei mesi Aprile-Maggio 2007

I questionari sono stati somministrati in forma cartacea presso alcune scuole superiori/università o per via telematica (e-mail)

Le interviste raccolte e analizzate sono in totale 243

Questionario

Analisi UnivariataAnalisi Univariata

PROC FREQ - Descrizione

La PROC FREQ permette di calcolare le distribuzioni di frequenza univariate per variabili qualitative e quantitative discrete

PROC FREQ – Sintassi generale 1/2

proc freq data= dataset option(s);

tables variabile /option(s);

run;

Distribuzione di frequenza univariata

OPTIONS:• noprint non mostra i risultati nella finestra di output• /missing considera anche i missing nel calcolo delle frequenze

PROC FREQ – Sintassi generale 2/2

Distribuzione di frequenza univariata con variabile di classificazione

proc freq data= dataset option(s);by variabile_1;

tables variabile_2 /option(s);run;

PROC FREQ: Esempio 1

proc freq data=corso.telefonia;

table operatore;

run;

Variabile qualitativa: operatore telefonico

Output PROC FREQ

Frequenza assoluta: consiste nell’associare a ciascuna categoria, o modalità, il numero di volte in cui compare nei dati

Frequenza relativa: rapporto tra la frequenza assoluta ed il numero complessivo delle osservazioni effettuate

Frequenze

cumulate

100.002366.3615Wind

93.6422165.25154Vodafone

28.396723.3155Tim

5.08125.08123

CumulativePercent

CumulativeFrequency

PercentFrequencyoperatore

PROC FREQ: Esempio 2

proc freq data=corso.telefonia;

table fisso_g;

run;

Variabile quantitativa discreta:

numero medio giorni utilizzo alla settimana telefono fisso

Output PROC FREQ

fisso_g

fisso_g Frequency Percent CumulativeFrequency

CumulativePercent

0 27 11.44 27 11.44

0.5 9 3.81 36 15.25

1 10 4.24 46 19.49

2 19 8.05 65 27.54

3 21 8.90 86 36.44

4 14 5.93 100 42.37

5 19 8.05 119 50.42

6 9 3.81 128 54.24

7 108 45.76 236 100.00

PROC FREQ: Esempio 3

proc freq data=corso.telefonia;

table motivo_utilizzo_2 / missing;

run;

Variabile qualitativa:

secondo motivo utilizzo mezzi di comunicazione

OPZIONE missing: considera anche i missing nel calcolo delle frequenze

Output PROC FREQ

100.002368.4720Studio

91.5321654.24128Piacere/Tempo libero

37.29889.3222Partner

27.976616.9540Famigliari

11.02260.852Altro

10.172410.1724 

CumulativePercent

CumulativeFrequency

PercentFrequencymotivo_utilizzo_2

MISSING

PROC FREQ: Esempio 4

proc sort data=corso.telefonia;

by sesso;

run;

proc freq data=corso.telefonia;

by sesso;

tables operatore;

run;

Distribuzione di frequenza univariata con variabile di classificazione

PROC SORT: ordinare le osservazioni in base alla variabile di by

Output PROC FREQsesso=F

operatore Frequency Percent CumulativeFrequency

CumulativePercent

3 7 7.00 7 7.00

Tim 27 27.00 34 34.00

Vodafone 63 63.00 97 97.00

Wind 3 3.00 100 100.00

sesso=M

operatore Frequency Percent CumulativeFrequency

CumulativePercent

3 5 3.68 5 3.68

Tim 28 20.59 33 24.26

Vodafone 91 66.91 124 91.18

Wind 12 8.82 136 100.00

PROC UNIVARIATE - Descrizione

La PROC UNIVARIATE permette di calcolare

• distribuzioni di frequenza univariate per variabili quantitative continue

• misure di sintesi di posizione, variabilità, forma per variabili quantitative continue

proc univariate data= dataset option(s);

var variabile;

run;

Distribuzione di frequenza univariata

PROC UNIVARIATE – Sintassi 1/2

OPTIONS:• noprint non mostra i risultati nella finestra di output

PROC UNIVARIATE – Sintassi 2/2

Distribuzione di frequenza univariata con variabile di classificazione

proc univariate data= dataset option(s);class variabile_1 (option(s));var variabile_2;

run;

OPTIONS:• noprint non mostra i risultati nella finestra di output• (missing) considera anche la categoria “missing” (contenente tutti i

valori mancanti) della variabile di classificazione

PROC UNIVARIATE – Esempio 1

Misure di sintesi della variabile quantitativa discreta numero medio sms inviati al giorno

proc univariate data=corso.telefonia;

var num_sms_e;

run;

Output PROC UNIVARIATE (1/2)

Basic Statistical Measures

Location Variability

Mean 24.31356 Std Deviation 28.46175

Median 10.00000 Variance 810.07147

Mode 10.00000 Range 100.00000

    Interquartile Range 25.00000

• Media aritmetica: somma dei valori diviso il numero di valori

• Mediana: in una lista ordinata, la mediana è il valore “centrale” (50% sopra, 50% sotto)

• Moda: valore che occorre più frequentemente

Output PROC UNIVARIATE (2/2)

Quantiles (Definition 5)

Quantile Estimate

100% Max 100

99% 100

95% 100

90% 70

75% Q3 30

50% Median 10

25% Q1 5

10% 2

5% 2

1% 1

0% Min 0

• Il primo quartile, Q1, è il valore per il quale 25% delle osservazioni sono minori e 75% sono maggiori di esso

• Q2 coincide con la mediana (50% sono minori, 50% sono maggiori)

• Solo 25% delle osservazioni sono maggiori del terzo quartile

I Quartili dividono la sequenza ordinata dei dati in 4 segmenti contenenti lo stesso numero di valori

PROC UNIVARIATE – Esempio 2

Misure di sintesi della variabile quantitativa continua numero medio ore utilizzo al giorno telefono cellulare

proc univariate data=corso.telefonia;

var cell_h;

run;

PROC UNIVARIATE – Esempio 3

Misure di sintesi della variabile numero medio ore utilizzo al giorno telefono cellulare suddivisa per sesso

proc univariate data=corso.telefonia;

class sesso;

var cell_h;

run;

PROC UNIVARIATE – Esempio 4

Misure di sintesi della variabile numero medio ore utilizzo al giorno telefono cellulare suddivisa per hobby con opzione “missing”

proc univariate data=corso.telefonia;

class hobby_3(missing);

var cell_h;

run;

SAS INSIGHT: Box Plot (1/2)

SAS INSIGHT: Box Plot (2/2)