Typotex Kiadó. Tartalomjegyzék

Átírás

1 Tartalomjegyzék Bevezetés A hasznos véletlen hiba I. Adatredukciós módszerek Fıkomponens-elemzés A fıkomponens jelentése Mikor használjunk fıkomponens-elemzést? A puding próbája Az egyenlı teherviselés Faktorelemzés A modell javítgatása Lássunk tisztán! A rotálás Mentsük, ami menthetı: a faktorszkórok létrehozása Amiért fáradoztunk: létrejöttek a látens változók A hiányzó adatok kezelése A faktorelemzés buktatói A Kaiser Meyer Olkin mutató és a Bartlett-teszt Amikor a faktorok 100 százaléknál többet magyaráznak A legnagyobb kommunalitású változó kihagyása A rosszul interpretálható változók kihagyása Az egyeduralomra törı változók esete Vissza az elágazási ponthoz A változók tartalma és a faktorok jelentése A konfirmációs modell Amikor minden reménytelen Kétségbeesett kísérlet Feladás helyett: visszahátrálás a fıkomponensbe Szezon és fazon

2 6 Túlélıkészlet az SPSS-hez 3. Klaszterelemzés Tudás versus anyagi javak Hierarchikus klaszterek A hierarchikus klaszterezés módszerei A legközelebbi, illetve a legtávolabbi szomszéd Klaszterek távolsága mint a klaszterelemek távolságainak átlaga Klaszterek távolságának meghatározása a klaszterközéppontok segítségével Miben mérjük a távolságot? Euklideszi távolság Az euklideszi távolság négyzete Asszociáción alapuló közelség-távolság Sok hőhó majdnem semmiért Klaszterezés nagy file-okon Iniciális klaszterközéppontok Útban a tökéletesség felé: iterálás A klaszterek interpretálása Kendızetlen ıszinteség versus a standardizálás álcája Kilépés az életbe: típuskeresés klaszterekkel És megint elölrıl: iterálás több lépésben Névadás: klaszterek interpretálása Adjunk-e profilt a bizonytalankodóknak? A hiányzó adatok kezelése Egy tautológia két jelentése: ANOVA egy kicsit másképpen Minden út Rómába vezet? Változtassunk a kezdıpontokon! A magunk ásta verem és a kiút Tanulságok

3 Tartalomjegyzék 7 II. Magyarázó modellek Variancia-analízis Egyutas variancia-analízis Kétutas variancia-analízis Az interakció Az interakcióról bıvebben A négyzetösszegek értelmezése a kétutas ANOVA-ban Az interferencia A hierarchikus ANOVA Korlátozó feltételek Normalitás-vizsgálat Lineáris regresszióanalízis A regressziós egyenes egyenlete Egyszerő példa a lineáris regresszióra Illeszkedés: mennyire vehetjük komolyan a regressziós egyenest? Lineáris regresszióanalízis élesben egyszerő modell A deviánsokról Vissza az output-hoz Kétváltozós regressziós modell Kétértékő vagy dummy változók Modellépítés Még egy kicsit a dummy változókról Többváltozós regressziós modell Ordinális független változók A Lazarsfeld-paradigma és a regresszió Interferencia a regresszióban: a változószelektálás módszerei A FORWARD módszer A BACKWARD módszer A STEPWISE módszer Az ENTER módszer Nominális mérési szintő változók becsempészése a regressziós modellbe: dummyzás

4 8 Túlélıkészlet az SPSS-hez 5.9. Összefüggı független változók: a multikollinearitás Függvényszerő multikollinearitás A baj nem jár egyedül: magas mérési szintő és dummy változók a regressziós modellben Amikor csak a gondolkodás segít dummyzzunk másként Szabaduljunk meg a nominális változóktól Függvényszerő kapcsolat sztochasztikus multikollinearitás Miért félünk a sztochasztikus multikollinearitástól? Barátságosabb út a multikollinearitás meghatározására kétféle mérıszám Hogyan védekezzünk a sztochasztikus multikollinearitás ellen? Hab a tortán: a homoszkedaszticitás és az elsırendő autokorreláció Biztos, ami biztos: a regressziós modellek validitása Útmodellek Az utak erıssége Közvetlen és közvetett hatások Gondolkodási sémák Mi az ok, és mi az okozat? A modell továbbépítése A modell interpretációja Az útmodell korlátai Diszkriminancia-analízis A romák lehetséges beilleszkedése a többségi társadalomba: ahogyan a többség látja Sok kicsi sokra megy? A magyarázó változók együttes jelentése: a diszkrimináló függvények Az üdvözlendı diszkrimináció

5 Tartalomjegyzék Sose lehetünk elég óvatosak átlagok és eloszlások összehasonlítása Lássuk a medvét! Komplex modell Antiszemitizmus és cigányellenesség Státus és attitődök: együttes magyarázat Többdimenziós skálázás Kisebbségek egy rokonszenv-térképen Többdimenziós skálázás az SPSS-ben Meddig mehetünk el? A dimenziócsökkentés határai Etnikai csoportok az egymásról alkotott vélemények terében Logisztikus regresszió A sztahanovista lineáris regresszió. Miért van szükség logisztikus regresszióra? A legfontosabb fogalmak A valószínőség és az esély Az esélyhányados Út a logisztikus regresszióanalízis felé Egy egyszerő modell A likelihood függvényrıl Az output érdemi része A modell magyarázóereje Találatmátrix a logisztikus regresszióban A független változó hatása A modell bıvítése Összemérhetı hatások: a standardizált regressziós együttható Kategoriális független változó a logisztikus regresszióban Mindent bele! Sokváltozós modell Ugyanaz másképpen

6 10 Túlélıkészlet az SPSS-hez Melléklet A parancsikonok használata: Fıkomponens- és faktorelemzés A parancsikonok használata: Klaszterelemzés Hierarchikus klaszterezés K-Means klaszterezés A parancsikonok használata: Variancia-analízis A parancsikonok használata: A lineáris regresszióanalízis A parancsikonok használata: Diszkriminancia-analízis A parancsikonok használata: A többdimenziós skálázás A parancsikonok használata: A logisztikus regresszió Felhasznált irodalom