Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Összefoglalás - Faktor- és klaszteranalízis - Petrovics Petra.

Slides:



Advertisements
Hasonló előadás
Az Országos Kompetenciamérés FIT-jelentéseinek új elemei
Advertisements

Petrovics Petra Doktorandusz
Egészségérték-gazdálkodás: Mitől függ az egészségünk?
Nem hierarchikus klaszterelemzés az SPSS-ben
A tanári munka értékelése
A tanári munka sikerességének vizsgálata a pedagógiai attitűdök, a tanár-diák viszony és az iskolai élmények összefüggésrendszerében Indoklás.
Egy lépés a munkahely megszerzéséig képzési projekt az aktív munkakeresés témakörében fiatalok számára IFJÚSÁG, IFJÚSÁGPOLITIKA - ÚJ KIHÍVÁSOK előadó:
A kereskedelmi vállalkozás erőforrásai
Klaszterelemzés az SPSS-ben
A statisztika alapjai - Bevezetés az SPSS-be -
A PEDAGÓGIAI KUTATÁS FOLYAMATA
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
A BA/BSc végzettség hasznosíthatóságának vizsgálata a Debreceni Egyetemen és Nyíregyházi Főiskolán végzett fiatalok körében Seres Edina
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, p. (SPSS: p.,
Könyvtárvezetési stratégiák, vezetési típusok
MARTON MELINDA – PAKU ÁRON TÉRSÉGTIPOLÓGIA KOMPLEX TÁRSADALMI MUTATÓK ALAPJÁN.
Mintavételes eljárások
A földhasználat és a területi versenyképesség főbb közgazdasági összefüggései Előadó: Kollár Kitti doktorjelölt, tanszéki mérnök Komárno november.
Hierarchikus klaszteranalízis
SZAKDOLGOZAT CÍME szakdolgozat
A PEDAGÓGIAI KUTATÁS Dr. Molnár Béla Ph.D.. 1. PEDAGÓGIAI KUTATÁS CÉLJA, TÁRGYA Célja, hogy az új ismeretek feltárásával, pontosabbá tételével, elmélyítésével.
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
K&H trambulin tapasztalatok
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Az élettársi kapcsolatban élők házasságkötése - az értékek és beállítódások szerepe a párkapcsolatok (ki)alakulásában Spéder Zsolt Kapitány Balázs KSH.
Klaszter analízis A klaszteranalízis értelmes és használható csoportba sorolja az adatokat, ezek a klaszterek. A klaszteranalízis kiindulópontja az elemek.
Munkaerő mobilitás Magyarországon
Időskorúak helyzete Nyíregyházán 2009 Patyán László DE OEC Egészségügyi Kar.
Magatartástudományi Intézet
A piacszegmentáció és a célpiaci marketing
II. Demográfia Népesség összetételének vizsgálata
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Alapsokaság (populáció)
Adatleírás.
Dr. Grónai Éva, Dr. Erdélyi Erzsébet, Blézer Zita
t A kétoldalú statisztikai próba alapfogalmai
TÁMOP 5.5.1/A-10/ “Jó pályán! Jó gyakorlatok továbbfejlesztése és alkalmazása a munkaerő-piaci integrációért és esélyegyenlőségért” Foglalkoztatási.
Faktoranalízis az SPSS-ben
Kis és nagy iskolák HÉTFA Kutatóintézet és Elemző Központ
Az üzleti rendszer komplex döntési modelljei (Modellekkel, számítógéppel támogatott üzleti tervezés) II. Hanyecz Lajos.
A szociális képességek fejlesztése módszertana
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Mintavételes Eljárások.
Sztochasztikus kapcsolatok
Petrovics Petra Doktorandusz
Bevezetés a Korreláció & Regressziószámításba
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Többváltozós lineáris regressziós modell feltételeinek tesztelése.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Parciális korreláció Petrovics Petra Doktorandusz.
Marketing információs
A vállalatok piacorientációjának hatása a külső és belső környezet, valamint az eredményesség szubjektív megítélésére Készítette: Bareith Tibor III. évfolyam,
A „tudatos vásárló” – avagy „hiszünk-e a felelős vállalati magatartásban?” Készítette: Páthy-Dencső Blanka TÁRKI Társadalomkutatási Intézet Zrt. 1112,
A friss hal és haltermékek fogyasztói megítélése 2014-ben Ózsvári László – Fodor István – Bódi Barbara – Kasza Gyula HALÁSZATI TUDOMÁNYOS TANÁCSKOZÁS SZARVAS,
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
1 © GfK Hungária | Superbrands 2015 SUPERBRANDS KUTATÁS 2015 GfK Hungária, Consumer Experiences január 28. Alap / Premium kutatási csomagok leírása.
A HAZAI VÁLLALKOZÁSOK ÉS A VÁLLALKOZÓK LAKOSSÁGI MEGÍTÉLÉSE, NEGATÍV SZTEREOTÍPIÁK VIZSGÁLATA LAKOSSÁGI KVANTITATÍV FELMÉRÉS KUTATÁSI RIPORT JÚLIUS.
Az üzletek operatív működtetése
A kutatási program leírása
A japán projektek sikertényezői – Kutatási beszámoló
Lineáris regressziós modellek
A hazai középvárosok területi tőkéje
Szabályozott és képes termékek/szolgáltatások, folyamatok, rendszerek
Balázsi Ildikó Oktatási Hivatal
Az Európai Unió tagországainak, a csatlakozásra váró országoknak
A évi kompetenciamérés FIT-jelentéseinek új elemei
Közvélemény- és piackutatási igazgató
Előadás másolata:

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Összefoglalás - Faktor- és klaszteranalízis - Petrovics Petra Doktorandusz

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet • Meghatározni azon fiatal pályakezdők körét, akik érdeklődnek az X vállalat iránt. • További cél meghatározni, hogy miben rejlik a vállalat népszerűsége vagy éppen népszerűtlensége, és hogy a pályaválasztásnál mi a döntő tényező. • Hipotézis: Léteznek olyan homogén csoportok, amelyekre ugyanazok az attitűdök jellemzőek az X vállalattal kapcsolatban. Marketingkutatási cél

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Kérdőív a8. Helyezze el az 1-7-ig terjedő skálán (ahol a legmagasabb pontot a 7-es jelöli), hogy mennyire fontos Önnek a munkavállaláskor a(z): Család és munkavégzés harmóniája Szabadidő Munkahelyi továbbképzés Munkahely stabilitása Munkahely megközelíthetősége Munkahely hírneve Munkahely megbízhatósága v5. Kérjük, helyezze el a skálán az X vállalatra leginkább illő tulajdonságokat! Ismeretlen (országszinten) Ismert (országszinten) MegbízhatatlanMegbízható Rossz szakmai hírnévJó szakmai hírnév Rosszul fizetőJól fizető InstabilStabil MerevRugalmas Nehezen megközelíthetőKönnyen megközelíthető Kevés továbbképzési lehetőséget biztosítSok továbbképzési lehetőséget biztosít Rossz munkahelyi környezetJó munkahelyi környezet

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Demográfiai kérdések d1. Nemed6. Jelenlegi foglalkozása 1Férfi1Fizikai dolgozó 2Nő2Szellemi dolgozó d2. Életkora3Tanuló d3. Családi állapota:4Nyugdíjas 1Hajadon / nőtlen5Munkanélküli 2Házasd7. Az Önnel egy háztartásban élők száma (Önnel együtt) 3Elvált 4Özvegyd8. Az Ön családjában az egy főre jutó nettó havi jövedelem d4. Lakhelye 1Megyeszékhely, illetve lakos fölötti település Ft 2Város, vagy lakos fölötti település Ft 3Falu, község, amely lakos alatti település Ft d5. Legmagasabb iskolai végzettsége – Ft 1Szakmunkásképző – Ft 2Érettségi – Ft 3Felsőfokú –

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Megnyitás: 12_faktor_klaszter.sav

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Klaszteranalízis folyamata 1. •A probléma megfogalmazása •(Kutatási probléma, hipotézis, vizsgálandó elemek nagysága, stb.) 2. •Feltételek vizsgálata •Pl: kiugró értékek, reprezentatív minta, skálázás 3. •Hasonlósági és távolságmérték meghatározása •(Ahol kisebb a távolság, azok a megfigyelési értékek hasonlóbbak) 4. •Klasztermódszer kiválasztása •Hierarchikus vs. nem hierarchikus 5. •Klaszterek száma •Hány csoport? Mi alapján? 6. •Klaszterek értelmezése, jellemzése •Elnevezés, értékelés 7. •Klaszterelemzés érvényességének ellenőrzése

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet •A klaszterelemzés célja: A pályakezdő fiatalokat a pályaválasztási szokásuk és a vállalathoz való viszonyuk alapján csoportokba rendezni. •Minta •Kiugró adatok (outliers) •Skálák •Multikollinearitás 1. •A probléma megfogalmazása Faktoranalízis 2. •Feltételek vizsgálata

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Faktoranalízis folyamata 4. •Faktormódszer kiválasztása 5. •Faktorok számának meghatározása 6. •Faktorok rotálása 8. •Faktorelemzés érvényességének ellenőrzése 3. •Az adatok alkalmasságának vizsgálata 1. •A probléma megfogalmazása 7. •Faktorok értelmezése, jellemzése •Elnevezés, értékelés 2. •Feltételek vizsgálata

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet •Feltáró 1.Pályaválasztást befolyásoló tényezők 2.A vállalattal kapcsolatos attitűdökre vonatkozó tényezők 1. •A probléma megfogalmazása

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 1.Elemzés érvényessége, változók alkalmassága 2.Metrikus változók / Dummy változók 3.A változók eloszlása normális 4.Homoszkedaszticitás 5.Multikollinearitás 6.Nagyobb minta 7.„Minta elemszáma / változók száma” arány 2. •Feltételek vizsgálata

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 3. •Adatok alkalmasságának vizsgálata Kaiser-Meyer-Olkin érték0,540 Bartlett's Test Becsült149,436 Szabadságfok21 Szignifikancia szint0,00 „Eszerint a mutató értéke minden szignifikancia-szinten elfogadva 0,54, ami Kaiser értelmezésében annyit tesz, hogy „szánalmas”, nem javasolja faktoranalízisre. Ez azt jelenti, hogy a változók egymástól függetlenek, gyenge a multikollinearitás, nem feltétlen szükséges egy új változó bevezetése, amelyben összefoglaljuk azon magyarázó változók tulajdonságát, amelyek nagyon erősen korrelálnak egymással.”

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 3. •Adatok alkalmasságának vizsgálata Anti-image mátrix

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 4-5. •Faktorok számának meghatározása Scree plot Sajátérték ábrázolása 3 faktor Variamax

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 7. •Faktorok értelmezése, jellemzése Elvárás elemek Komponensek 123 megbízhatóság,914,024-,063 család és munkavégzés harmóniája,807,360-,044 stabilitás,736-,432,098 szabadidő vs. munka,045,860-,002 megközelíthetőség,010,678,115 hírnév,066-,004,837 munkahelyi továbbképzés -,093,110,786 Biztonság- faktor Időkihasznált- ság faktor Karrierista faktor A teljes variancia 70,29%-át magyarázza.

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet 1.„Az első csoportba dominánsan a megbízhatóság és a család és munkavégzés harmóniája, s a stabilitás került. E három változó közös látens háttérfaktora – mint közös ok-faktor - az F1 faktor. Ennek mérésére és elnevezésére további szakmai vizsgálat szükséges. De ha jellemezni kellene, azon tulajdonságok tartoznak ebbe a faktorba, melyek alapvetően egy nyugodt, biztonságra vágyó munkavállalót jellemezik. Ez lehetne egy ún. biztonságfaktor. 2.A második, F2 faktor esetén a szabadidő vs. munkaidő szerepe, s a megközelíthetőség játszik nagy szerepet. Ez az időkihasználásra vonatkozó faktor. 3.A harmadik csoportot lényegében a hírnév és a munkahelyi továbbképzések alkotják. Ezek a vállalat által nyújtott tényezők: sikerorientáció, karrierista tulajdonságokat ötvöző faktor.” 7. •Faktorok értelmezése, jellemzése

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Klaszteranalízis 2. A klaszteranalízis feltételeinek újravizsgálata 4. Klasztermódszer: hierarchikus „A hierarchikus módszer elemzését választottam, mert így a klaszterek számra vonatkozóan pontosabb adatokat kapok. A klaszterképzést a Ward-módszerrel hajtottam végre, mert amíg a többi a legtávolabbi, vagy a legközelebbi elemek közötti távolságot vizsgálja, tehát csak 1-1 elemet néz, addig a Ward-módszer kitűnően alkalmazható metrikus adatok esetében, hiszen a klaszteren belüli varianciákat vizsgálja. A klaszterbe mindig azon adatok kerültek bevonásra, amely a legkevésbé növeli a szórásnégyzetet.”

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet „Mikor a változókat az „Agglomeration Schedule” ábrán kirajzoltattam, akkor már láthatóvá vált, hogy 4 klasztert érdemes létrehozni (hiszen az ábrán a 96. lépésben érezhető egy nagyobb töréspont). Így lefuttattam még egyszer a programot, de már előre beállítva a 4 klaszter létrehozását.” 5. •Klaszterek száma

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Elvárás klaszterek Család + munkavégzés harmóniája, Stabilitás; Bányamérnök Hírnév, Munkahelyi továbbképzés Szabadidő Munkahely közelsége Minden tényező kb. azonos hangsúlyt kap; Nők Forrás: Saját szerkesztés saját kutatás alapján

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Attitűd klaszterek Bánya- mérnök Érettségizettek Falusi lakosok, felsőfokú végzettségűek Bölcsész, jogász Nem ismerik, nincs vélemény ME: Kiváló munkahely Forrás: Saját szerkesztés saját kutatás alapján

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet továbbképzési lehetőségek munkahelyi környezet stabilitás hírnév Nagyon fontos megbízhatóság fizetés Rossz imázsKiváló imázs Kevésbé fontos távolság rugalmasság Stratégia: További erősítés, fenntartás Stratégia: Helyzet mielőbbi javítása Fontosság-elégedettség mátrix Forrás: Saját szerkesztés saját kutatás alapján Marketinges vonatkozása

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Köszönöm a figyelmet!