Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás"

Átírás

1 Tanulmányok Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás Gelei Andea PhD, a Budapesti Covinus Egyetem egyetemi docense Dobos Ime DSc, a Budapesti Covinus Egyetem egyetemi docense Sugá Andás PhD, a Budapesti Covinus Egyetem egyetemi docense A szezők azoka az ún. diadikus jelenségeke kívánják felhívni a figyelmet, melyek a globalizálódó gazdaság vesenyképességének meghatáozó jelenségei. A nemzetközi hálózatok építőkövének tekintett üzleti kapcsolatokban zajló jelenségek így például az együttműködő felek közötti koopeációt befolyásoló bizalom szintje megétéséhez az ún. egyvégű lekédezés és az ehhez kapcsolódó hagyományos statisztikai elemzések sok esetben nem nyújtanak megfelelő eszköztáat. Szükség lehet a páos lekédezés, a kettős adatfelvitel és ehhez kapcsolódóan az ún. diadikus adatelemzés módszetanának alkalmazásáa. Egy egyszeű, egyetemi hallgatók között végzett, a bizalom és a koopeáció témaköéhez kapcsolódó páos lekédezés adatait felhasználva ismeteti a tanulmány a diadikus adatelemzés alapfogalmait, megközelítési módját és módszeeit. Ismeeteink szeint eől az eljáásól magya nyelven eddig nem állt endelkezése leíás. TÁRGYSZÓ: Diadikus jelenségek. Páos lekédezés. Diadikus adatelemzés.

2 418 Gelei Andea Dobos Ime Sugá Andás Az elmúlt évtizedek meghatáozó gazdasági tendenciái köztük kiemelten a globalizáció, az infomációtechnológiai foadalom és az azt kíséő tudásalapú működés számos új, koábban nem tapasztalt jelenséget hozott felszíne. Ezek közül a gazdálkodástudomány, de a közgazdaságtudomány számáa is kiemelkedő jelentőségű a gazdaság működési és ebből adódóan elemzési egységeinek a változása. Ma má szinte közhelynek számít az a megállapítás, miszeint nem vállalatok, hanem ellátási láncok vagy éppen üzleti hálózatok vesenyeznek egymással. Amennyiben pedig a vesenyképesség má nem elsősoban a vállalatok, mint inkább azok együttműködő csopotjainak jellemzőitől függ, úgy a gazdaság elemzése sem agadhat meg a vállalatok szintjén. Aká ellátási láncokól, aká üzleti hálózatokól beszélünk, alapvető jelentőségű azoknak az üzleti kapcsolatoknak a vizsgálata, melyeken keesztül azokat megvalósítják és fejlesztik. A hagyományos közgazdaságtani megközelítés is tisztában van temészetesen az üzleti kapcsolatokban végbemenő tanzakciók jelentőségével. Ennek az ételmezése soán ugyanakko leegyszeűsítve közelít a kédésköhöz, amennyiben feltételezi, hogy azok függetlenek egymástól, nincsenek hatással sem az egymást követő tanzakcióka, sem az abban észt vállaló vállalatoka (Williamson Ouchi [1981]). Mindennapi tapasztalataink azonban jól mutatják, hogy ma má az ún. tanzakcióalapú megközelítés nem elegendő. A vesenyképesség hosszú távú együttműködések kialakítását igényli, a szükséges innovációk az ilyen mélyebb együttműködéssel jellemezhető kapcsolatok nélkül nem valósíthatók meg (Dwye Schu Oh [1987], Dye Singh [1998]). A hosszú távú üzleti kapcsolatban zajló folyamatok alapvetően eltének a koábbi tanzakcióktól. Nem igaz ájuk, hogy egymástól függetlenek, az egyes adásvételi eseményekben tapasztaltak beépülnek mindkét fél memóiájába, és befolyásolják a későbbi eseményekkel kapcsolatos észleléseiket, döntéseiket. Az együttműködésnek ez az ún. inteakcióalapú megközelítése (Fod et al. [2008]) hangsúlyozza az egyes események és az azok közötti kölcsönhatások jelentőségét. Felhívja a figyelmet aa, hogy az inteakciók eedményeként létejön valami új: az üzleti kapcsolat, amely mai gazdaságunkban megfelelő menedzsment mellett a sike kulcsa. A vállalatok ezeken a kapcsolatokon keesztül ételmezhetők, és ezek által képesek a gazdasági élet szeeplőivé válni (Andeson Håkansson Johanson [1994], Hámoi [2004]). Ma má alaptétel, hogy ezeknek a jövőoientált, gazdag tatalommal jellemezhető üzleti kapcsolatoknak a sikee jelentősen függ az abban együttműködő patneek között kialakuló tásas jellemzőktől. Ezek közé tatozik például a felek elégedettsége, a közöttük kialakuló elkötelezettség, de a bizalom szintje is. Ezek az ún. diadikus je-

3 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 419 lenségek, amelyek vizsgálata konkét kapcsolatokban végezhető el. A hagyományos, ún. egyvégű empiikus vizsgálat (single-end eseach) (Bennan Tunbull Wilson [2003]) nem ad megbízható képet az egyes jelenségek állapotáól és azok kölcsönhatásaiól. Ebben az esetben a felhasznált kédőívet az egyik fél tölti ki egy hipotetikus vagy általános jellemvonásokkal endelkező patnee vonatkozóan. Ennél az adatfelvételi módszenél tehát nem személyesítődik meg az a konkét patne, akie vonatkozóan a tásas jellemzők étékelése megtöténik. Így az egyvégű kutatás, általánosító jellege miatt, nem tud pontos képet adni az együttműködő kapcsolatokban megfigyelhető tásas, kapcsolati jellemzőkől és az azok közötti különbségekől, mai vesenyképességünk kitikus foásaiól. Ráadásul ez a lekédezési mód nem tudja megagadni a tásas jellemzők közötti egymása hatás, az ún. kölcsönösség jelenségét sem. Az üzleti kapcsolatok tásas és diadikus jellemzőinek kutatásako hasznos az ún. páos lekédezés módszeének alkalmazása. Ennek soán a kédőívet mindig két összetatozó személy, pát alkotva tölti ki. A kédéseke adott válaszokat ily módon konkét személye vagy egy személy által képviselt, megtestesített kapcsolata vonatkozóan étékelik és ögzítik. A páos lekédezés esetén a válaszok feldolgozása két módon lehetséges. Egyészt elképzelhető az egyes kédőívekben szeeplő válaszok közötti összefüggések hagyományos statisztikai módszeekkel töténő feldolgozása (Malhota Simon [2009]). A páos adatfelvétel kombinálása a hagyományos statisztikai módszeek alkalmazásával azonban négy tipikus hiba elkövetéséhez vezethet (Gonzalez Giffin [2000]): 1. Tegyük fel például, hogy a páos adatfelvétel soán N pá nyilatkozik az egymás iánt ézett bizalom szintjéől. Ez azt jelenti, hogy 2N adat áll endelkezése a felméésben észt vett személyek egymás iánti bizalmának szintjéől. Ebben az esetben a bizalommal kapcsolatos kutatást végezhetjük oly módon, hogy az így nyet 2N adatot tekintjük induló adatbázisnak, azt elemezzük a hagyományos statisztikai eszközökkel. Ilyen esetben az ún. feltételezett függetlenség hibáját (assumed independence eo) követjük el. 2. Az előző hibát nem szeetnénk elkövetni, ezét tegyük fel, hogy elhagyjuk az adatok felét, és az N pá egyik szeeplőjének étékelését tekintjük induló adatbázisnak, melyet további elemzéseink soán használunk. Ilyenko az ún. adatkihagyás hibájáól (deletion eo) beszélünk. Sokszo ennek a megoldásnak a használata nem módosít az aktuális koelációs együtthatók étékén, az adatelhagyás ennek ellenée nem kívánatos, és a vizsgált jelenség jobb megétését gátolja. Az adat-

4 420 Gelei Andea Dobos Ime Sugá Andás elhagyás abban is gátolja a kutatókat, hogy megétsék a diádokon belüli függőség típusait és métékét. 3. A kutatóknak keülniük kell továbbá az ún. szintek közötti hiba (coss-level eo) elkövetését. Ez akko fodul elő, ha a páos lekédezés két tagjának egy változóa adott étékeit átlagoljuk, s az így kapott diádszintű átlagokkal számolunk tovább elemzésünk soán. 4. Végül meg kell említeni azt a gyakoi ételmezési poblémát, melyet az ún. elemzési szintek hibájaként (levels of analysis eo) szokás emlegetni. Ezt a hibát akko követjük el, ha a diád átlagait (N adat), mint diádszintű folyamatot ételmezzük, miközben az egyes étékek (2N adat) közötti koelációt, mint egyéni hatást, egyéni szintű folyamatként fogjuk fel. El kell fogadnunk azt a tényt, hogy mind a kettő, előbb említett koeláció vegyesen tatalmaz diádszintű és egyéni szintű hatásokkal kapcsolatos infomációkat. Ezeknek a diádszintű (diádok között megfigyelhető) és egyéni szintű (egyének között ételmezett) koelációknak a számítása és megétése olyan megközelítést igényel, mely explicit módon az elemzés mindkét szintjén azonosítja és modellezi az egyes változókon belüli, valamint azok közötti függőség métékét. A páos lekédezés lehetségessé teszi azonban az ún. diadikus adatelemzés (dyadic analysis) statisztikai módszeének alkalmazását, melyet a tásas pszichológia teén fejlesztettek ki (Ickes Duck [2000]), és amelynek nagy előnye, hogy az elemzések soán igyekszik megagadni, kimutatni azokat az esetleges összefüggéseket (például a kölcsönösség kédésének jelentőségét), melyek csak az adott pá kontextusában, a pát alkotó egységek kölcsönös egymása hatásából adódóan jelennek meg. A diadikus adatelemzés módszeét a tásadalomtudományokban má sikeel alkalmazták (Cook Kenny [2005], Buk Steglich Snijdes [2007], West et al. [2008]), ugyanakko legjobb tudomásunk szeint gazdasági jellegű felhasználásáa még nem keült so, sőt, eddig magya nyelvű bemutatása sem tötént meg. 1 Ez a technika jelenleg is fejlődésben van, s az eddig kidolgozott, javasolt megoldások számos kédést vetnek fel. Cikkünkben nem e módszetan tatalmi kitikáját kívánjuk adni, célunk a hazai szakmai köztudatba töténő bevezetése. A diadikus adatelemzés ismetetést a bizalom kédését középpontba állító példa segítségével tesszük meg. A következőkben ezét elsőként öviden a bizalom fogalmát ételmezzük. 1 A diadikus elemzés fogalmához kapcsolódik a páos minta (paied sample) fogalma, mely a statisztikában és az ökonometiában is ismet. Utóbbi, általánosítva, ezt panelnak nevezi (Vincze Vabanova [1993], Sugá [2008a]). A páos mintákat magya nyelven még összetatozó mintának is nevezik (Vagha [2008]).

5 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás Bizalom a kapcsolatokban az empiikus kutatás bemutatása Elemzésünk középpontjában a személyek közötti bizalom szeepe és jelentősége áll. A kédés minden magánembe számáa fontos lehet, mivel azonban a szevezetközi bizalom is alapvetően a szevezet képviselői közötti bizalmon nyugszik (Deutsch [1973]), kutatásunk a gazdasági szeeplők számáa is eleváns eedményekhez vezethet. A bizalom fogalmának meghatáozása a szakiodalomban nem egységes. A fogalom ételmezése két alapvető megközelítési móda vezethető vissza, az ún. hiten (Kuma [1996], Doney Cannon [1997]), valamint a kockázaton alapulóa (Baney Hansen [1994], Maye Davis [1995], Das Teng [1998]). Elemzésünk soán ez utóbbia építünk. A kockázatalapú megközelítést képviselő kutatók is különféleképpen definiálják ugyanakko a bizalom fogalmát. Das és Teng [1998] összegyűjtötte és endszebe foglalta ezeket a definíciókat, majd az általuk felsoolt meghatáozások szintéziseként a következőképpen hatáozta meg a bizalom fogalmát (idézi Nagy Schubet [2007]): A bizalom pozitív vélekedés a másik fél magatatásáól akképpen, hogy a köülmények bámiféle változása esetén az nem cselekszik oppotunista módon. A bizalom tehát azt jelenti, hogy önkéntesen kockázatot vállalunk abból fakadóan, hogy sebezhetővé válunk a másik fél által. A bizalom kockázatalapú ételmezését alkalmazó szakiodalom alapvető üzenete tehát az, hogy a bizalom léte vagy éppen hiánya azokban az esetekben eleváns, amiko kockázatos szituációk is előfodulnak az együttműködés soán. Ilyenko a bizalom gyakolatilag a két együttműködő fél közötti viselkedés iányítási eszközeként jelenik meg (Gelei [2009]). Az egyes szituációk kockázati szintjének növekedésével páhuzamosan nő a két együttműködő fél közötti bizalom szintjének jelentősége. Az alacsony kockázati szinttel jellemezhető üzleti szituációban a bizalomnak nincs jelentős szeepe, hiszen kicsi az oppotunista viselkedés lehetősége. A közepes és a nagy kockázati szint mellett ugyanakko má van jelentősége a bizalomnak, hiszen annak megléte vagy hiánya befolyást gyakool a felek tényleges lépéseie, cselekvésée, így aztán a kapcsolatban, a két együttműködő fél közötti inteakció konkét kimenetelée. Ezt a bizalom kockázatalapú megközelítésének iodalmából kiolvasható összefüggést kívánjuk empiikusan tesztelni munkánkban. Konkét kutatási hipotézisünk a következő: diadikus kapcsolatokban a felek cselekvését mind a konkét döntési szituáció kockázati szintje, mind a felek egymás iánt ézett bizalmi szintje befolyásolja. Váakozásunk szeint a magas kölcsönös bizalmi szinttel endelkező kapcsolatokban a magas kockázati szinttel endelkező inteakciók is megvalósulnak. Amennyiben sikeül hipotézisünket empiikusan igazolni, az azt jelenti, hogy a koopeáló felek között megfigyelhető bizalom szintje valóban a kapcsolatokban zajló inteakciók egyfajta iányítási eszközeként ételmezhető. Annak édekében, hogy hipotézisünket tesztelni tudjuk, a Budapesti Covinus Egyetem Gazdálkodástudományi Kaának alapszakos hallgatói észvételével végeztük

6 422 Gelei Andea Dobos Ime Sugá Andás el a szükséges páos adatfelvételt. Kédőívünk konkét együttműködési szituációt modellezett. 2 (A kédőív megtalálható a Függelékben.) Egy vizsgaszituációt, mely lehetőséget adott aa, hogy az egymás iánt ézett bizalom szintje és a vizsgált szituáció kockázati szintje közötti összefüggéseket vizsgáljuk a diadikus adatelemzés módszeének felhasználásával. A páos lekédezés soán önkéntes hallgatói észvétel mellett véletlenszeűen kialakított páokat hoztunk léte. E páok egyszee, egymással szemben ülve és a kédéseket egymása vonatkoztatva töltötték ki a kédőívet. A kédőívben aa kétük őket, hogy étékeljék konkét pájuk kapcsán az adott féle vonatkozóan a kapcsolatot az ismetség, a baátság és a bizalom szintje szeint. Ezt követően jelölniük kellett, vajon egy vizsgaszituációban segítenének-e, azaz súgnának-e konkét tásuknak, avagy nem. Azt is jeleztük a kédőívben, hogy a vizsga valamennyi kédésée ő, a kitöltő személye sem tudja a választ, tehát szintén segítsége szoul. A hallgatóknak különböző lebukási valószínűség mellett, tehát eltéő kockázati szint mellett is meg kellett hozniuk döntéseiket saját cselekvési hajlandóságuka vonatkozóan. A tásas jellemzőket 1 3-as skálán métük (1-es a legalacsonyabb és 3-as a legmagasabb szint), míg a kockázati szintek a 0, a 25, az 50, a 75 és a 100 százalékos valószínűséggel jellemezhető lebukást jelentették. E feltételek mellett kellett a hallgatóknak jelölniük, hogy cselekednének-e, vagy sem, azaz súgnának-e, vagy sem tásuknak. Összesen 50 konkét hallgatói páal végeztük a lekédezést. A felvett adatokat azután az ún. diadikus adatelemzés statisztikai eljáásával elemeztük. Ehhez az ún. kettős adatbevitel módszeét alkalmaztuk. Ebből következően a mintanagyságunk 100 lett. A következőkben elsőként a diadikus adatelemzés fogalmi alapjait mutatjuk be, majd a kutatási hipotézisünk vizsgálatához alkalmazott módszeeket és az azok használatával kapott kutatási eedményeinket. 2. A diadikus adatelemzés alapjai A diadikus adatelemzés olyan sajátos statisztikai elemzési módsze, melynek alapegysége két, egymással valamilyen kapcsolatban álló adatszolgáltató (például személy vagy szevezet) között meglévő kapcsolat, illetve az abban megfigyelhető jelenségek. A tásadalomtudomány, azon belül az üzleti tudományok számos olyan poblémát vetnek fel, melyek a kétoldalú kapcsolatokban kialakuló és ételmezhető jelenségek vizsgálatát teszik szükségessé. Ilyen kutatási hipotézisünk is. Magát a módszetant elsőként a tásas és személyes pszichológia kutatói fejlesztették ki (Ickes Duck [2000]). Alkal- 2 A puskázás okainak vizsgálata sok egyetemi oktató-kutató édeklődését felkeltette. Mi is többszö foglalkoztunk a témával (például Sugá Tautmann [1998]), de ez az első empiikus jellegű felméés, ahol a bizalom felől közelítettünk a poblémaköhöz.

7 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 423 mazásának klasszikus példája a házastásak között vagy aká az ovos-páciens kapcsolatban kialakuló bizalom, elkötelezettség szintje, azok befolyásoló tényezői. Az előbbi példákban a páok endezettek, azaz aszimmetikus viszonyban állnak egymással. Ezeket a diádokat nevezzük nem megkülönböztethetőknek, azaz nem felcseélhetőknek. Azonban lehetnek olyan diadikus kapcsolatok is, ahol a pát alkotó szeeplők tökéletesesen szimmetikus helyzetben vannak, vagyis semmilyen alá-, föléendeltségi viszony nem állapítható meg közöttük. Ee példa lehet az ikekkel végzett vizsgálatok, de a mi elemzésünk is ebbe a köbe tatozik, amiko nem tudunk/akaunk a hallgatók között különbséget tenni. Ez lesz a továbbiakban a felcseélhető eset. A diadikus adatelemzés első fontos módszetani megállapítása, hogy a jelenségek vizsgálatához két, egymástól az adott jelenség szempontjából függő szeeplőtől kell adatot, infomációt gyűjteni. Ez a páos lekédezés módszee. Ezt a két, összetatozó szeeplőt nevezzük pának. Ami azt jelenti, hogy egy statisztikai ételemben vett megfigyeléshez két méhető infomáció, adat tatozik (például a féj és a feleség másikba vetett bizalmának szintje az adott házasságban). Ezeket az összetatozó adatpáokat nevezzük diádoknak. Az adatgyűjtés nehézsége éppen abban áll, hogy az elemzésbe vont jelenségől két összetatozó személytől, szubjektumtól kell infomációt gyűjteni. Mindezt úgy, hogy egyételműen ögzített és utólag is azonosítható legyen, mely konkét kapcsolathoz tatoznak a megfigyelt adatok. A statisztikai elemzés soán ezt a két, egymástól függő kontextusban gyűjtött adatot tekintjük egy megfigyelésnek. A statisztikai elemzések két alapvető fogalma a megfigyelés és a változó (ismév). A változó egy adott jelenség (például esetünkben a bizalom szintje) megfigyelésénél a feltett kédése adott válaszokat jelenti. A hagyományos statisztika ételmében egy megfigyeléshez egy adatot endelünk. A diadikus adatelemzés soán azonban egy megfigyelést két összetatozó adattal agadunk meg. A diadikus adatok elemzéseko tehát egy megfigyelést két adat, azaz egy kételemű vekto í le. Matematikai ételemben ez azt jelenti, hogy a megfigyelésünk nem konkét szám lesz, hanem egy kételemű vekto. A jelenség vizsgálatát célzó statisztikai elemzéseknek pedig e vektook közötti összefüggéseket kell vizsgálni. Mindez megnehezíti a klasszikus statisztikai módszetan alkalmazhatóságát. Mint láttuk, má az is speciális, hogy mit tekintünk megfigyelésnek, de az is, hogy miként ételmezzük az alapstatisztika fogalmait, mint például a váható étéket, a szóást vagy a koelációt. A diadikus adatelemzés módszetana ezeke a módszetani kihívásoka ad alkalmazható választ (Gonzalez Giffin [2000], Kenny Kashy Cook [2006]). A diadikus adatelemzések soán háom változótípust különböztethetünk meg: 1. A diádok közötti változót (between-dyads vaiable), amiko az adott változó kapcsán kimutatható valamennyi statisztikai eltéés a diádok között lép fel. Feltételezzük, hogy a diádok mindkét észtvevője a vizsgált változót ugyanúgy étékeli. Pszichológiai példával élve,

8 424 Gelei Andea Dobos Ime Sugá Andás minden házaspá ugyan azt az étéket adja a házasságuk időtatamáa vonatkozóan, de ez az éték a páok között temészetszeűleg különböző. 2. A diádokon belüli változót (within-dyads vaiable), amiko az adott változó kapcsán kimutatható valamennyi statisztikai eltéés a diádokon belül lép fel. A diádhoz tatozó két észtvevő által a vizsgált változóa adott étékek összege minden diád esetében ugyanaz. Például egy kétfős munkacsopothoz endelt azonos összegű jutalom diádon belüli elosztása A vegyes változót (mixed vaiable), amiko az adott változó kapcsán mind a diádok között, mind a diádokon belül kimutatható statisztikai eltéés. Ee példa az általunk is vizsgált bizalom szintje. E diadikus jellemző esetén a diádon belül és között is megfigyelhető eltéés. A cikkben ilyen jellegű példáa hivatkozunk. A diadikus adatelemzés soán használt módszeek ételmezése páhuzamba állítható a hagyományos statisztika vaianciaelemzésének (ANOVA) módszeével, ahol az összes vaianciát két észe bontjuk: külső és belső szóásnégyzete. Az adatfelvételünket a hagyományos statisztika keetei között az ANOVA-táblázattal is epezentálhatjuk. A diadikus adatelemzés ANOVA-táblája 1. táblázat Megfigyelés 1. változó (X) 2. változó (Y) 1. adat (X1) 2. adat (X2) 1. adat (Y1) 2. adat (Y2) 1. számú pá x 11 x 12 y 11 y számú pá x 21 x 22 y 21 y számú pá x 31 x 32 y 31 y számú pá x 41 x 42 y 41 y 12 Az ANOVA-módsze két szempontból is ide kapcsolható. Egyészt a táblázatban látható változócsopotosításban a külső szóásnégyzet a csopotok (esetünkben diádok) közötti, a belső szóásnégyzet pedig a csopoton belüli (esetünkben diádon belüli) eltééseket agadja meg. A diadikus adatelemzés soán tehát a pá tekinthető 3 Előfodulhat, hogy a diádokon belüli változó objektív módon ugyanaz, de a páok esetleg másként emlékeznek. Ilyen lehet például válások esetén aa a kédése, hogy hány éve házasodtak össze, eltéő válasz. Külön elemzési teület lehet a szubjektív különbség okainak elemzése.

9 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 425 csopotképző ismévnek. A vizsgálatok ezen utóbbi szintje aa a kédése kees választ, hogy a pá szeeplői azonosan válaszolnak-e az egyes változókban felmeülő kédése, vagyis homogének-e a szeeplők válaszai, az adott kédése azonos választ adnak-e. 4 Az 1. táblázat a páok válaszait egy-egy változó szeint ételmezi. Ha aa lennénk kíváncsiak, hogy változók közötti kapcsolatot hogyan hatáozzuk meg, akko ez nehézséget okozna. A változók közötti lineáis kapcsolat meglétét a klasszikus Peason-féle koelációval má nem számíthatjuk ki. Ee alkalmas módsze lehet a kanonikus koeláció. Ebben az esetben a kanonikus koelációt a változók egyes adatpájainak, diádjainak lineáis kombinációival agadhatjuk meg. Képlettel leíva: ( + + ) co a X a X ; b Y b Y, ahol az a 1, a 2, b 1 és b 2 étékek az egyes adatvektookhoz endelt súlyokat jelentik. A kanonikus koelációszámítás soán azokat az a és b étékeket hatáozzuk meg, amelyeke az előbb felít koeláció maximális (Kovács [2003]). A klasszikus többváltozós adatelemzés egyik központi módszee a egesszióelemzés, ahol több független változó egy kiválasztott változóa gyakoolt hatását vizsgáljuk. Az 1. táblázat má sejtetni engedi, hogy ilyen típusú vizsgálatok végehajtása, ebből a táblázatos fomából kiindulva, nehézségekbe ütközhet. Az előbb ismetetett ANOVA-tábla lehetővé teszi az egyes diádokon belüli homogenitás- és kanonikuskoeláció-vizsgálatát. A páos lekédezés ugyanakko lehetővé teszi az ún. kettős adatfelvitel (double enty) módszeének alkalmazását, amiko minden összetatozó adatpából (diádból) két vektot képezünk úgy, hogy a diád elemeinek (az összetatozó adatoknak) a soendjét megváltoztatjuk (Gonzalez Giffin [2000]). Az ANOVA-tábla vektookká alakítását a 2. táblázat mutatja be. Az eljáás keetében két új változót definiálunk, amelyeket X és X szimbólumokkal jelölünk. Ha például az első megfigyelést tekintjük, akko az ANOVA-tábla x 11 és x 12 étékei a kettős adatbeviteli tábla X változójához tatozó étékek lesznek. Az X változó étékei pedig ezek megfodított soendjeiként képezhetők. Az új változók képzését a 2. táblázat szemlélteti, melyből kitűnik, hogy az X és X változók megfigyeléseinek száma éppen a duplája a diádok számának. Ee a tanszfomációa azét van szükség, hogy táblázatok (mátixok) helyett vektookkal lehessen az elemzéseket elvégezni. A pá tagjainak egy kédése adott válaszainak homogenitásvizsgálatát ennek a táblázatnak a segítségével végezhetjük el, és ez a epezentáció lehetővé teszi a vál- 4 Az ANOVA a diádok közötti, belüli és vegyes változók felsoolt típusainak megkülönböztetését is jellemezheti. Ekko a diádok közötti változóknál a belső szóásnégyzet nulla, a diádokon belüli változóknál a külső szóásnégyzet nulla. A vegyes esetben ételmes a felbontás hagyományos módja.

10 426 Gelei Andea Dobos Ime Sugá Andás tozók közötti (hagyományos statisztikai eszközökkel végzett, de egész más ételmezési lehetőségeket is nyújtó) koeláció- és egesszióelemzést is. A kettős adatbevitel egy vagy két változójának (vektoának) képzése (double enty) 2. táblázat Megfigyelés 1. változó 2. változó X X Y Y 1. számú pá (alapsoend) x 11 x 12 y 11 y számú pá (felcseélt soend) x 12 x 11 y 12 y számú pá (alapsoend) x 21 x 22 y 21 y számú pá (felcseélt soend) x 22 x 21 y 22 y számú pá (alapsoend) x 31 x 32 y 31 y számú pá (felcseélt soend) x 32 x 31 y 32 y számú pá (alapsoend) x 41 x 42 Y 41 y számú pá (felcseélt soend) x 42 x 41 y 42 y 41 Foás: Gonzales Giffin [2000]. A kettős adatbevitel a diadikus jelenségek vizsgálatának egyik lehetséges módszee. Ezzel az eljáással vizsgálhatjuk: 1. a pát alkotó személyek ugyanazon kédéseke (változóka, X és X ) adott válaszai közötti kapcsolatokat, hasonlóságokat (homogenitás vizsgálat); 5 2. a pát alkotó egyik személy (válaszadó) különböző kédéseke adott saját válaszai közötti összefüggéseket (X és Y); 3. a pá egyik tagjának bizonyos kédése adott válasza milyen kapcsolatban van a tásának egy másik kédése adott válaszával (X és Y ). Kettős adatbevitelko a változók közötti kapcsolat vizsgálatát is a 2. táblázat alapján végezhetjük el. Az adatfelvétel soán az egy pát alkotó két válaszadó eltéő alaphelyzetben lehet. Gondoljunk például az ovos-páciens kapcsolatoka, ahol minden pá egy ovosból és egy betegből áll. Ezeket a páokat nevezzük megkülönböztethető eseteknek (distinguishable case), hiszen az eltéő alaphelyzetek váhatóan eltéő válaszokat is geneálhatnak. Amiko a két válaszadó helyzete nem eltéő, felcseélhető esetnek 5 Átvettük a diadikus adatelemzésben használt homogenitás kifejezést, jóllehet tisztában vagyunk vele, hogy a fogalmat a statisztikában más jelenségek így például két eloszlás egyezőségének vizsgálatáa is használják.

11 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 427 (exchangeable case) nevezzük. Az eltéő helyzet hatással lehet a észtvevők válaszaia, ezét homogenitásvizsgálata lehet szükség, amely azt mutatja meg, hogy a pá válaszadói hasonló vagy lényegesen különböző válaszokat adnak-e az egyes kédéseke, változóka A diadikus adatelemzés módszeei és a kutatási eedmények Tanulmányunk e fejezetében a diadikus adatelemzés soán alkalmazott módszeeket mutatjuk be. Elsőként a homogenitásvizsgálata, ezt követően a koelációszámítása, majd a egessziószámítás kédésköée téünk ki. Édemes kiténi a leíó-következtető elemzések poblémaköée (leíó elemzésen a magya statisztikai iodalomban a sokaság lehető legteljesebb leíását étik, míg a következtető statisztika minta alapján von le annak mintavételi hibáját, az ebből fakadó bizonytalanságot figyelembe véve következtetéseket a sokasága vonatkozóan). A koelációszámítás leíó módon is ételmezhető, az nem csupán mintákból ételmes elemzési eszköztá. A egessziószámítása szintén igaz, hogy nemcsak mintákon ételmes, de a standad nomális-lineáis modellben leíó jellegű adatbázis esetén is megfelelő hipotézisvizsgálatok végzésée. A diadikus adatelemzések soán endelkezése álló felméések megfigyelései nem feltétlenül alkotnak klasszikus (visszatevéses vagy visszatevés nélküli) véletlen mintát, elég csak aa gondolni, hogy sokszo önkéntes észtvevőket kének fel, például bizalmi vagy egyéb viszonyokat felméő kédőívek kitöltésée. Ilyenko a klasszikus statisztikai tesztek (például t-póbák) alkalmazási feltételei eősen csobulhatnak. Ezét is célszeű olyan módszeeket választani ilyenek a koeláció- és egessziószámítás, amelyeknek a szigoúan vett véletlen minta nem előfeltétele Homogenitásvizsgálat Diadikus adatelemzésko mivel páok válaszait vizsgáljuk felmeül a kédés, hogy a válaszadók azonos válaszokat adnak-e a feltett kédéseke, vagy sem. Mint azt az előzőkben említettük, ez a homogenitásvizsgálat tágya. Esetünkben ez azt jelenti, hogy egy X és X változó közötti kapcsolatot vizsgáljuk a koelációszámítás 6 A klasszikus statisztika homogenitásvizsgálat alatt két sokaság eloszlásának egyezőségét, illetve ennek tesztelését éti. A diadikus adatelemzésben mint látni fogjuk e fogalom a pá tagjainak egy kédése adott válaszai közötti hasonlóságot vizsgálja (Sugá [2008b]).

12 428 Gelei Andea Dobos Ime Sugá Andás módszeével. Ezt a homogenitásvizsgálatot befolyásolja, hogy felcseélhető, vagy megkülönböztethető esetől van-e szó. Felcseélhetőségko elegendő az X és X változó közötti koeláció kiszámítása ahhoz, hogy a homogenitást eldönthessük. Amennyiben ez a koeláció a nullához közel esik, akko a pá két tagja az adott kédése szignifikánsan eltéő választ ad. Ugyanakko az egyhez közeli koeláció esetén a válaszok homogénnek tekinthetők. A koelációt a Peason-féle eljáással hatáozhatjuk meg. A szakiodalom ezt csopoton belüli koelációnak (intaclass coelation) nevezi (Kenny Kashy Cook [2006]). Vegyük észe, hogy ebben az esetben ugyan 2N elemű a változónk, de ez a koelációs együttható egyszeűen az adatok duplázása alapján készül. 7 Megkülönböztethető esetben figyelembe kell vennünk, hogy a pá tagjai előe azonosítható módon, eltéő alaphelyzetben vannak (féfi-nő, ovos-beteg stb.), eltéő szeepet töltenek be. Ezét ezt az alaphelyzetet egy megkülönböztető változó segítségével modellezhetjük. A koelációelemzés célja ebben az esetben is, hogy megvizsgálja, az egyes páok tagjai hasonló vagy statisztikailag eltéő válaszokat adnak-e adott kédése. Amennyiben megkülönböztető esetől van szó, úgy szükség lehet a paciális koelációk ( xx. c) számításáa is (a paciális koeláció itt ugyanazt jelenti, mint a hagyományos statisztikában így nevezett mutatószám, a bevont hamadik általában kététékű változó az eltéő helyzetet epezentálja): xx '. c = xx ' cx cx ' 2 2 ( 1 cx )( 1 cx ' ). Ez annak vizsgálatát célozza, hogy a páok előe ismet eltéő helyzete (például féfi-nő), vagy más elméletileg ételmezhető tényező (például az adatfelvitel soendje) hatással van-e a válaszok közötti különbségeke. A 3. táblázat példájában az elméletileg ételmezhető befolyásoló tényező, változó a válaszadó neme, amit C-vel jelölünk. (Adott esetben, ha C = 0, akko ételmezhető, mint nő, ekko C = 1 jelenti a féfit, illetve C = 0 és 1 a kétféle soend.) A kettős adatbevitel, azaz a felvitel soendjének módosítása szintén befolyásolhatja a homogenitást. Ekko előe nem tehetünk különbséget válaszadóink között, de az adatfelvitel soendje évén felcseélhető esethez hasonló vizsgálat válik szükségessé. A homogenitásvizsgálat speciális esete tehát ez, amiko az adatfelvitel so- 7 Temészetesen matematikai-statisztikai szempontból poblémás az adatduplázás a koelációs együttható kiszámításánál, de mi most aa vagyunk kíváncsiak, hogy ez a szélsőétékekhez, és/vagy a nullához állnak-e közel. A koelációs együttható itt is inkább leíó statisztikai mutató. Bá észletes a módszeek alkalmazhatóságáa vonatkozó elemzést cikkünkben nem végzünk, megjegyezzük, hogy a diádokból számolt koeláció bizonyos esetekben ugyanazt az eedményt adja (mint például vizsgálatunkban), mint az adatok duplázása nélküli számítás, más esetekben elté ettől az étéktől.

13 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 429 endje a megkülönböztető változó. C jelöli, hogy melyik megfigyelés szeepel adatbázisunkban az első, illetve melyik a második helyen. Aa a kédése kaphatunk választ, hogy a homogenitása lényeges befolyással van-e az adatfelviteli soend. Paciális koelációszámításhoz használt tábla egy megkülönböztethető esetben 3. táblázat Diád A válaszadó neme vagy a felvitel soendje (C) Változó X X 1. számú pá 0 x 11 x 12 1 x 12 x számú pá 0 x 21 x 22 1 x 22 x számú pá 0 x 31 x 32 1 x 32 x számú pá 0 x 41 x 42 1 x 42 x 41 Foás: Gonzalez Giffin [2000]. Kutatási kédésünk megválaszolása kapcsán sem volt egyételmű, hogy az egyes diadikus kapcsolatokban vizsgált megfigyelésekhez tatozó két adat közül melyik keüljön az elemzés soán előe. Nem volt egyételmű tehát, hogy felcseélhetők-e a páok szeeplői az adatfelvétel soendisége alapján. Ezét az adatfelvitelko mindkét lehetséges soendben ögzítenünk kellett az adatokat. (Ezt az elemzést ételmezhetjük úgy is, hogy teszteljük az eedmények soende való ézékenységét.) 3.2. Koelációszámítás A koelációszámítás célja a változók közötti kapcsolat eősségének méése. A diadikus adatelemzés öt különböző koelációs fogalommal opeál (Gonzalez Giffin [2000]). Ezek a következők: 8 1. A diadikus adatelemzés soán vizsgálhatjuk a pát alkotó egyik személy (válaszadó) különböző kédéseke adott saját válaszai közötti 8 A bemutatott koelációs együtthatók némelyike egynél nagyobb is lehet, ami nem felel meg a klasszikus statisztika elváásainak. Mivel a szezők egy új módszetan bemutatását tűzték ki célul az iodalom bemutatásával, ezét az abban fellelhető matematikai inkoektségek kijavítását nem akatuk végehajtani. Ez a feladat egy új dolgozat célja lehet.

14 430 Gelei Andea Dobos Ime Sugá Andás összefüggéseket (X és Y), például a közöttük levő koelációt. Ezt nevezzük a válaszadó belső koelációjának (oveall within-patne coelation). Például egy adott személy patnee iánti bizalmi és a vele kapcsolatban ézett elégedettségi szintje. 2. A pá egyik tagjának bizonyos kédése adott válasza milyen apcsolatban van a tásának egy másik kédése adott válaszával (X és Y ). Ezt nevezzük a pát alkotó személyek közötti keesztkoelációnak (coss-intaclass coelation). Az előbbi példánkat követve; egy adott házaspá nőtagjának féje iánt ézett bizalmi szintje, és a féj felesége kapcsán ézett elégedettségi szintje közötti koeláció ába. A diadikus adatelemzés koelációinak gafikus bemutatása X xy xy Y xx yy Foás: Gonzalez [2010]. X x y x y Y 3. Két változó közötti kapcsolat diadikus elemzésée ad alkalmat az is, ha a páok által adott válaszok átlagai közötti összefüggést vizsgáljuk. Ezt diádszintű koelációnak (mean-level coelation vagy coelation between dyad means) nevezzük. Ebben az esetben az egyes páokhoz egy, és csak egy adatot endelünk hozzá. Fomálisan ez a koeláció a következő módon hatáozható meg: m = xy + xy ( 1+ xx ) ( 1+ yy ). Ennek a koelációnak az édekessége, hogy étéke egynél nagyobb is lehet, ami megnehezíti a koelációs együttható ételmezését. Ilyen esetekben a többi típusú koelációs együtthatók segíthetik az ételme- 9 A koelációs együttható a klasszikus statisztikában egy szimmetikus mutató, azaz nem különböztet meg ok-okozati viszonyt. A diadikus elemzésben lehet logikailag ok-okozati viszony, a módszetan ilyenko is koelációt számol, met igazán a mutatószám nagysága az édekes, és ebben a fázisban nem fontos az ok-okozati jelleg, azt majd a egessziós észben elemezzük.

15 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 431 zést. A következőkben olyan koelációs mutatókat ismetetünk, amelyek ányalhatják az ételmezést A diadikus adatelemzés speciális poblémája, hogy a vizsgált változók étékeit és így az azok közötti összefüggéseket is két hatás befolyásolja. Egyészt hatnak á a kitöltő egyéni, személyes jellemzői, de az is, hogy éppen kivel kapcsolatosan, melyik konkét pában kéik válaszát. Ezt a két hatást nevezzük egyéni (individual) és páos (dyadic) hatásnak. Vajon mit tudunk mondani páos adatfelvétel esetén két lekédezett változó (például a bizalom és az elégedettség) közötti kapcsolatól? Amennyiben egyszeűen a bizaloma és elégedettsége vonatkozó konkét személyek által adott válaszok közötti koelációt számítjuk, a kapott eedményünk nem tatalmazza azokat a hatásokat, melyek abból fakadnak, hogy a kitöltő személye egy konkét páa vonatkozóan adta meg válaszait. Kimaad tehát az ún. páos hatás. Amennyiben viszont átlagoljuk egy adott pá tagjainak válaszait a vizsgált dimenzióka, majd az így kapott átlagos étékek közötti koelációt számítjuk, az egyéni hatások keülnek figyelmen kívül hagyása. Elképzelhető, hogy az első számítási móddal kapott eedményünk azt mutatja, hogy a bizalom és az elégedettség közötti kapcsolat pozitív (tehát a magasabb bizalmi szinttel endelkező páok elégedettebbek is pájukkal). Ez ugyanakko nem zája ki annak lehetőségét, hogy egyéni szinten a két változó közötti kapcsolat negatív, hiszen előfodulhat, hogy egy adott pá egyik tagja magas bizalmi szint mellett is kevésbé elégedett, met elégedettségét pája őiánta ézett bizalmi szintje is befolyásolja. Az említett hiányosságok kiküszöbölésée a diadikus adatelemzés bevezeti az egyéni szintű ( i ) és a páosszintű ( d ) koeláció fogalmát. A két koelációt a következő módon számíthatjuk ki: = i xy xy ' ( 1 xx ) ( 1 yy ' ), d xy =. xx yy Vegyük észe, hogy az i és d koelációs együtthatóinkat a koábban bemutatott koelációk felhasználásával számoltuk. (Lásd a 2. ábát.) Az egyéni szintű i koeláció számlálója az xy és xy különbsége-

16 432 Gelei Andea Dobos Ime Sugá Andás ként adódik, ahol xy az egyéni és a páos hatásokat is, míg xy csak a diadikus hatást tatalmazza. Így i alkalmas az egyéni hatás megagadásáa. A nevezők a vizsgált változók nomálásáa szolgálnak. 10 A koelációs vizsgálatok megbízhatóságáa a diadikus adatelemzésől szóló elméleti munkák a Z-tesztet javasolják, ami a nomalitást tételezi fel. Elemzéseink soán a nyet eedmények szignifikanciavizsgálatáa mi a klasszikus statisztikában megismet p-étéket használjuk, mivel a számunka eléhető statisztikai pogamcsomagok ezt tatalmazzák a koeláció megbízhatóságának jellemzésée. Ez a gyakolat nem mond ellent a diadikus adatelemzést alkalmazó empiikus kutatások soán tapasztaltnak (Buk Steglich Snijdes [2007]). 2. ába. Az egyéni és páos koelációk kiszámítása i i i Egyedi X vaiancia Egyedi X vaiancia Egyedi Y vaiancia Egyedi Y vaiancia 1 xx 1 xx 1 yy 1 yy X X Y Y xx Osztott X vaiancia xx yy Osztott Y vaiancia yy d Foás: Gonzalez [2010] Regessziószámítás A lineáis kapcsolatok elemzése után áttéhetünk az ok-okozati tényezők vizsgálatáa. Ebben az esetben azt kutatjuk, hogy a függetlennek választott változók milyen hatással vannak a függőnek választottaka. A klasszikus statisztikában a független változók megválasztása egyszeűbbnek tűnik a diadikus adatelemzéssel szemben. A diadikus adatelemzés soán ugyanis figyelembe kell vennünk az egyéni és páos hatásokat is. A diadikus adatelemzés egesszióvizsgálata ezét má egy független és 10 Technikailag poblémát jelenthet, hogy a páosszintű koeláció számításánál a nevezőben a gyök alatt szeepelhet negatív szám. Ez olyan esetben fodulhat elő, amiko a válaszolókat alkotó páok egy változó esetében is ellentétes tendenciájú válaszokat adnak. Ez azonban tatalmilag azt jelenti, hogy a vizsgált bizalmi vagy egyéb jellegű jellemzők a páok között minimális szinten sem kapcsolódnak össze. Amennyiben ez a helyzet, a további elemzésnek nem édemes nekiállni.

17 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 433 egy függő változó esetén is több tényező figyelembevételével töténhet meg. Ezek a tényezők a következők: cselekvő hatás (acto effect), patnehatás (patne effect), kölcsönös hatás (mutual effect). Ezen tényezők számának ismeetében építhetők fel a diadikus adatelemzés egessziós modelljei. Ezekből kettőt mutatunk be (Gonzalez [2010]): az iodalomban osztályon belüli koelációs együtthatónként (intaclass coelation coefficient ICC) ismetet, amely csak a cselekvő- és patnehatást építi be a egessziós modellbe; a szeeplő-patne egymásautaltsági modellt (acto-patne intedependence model APIM), ami mindháom, azaz a cselekvő-, a patne- és a kölcsönös hatást is kezeli. A következőkben öviden ismetetjük a modelleket. Az ICC-modell Az ICC-modell tehát csak a páok egymása hatását képezi le. A modell matematikai fomája: Y = β + β X + β X, ahol az X és X a kettős adatbevitel soán nyet független változók, míg Y a függő változó. A β 0, β 1 és β 2 étékek a egessziós együtthatók. E egessziós együtthatók meghatáozása: ( ) sx ( 1 xx ) s β = y xy xy xx 1 2 ( ) x ( xx ) s és β2 = 2 s 1 y xy xy xx, ahol s x és s y az X és Y változók szóása, míg xx az X változó csopoton belüli koelációja, xy az X és Y változók közötti koeláció, az ún. válaszadó belső koelációja. Végül xy az X és Y változók közötti koeláció, az ún. pát alkotó személyek közötti keesztkoeláció. Ezek az összefüggések is nyilvánvalóvá teszik, hogy az ICC-modell valóban a csopoton (páokon) belüli koelációk meghatáozásával adja meg a egessziós összefüggéseket. A egessziós összefüggésben β 1 X előejelzi, hogy a pá egyik szeeplője, a cselekvő X változója hogyan jelzi előe ugyanezen a szeeplő Y változójának étékét.

18 434 Gelei Andea Dobos Ime Sugá Andás Másik oldalól, a β 2 X összefüggés mutatja, hogy a patne X változója (vagyis X ) hogyan jelzi előe a cselekvő Y változójának étékét. Ez a egessziós összefüggés tehát a kapcsolatok eősségén túl a kapcsolat iányát is mutatja, ugyanis az X változó Y változóa gyakoolt lineáis hatását agadja meg. Temészetesen az ellentétes logikai összefüggést, vagyis az Y változó X változóa gyakoolt hatását is megagadhatjuk teljesen hasonló módon, annak függvényében, hogy mit akaunk vizsgálni a két változó kapcsolatában. Az APIM-modell Az APIM-modell csak kissé különbözik az ICC-től, nemcsak a páok egymása hatását képezi le, de figyelembe veszi azok kölcsönös egymása hatását is. A modell matematikai fomája tehát Y = β + β X + β X + β X X, ahol a β 0, β 1 és β 2 étékeket teljesen hasonlóan definiáljuk, mint az ICCmodellben. Az egyedüli eltéés az, hogy a kölcsönös hatást is beépítjük a modellbe a β 3 X X kifejezés szeepeltetésével. Az X X szozat, esetünkben új változó, a pá mindkét szeeplőjének a kölcsönös, együttesen kifejtett hatását mutatja a cselekvő Y változójáa. A paaméteek becslése teljesen hasonló módon töténik ebben a modellvezióban is, amint azt az előbbiekben bemutattuk. A észletek iánt édeklődők a teljes levezetéseket Kenny Kashy Cook [2006] munkájában megtalálják. 4. A diadikus adatelemzés alkalmazása: kutatási eedményeink Kédőívünkben négy diadikus jelenség szeepelt: a páokat alkotó személyek közötti ismetség, baátság és bizalom szintje, illetve az, hogy a páok adott szeeplői egymásnak milyen kockázati szint mellett súgnának, vagy sem. Kutatásunk hipotézise szeint diadikus kapcsolatokban a kapcsolatot alkotó felek cselekvését mind a konkét döntési szituáció kockázati szintje, mind a kapcsolatot alkotó felek egymás iánt ézett bizalmi szintje befolyásolja. Váakozásunk az volt, hogy a magas kölcsönös bizalmi szinttel endelkező kapcsolatokban a magas kockázati szinttel endelkező inteakciók is megvalósulnak. E hipotézis tesztelése a egessziószámítás alkalmazását igényelte, előtte azonban elvégeztük a homogenitásvizsgálatot és a koelációelemzéseket is.

19 Bevezetés a diadikus adatelemzésbe elmélet és alkalmazás 435 Mint azt koábban má említettük, empiikus adatfelvételünk soán összesen 50 pá lekédezésée keült so. Alkalmaztuk a kettős adatbevitel módszeét, így mintanagyságunk 100 lett. A kettős adatbevitel miatt ugyanakko szükség volt az esetek felcseélhetőségének, azaz a válaszadás homogenitásának vizsgálatáa. Ezét számítottuk az X és az X változók közötti Peason-koelációt ( FE ). 4. táblázat Az esetek felcseélhetőségét vizsgáló Peason-koeláció a kédőívben szeeplő diadikus jellemzők esetén Változó Ismetség1 Ismetség2 Baátság1 Baátság2 Bizalom1 Bizalom2 Súgna1 Súgna2 Ismetség1 Peason-koeláció 0,764** Kétoldalú szignifikancia 0,000 Ismetség2 Peason-koeláció 0,764** Kétoldalú szignifikancia 0,000 Baátság1 Peason-koeláció 0,705** Kétoldalú szignifikancia 0,000 Baátság2 Peason-koeláció 0,705** Kétoldalú szignifikancia 0,000 Bizalom1 Peason-koeláció 0,313** Kétoldalú szignifikancia 0,002 Bizalom2 Peason-koeláció 0,313** Kétoldalú szignifikancia 0,002 Súgna1 Peason-koeláció 0,032 Kétoldalú szignifikancia 0,753 Súgna2 Peason-koeláció 0,032 Kétoldalú szignifikancia 0,753 Megjegyzés. Itt és a 6. táblázatban a * 5, a ** 1 százalékos szignifikanciaszinten szignifikáns kapcsolatot jelöl. A 4. táblázat az adott megfigyeléshez tatozó adatok (például kölcsönös ismetség esetén a diádban szeeplő két személy válaszai az ismetsége vonatkozóan) közötti Peason-koelációt mutatja (vastagon bekeetezett cellák). E téglalapok mindegyikében, tehát minden megfigyelés esetében két koelációs éték található, hiszen pont azt vizsgáljuk, hogy a két megfigyelési egység felviteli soendje változtat-e eedményeinken. Mint látjuk, az első háom megfigyelésünk esetén (ismetség, baátság, bizalom szintje) a koelációs étékek szignifikánsak, a közepesnél némileg gyengébb vagy közepesnél némileg eősebb kapcsolatot mutatnak. A vizsgált háom változó a diádok szintjén tehát homogénnek tekinthető. Az utolsó kédés kapcsán az hogy a

20 436 Gelei Andea Dobos Ime Sugá Andás páokban szeeplő egyének súgnának-e a másiknak, vagy sem az esetek felcseélhetőségét vizsgáló koeláció nullához közeli étéket mutat és nem szignifikáns. Ez azt jelenti, hogy az adott változóa az egyes diádok szeeplői eltéően válaszolnak, ez a változó a diádok szintjén nem tekinthető homogénnek. Vajon miét van ez így? Hipotézisünk szeint azét, met a kédőívünkben szeeplő e kédése adott válaszokat a diádban szeeplő egyének közötti tásas jellemzők (kiemelten a bizalom) mellett más jellemző is befolyásol, méghozzá az adott helyzet kockázati szintje. Az esetek megkülönböztetésesét vizsgáló paciális koeláció étékei a kédőívben szeeplő diadikus változók esetén 5. táblázat Változó Ismetség1 Ismetség2 Baátság1 Baátság2 Bizalom1 Bizalom2 Súgna1 Súgna2 Ismetség1 Koeláció 0,764 Kétoldalú szignifikancia 0,000 Ismetség2 Koeláció 0,764 Kétoldalú szignifikancia 0,000 Baátság1 Koeláció 0,709 Kétoldalú szignifikancia 0,000 Baátság2 Koeláció 0,709 Kétoldalú szignifikancia 0,000 Bizalom1 Koeláció 0,313 Kétoldalú szignifikancia 0,002 Bizalom2 Koeláció 0,313 Kétoldalú szignifikancia 0,002 Súgna1 Koeláció 0,022 Kétoldalú szignifikancia 0,828 Súgna2 Koeláció 0,022 Kétoldalú szignifikancia 0,828 Elvégeztük továbbá az esetek megkülönböztethetőségét vizsgáló koelációelemzést ( ME ) is. E koelációelemzés célja, hogy megvizsgálja, befolyásolja-e a pában szeeplők válaszait valamilyen elméletileg ételmezhető változó (például a válaszadók neme), a válaszok az adott változó szeint megkülönböztethetők-e, vagy sem. Kédőívünkben nem vizsgáltuk a válaszadók nemek szeinti megoszlását és egyéb olyan előzetes változó sem fogalmazódott meg bennünk, mely alapján az esetek megkülönböztethetőségét édemesnek láttuk volna vizsgálni. Előző eedményünket a válaszok homogenitásvizsgálatát ugyanakko az ME számításával tesztelhetjük,

A pénzügyi számítások alapjai II. Az értékpapírok csoportosítása. Az értékpapírok csoportosítása. értékpapírok

A pénzügyi számítások alapjai II. Az értékpapírok csoportosítása. Az értékpapírok csoportosítása. értékpapírok A pénzügyi számítások alapjai II. étékpapíok Miskolci Egyetem Gazdaságtudományi Ka Pénzügyi Tanszék Galbács Péte doktoandusz Az étékpapíok csopotosítása Tulajdonosi jogot (észesedési viszonyt) megtestesítő

Részletesebben

Bizalom az üzleti kapcsolatok irányításában

Bizalom az üzleti kapcsolatok irányításában Bizalom az üzleti kapcsolatok irányításában Dr. Gelei Andrea Budapesti Corvinus Egyetem Ellátás lánc optimalizálás; bárhonnan, bármikor Optasoft Konferencia 2013 2013. november 19., Budapest Gondolatmenet

Részletesebben

A magnetosztatika törvényei anyag jelenlétében

A magnetosztatika törvényei anyag jelenlétében TÓTH A.: Mágnesség anyagban (kibővített óavázlat) 1 A magnetosztatika tövényei anyag jelenlétében Eddig: a mágneses jelenségeket levegőben vizsgáltuk. Kimutatható, hogy vákuumban gyakolatilag ugyanolyanok

Részletesebben

A TŐKE KÖLTSÉGE. 7. Fejezet. 7.1. Források tőkeköltsége. 7.1.2 Saját tőke költsége. 7.1.1. Hitel típusú források tőkeköltsége DIV DIV

A TŐKE KÖLTSÉGE. 7. Fejezet. 7.1. Források tőkeköltsége. 7.1.2 Saját tőke költsége. 7.1.1. Hitel típusú források tőkeköltsége DIV DIV 7. Fejezet A TŐKE KÖLTSÉGE 7.1.2 Saját tőke költsége D =hitel tőkeköltsége. i =névleges kamatláb, kötvény esetén n. P n =a kötvény névétéke. =a kötvény áfolyama. P 0 Hitel típusú foások tőkeköltsége, (T

Részletesebben

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

Részletesebben

( X ) 2 összefüggés tartalmazza az induktív és a kapacitív reaktanciát, amelyek értéke a frekvenciától is függ.

( X ) 2 összefüggés tartalmazza az induktív és a kapacitív reaktanciát, amelyek értéke a frekvenciától is függ. 5.A 5.A 5.A Szinszos mennyiségek ezgıköök Ételmezze a ezgıköök ogalmát! ajzolja el a soos és a páhzamos ezgıköök ezonanciagöbéit! Deiniálja a ezgıköök hatáekvenciáit, a ezonanciaekvenciát, és a jósági

Részletesebben

VÁLLALATI SZOLGÁLTATÁSI NYUGDÍJPROGRAMOK HATÁSA A RÉSZVÉNYEK ÉRTÉKÉRE ÉS KOCKÁZATÁRA AZ USA-BAN

VÁLLALATI SZOLGÁLTATÁSI NYUGDÍJPROGRAMOK HATÁSA A RÉSZVÉNYEK ÉRTÉKÉRE ÉS KOCKÁZATÁRA AZ USA-BAN BUDAPESTI CORVINUS EGYETEM Gazdálkodástani Ph.D. pogam VÁLLALATI SZOLGÁLTATÁSI NYUGDÍJPROGRAMOK HATÁSA A RÉSZVÉNYEK ÉRTÉKÉRE ÉS KOCKÁZATÁRA AZ USA-BAN Ph.D. étekezés MÓRICZ DÁNIEL Budapest, 005. TARTALOMJEGYZÉK

Részletesebben

Lehetséges minimumkérdések Méréstechnika tárgyból 2015.

Lehetséges minimumkérdések Méréstechnika tárgyból 2015. Lehetséges minimumkédések Mééstechnika tágyból 015. (A válaszokat póbálja lényege töően megogalmazni, az ábáknál töekedjen a pontosan elidézni, a képletek esetén töekedjen a képletben szeeplő betűk megadásáa.)

Részletesebben

Pénzügyi ismeretek. Dülk Marcell 2012/2013/2

Pénzügyi ismeretek. Dülk Marcell 2012/2013/2 Pénzügyi ismeetek Dülk Macell 2012/2013/2 Rövid ismetető Dülk Macell, dulk@finance.bme.hu, QA337 Jegyzetek, diák Számonkéés Miől lesz szó? Nettó jelenéték fogalma és számítása Pénzáamlások becslése Tőkeköltség

Részletesebben

Variancia-analízis (folytatás)

Variancia-analízis (folytatás) Variancia-analízis (folytatás) 7. elıadás (13-14. lecke) Egytényezıs VA blokk-képzés nélkül és blokk-képzéssel 13. lecke Egytényezıs variancia-analízis blokkképzés nélkül Az átlagok páronkénti összehasonlítása(1)

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 4/24/12 1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

6. A kereskedelmi készletek elszámoltatása, az értékesítés elszámoltatása 46. Összefoglaló feladatok 48.

6. A kereskedelmi készletek elszámoltatása, az értékesítés elszámoltatása 46. Összefoglaló feladatok 48. Tartalomjegyzék 1. Alapvető gazdasági számítások 4. 1.1. A gazdasági számítások jelentősége egy vállalkozás életében 4. 1.2. A gazdasági számításokkal szemben támasztott követelmények 4. 1.3. Milyen feladatokat

Részletesebben

Előadás vázlat. Vizsgáljam vagy ne. Laboratóriumi eredmények interpretálásának általános alapelvei. Vizsgálatkérő lap

Előadás vázlat. Vizsgáljam vagy ne. Laboratóriumi eredmények interpretálásának általános alapelvei. Vizsgálatkérő lap A beteg nevét nyomtatott nagybetűkkel kéjük kitölteni! Laboatóiumi eedmények intepetálásának általános alapelvei Hováth Andea Szegedi Tudományegyetem, Általános Ovostudományi Ka, Laboatóiumi Medicina Intézet

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

VIZISZÁRNYASOK NÉHÁNY VíRUS OKOZTA BETEGSÉGE

VIZISZÁRNYASOK NÉHÁNY VíRUS OKOZTA BETEGSÉGE t VZSZÁRNYASOK NÉHÁNY VíRUS OKOZTA BETEGSÉGE P1lD A különböző kóokozók iánt az -\egyes viziszámyas fajok eltéő fogékonyságot mutatnak Mielőtt az egyes betegségekkel kapcsolatos észleteke áténénk hatáozzuk

Részletesebben

RAID-ers. A dromedár esete a sivatagban a RAID-erekkel

RAID-ers. A dromedár esete a sivatagban a RAID-erekkel R-es domedá esete a sivatagban a R-eekkel el a kezekkel, R! kiszolgálókban mindennapos a R használata, gyakan azonban alkalmazói sincsenek egészen tisztában azzal, hogy pontosan mit, illetve miét használnak.

Részletesebben

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel KUTATÁSMÓDSZERTAN 4. ELŐADÁS A minta és mintavétel 1 1. A MINTA ÉS A POPULÁCIÓ VISZONYA Populáció: tágabb halmaz, alapsokaság a vizsgálandó csoport egésze Minta: részhalmaz, az alapsokaság azon része,

Részletesebben

BUDAPEST FŐVÁROS XVI. KERÜLETI ÖNKORMÁNYZAT POLGÁRMESTERE

BUDAPEST FŐVÁROS XVI. KERÜLETI ÖNKORMÁNYZAT POLGÁRMESTERE BUDAPEST FŐVÁROS XVI. KERÜLETI ÖNKORMÁNYZAT POLGÁRMESTERE Készült a 2015. május 13. napján tatandó képviselő-testületi ülése. Készítette: d Hajducsek-Láposi Enikő gazdálkodási ügyosztályvezető Tágy: Javaslat

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I

Részletesebben

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely. 2011. december 8.

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely. 2011. december 8. A társadalomkutatás módszerei I. 13. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. december 8. Outline 1 célja 2 Alapfogalmak 3 Mintavételi eljárások 4 További fogalmak 5 Mintavételi hiba számítása

Részletesebben

STAKEHOLDER (ÉRINTETT) ELEMZÉS EGYSZERŰSÍTETT MÓDSZERTANI ÚTMUTATÓ

STAKEHOLDER (ÉRINTETT) ELEMZÉS EGYSZERŰSÍTETT MÓDSZERTANI ÚTMUTATÓ STAKEHOLDER (ÉRINTETT) ELEMZÉS EGYSZERŰSÍTETT MÓDSZERTANI ÚTMUTATÓ Dunaújváros MJV Önkormányzata Polgármesteri Hivatala részére ÁROP szervezetfejlesztési projekt 2010. 09.22. 2 / 11 Tartalomjegyzék 1.

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Felsőörs Környezetvédelmi Programja

Felsőörs Környezetvédelmi Programja Felsőös Könyezetvédelmi Pogamja. Tatalomjegyzék 1. Bevezetés... 3 1.2 A települési könyezetvédelmi pogam célja... 3 2. A könyezeti állapot jellemzése... 3 2.1 A levegő állapota... 3 2.2 Felszíni és felszín

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA, MATEmATIkA I. 1 I. HALmAZOk 1. JELÖLÉSEk A halmaz fogalmát tulajdonságait gyakran használjuk a matematikában. A halmazt nem definiáljuk, ezt alapfogalomnak tekintjük. Ez nem szokatlan, hiszen

Részletesebben

A partneri elégedettség és igény elemzése

A partneri elégedettség és igény elemzése Szentistváni Általános Művelődési Központ Baja A partneri elégedettség és igény elemzése (szülők és tanulók) 211 Készítette: MICS 1 Bevezetés A mérés amely egyéb, mint a kísérletező személy kölcsönhatása

Részletesebben

A telefonnal való ellátottság kapcsolata a rádió és televízió műsorszórás használatával a 14 éves és idősebb lakosság körében

A telefonnal való ellátottság kapcsolata a rádió és televízió műsorszórás használatával a 14 éves és idősebb lakosság körében A telefonnal való ellátottság kapcsolata a rádió és televízió műsorszórás használatával a 14 éves és idősebb lakosság körében Kiegészítő elemzés A rádió és televízió műsorszórás használatára a 14 éves

Részletesebben

A városi hősziget által generált konvekció modellezése általános célú áramlástani szoftverrel példaként egy szegedi alkalmazással

A városi hősziget által generált konvekció modellezése általános célú áramlástani szoftverrel példaként egy szegedi alkalmazással A váosi hősziget által geneált konvekció modellezése általános célú áamlástani szoftveel példaként egy szegedi alkalmazással Kistóf Gegely* Rácz Nobet* Bányai Tamás* Gál Tamás** Unge János** Weidinge Tamás***

Részletesebben

Bokor Mónika. Doktori disszertáció. Témavezető: Vértes Attila Tompa Kálmán 1999.

Bokor Mónika. Doktori disszertáció. Témavezető: Vértes Attila Tompa Kálmán 1999. Molekuláis mozgások vizsgálata hexakisz-(-alkil- H-tetazol)-vas(II) és -cink(ii) bótetafluoid kistályokban multinukleáis magspin-ács elaxáció alapján Boko Mónika Doktoi disszetáció Témavezető: Vétes Attila

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

7.2. A készségek és az oktatás jövedelemben megtérülő hozama

7.2. A készségek és az oktatás jövedelemben megtérülő hozama 7.2. A készségek és az oktatás jövedelemben megtérülő hozama A neoklasszikus közgazdasági elmélet szerint a termelés végső értékéhez jobban hozzájáruló egyének számára elvárt a magasabb kereset. Sőt, mi

Részletesebben

Felsőörs Község Fenntarthatósági Stratégiája

Felsőörs Község Fenntarthatósági Stratégiája Felsőös Község Fenntathatósági Statégiája 2012. Tatalomjegyzék 1. Bevezetés... 4 1.2 A települési fenntathatósági statégia célja... 4 2. Fenntathatósági helyzetelemzés... 4 2.1 A könyezeti állapot jellemzése...

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

Korreláció és Regresszió

Korreláció és Regresszió Korreláció és Regresszió 9. elıadás (17-18. lecke) Korrelációs együtthatók 17. lecke Áttekintés (korreláció és regresszió) A Pearson-féle korrelációs együttható Korreláció és Regresszió (témakörök) Kapcsolat

Részletesebben

IVÁNYI AMÁLIA HARDVEREK VILLAMOSSÁGTANI ALAPJAI

IVÁNYI AMÁLIA HARDVEREK VILLAMOSSÁGTANI ALAPJAI IVÁNYI AMÁLIA HARDVEREK VILLAMOSSÁGTANI ALAPJAI POLLACK PRESS, PÉCS HARDVEREK VILLAMOSSÁGTANI ALAPJAI Lektoálta D. Kuczmann Miklós, okl. villamosménök egyetemi taná Széchenyi István Egyetem, Győ A feladatokat

Részletesebben

Pszichometria Szemináriumi dolgozat

Pszichometria Szemináriumi dolgozat Pszichometria Szemináriumi dolgozat 2007-2008. tanév szi félév Temperamentum and Personality Questionnaire pszichometriai mutatóinak vizsgálata Készítette: XXX 1 Reliabilitás és validitás A kérd ívek vizsgálatának

Részletesebben

Jobb aprításhoz... ...Wanner. ...superior granulators. darálók és regranuláló rendszerek. Daráló a kisméretű műanyag hulladékokhoz

Jobb aprításhoz... ...Wanner. ...superior granulators. darálók és regranuláló rendszerek. Daráló a kisméretű műanyag hulladékokhoz ...supeio ganulatos Jobb apításhoz... Daáló a kisméetű műanyag hulladékokhoz Wanne B 08.10 Speciálisan ideg, meev anyagok apításához Wanne Xta2 Föccsgép mellé állítható daáló sok előnnyel Wanne C 13.20s

Részletesebben

Osztozni a sikerekben vezetői juttatások

Osztozni a sikerekben vezetői juttatások Osztozni a sikerekben vezetői juttatások 2004 A kutatás a Dimenzió Csoport megbízásából készült. Dr. Füzesi Zsuzsanna, Busa Csilla, Dr. Tistyán László, Brandmüller Teodóra fact@sfact.com www.sfact.com

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak1: b) Mo = 1857,143 eft A kocsma tipikus (leggyakoribb) havi bevétele 1.857.143 Ft. c) Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak2: b) X átlag = 35 Mo = 33,33 σ = 11,2909 A = 0,16 Az

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

A logisztikai teljesítményelvárások kijelölése - Vevıszegmentálás ÚTMUTATÓ 1

A logisztikai teljesítményelvárások kijelölése - Vevıszegmentálás ÚTMUTATÓ 1 A logisztikai teljesítményelvárások kijelölése - Vevıszegmentálás ÚTMUTATÓ 1 A programozást elvégezték és a hozzá tartozó útmutatót készítették: dr. Gelei Andrea és dr. Dobos Imre, egyetemi docensek, Budapesti

Részletesebben

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Dummy változók használata Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik fejezet Tartalom IV. esettanulmány 1 IV. esettanulmány Uniós országok munkanélkülisége

Részletesebben

Közfoglalkoztatás támogatás megállapítását segítő segédtábla használati útmutatója

Közfoglalkoztatás támogatás megállapítását segítő segédtábla használati útmutatója Közfoglalkoztatás támogatás megállapítását segítő segédtábla használati útmutatója 1.) Általános tudnivalók: A segédtábla két méretben készül, 10, és 50 sort lehet kitölteni. A tábla megnevezéséből amit

Részletesebben

Sta t ti t s i zt z i t k i a 3. előadás

Sta t ti t s i zt z i t k i a 3. előadás Statisztika 3. előadás Statisztika fogalma Gyakorlati tevékenység Adatok összessége Módszertan A statisztika, mint gyakorlati tevékenység a tömegesen előforduló jelenségek egyedeire vonatkozó információk

Részletesebben

Adatbázis rendszerek 6.. 6. 1.1. Definíciók:

Adatbázis rendszerek 6.. 6. 1.1. Definíciók: Adatbázis Rendszerek Budapesti Műszaki és Gazdaságtudományi Egyetem Fotogrammetria és Térinformatika 6.1. Egyed relációs modell lényegi jellemzői 6.2. Egyed relációs ábrázolás 6.3. Az egyedtípus 6.4. A

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata

Részletesebben

Készletek - Rendelési tételnagyság számítása -1

Készletek - Rendelési tételnagyság számítása -1 Készlete - Rendelési tételnagyság számítása -1 A endelési tételnagyság meghatáozása talán a legészletesebben tágyalt édésö a észletgazdálodási szaiodalomban. Enne nagyészt az az oa, hogy mind az egyszee

Részletesebben

Vállalkozások fejlesztési tervei

Vállalkozások fejlesztési tervei Vállalkozások fejlesztési tervei A 2014-2020-as fejlesztési időszak konkrét pályázati konstrukcióinak kialakítása előtt célszerű felmérni a vállalkozások fejlesztési terveit, a tervezett forrásbevonási

Részletesebben

11.3. A készségek és a munkával kapcsolatos egészségi állapot

11.3. A készségek és a munkával kapcsolatos egészségi állapot 11.3. A készségek és a munkával kapcsolatos egészségi állapot Egy, a munkához kapcsolódó egészségi állapot változó ugyancsak bevezetésre került a látens osztályozási elemzés (Latent Class Analysis) használata

Részletesebben

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás

Részletesebben

Nyomtatott könyvek és elektronikus könyvek

Nyomtatott könyvek és elektronikus könyvek Nyomtatott könyvek és elektronikus könyvek Kérdőíves kutatás az e-könyv olvasási szokásokról Készítette a Társadalomkutatási Intézet Zrt. a Szellemi Tulajdon Nemzeti Hivatala, a Hamisítás Elleni Nemzeti

Részletesebben

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem. Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:

Részletesebben

A hazai vállalkozások bankválasztása és az elmúlt hónapok pénzintézeti csődjei

A hazai vállalkozások bankválasztása és az elmúlt hónapok pénzintézeti csődjei A hazai vállalkozások bankválasztása és az elmúlt hónapok pénzintézeti csődjei 2015. június Elemzésünk azt vizsgálja, hogy a hazai vállalkozók milyen szempontokat tartanak fontosnak egy-egy bank megítélésénél

Részletesebben

TÁJ-BB-11 KR-2 Tom 2005.05. 30.

TÁJ-BB-11 KR-2 Tom 2005.05. 30. A professzionális haderõbe katonai szolgálatra jelentkezõk alkalmasságának vizsgálata humánbiológiai módszerekkel, a monitorozás lehetõségének kidolgozása PROF. DR. GYENIS GYULA ELTE Embertani Tanszék

Részletesebben

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma A Riemann-Siegel zeta függvény kiugró értékeinek keresése A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma 2013 A probléma fontossága és hatása a hétköznapi életre A prímszámok

Részletesebben

Statisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot

Részletesebben

Valószínűségszámítás és statisztika

Valószínűségszámítás és statisztika Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem

Részletesebben

A Magyar Egészségügyi Szakdolgozói Kamara Etikai Kollégiumának

A Magyar Egészségügyi Szakdolgozói Kamara Etikai Kollégiumának A Magyar Egészségügyi Szakdolgozói Kamara Etikai Kollégiumának A hajléktalan betegek ápolói (szakdolgozói) ellátásának legfontosabb etikai kérdései tárgyában kialakított 1/2009. számú állásfoglalásának

Részletesebben

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) 5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van

Részletesebben

Nemzeti és európai identitás az Iránytű Intézet 2014. márciusi közvélemény-kutatásának tükrében

Nemzeti és európai identitás az Iránytű Intézet 2014. márciusi közvélemény-kutatásának tükrében Nemzeti és európai identitás az Iránytű Intézet 2014. márciusi közvélemény-kutatásának tükrében Közvélemény-kutatásunk március 21-25. között zajlott 1000fő telefonos megkeresésével. A kutatás mintája megyei

Részletesebben

Alba Radar. 12. hullám

Alba Radar. 12. hullám Alba Radar Lakossági közvélemény-kutatási program Székesfehérváron 12. hullám Fehérvári lakosok tájékozottsága az autizmussal kapcsolatban 2012. április 2. Készítette: Ruff Tamás, Domokos Tamás truff@echomail.hu

Részletesebben

Független Szakértői Vélemény. Nyilvános Vételi Ajánlattal Kapcsolatban

Független Szakértői Vélemény. Nyilvános Vételi Ajánlattal Kapcsolatban Pintér István Vezérigazgató Rába Járműipari Holding Nyrt. 9027 Győr Martin út 1. Független Szakértői Vélemény Nyilvános Vételi Ajánlattal Kapcsolatban Tisztelt Igazgatóság! A megbízás háttere A Magyar

Részletesebben

FIT-jelentés :: 2013. Telephelyi jelentés. 8. évfolyam :: Általános iskola

FIT-jelentés :: 2013. Telephelyi jelentés. 8. évfolyam :: Általános iskola FIT-jelentés :: 2013 8. évfolyam :: Általános iskola Bulgárföldi Általános és Magyar - Angol Két Tanítási Nyelvű Iskola 3534 Miskolc, Fazola H u. 2. Létszámadatok A telephely létszámadatai az általános

Részletesebben

Munkatársi elégedettségvizsgálat eredményei 2008.

Munkatársi elégedettségvizsgálat eredményei 2008. Munkatársi elégedettségvizsgálat eredményei 2008. Vizsgálat tárgya: munkatársi elégedettség Kutatás módszere: 1-5-ig megválaszolható zárt típusú kérdéseket tartalmazó önkitöltős kérdőív (papíralapú) Adatfelvétel

Részletesebben

A VÁLSÁG HATÁSA AZ ÜZLETI KAPCSOLATOKRA

A VÁLSÁG HATÁSA AZ ÜZLETI KAPCSOLATOKRA A VÁLSÁG HATÁSA AZ ÜZLETI KAPCSOLATOKRA Hetesi Erzsébet, SZTE-GTK Üzleti Tudományok Intézete A gazdasági válság hatása a szervezetek mőködésére és vezetésére TUDOMÁNYNAPI KONFERENCIA 2012. november 20.

Részletesebben

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti:

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 100% 90% 80% 70% 60% 50% 2010 2011 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% a) Nevezze

Részletesebben

Miért betegebbek a szegény gyerekek?

Miért betegebbek a szegény gyerekek? KÖNYVEKRÕL, FOLYÓIRATOKRÓL MURAKÖZY BALÁZS Miért betegebbek a szegény gyerekek? Anne Case, Darren Lubotsky és Christina Paxson: Economic status and health in childhood: the origins of the gradient. American

Részletesebben

Hogyan lesz adatbányából aranybánya?

Hogyan lesz adatbányából aranybánya? Hogyan lesz adatbányából aranybánya? Szolgáltatások kapacitástervezése a Budapest Banknál Németh Balázs Budapest Bank Fehér Péter - Corvinno Visontai Balázs - KFKI Tartalom 1. Szolgáltatás életciklus 2.

Részletesebben

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL x 1-2x 2 6 -x 1-3x 3 = -7 x 1 - x 2-3x 3-2 3x 1-2x 2-2x 3 4 4x 1-2x 2 + x 3 max Alapfogalmak: feltételrendszer (narancs színnel jelölve), célfüggvény

Részletesebben

FIT-jelentés :: 2011. Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. OM azonosító: 035200 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. OM azonosító: 035200 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon

Részletesebben

Galasi Péter: Fiatal diplomások életpálya-vizsgálata

Galasi Péter: Fiatal diplomások életpálya-vizsgálata Galasi Péter: Fiatal diplomások életpálya-vizsgálata (elektronikus verzió, készült 2006-ban) A tanulmány eredetileg nyomtatásban megjelent: Galasi Péter (2002) Fiatal diplomások életpálya-vizsgálata :

Részletesebben

FIT-jelentés :: 2012. Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. OM azonosító: 201629 Telephely kódja: 001

FIT-jelentés :: 2012. Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. OM azonosító: 201629 Telephely kódja: 001 FIT-jelentés :: 2012 8. évfolyam :: Általános iskola Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a

Részletesebben

Fizika I. (Mechanika, áramlástan, reológia, fénytan) előadási jegyzet Élelmiszermérnök, Szőlész-borász mérnök és Biomérnök BSc hallgatóknak

Fizika I. (Mechanika, áramlástan, reológia, fénytan) előadási jegyzet Élelmiszermérnök, Szőlész-borász mérnök és Biomérnök BSc hallgatóknak Fizika I. (Mecanika, áamlástan, eológia, fénytan) előadási jegyzet Élelmiszeménök, Szőlész-boász ménök és Bioménök BSc allgatóknak Tatalom D. Fita Feenc Fizika-Automatika Tanszék 05. Statika, kinematika

Részletesebben

A 305/2011/EU Rendelet V. és III. mellékletében bekövetkezett változások. 2014. június 16-ig hatályos változat 2014. június 16-tól hatályos változat

A 305/2011/EU Rendelet V. és III. mellékletében bekövetkezett változások. 2014. június 16-ig hatályos változat 2014. június 16-tól hatályos változat A 305/2011/EU Rendelet V. és III. mellékletében bekövetkezett változások. 2014. június 16-ig hatályos változat 2014. június 16-tól hatályos változat V. melléklet A TELJESÍTMÉNY ÁLLANDÓSÁGÁNAK ÉRTÉKELÉSE

Részletesebben

Hunyadi János Általános Iskola

Hunyadi János Általános Iskola 4 Hunyadi János Általános Iskola Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon. osztály szövegértés 1 Standardizált átlagos képességek szövegértésből Az Önök iskolájának átlagos

Részletesebben

Fentiek alapján javaslom az értekezés nyilvános vitára bocsátását és a Jelölt számára az MTA doktora fokozat odaítélését.

Fentiek alapján javaslom az értekezés nyilvános vitára bocsátását és a Jelölt számára az MTA doktora fokozat odaítélését. Opponensi vélemény Szerb László: Vállalkozások, vállalkozási elméletek, vállalkozások mérése és a Globális Vállalkozói és Fejlődési Index című MTA doktori értekezéséről Szerb László doktori értekezésének

Részletesebben

Szerző: Sztárayné Kézdy Éva Lektor: Fokasz Nikosz TÁMOP-4.1.2.A/1-11/1-2011-0091 INFORMÁCIÓ - TUDÁS ÉRVÉNYESÜLÉS

Szerző: Sztárayné Kézdy Éva Lektor: Fokasz Nikosz TÁMOP-4.1.2.A/1-11/1-2011-0091 INFORMÁCIÓ - TUDÁS ÉRVÉNYESÜLÉS Kutatásmódszertan és prezentációkészítés 3. rész: Kvantitatív és kvalitatív kutatási módszerek Szerző: Sztárayné Kézdy Éva Lektor: Fokasz Nikosz Harmadik rész Kvantitatív és kvalitatív kutatási módszerek

Részletesebben

Statisztikai alapfogalmak

Statisztikai alapfogalmak i alapfogalmak statisztikai sokaság: a megfigyelés tárgyát képező egyedek összessége 2 csoportja van: álló sokaság: mindig vmiféle állapotot, állományt fejez ki, adatai egy adott időpontban értelmezhetők

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az MTA

Részletesebben

STATISZTIKA PÉLDATÁR

STATISZTIKA PÉLDATÁR STATISZTIKA PÉLDATÁR www.matektanitas.hu www.matektanitas.hu info@matektanitas.hu 1 Minden feladat csak szöveges válasszal együtt ad teljes értékű megoldást! Becslés 1. feladat Az alábbi táblázat megadja

Részletesebben

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás)

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Saját vállalkozás Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Piaci részesedés Haszonkulcs Marketing folyamatok Marketing szervezet Értékesítési/marketing kontrol adatok

Részletesebben

Vélemények az oktatás színvonaláról. és az oktatási rendszer mobilitási. funkciójának mûködésérôl a keletközép-európai

Vélemények az oktatás színvonaláról. és az oktatási rendszer mobilitási. funkciójának mûködésérôl a keletközép-európai Közép-európai közvélemény: Vélemények az oktatás színvonaláról és az oktatási rendszer mobilitási funkciójának mûködésérôl a keletközép-európai államokban A Central European Opinion Research Group (CEORG)

Részletesebben

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Hódiné Szél Margit SZTE MGK 1 A XXI. században az informatika rohamos terjedése miatt elengedhetetlen, hogy

Részletesebben

Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése

Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése Pˆr( y = 1 x) ( g( ˆ β + x ˆ β ) ˆ 0 β j ) x j Marginális hatás egy megválasztott

Részletesebben

FIT-jelentés :: 2010. Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. OM azonosító: 037320 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2010. Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. OM azonosító: 037320 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2010 8. évfolyam :: Általános iskola Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve a

Részletesebben

FIT-jelentés :: 2013. Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. OM azonosító: 036611 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2013. Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. OM azonosító: 036611 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2013 8. évfolyam :: Általános iskola Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon

Részletesebben

JELENTÉS A KÖRNYEZETVÉDELMI RÁFORDÍTÁSOKRÓL, A KÖRNYEZETVÉDELMI TERMÉKEK ELŐÁLLÍTÁSÁRÓL ÉS SZOLGÁLTATÁSOK NYÚJTÁSÁRÓL

JELENTÉS A KÖRNYEZETVÉDELMI RÁFORDÍTÁSOKRÓL, A KÖRNYEZETVÉDELMI TERMÉKEK ELŐÁLLÍTÁSÁRÓL ÉS SZOLGÁLTATÁSOK NYÚJTÁSÁRÓL KÖZPONTI STATISZTIKAI HIVATAL Az adatszolgáltatás a statisztikáról szóló 1993. évi XLVI. törvény (Stt.) 8. (2) bekezdése alapján kötelező. Nyilvántartási szám: 1892 JELENTÉS A KÖRNYEZETVÉDELMI RÁFORDÍTÁSOKRÓL,

Részletesebben

1. ábra: Az egészségi állapot szubjektív jellemzése (%) 38,9 37,5 10,6 9,7. Nagyon rossz Rossz Elfogadható Jó Nagyon jó

1. ábra: Az egészségi állapot szubjektív jellemzése (%) 38,9 37,5 10,6 9,7. Nagyon rossz Rossz Elfogadható Jó Nagyon jó Fábián Gergely: Az egészségügyi állapot jellemzői - 8 A nyíregyházi lakosok egészségi állapotának feltérképezéséhez elsőként az egészségi állapot szubjektív megítélését vizsgáltuk, mivel ennek nemzetközi

Részletesebben

Output menedzsment felmérés. Tartalomjegyzék

Output menedzsment felmérés. Tartalomjegyzék Összefoglaló Output menedzsment felmérés 2009.11.12. Alerant Zrt. Tartalomjegyzék 1. A kutatásról... 3 2. A célcsoport meghatározása... 3 2.1 Célszervezetek... 3 2.2 Célszemélyek... 3 3. Eredmények...

Részletesebben

Hitelfelvétel és a Növekedési Hitelprogramban (NHP) való részvétel a KKV-k körében Az MKIK GVI KKV Körkép című kutatási programjának eredményeiből

Hitelfelvétel és a Növekedési Hitelprogramban (NHP) való részvétel a KKV-k körében Az MKIK GVI KKV Körkép című kutatási programjának eredményeiből Hitelfelvétel és a Növekedési Hitelprogramban (NHP) való részvétel a KKV-k körében Az MKIK GVI KKV Körkép című kutatási programjának eredményeiből Budapest, 2015. március Az MKIK Gazdaság- és Vállalkozáskutató

Részletesebben

Rövid távú munkaerőpiaci előrejelzés és konjunktúra kutatás 2007. SZEPTEMBER - OKTÓBER

Rövid távú munkaerőpiaci előrejelzés és konjunktúra kutatás 2007. SZEPTEMBER - OKTÓBER SZOCIÁLIS ÉS MUNKAÜGYI MINISZTÉRIUM FOGLALKOZTATÁSI ÉS SZOCIÁLIS HIVATAL MAGYAR KERESKEDELMI ÉS IPARKAMARA GAZDASÁG- ÉS VÁLLALKOZÁSELEMZŐ INTÉZET kirendeltség kódja adatszolgáltató sorszáma Rövid távú

Részletesebben

AZ INFORMÁCIÓS RENDSZEREK KISVÁLLALATI ALKALMAZÁSÁNAK VIZSGÁLATA, LENGYEL- ÉS MAGYARORSZÁGI ÖSSZEHASONLÍTÓ ELEMZÉS

AZ INFORMÁCIÓS RENDSZEREK KISVÁLLALATI ALKALMAZÁSÁNAK VIZSGÁLATA, LENGYEL- ÉS MAGYARORSZÁGI ÖSSZEHASONLÍTÓ ELEMZÉS BEVEZETÉS AZ INFORMÁCIÓS RENDSZEREK KISVÁLLALATI ALKALMAZÁSÁNAK VIZSGÁLATA, LENGYEL- ÉS MAGYARORSZÁGI ÖSSZEHASONLÍTÓ ELEMZÉS Sasvári Péter PhD, egyetemi docens Miskolci Egyetem, Gazdálkodástani Intézet

Részletesebben

Módszertani leírás. A felvételben használt fogalmak az ILO ajánlásait követik. Ennek megfelelően tartalmuk a következő:

Módszertani leírás. A felvételben használt fogalmak az ILO ajánlásait követik. Ennek megfelelően tartalmuk a következő: Módszertani leírás Bevezetés A Központi Statisztikai Hivatal a magánháztartásokban élők gazdasági aktivitásának foglalkoztatottságának és munkanélküliségének vizsgálatára 1992-ben vezette be a magánháztartásokra

Részletesebben

A Deloitte 2008-as Középeurópai Környezeti Jelentés Díjának bírálati szempontjai

A Deloitte 2008-as Középeurópai Környezeti Jelentés Díjának bírálati szempontjai A Deloitte 2008-as Középeurópai Környezeti Jelentés Díjának bírálati szempontjai A bírálati szempontok két csoportra oszlanak: Tartalom (50%) Jelentési alapelvek (50%) 1. Tartalom Ez a bírálati szempont

Részletesebben

Szabályozói tőkeköltség-számítás a távközlési piacon 2011. december 31-re vonatkozóan

Szabályozói tőkeköltség-számítás a távközlési piacon 2011. december 31-re vonatkozóan Szabályozói tőkeköltség-számítás a távközlési piacon 2011. december 31-re vonatkozóan VEZETŐI ÖSSZEFOGLALÓ 2012. MÁJUS 7. 1 Vezetői Összefoglaló A dokumentum háttere és célja 1.1 A Deloitte Üzletviteli

Részletesebben

Öregedés és a mindennapi emlékezet: a memóriatréning jótékony hatása Elena Cavallini, Adriano Pagnin, Tomaso Vecchi

Öregedés és a mindennapi emlékezet: a memóriatréning jótékony hatása Elena Cavallini, Adriano Pagnin, Tomaso Vecchi Öregedés és a mindennapi emlékezet: a memóriatréning jótékony hatása Elena Cavallini, Adriano Pagnin, Tomaso Vecchi A memóriatréning hosszú távú hatásai időskorban: Egy longitudinális vizsgálat Sara Bottiroli,

Részletesebben

FIT-jelentés :: 2013. Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. OM azonosító: 035252 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2013. Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. OM azonosító: 035252 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2013 10. évfolyam :: 4 évfolyamos gimnázium Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban a 10.

Részletesebben