Štatistický projekt – Matúš Tóth – Students' Social Media Addiction

Tieto dáta pochádzajú z datasetu: Student Social Media & Relationships
Dataset obsahuje anonymizované záznamy o správaní $110$ študentov na sociálnych sieťach (Facebook, Instagram, LinkedIn, Snapchat, TikTok, Twitter, YouTube) a ich vplyve na študijné výsledky a počet hodín spánku respondentov.

Všetky Python skripty, ako aj dáta, nájdete v GitHub repozitári: https://github.com/toth-matus/past

Test dobrej zhody

V tejto sekcii sa budeme sústrediť na vzťah medzi ovplyvnením študijných výsledkov (Affects_Academic_Performance) a najčastejšie používanou platformou (Most_Used_Platform).
Nulová hypotéza: Respondenti pociťujú vplyv na svoje akademické výsledky bez ohľadu na platformu, na ktorej trávia čas.

Zdrojový kód sa nachádza v súbore src/chi2_test.py (alebo kliknite sem).

Výsledky vyššie uvedeného skriptu sú:

All data chi^2 test:
Calculated chi^2: 29.33
Table value chi^2: 12.59
(With significance level: 0.05 and degree of freedom: 6)

Pre všetky dáta a všetky platformy zamietame nulovú hypotézu, keďže naša nameraná hodnota $\chi^2$ bola vyššia ako tabuľková hodnota pre $\alpha = 0.05$.

Medzi dátami sú však niektoré platformy, ktoré sú charakterovo odlišné (LinkedIn). Keď zopakujeme predchádzajúce meranie pre dáta, z ktorých sme odstránili používateľov platformy LinkedIn, nemôžeme zamietnuť nulovú hypotézu.

Chi^2 test without LinkedIn users:
Calculated chi^2: 8.02
Table value chi^2: 11.07
(With significance level: 0.05 and degree of freedom: 5)

Tieto výsledky môžu byť spôsobené tým, že:

• LinkedIn je platforma, na ktorej trávia používatelia relatívne málo času (viď src/platform_time_spent.py alebo kliknite sem),
• trávenie času na LinkedIn je častejšie u študentov, ktorí excelujú v škole,
• alebo ide o úlne iný dôvod.

Priemerný strávený čas na platformách:

Štatistika korelácie

V tejto sekcii sa budeme sústrediť na koreláciu medzi priemerným časom stráveným na danej platforme (Avg_Daily_Usage_Hours) a počtom hodín spánku (Sleep_Hours_Per_Night) respondentov.
Nulová hypotéza: Medzi Avg_Daily_Usage_Hours a Sleep_Hours_Per_Night nie je korelácia.

Zdrojový kód sa nachádza v súbore src/correlation_test.py (alebo kliknite sem).

Výsledok vyššie uvedeného skriptu je:

Spearman rho value: -0.96
p-value: 1.5570570249936598e-62

Z hodnoty $\rho$ vyplýva, že existuje silná inverzná závislosť medzi Avg_Daily_Usage_Hours a Sleep _Hours_Per_Night. (Samozrejme, nejde o dôkaz kauzality.)
Z hodnoty $p < 0.05$ môžeme zamietnuť nulovú hypotézu $($ pre $\alpha = 0.05 )$ a predpokladať, že medzi dátami existuje korelácia.

Naplottované dáta: