Η διαδικασία διεξαγωγής μιας ποσοτικής κοινωνικής έρευνας ακολουθεί δύο διακριτά στάδια.
Κατά το πρώτο, το στάδιο σχεδιασμού, διατυπώνονται οι σκοποί της έρευνας και προσδιορίζονται τα ζητούμενα βάσει υποθέσεων εργασίας, ακολούθως δε επιλέγεται η μέθοδος πραγματοποίησης της και σχεδιάζεται η βήμα προς βήμα υλοποίησή της.
Κατά το δεύτερο, το στάδιο υλοποίησης, συλλέγονται τα απαραίτητα στοιχεία, ακολουθεί η επεξεργασία και ανάλυση των δεδομένων που προκύπτουν και γίνεται η σύνθεσή τους και διατύπωση των σχετικών συμπερασμάτων
1. Σχεδιασμός της Έρευνας
Ο προσδιορισμός και η διατύπωση των ζητουμένων μιας ποσοτικής κοινωνικής έρευνας στηρίζονται σε κάποιες βασικές υποθέσεις εργασίας, των οποίων απαιτείται η περαιτέρω διερεύνηση, ούτως ώστε να διαπιστωθεί κατά πόσον αυτές ισχύουν και να αποτυπωθεί η υφιστάμενη κατάσταση στο συγκεκριμένο πλαίσιο αναφοράς.
1.1. Κατάρτιση Ερωτηματολογίων
Στις ποσοτικές έρευνες χρησιμοποιείται ευρύτατα η συμπλήρωση ερωτηματολόγιων, στα οποία αποτυπώνεται το περιεχόμενο των προσωπικών συνεντεύξεων που λαμβάνονται επί τούτου.
Η συνέντευξη είναι η τεχνική που έχει σκοπό να οργανώσει μία σχέση προφορικής επικοινωνίας ανάμεσα σε δύο πρόσωπα, το συνεντευκτή και τον ερωτώμενο, έτσι ώστε να επιτρέψει στον πρώτο τη συλλογή ορισμένων πληροφοριών απ’ τον δεύτερο πάνω σ’ ένα συγκεκριμένο αντικείμενο.
Η έρευνα που γίνεται με τη μέθοδο αυτή πρέπει να έχει προετοιμαστεί με κάθε λεπτομέρεια, μια και ο συνεντευκτής οφείλει στο ελάχιστο χρονικό διάστημα, να αποκτήσει πολυάριθμες και τις πιο σημαντικές πληροφορίες.
Αυτή η προετοιμασία οδηγεί στην κατάστρωση ερωτηματολόγιου από τον ερευνητή, ο οποίος αναλαμβάνει:
α) Να μετατρέψει τους σκοπούς που επιδιώκει η έρευνα σε επί μέρους ερωτήσεις.
β) Να προσαρμόσει το ερωτηματολόγιο στα πρόσωπα με τα οποία θα γίνει η συνέντευξη.
γ) Να ενημερώσει τους συνεντευκτές γι’ αυτά έτσι ώστε να μπορέσουν να εκθέσουν με σαφήνεια τις ερωτήσεις στα πρόσωπα που θα υποβληθούν στη συνέντευξη και να προδιαθέσει το ερωτώμενο πρόσωπο να μεταδώσει αυθόρμητα τις πληροφορίες που περιμένουν από αυτό
Η συνέντευξη στις Κοινωνικές Επιστήμες - κι’ αυτό την ξεχωρίζει από την δημοσιογραφική - είναι μια «συστηματοποιημένη» συνέντευξη - συζήτηση με έναν ορισμένο αριθμό χαρακτηριστικών που καθορίζουν την τεχνική της εφαρμογής της.
Οι μορφές συνέντευξης που χρησιμοποιούνται στις ποσοτικές έρευνες διακρίνονται σε δύο βασικές κατηγορίες, που είναι:
1.1.1. Η δομημένη συνέντευξη.
Με τον όρο αυτό εννοούμε τη συνέντευξη εκείνη όπου ο ερωτώμενος προτρέπεται στο να απαντήσει σε μια σειρά ερωτήσεων που ο αριθμός, η σειρά και το περιεχόμενο προκαθορίζεται από το έντυπο της συνέντευξης. Οι απαντήσεις καταγράφονται ή λέξη προς λέξη ή κωδικοποιημένες.
1.1.2. Η εντοπισμένη συνέντευξη (FOCUSED INTERVIEW),
Ο συνεντευκτής θέτει το γενικό πλαίσιο και εντοπίζει τα σημεία ιδιαίτερου ενδιαφέροντος, ούτως ώστε εκεί να εστιασθεί η ανάπτυξη του θέματος (ημι-κατευθυνόμενη συνέντευξη). Η τεχνική αυτή χρησιμοποιείται κυρίως σε πληροφοριοδότες - κλειδιά, για τους οποίους εκ των προτέρων θεωρούμε πως έχουν ιδιαίτερη γνώση επί του διερευνώμενου θέματος.
Μετά την κατάστρωση του κατάλληλου ερωτηματολογίου, γίνεται «πιλοτική έρευνα» (προ - έρευνα )για να προσδιορισθεί η λειτουργικότητα του ερωτηματολογίου και να διαμορφωθεί οριστικά η δομή του. Κατ’ αυτή την διαδικασία, σ’ ένα βαθμό γίνεται χρήση των τεχνικών της ποιοτικής προσέγγισης.
Εν συνεχεία ακολουθεί η επιλογή δείγματος από το σύνολο του πληθυσμού, στο οποίο θα πραγματοποιηθεί η επιτόπια έρευνα με τη διεξαγωγή συνεντεύξεων μέσω ερωτηματολογίων.
1.2. Δειγματοληψία
1.2.1. Γενικά
Η μαθηματική δειγματοληψία στηρίζεται στη θεωρία των πιθανοτήτων και τη στατιστική. Και στους δύο αυτούς κλάδους των μαθηματικών η έννοια του «τυχαίου» είναι βασική και αυστηρά ορισμένη.
Επειδή, όπως θα δούμε, το αντιπροσωπευτικό υποσύνολο, το δείγμα, δεν είναι παρά ένα «τυχαίο υποσύνολο» του πληθυσμού, πρέπει να διευκρινίσουμε πως το «τυχαίο» δε συμπίπτει μ’ αυτό που στη καθημερινή ζωή λέμε «στην τύχη».
Μόνο οι πίνακες τυχαίων αριθμών, αν χρησιμοποιηθούν σωστά, εγγυώνται την «τυχαιότητα» της επιλογής γιατί είναι φτιαγμένοι ακριβώς ώστε ν’ ανταποκρίνονται στο μαθηματικό ορισμό του τυχαίου.
Αντίθετα δηλαδή απ’ το ότι θα περίμενε κανείς, η επίτευξη του τυχαίου απαιτεί την πραγματοποίηση μιας πολύ συστηματικής διαδικασίας.
1.2.2. Δειγματοληψία και απογραφή
Ο βασικότερος παράγοντας που μας κάνει να επιλέγουμε την δειγματοληψία αντί της απογραφής, είναι οπωσδήποτε η αδυναμία να πραγματοποιηθεί απογραφή είτε για λόγους αντικειμενικούς είτε για λόγους οικονομίας, μια και το κόστος μιας έρευνας είναι συνήθως ανάλογο του αριθμού των στοιχείων που εξετάζονται.
Τα κύρια πλεονεκτήματα της δειγματοληψίας έναντι της απογραφής είναι:
α) Ταχύτητα. Η απογραφή ενός πολύ μεγάλου πληθυσμού απαιτεί πολύ χρόνο. Αν κάποια στοιχεία επείγει να γίνουν γνωστά, η δειγματοληπτική μέθοδος αποτελεί την μόνη λύση.
β) Ευρύτερο πεδίο έρευνας: Ακριβώς επειδή απευθύνεται σε λιγότερα άτομα, υπάρχει η δυνατότητα να συγκεντρωθούν πληροφορίες για πολύ περισσότερα χαρακτηριστικά του ερωτώμενου πληθυσμού.
γ) Ακρίβεια: Όσο κι’ αν φαίνεται περίεργο είναι δυνατό με μια δειγματοληπτική έρευνα να έχουμε πιο ακριβή αποτελέσματα. Πράγματι η περιορισμένη έκταση της επιτρέπει να χρησιμοποιηθεί ειδικευμένο προσωπικό, γεγονός που θα μειώσει τα σφάλματα παρατήρησης.
Για να πετύχει μια δειγματοληπτική έρευνα πρέπει ο πληθυσμός όχι μόνο να είναι σαφώς ορισμένος αλλά και αρκετά ομοιογενής. Αν η τιμή του χαρακτηριστικού που μετράμε παίρνει πολύ μικρές και πολύ μεγάλες τιμές, θα πρέπει οι ακραίες περιπτώσεις ν’ απομονωθούν και να μελετηθούν χωριστά γιατί αλλιώς τα συμπεράσματα μας θα είναι εντελώς λανθασμένα.
Τέλος, αν δε δοθεί προσοχή στα σφάλματα παρατήρησης, όσο σωστά κι’ αν έχει επιλεγεί το δείγμα, η προσπάθεια θα πάει χαμένη. Αποδεικνύεται πως τα λάθη παρατήρησης επηρεάζουν πολύ περισσότερο μια δειγματοληψία παρά μια απογραφή και μάλιστα τόσο περισσότερο όσο μικρότερο είναι το δείγμα.
1.2.3. Συστηματική Δειγματοληψία
Στη συστηματική δειγματοληψία προκειμένου να σχηματίσουμε ένα δείγμα ν μονάδων από πληθυσμό μεγέθους Ν, εργαζόμαστε ως εξής:
α) Επιλέγουμε έναν τυχαίο αριθμό λ μεταξύ 1 και Κ, όπου Κ = Ν/ν , ο αντίστροφος του κλάσματος δειγματοληψίας, ονομάζεται διάστημα δειγματοληψίας
β) Το δείγμα μας θ’ αποτελεστεί από τα στοιχεία του πληθυσμού με αριθμούς λ, λ+Κ, λ+2Κ,…….λ+( -1)Κ
Πρακτική εφαρμογή των ανωτέρω έχουμε στο ακόλουθο παράδειγμα:
Έστω μια Πανεπιστημιακή Σχολή, όπου φοιτούν 9.200 φοιτητές και θέλουμε δείγμα από 400. Τότε το διάστημα δειγματοληψίας θα είναι:
9200/400 δηλαδή το Κ=23.
Μπορούμε τώρα να ενοποιήσουμε τα μητρώα των ετών της σχολής και αφού βρούμε ένα αριθμό μεταξύ 1 και 23 πχ το 12 να πάρουμε τους φοιτητές με την σειρά αρχίζοντας από τον 12
12, 35, 58, 81, …………9.189
Αυτοί οι αριθμοί ανταποκρίνονται στην συνεχή αρίθμηση των φοιτητών που κάναμε μετά την ενοποίηση των καταλόγων.
1.2.4. Δειγματοληψία κατά στρώματα
Συνηθισμένη μέθοδος είναι και η δειγματοληψία κατά στρώματα, της οποίας δεν γίνεται αναλυτική παρουσίαση στο παρόν τεύχος , αλλά αναφέρονται τα βασικά πλεονεκτήματά της.
Η αρχή της κατά στρώματα δειγματοληψίας στηρίζεται στην απλή ιδέα πως αν καταφέρουμε να διαιρέσουμε τον πληθυσμό σε ομάδες (στρώματα) σχετικά ομοιογενή ως προς το υπό μελέτη χαρακτηριστικό, θα αρκεί ένα μικρό δείγμα από κάθε στρώμα για να εκτιμήσουμε την τιμή του χαρακτηριστικού. Στην οριακή περίπτωση, αν η ομοιογένεια κάθε στρώματος ήταν απόλυτη, θα αρκούσε δείγμα μιας μονάδας από κάθε στρώμα. Στη συνέχεια οι εκτιμήσεις αυτές συνδυάζονται για να μας δώσουν την εκτίμηση για το σύνολο του πληθυσμού.
Στις περιπτώσεις της κατά στρώματα δειγματοληψίας τα χαρακτηριστικά βάσει των οποίων εξετάζεται η ομοιογένεια των στρωμάτων μπορεί να είναι:
η γεωγραφική θέση (περιφέρεια )
το είδος του οικισμού (αστικός, ημιαστικός, αγροτικός)
το φύλο
οι ηλικιακές ομάδες
η κατάσταση απασχόλησης (εργαζόμενοι ή άνεργοι)
κλπ., γενικότερα δηλαδή στοιχεία ταυτότητας από τα οποία αναμένεται να προκύπτουν ομοιογενή ή διαφορετικά γνωρίσματα για κάθε στρώμα.
Από τα παραπάνω, βγαίνει εύκολα το συμπέρασμα πως δεν υπάρχει περίπτωση μία κατά στρώματα δειγματοληψία να δώσει λιγότερο ακριβή αποτελέσματα από την απλή τυχαία δειγματοληψία. Στην χειρότερη περίπτωση, αν όλα τα στρώματα είναι εξ’ ίσου ανομοιογενή με τον πληθυσμό ως προς το χαρακτηριστικό που μας ενδιαφέρει, οι εκτιμήσεις θα έχουν την ίδια ακρίβεια με την απλή τυχαία δειγματοληψία, για το ίδιο μέγεθος δείγματος.
2. Υλοποίηση της Έρευνας
Μετά την επιλογή του δείγματος έχουμε εντοπίσει τα ερωτώμενα άτομα από τα οποία θα ληφθούν οι προβλεπόμενες συνεντεύξεις υπό μορφή δομημένων ερωτηματολογίων.
2.1. Διεξαγωγή Επιτόπιας Έρευνας
Υπό την καθοδήγηση της ερευνητικής ομάδας και τον έλεγχο των εποπτών διεξάγεται τότε η επιτόπια έρευνα, κατά την οποία εκπαιδευμένοι στοιχειολήπτες - συνεντευκτές συμπληρώνουν τα ερωτηματολόγια.
Συχνά (κυρίως στης μεγάλης κλίμακας ποσοτικές έρευνες) μεγάλο βάρος δίδεται στα δημογραφικά στοιχεία, ούτως ώστε να ομαδοποιούνται μετά τα ερωτηματολόγια για την περαιτέρω επεξεργασία τους.
Στην εμπειρική έρευνα η παρουσίαση της δημογραφικής δομής του ερευνώμενου πληθυσμού αποτελεί βασική αρχή, διότι τα δημογραφικά χαρακτηριστικά είναι οι βασικές ανεξάρτητες μεταβλητές με τις οποίες, συσχετιζόμενες οι στάσεις και αντιδράσεις των ερωτώμενων ως προς το ερευνώμενο αντικείμενο, καταδεικνύουν την ύπαρξη ή μη κάποιας εξάρτησης από αυτές.
Βασικά δημογραφικά χαρακτηριστικά είναι:
Φύλο
Ηλικία
Επίπεδο εκπαίδευσης
Απασχόληση (επάγγελμα, κλάδος οικ/κής δραστ/τας, θέση στο επάγγελμα)
Οικογενειακή κατάσταση
Αριθμός παιδιών
Αριθμός μελών νοικοκυριού και σχέση με τον ερωτώμενο.
Για την τήρηση των κανόνων της δειγματοληψίας και την αποφυγή μεροληπτικών σφαλμάτων ιδιαίτερη προσοχή πρέπει να δίδεται στις πιθανές απουσίες ερωτώμενων, στις αρνήσεις συμμετοχής στην έρευνα και στις αντικαταστάσεις ερωτώμενων.
Όταν το επιλεγόμενο άτομο ενός νοικοκυριού απουσιάζει (σε τρεις διαδοχικές και σε διαφορετική χρονική στιγμή επισκέψεις) γίνεται αντικατάσταση κατά τον εξής τρόπο:
Στο αμέσως προηγούμενο νοικοκυριό αναζητούμε άτομο με παρόμοια δημογραφικά χαρακτηριστικά, δηλ.: φύλο, ηλικία και σύνθεση νοικοκυριού. Εάν υπάρχει άτομο που ν’ ανταποκρίνεται στα ζητούμενα χαρακτηριστικά πηγαίνουμε στο αμέσως προηγούμενο κ.ο.κ. έως ότου βρεθεί το κατάλληλο άτομο και να αποφευχθεί έτσι παραβίαση της τυχαιότητας του δείγματος. Στις περιπτώσεις κατηγορηματικής άρνησης του ατόμου που έχε επιλεγεί να συμμετάσχει στην έρευνα, θεωρούμε το νοικοκυριό τυπικά εκτός δείγματος και δεν προχωρούμε σε αντικατάσταση του συγκεκριμένου ατόμου. Εν συνεχεία πραγματοποιείται ο προβλεπόμενος αριθμός συνεντεύξεων και ολοκληρώνεται έτσι η διαδικασία της επιτόπιας έρευνας.
2.2. Επεξεργασία Δεδομένων
Μετά την συλλογή των δεδομένων αρχίζει το στάδιο της επεξεργασίας τους. Μπορεί μάλιστα κανείς να πει ότι η φάση της επεξεργασίας αρχίζει πολύ πριν από την συλλογή των δεδομένων και συνεχίζεται κατά την διάρκειά της. Μ’ αυτό εννοούμε ότι κατά την φάση του σχεδιασμού ήδη έχει αποφασισθεί ένα «πλάνο» επεξεργασίας περισσότερο ή λιγότερο λεπτομερές, ανάλογα με τη γνώση του αντικειμένου της έρευνας, τη φύση της έρευνας (διερευνητική, περιγραφική, πειραματική ) και την οργάνωσή της και ότι κατά τη διάρκεια της συλλογής των στοιχείων η πρώτη πράξη της επεξεργασίας, δηλαδή ο έλεγχος των ερωτηματολογίων, ήδη συντελείται. Επίσης η κωδικογράφηση γίνεται κατά μεγαλύτερο ή μικρότερο ποσοστό παράλληλα με τη συλλογή των στοιχείων για να κερδίζεται χρόνος. Αν μάλιστα οι απαντήσεις είναι προκωδικογραφημένες 100% η κωδικογράφηση τελειώνει σχεδόν ταυτόχρονα με τη συλλογή των στοιχείων.
Η φάση της επεξεργασίας αποτελείται από τα εξής διακεκριμένα στάδια:
έλεγχος
κωδικογράφηση
μηχανογραφική επεξεργασία
2.2.1. Έλεγχος
Ο έλεγχος φυσικά πρέπει να ασκείται σε όλη τη διάρκεια της έρευνας, για κάθε δραστηριότητα: έλεγχος της σωστής διατύπωσης των στόχων της έρευνας στο ερωτηματολόγιο, έλεγχος στη σωστή εκτύπωση των εντύπων, έλεγχος στην επιλογή των συνεντευκτών. Ο κυρίως όμως έλεγχος αφορά την ορθή συμπλήρωση και την τήρηση των κανόνων δειγματοληψίας.
Η στοιχειοληψία επιτελείται από ομάδες συνεντευκτών (μικρότερη ή μεγαλύτερη ανάλογα με το μέγεθος του ερωτηματολογίου και την γεωγραφική διασπορά της έρευνας), υπό την εποπτεία υπευθύνων ατόμων που πραγματοποιούν τους προαναφερόμενους ελέγχους.
2.2.2. Κωδικογράφηση.
Με τον όρο κωδικογράφηση εννοούμε την μετατροπή των απαντήσεων σε αριθμούς ή σύμβολα, δηλαδή το ποιοτικό στοιχείο (ολόκληρες φράσεις, ένα όνομα, μια κατάφαση ή άρνηση κλπ) σε ποσοτικό ή ποιοτικό-συμβολικό.
Φυσικά η απάντηση μπορεί να έχει ένα ήδη αριθμό, οπότε δεν χρειάζεται μετατροπή. Αυτό όμως στις περισσότερες κοινωνικές έρευνες (κυρίως διερευνητικές ) αφορά ένα μικρό ποσοστό των απαντήσεων.
Η κωδικογράφηση, λοιπόν μετατρέπει τις απαντήσεις σε μορφή κατάλληλη για μηχανογραφική επεξεργασία.
Η κωδικογράφηση μπορεί να προετοιμασθεί (κατά μεγαλύτερο ή μικρότερο βαθμό) στη φάση του σχεδιασμού, με την κωδικοποίηση των προβλεπομένων απαντήσεων. Με κωδικοποίηση εννοούμε την πρόβλεψη των δυνατών κατηγοριών απάντησης σε κάθε ερώτηση.
Σ’ αυτήν την περίπτωση οι απαντήσεις είναι προκωδικογραφημένες και οι ερωτήσεις χαρακτηρίζονται «κλειστές» ενώ αντίθετα στις «ανοιχτές» ερωτήσεις δεν υπάρχει πρόβλεψη απάντησης (δεν είναι προκωδικογραφημένες). Τότε, εκ των υστέρων, οι απαντήσεις ομαδοποιούνται κατά κατηγορίες, χαρακτηρίζονται με κωδικούς οι ομάδες απαντήσεων και κωδικογραφούνται.
2.3. Εισαγωγή Στοιχείων στον Ηλεκτρονικό Υπολογιστή Η/Υ
Με την ολοκλήρωση των προβλεπόμενων ελέγχων και της κωδικογράφησης, τα στοιχεία των ερωτηματολογίων είναι έτοιμα για την εισαγωγή τους στον Η/Υ.
Παλαιότερα η εισαγωγή στον Η/Υ γινόταν με αποκλειστικό σκοπό την στατιστική επεξεργασία των στοιχείων, έτσι ώστε να αποτελέσουν το υλικό για την ανάλυση των αποτελεσμάτων και την διατύπωση των πορισμάτων της έρευνας.
Σήμερα για την εισαγωγή των στοιχείων στον Η/Υ δημιουργείται μια Βάση Δεδομένων, η οποία συμπληρώνεται με τα στοιχεία των ερωτηματολογίων και αποτελεί αυτοτελές υλικό.
Για την περαιτέρω στατιστική επεξεργασία των δεδομένων χρησιμοποιούνται εξειδικευμένα Στατιστικά Προγράμματα, στα οποία αναφερόμαστε παρακάτω.
2.4. Στατιστική Επεξεργασία των Δεδομένων
Τα προγράμματα διαχείρισης ΒΔ δεν παρέχουν επαρκείς λειτουργίες για την στατιστική επεξεργασία των δεδομένων. Για τον σκοπό αυτόν υπάρχουν ειδικά προγράμματα, που προσφέρονται για απλές και σύνθετες στατιστικές επεξεργασίες.
Μερικές από τις πλέον χρήσιμες και συνήθεις εργασίες που εκτελούν αυτά τα Στατιστικά Προγράμματα (ΣΠ) είναι:
2.4.1. Μετατροπή (Recode)
Ορισμένες μεταβλητές για να τύχουν στατιστικής επεξεργασίας χρειάζονται μετατροπές. Τα ΣΠ μας επιτρέπουν να μετατρέψουμε τα στοιχεία μας συνδυάζοντας διάφορες κατηγορίες σε μία, ή ομαδοποιώντας σε λιγότερες κατηγορίες τις τιμές μιας μεταβλητής.
Παράδειγμα.
Η χρήση της μεταβλητής «Έτος Γέννησης», που ίσως έχουμε, και που περιέχει το έτος γέννησης των καθηγητών της υποθετικής μας ΒΔ, χρειάζεται τις εξής μετατροπές:
α) Να αφαιρεθεί το έτος γέννησης από το τρέχον έτος, για να βρεθεί η ηλικία των καθηγητών σε έτη και
β) Να ομαδοποιηθεί σε ορισμένες κατηγορίες π.χ. 21-25, 26-30, 31-35 κλπ.
Με τον τρόπο αυτός δημιουργείται μια νέα μεταβλητή η «Ομάδες Ηλικιών» την οποία μπορούμε να χειριστούμε πιο εύκολα για σύνθετες στατιστικές επεξεργασίες σε συνδυασμό με άλλες μεταβλητές.
2.4.2. Συχνότητες
Στις συχνότητες βλέπουμε με μια πρώτη ματιά το πως κατανέμονται τα δεδομένα μας. Είναι κατάλληλες για ορισμένο τύπο στοιχείων. Κυρίως όταν τα στοιχεία είναι ομαδοποιημένα σε λίγες μεγάλες κατηγορίες π.χ. για το φύλο των καθηγητών (τόσοι άνδρες, τόσες γυναίκες), για την Ομάδα Ηλικιών. Δεν είναι κατάλληλες για στοιχεία που έχουν μια συνεχή σειρά π.χ. το έτος γέννησης κάθε καθηγητή.
2.4.3. Πινακοποίηση
Οι πιο απλές διασταυρώσεις μεταξύ δύο ή περισσοτέρων μεταβλητών παρουσιάζονται συνήθως με τη μορφή πινάκων, όπου στον οριζόντιο άξονα είναι η μια μεταβλητή και στον κάθετο η άλλη. Και σε αυτήν την περίπτωση η διασταύρωση έχει νόημα όταν οι μεταβλητές είναι ομαδοποιημένες σε λίγες κατηγορίες.
2.4.4. Παλινδρόμηση
Η διαδικασία αυτή εκτιμά την σχέση μεταξύ δύο μεταβλητών. Αν συσχετίσουμε π.χ. την μεταβλητή «μισθό» με τη μεταβλητή «χρόνια προϋπηρεσίας» ενός καθηγητή είναι πολύ πιθανόν να βρούμε ότι υπάρχει μια πολύ ισχυρή θετική σχέση μεταξύ των δύο μεταβλητών (δηλ. ο μισθός να αυξάνει με τα χρόνια προϋπηρεσίας). Τη διαδικασία αυτή μπορεί να θέλουμε να την εφαρμόσουμε για να ελέγξουμε το κατά πόσο σχετίζεται η απόδοση ενός μαθητή με το μορφωτικό επίπεδο των γονιών του κτλ.
2.4.5. Γραφικά και Διαγράμματα
Μια εικόνα μιλά όσο χίλιες λέξεις και μια από τις απαραίτητες πλέον λειτουργίες των Στατιστικών Πακέτων είναι η δημιουργία γραφικών. Η γραφική απεικόνιση των στοιχείων είναι ένα βοηθητικό μέσο για την συναγωγή γενικών συμπερασμάτων από πίνακες που μπορεί να είναι πολύ πολύπλοκοι. Τα συνηθέστερα γραφικά που χρησιμοποιούμε είναι το διάγραμμα, οι στήλες και οι πίτες.
Το γραμμικό διάγραμμα χρησιμοποιείται συνήθως για μη ομαδοποιημένα στοιχεία, οι στήλες για δεδομένα που είναι ομαδοποιημένα σε αρκετές κατηγορίες, ενώ οι πίτες για δεδομένα ομαδοποιημένα σε πολύ λίγες κατηγορίες.
