Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Kvantitatív módszerek Készítette: Dr. Kosztyán Zsolt Tibor 7.7.

Hasonló előadás


Az előadások a következő témára: "Kvantitatív módszerek Készítette: Dr. Kosztyán Zsolt Tibor 7.7."— Előadás másolata:

1 Kvantitatív módszerek Készítette: Dr. Kosztyán Zsolt Tibor 7.7.

2 Modellek x1x1 x2x2 x3x3 xnxn y1y1 y2y2 ymym x 11 x 12 x1nx1n X1X1 xm1xm1 xm2xm2 x mk XmXm Y1Y1 YpYp y 11 y 12 y1ty1t yp1yp1 yp2yp2 y pq ab c d 1.(lineáris) regressziós modell 2.kovariancia- analízis 1.(lineáris) regressziós modell 2.kovariancia- analízis 1.X és Y sokszor nem mérhető közvetlenül. => Főkomponens analízis, faktor analízis. 2.Nem csupán a modellredukció a fontos, hanem a modell helyességének vizsgálata is! 1.X és Y sokszor nem mérhető közvetlenül. => Főkomponens analízis, faktor analízis. 2.Nem csupán a modellredukció a fontos, hanem a modell helyességének vizsgálata is! Az ok-okozati kapcsolatok felderítése a fontos => Útelemzés

3 Ok-okozati vizsgálatok Keresztmetszeti vizsgálatoknál nem lehet megnyugtatóan meghatározni az okot és okozatot! –Módszer: Útelemzés Ahhoz, hogy a minden kétséget kizáróan el tudjam dönteni, hogy mi az ok és mi az okozat, longitudinális vizsgálatra van szükség.

4 Útelemzés Többszörös lineáris regresszió alkalmazása. Az utak erősségét is ki lehet számítani. Logikailag nehezen vitatható ok- okozati összefüggés kell. Csak nagyszámú mintaadatbázison alkalmazható. (min 200 elem) ab c d Közvetlen Közvetett !

5 További lehetőségek Érzékenység-vizsgálat Szimuláció Ezek azonban nem igazán használható módszerek, ugyanis a szimuláció nem biztos, hogy visszaadja a tényleges ok-okozati kapcsolatot.  Megoldás: longitudinális vizsgálatok.  Legalább két ((időben is) független) mérés összehasonlítása.

6 Modellredukció Főkomponens analízis –a főkomponens-analízis egyik fő célja a változók számának a „csökkentése”, így a legnagyobb súlyú komponenseket választjuk ki és használjuk fel az adataink becslésére. Az egyes komponensek egymástól függetlenek lesznek, DE –Általában nem a modellegyenletünk redukcióját, hanem egy másik (kevesebb) modellegyenletet (tartalmazó) redukált modellt kapunk. –Az új magyarázó változók a főkomponensek lesznek. p 1, p 2,..,p k, ahol k<=n (n az eredeti modellünkben a magyarázó változók száma)  Kérdés: A kapott főkomponensek mennyire korrelálnak az eredeti változókkal? Ha a korreláció értéke közel nulla, akkor az adott változó nem releváns, tehát elhagyható.

7 A főkomponens analízis értékelése A főkomponens analízis előnyei. –Bizonyítható, hogy a főkomponens-analízissel érhető el a legkisebb információveszteség. –A főkomponensek és a modellváltozók korrelációs vizsgálatával meghatározhatók, hogy mik a releváns és mik a nem releváns változók. A főkomponens analízis hátrányai: –A főkomponensek értelmezése gyakran nehézkes. –Nem nézi a kimenetet!

8 A faktoranalízis A faktoranalízis a megfigyelt változók számának „csökkentésére” használatos. E fogalom alatt a változók dimenziószámának csökkentését értjük, holott a „változók összevonása” kifejezés lenne a helyesebb. A változók számát csökkenteni úgy kívánjuk, hogy a műveletvégzés a lehető legkevesebb információveszteséggel járjon, vagyis a transzformált sokaságról az eredeti sokaságéval azonos következtetéseket lehessen levonni. Az eljárás arra is felvilágosítást ad, hogy mely változók a fontos, illetve kevésbé fontos (elhagyható) változók a vizsgált jelenségre vonatkozóan. x 11 x 12 x1nx1n X1X1 xm1xm1 xm2xm2 x mk XmXm Y1Y1 YpYp y 11 y 12 y1ty1t yp1yp1 yp2yp2 y pq

9 A faktoranalízis alkalmazása feltáró jellegű kutatások során 1.Már van egy modellünk. A nem mérhető (látens) változókat szeretnénk vizsgálni. 2.Nem tudjuk még, hogy milyen látens faktorok húzódnak meg a modellünk mögött. –Rá kell jönnünk, hogy hány faktorral írható le az egyenlet. –Ráadásul ezeknek a „látens” változóknak még értelmet is kell adnunk! –Meg kell találnunk, hogy mely faktorokba vonhatók össze a magyarázó változók. Nagyon hosszadalmas!

10 7.7.


Letölteni ppt "Kvantitatív módszerek Készítette: Dr. Kosztyán Zsolt Tibor 7.7."

Hasonló előadás


Google Hirdetések