Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102

Hasonló dokumentumok
Faktoranalízis az SPSS-ben

Faktoranalízis az SPSS-ben

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Faktoranalízis előadás. Kvantitatív statisztikai módszerek

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

Diszkriminancia-analízis

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Klaszterelemzés az SPSS-ben

Klaszterelemzés az SPSS-ben

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Többváltozós lineáris regressziós modell feltételeinek

Logisztikus regresszió

Logisztikus regresszió

TÁMOP-4.2.2/B-10/ Tantárgyi program (rövidített)

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért november 15.

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Typotex Kiadó. Tartalomjegyzék

Bevezetés a Korreláció &

Több valószínűségi változó együttes eloszlása, korreláció

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

y ij = µ + α i + e ij

Biostatisztika 2. Dr. Dinya Elek Dr. Solymosi Róbert: Biometria a klinikumban Dr. Dinya Elek: Biostatisztika c. művei alapján

A statisztika alapjai - Bevezetés az SPSS-be -

Regresszió számítás az SPSSben

Segítség az outputok értelmezéséhez

Esettanulmány Kvantitatív elemzési módszerek (GTÜSE3915) tantárgyhoz

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

GEOSTATISZTIKA. Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány. 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ

Többváltozós Regresszió-számítás

Matematikai statisztika Gazdaságinformatikus MSc október 8. lineáris regresszió. Adatredukció: Faktor- és főkomponensanaĺızis.

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Korreláció és lineáris regresszió

Regressziós vizsgálatok

Matematikai statisztika Gazdaságinformatikus MSc október 8. lineáris regresszió. Adatredukció: Faktor- és főkomponensanaĺızis.

Adatok statisztikai értékelésének főbb lehetőségei

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

Vargha András Károli Gáspár Református Egyetem Budapest

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Nagy-György Judit. Szegedi Tudományegyetem, Bolyai Intézet

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

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

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Kutatásmódszertan és prezentációkészítés

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

A TANTÁRGY ADATLAPJA

Varianciaanalízis 4/24/12

Többváltozós lineáris regresszió 3.

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

SPSS ALAPISMERETEK. T. Parázsó Lenke

Változók eloszlása, középértékek, szóródás

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Vizuális adatelemzés

A többváltozós lineáris regresszió III. Főkomponens-analízis

Kettőnél több csoport vizsgálata. Makara B. Gábor

Korrel aci os egy utthat ok febru ar 29.

Statisztika II előadáslapok. 2003/4. tanév, II. félév

A leíró statisztikák

SPSS ÉS STATISZTIKAI ALAPOK II.

Statisztika elméleti összefoglaló

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

[Biomatematika 2] Orvosi biometria

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

III. Kvantitatív változók kapcsolata (korreláció, regresszió)

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Standardizálás, transzformációk

GRADUÁLIS BIOSTATISZTIKAI KURZUS február hó 22. Dr. Dinya Elek egyetemi docens

Fogalom STATISZTIKA. Alkalmazhatósági feltételek. A standard lineáris modell. Projekciós mátrix, P

Korreláció számítás az SPSSben

s.s. Bere Anikó Zsuzsanna

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

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

V. Gyakorisági táblázatok elemzése

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

TÖBBVÁLTOZÓS ADATELEMZÉS

Biostatisztika és alkalmazásai

Regressziós vizsgálatok

Biomatematika 2 Orvosi biometria

Biostatisztika Összefoglalás

STATISZTIKA. Fogalom. A standard lineáris regressziós modell mátrixalgebrai jelölése. A standard lineáris modell. Eredménytáblázat

Biostatisztika Összefoglalás

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Eloszlás-független módszerek 13. elıadás ( lecke)

y ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti.

A statisztika alapjai - Bevezetés az SPSS-be -

Minden jog fenntartva. Az SPSS az International Business Machines Corporation (IBM) védjegye.

Csendes Tibor

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

Átírás:

Tárgy- és névmutató A a priori kontraszt 174 175 a priori kritérium 259, 264, 276 adatbevitel 43, 47, 49 52 adatbeviteli nézet (data view) 45 adat-elôkészítés 12, 37, 62 adatgyûjtés 12, 15, 19, 20, 23, 37 adattranszformáció 118 119 alakmutató számok 94 alternatív hipotézis 17 Analyze menü 82 83 ANOVA táblázat 340 341, 351 Anti-image mátrix 254 255 arányskála 93, 94, 101, 104, 127, 154 átkódolás (recode) 73 77 átlag 94 95, 99 102, 104, 107, 114, 119 120, 125, 127 128, 153, 154 autokorreláció 216 B Bartlett-teszt 257 259, 276 277 bizonytalansági együttható 142 143, 151, 154 155, 159 bonferroni-módszer 176 Box s M mutató 335, 341, 342 boxplot ábra 207 C Cox & Snell R négyzet 357 Cramer-V 139, 142 143, 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102 D Data menü 61 65

400 SPSS KUTATÁSI ÉS ADATELEMZÉSI KÉZIKÖNYV dendogram (fadiagram) 299, 303, 304, 306, 308, 327 derékszögû (ortoginális) forgatási módszer 266 267 determinációs együttható 206, 216, 218, 220 diszkriminanciaelemzés 329 359 diszkriminanciafüggvény 339, 342 345, 348 dobozdiagram 111 E Edit menü 58 60 egy szempontos varianciaelemzés 164, 167, 177, 180, 182 egyváltozós elemzés 91 93, 95 97, 99, 101 102, 106, 135, 137 egyváltozós normalitás 335 elôfordulások megszámlálása (count) 77 79 elsôfajú hiba (alfa) 18 érvényesség 26 29, 35 esetek rangsorolása (rank cases) 79 80 esetek szûrése (select cases) 67 71 F fájlok egyesítése (merge files) 65 67 faktorelemzés 245 263, 265, 266, 270, 272, 274 277 faktorextrakciós módszerek 253 faktorok számának meghatározása 263 faktorsúly 250, 264 265, 267 280 faktorsúlymátrix 264 265, 267, 268 271, 273, 277-279, 282 ferdeség 93 95, 102, 114, 119 File menü 56 57 Fisher s exact teszt 154 fôkomponens-elemzés 249 250, 253 254, 261, 273 F-próba 216, 221, 231 G Gamma 139 Goodman és Kruskal tau 139, 142 143, 154 155, 160 Graphs menü 83 gyakoriság 93, 97, 101, 102, 104 106, 120 H hasonlósági mérték 290 hegyesszögû forgatási módszer 266 Help menü 86 helyzetmutató számok 93

NÉV- ÉS TÁRGYMUTATÓ 401 hiányzó értékek vizsgálata 123, 135 hibatag (reziduum) 216, 218 hierarchikus klasztereljárás 294 hisztogram 95, 102, 103, 105-106, 115 117 375 376 I interakció 177 181, 189, 191, 192 193, 195, 196 intervallumskála 150 J jégcsapdiagram 299, 301, 303 jéghegyelv 16 K Kaiser kritérium 260 264, 276 277 Kaiser-Meyer-Olkin (KMO) mutató 258 Kanonikus korreláció 343 344, 351 352 Kendall tau-b 144 145 Kendall tau-c 144 145 kereszttábla-elemzés 137 139, 141, 145, 147, 156 157, 161 a kereszttábla-elemzés feltételei 145 kétlépcsôs klaszterelemzés 325 326 Khi-négyzet (_2) próba 137, 139 140, 146, 151, 153, 159 kiugró adatok (outliers) 285, 287 288, 298, 306, 317 kiugró értékek vizsgálata 120 K-közép klaszterelemzés 314 klasszifikációs eredmények 347 348, 353 klasztercentroid 309 310 klaszterelemzés 283 290, 295, 297 299, 305 306, 309, 313 314, 316 318, 326 kódolás 86 89 kommunalitás 249 250, 266, 270 271 kontingencia-együttható (C) 139, 142 143, 155, 159 korrelációelemzés 204 206, 215 korrelációs mátrix 254 258 kovarianciaelemzés 163, 181, 190 könyökkritérium 306, 308 kördiagram 374, 375 középpont érték (centroid) 346 közös faktorelemzés 249 250 kutatási ajánlat 368 371, 377 kutatási brief 368 371, 381

402 SPSS KUTATÁSI ÉS ADATELEMZÉSI KÉZIKÖNYV kutatási folyamat 11 13, 15, 38 kutatási jelentés 367, 368, 371, 377, 378 kutatási módszer 39398, 19 23 kutatási probléma 11, 13, 15 17, 19 20, 38 kutatási terv 11, 12, 15-20, 37-38 kvalitatív kutatás 15, 20, 22 kvantitatív kutatás 20, 22 L lambda 139, 142 144, 151, 154 155, 159 160 legkisebb négyzetek módszere (LNM) 215 leíró statisztika 97, 101, 102, 106, 114 Levene-teszt 166, 171, 173, 184, 186, 197 lineáris (Pearson-féle) korrelációs együttható 204 206 lineáris kapcsolat mutató 154 logisztikus regresszió 329 359 M másodfajú hiba (béta) 18 maximum-likelihood módszer 254, 263 medián 93 95, 102, 104, 113, 114 megbízhatóság 15, 26 29, 31, 34 35 metrikus skála 23, 25 mintanagyság meghatározása 11, 29, 31 33 mintavétel 11, 19, 29, 30 40 mintavételi keret 29 33 módusz 93 95, 102, 104 MSA-érték 256 258, 270, 275 multikollinearitás 218, 245, 248, 266 N Nagelkerke R négyzet 357 négyzetes euklideszi távolság 291, 295, 296, 300 301, 318 nem hierarchikus klasztereljárás 294 nem metrikus skála 23, 25 nominális skála 94, 104, 142, 154 normál eloszlás ábra 115, 117 normalitás próba 119 nullhipotézis 17 18 O ordinális skála 101, 141, 144, 150 oszlopdiagram 375 376, 382

NÉV- ÉS TÁRGYMUTATÓ 403 Ö összevonási tábla 303, 306, 318 P paraméterbecslés 215 parciális korreláció 211 214 Pearson korrelációs együttható mátrix 343, 345 phi együttható (_) 142 pontfelhôdiagram 109, 111 post-hoc teszt 174 176 prezentáció 367 393 próba ereje 18 19 probléma környezeti összefüggései 15 Q Q típusú faktorelemzés 247 R R típusú faktorelemzés 247 regresszióelemzés 203, 214, 216, 220 regressziós egyenes 215 216, 220 221 regressziós együttható 215 216, 221 rotáció (forgatás) 245, 261, 264, 266 267, 273, 276, 280 S sajátérték 342 343, 351 352 Scheffé-próba 176 Scree plot ábra 260, 262 Scree-teszt (Könyökszabály) 261 262, 264, 276 277 skálák értékelése 26 skálatípusok 23, 25 Somers-féle d 144 145 standardizált diszkriminancia-együttható 336, 344 345, 352 standardizált regressziós együttható 216, 221 Stem-and-leaf diagram 116 szórás 92 96, 99, 102, 107, 119, 120, 122, 125, 127, 135 szóráshomogenitás (homoszkedaszticitás) 95, 119, 135 szóródási mutatószámok 94 T távolsági mérték 290, 293 terepmunka 12, 37 több szempontos varianciaelemzés 163, 177 178, 182, 184, 190 191 többváltozós normalitás 334 335

404 SPSS KUTATÁSI ÉS ADATELEMZÉSI KÉZIKÖNYV a tökéletes információ értéke 13 t-próba 165 166, 176, 216, 221, 231, 237 Transform menü 71 U új változó számítása (compute) 71 73 Utilities menü 83 85 V változódefiniálási nézet (data editor) 60 61 változók kategorizálása (visual bander) 80 82 variancia 93 94, 102, 119, 125, 129, 139, 150 variancia típusai 249 varianciaelemzés feltételei 166, 182 varianciahányad-módszer 260, 264 varianciahomogenitás 166, 167, 173, 187 varimax rotáció 266 267, 273, 276 vezetôi probléma 12, 15 17, 38 View menü 60 61 vonaldiagram 373, 375 Wald-statisztika 356, 359 Ward-módszer 298, 305, 318 Wilks Lambda 340, 341, 343, 344, 351, 352 Window menü 85 Yates folytonossági korrekció 142, 153