TÁRSADALOMSTATISZTIKA III. Sztochasztikus kapcsolatok I. Előadó: Prof. Dr. Besenyei Lajos.

Slides:



Advertisements
Hasonló előadás
Füst György III. Belklinika
Advertisements

A társadalmi tényezők hatása a tanulásra
Egészségérték-gazdálkodás: Mitől függ az egészségünk?
Regionális Gazdaságtani és Vidékfejlesztési Intézet
Kvantitatív Módszerek
A statisztika alapjai - Bevezetés az SPSS-be -
3. Két független minta összehasonlítása
1. Energiagazdálkodási rendszermodell
ASSZOCIÁCIÓS MÉRŐSZÁMOK
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
Összefüggés vizsgálatok
Gazdaságelemzési és Statisztikai Tanszék
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
A népesség nem és kor szerint
Asszociáció.
3. hét Vegyes kapcsolat.
Regresszióanalízis 10. gyakorlat.
Ismérvek közötti kapcsolat vizsgálat
SPSS bevezetés.
Dr. Szalka Éva, Ph.D.1 Közlekedésstatisztika V.. Dr. Szalka Éva, Ph.D.2 Ismérvek közötti kapcsolatok Két ismérv között a kapcsolat háromféle lehet: Két.
Kvantitatív módszerek
Kvantitatív módszerek
Matematikai alapok és valószínűségszámítás
Asszociációs együtthatók
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
3. előadás Heterogén sokaságok Szórásnégyzet-felbontás
Kalkuláció 13. feladat TK 69. oldal.
Kvantitatív Módszerek
Gazdaságstatisztika Hipotézisvizsgálatok Nemparaméteres próbák II. 17. előadás.
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
EGÉSZSÉGMAGATARTÁS Egészségmagatartásnak nevezünk minden olyan tevékenységet, amelyet egy önmagát egészségesnek tartó személy vagy preventív céllal végez,
AZ EGÉSZSÉGI ÁLLAPOTOT BEFOLYÁ-SOLÓ TÁRSADALMI TÉNYEZŐK
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Következtető statisztika 9.
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
HOGYAN KÉSZÜLNEK A MAGYAROK NYUGDÍJAS ÉVEIKRE?. A magyarok fele nem, vagy alig törődik a nyugdíjjal.
Lineáris regresszió.
Adatleírás.
t A kétoldalú statisztikai próba alapfogalmai

Diszkrét változók vizsgálata
Két kvantitatív változó kapcsolatának vizsgálata
IV. Terjeszkedés 2..
HALLGATÓI ELÉGEDETTSÉGI VIZSGÁLATOK A WJLF-EN A es tanév eredményei.
TÁRSADALOMSTATISZTIKA Sztochasztikus kapcsolatok II.
6. előadás.
Sztochasztikus kapcsolatok
A kombinációs táblák (sztochasztikus kapcsolatok) elemzése
Bevezetés a Korreláció & Regressziószámításba
A TÁRSADALMI JÓL-LÉT TÉRBELI KÜLÖNBSÉGEI A MAGYAR NAGYVÁROS- TÉRSÉGEKBEN Berki Márton – Halász Levente MRTT Vándorgyűlés Veszprém, november
Korrelációs kapcsolatok elemzése
Többdimenziós valószínűségi eloszlások
A Dél-Alföld általános gazdasági helyzete és a mögötte meghúzódó EMBER
3. hét Asszociáció.
Korreláció-számítás.
A számítógépes elemzés alapjai
A számítógépes elemzés alapjai
Korreláció, regresszió
Lineáris regressziós modellek
IV. Demográfia Halandóság
Hipotézisvizsgálatok általános kérdései Nemparaméteres próbák
Részekre bontott sokaság vizsgálata, gyakorló feladatok
Gazdaságstatisztika Konzultáció a korreláció- és regressziószámítás, idősorok elemzése témakörökből.
Sztochasztikus kapcsolatok I. Asszociáció
Dr. Varga Beatrix egyetemi docens
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Előadás másolata:

TÁRSADALOMSTATISZTIKA III. Sztochasztikus kapcsolatok I. Előadó: Prof. Dr. Besenyei Lajos

KAPCSOLATVIZSGÁLATI MÓDSZEREK A változók közötti összefüggések lehetnek: 1.Függvényszerű (teljes meghatározottságú összefüggés) Ha az egyik ismérv változata minden esetben a másik ismérv adott változatával fordul elő (az egyikből egyértelműen lehet következtetni a másikra) (minden férfi dohányzik, a nők közül senki)

2. Függetlenség A változók között nincs összefüggés (az egyikből nem következtethetünk a másikra) (a gólyák számának csökkenéséből a születések számának csökkenésére).

3. Sztochasztikus összefüggés Az egyik ismérv változathoz való tartozásból csak tendenciaszerűen, (valószínűségi jelleggel) következtethetünk a másik ismérv változatára. (akinek több pénze van, általában többet költ könyvekre.)

Sematikusan ábrázolva a fentieket: Sztochasztikus Függetlenség Függvényszerű 01

A sztochasztikus kapcsolatvizsgálat általános kérdései: 1. Milyen típusú kapcsolatokat vizsgálunk (milyen változók, ismérvek között) 1.1. Asszociációs kapcsolat Minőségi ismérv, minősítéses jellemzők között (pl. nem - beosztás; nem - vezetési stílus; iskolai végzettség - beosztás)

1.2. Vegyes kapcsolat minőségi és mennyiségi ismérvek közötti sztochasztikus kapcsolat (pl. nem - kereset; beosztás – életkor) 1.3. Korrelációs kapcsolat Mindkét vizsgált jellemző mennyiségi ismérv (pl: életkor – kereset, jövedelem - fogyasztás, tanulási idő - vizsgajegy)

2. A kapcsolat ok-okozati vagy kölcsönös jellegű Bizonyos esetekben megállapítható melyik az ok, melyik az okozat. (Az egyik megváltozása megváltoztatja a másik értékét.) (jövedelem – fogyasztás, iskolai végzettség – munkanélküliség, biztonsági öv használata – baleset súlyossága). Más esetekben nehezebb (családi helyzet alakulása – alkoholfogyasztás)

A társadalomkutatásban két változó oksági kapcsolatának feltételei: a)Az ok időben megelőzi az okozatot b) a kettő között empirikus együttjárás van c) ha ez a kapcsolat nem egy harmadik változó eredménye

3. Értelmezhető-e a kapcsolat iránya. Ha igen, pozitív vagy negatív irányú kapcsolatról van szó? Nominális skála esetén, minőségi jellemzőknél nem értelmezhető. (nem – dohányzás, iskolai végzettség – beosztás) Rangsorok, mennyiségi ismérvek esetén értelmezhető. (napi átlagos hőmérséklet – sörfogyasztás: minél melegebb van, általában annál több sör fogy és fordítva. Pozitív kapcsolat. Ár és fogyasztás: minél drágább a termék, általában annál kevesebbet vásárolunk. Negatív kapcsolat

4. Valós vagy látszólagos kapcsolatról van szó? A változók együttmozgásában, a látszólagos ok- okozati kapcsolatban egy harmadik ismérv játszik szerepet. (TV eladások számának növekedése, válások számának emelkedése)

A szochasztikus kapcsolat erősségének, szorosságának mérése Általános séma a mutatószámokhoz: 0 Alsó határ függetlenség 0,5 Közepes erősség 1 Felső határ függvényszerű

Követelmény a szorossági mérőszámokkal szemben: a) legyen alsó és felső korlátja b) a kapcsolat teljes hiánya esetén nulla legyen c) a mérőszám értéke ne függjön a megfigyelések számától

1. Asszociáció a) CRAMER asszociációs együttható Alapgondolat: a teljes függetlenségnek megfelelő (számított) gyakoriságokat összeveti a tényleges gyakoriságokkal ( ) Minél nagyobb az eltérés, annál erősebb a kapcsolat.

Felhasználható χ 2 érték: A Cramer együttható: C=0, ha a két ismérv teljesen független C=1, ha a kapcsolat közöttük függvényszerű

Példa: (Szellemi foglakozásúak, foglalkozási főcsoport és nem szerinti megoszlása, III. negyedévben, ezer főben) Foglalkozási főcsoport Férfi (1)Nő (2)Összesen I. (1) II. (2) III. (3) IV. (4) ,2 179,4 17,6 83,2 254,4 325,1 235,4 242,2 439,6 504,5 253,0 Összesen:541,2898,11439,3

Az χ 2 számítása Ismérvvált ,2 179,4 17,6 83,2 254,4 325,1 235,4 91,1 165,3 189,7 95,1 151,1 274,3 314,8 157,9 50,6 2,4 0,6 63,2 30,5 1,4 0,3 38,0 Összesen:1439,3 187,0

Közepesnél gyengébb kapcsolat van a szellemi foglalkozásúak munkaterülete és a nemhez való tartozás között. χ 2 =187

b) YULE-együttható (Y) Alternatív ismérvek esetén. A dohányzás tiltásával kapcsolatban 800 fő véleménye, nemenkénti beosztásban MegnevezésEngedélyezzékNe engedélyezzék Összesen Férfi (1) Nő (2) f 11 f f 12 f f1.f2.f1.f2. Összesen600f f n

A kapcsolat közepesnél erősebb, azaz: a férfiak inkább támogatják a dohányzás engedélyezését mint a nők.

Rangkorrelációs együtthatók Két ismérv szerinti rangsorolás esetén az ismérvek közötti összefüggést rangkorrelációs együtthatóval lehet vizsgálni. Spearman-féle együttható

10 dolgozatot két bíráló rangsorolt Bírálók A B (d) d Nagyfokú hasonulásságot mutat a két bíráló rangsorolása (-1: teljes ellentét, +1 teljes megegyezés esetén) különbség