Módszertan Dr. Skrabski Árpád

Slides:



Advertisements
Hasonló előadás
I. előadás.
Advertisements

Statisztika II. I. Dr. Szalka Éva, Ph.D..
Kutatási gyorsjelentés Omnibuszos kutatás meghatározott szakpolitikai témában – Egészségügy január.
Kvantitatív Módszerek
Kvantitatív módszerek
3. Két független minta összehasonlítása
KLASSZIKUS SZOCIOLÓGIA ELMÉLETEK BBTE Szociológia és Szociális Munkásképző Kar Szociológia Tanszék Szociológia szak Péter László.
A PEDAGÓGIAI KUTATÁS FOLYAMATA
Földrajzi összefüggések elemzése
Mérési pontosság (hőmérő)
Becsléselméleti ismétlés
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
Gazdaságelemzési és Statisztikai Tanszék
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
E L E M Z É S. 1., adatgyűjtés 2., mintavétel (a teljes sokaságot ritkán tudjuk vizsgálni) 3., mintavételi információk alapján megállapítások, következtetések.
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Előadó: Prof. Dr. Besenyei Lajos
III. előadás.
HELYI PARTNERSÉGEK, MINT A VIDÉKI KORMÁNYZÁS INNOVATÍV ESZKÖZEI 1 A Magyar Regionális Tudományi Társaság IX. vándorgyűlése Révkomárom, november 25.
Regresszióanalízis 10. gyakorlat.
SPSS leíró statisztika és kereszttábla elemzés (1-2. fejezet)
Többdimenziós skálázás (7. fejezet). Alapgondolat Feltáró elemzés A skálázással az adatok közötti különbségeket vizsgáljuk, illetve vetítjük le őket kevesebb.
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Kvantitatív módszerek
Kvantitatív módszerek 8. Hipotézisvizsgálatok I. Nemparaméteres próbák Dr. Kövesi János.
Adatmodellek A modellezés statisztikai alapjai. Statisztikai modell??? cél: feltárni, hogy bizonyos jelenségek között létezik-e az általunk feltételezett.
Matematikai alapok és valószínűségszámítás
Gazdaság- és Társadalomtudományi Kar Regionális Gazdaságtani és Vidékfejlesztési Intézet A LEADER PROGRAM MINT HELYI PARTNERSÉG KÉRDÉSEI MAGYARORSZÁGON.
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Egytényezős variancia-analízis
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás Marketing Msc I. évf., I. félév, levelező.
TE AKARSZ ROMA MUNKATÁRSAT?. A nem romák elsősorban a munkához való viszonyuk alapján ítélik meg a romákat. Előzmények * ! Szociológiai és szociálpszichológiai.
Kvantitatív Módszerek
Statisztikai módszerek áttekintése módszerválasztási tanácsok Makara Gábor.
Többváltozós adatelemzés
Többváltozós adatelemzés
Alapsokaság (populáció)
Lineáris regresszió.
Adatleírás.
t A kétoldalú statisztikai próba alapfogalmai
Diszkrét változók vizsgálata
Két kvantitatív változó kapcsolatának vizsgálata
Paleobiológiai módszerek és modellek 4. hét
Kis és nagy iskolák HÉTFA Kutatóintézet és Elemző Központ
I. előadás.
Statisztikai alapfogalmak
Ábramagyarázat az Országos Kompetenciamérés iskolajelentéséhez
A kombinációs táblák (sztochasztikus kapcsolatok) elemzése
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
 A matematikai statisztika a természet és társadalom tömeges jelenségeit tanulmányozza.  Azokat a jelenségeket, amelyek egyszerre nagyszámú azonos tipusú.
Bevezetés a méréskiértékelésbe (BMETE80ME19)
A számítógépes elemzés alapjai
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
A számítógépes elemzés alapjai
Lineáris regressziós modellek
HAJLÉKTALANSÁG ÉS DROGHASZNÁLAT
Adatelemzési gyakorlatok
III. előadás.
Szabályozott és képes termékek/szolgáltatások, folyamatok, rendszerek
Sztochasztikus kapcsolatok I. Asszociáció
Dr. Varga Beatrix egyetemi docens
A évi kompetenciamérés FIT-jelentéseinek új elemei
A leíró statisztikák alapelemei
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Mérési skálák, adatsorok típusai
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

Módszertan Dr. Skrabski Árpád Andorka: Bevezetés a szociológiába 99-118 Példák: Cialdini: A befolyásolás lélektana Dr. Skrabski Árpád

Emil Durkheim: a társadalmi tények: a szociológia mérhető tényekkel foglalkozik mint a fizika. A szociológiai vizsgálat lépései: 1. A probléma megfogalmazása 2. Elméleti hipotézisek 3. Operacionalizálás

4. Adatgyűjtési módszerek Publikált statisztikai adatok másodelemzése Dokumentumok (sajtó közlemények, naplók, levelek) elemzése Megfigyelés: külső vagy résztvevő Esettanulmány Kísérlet: kísérleti helyzetben, kontrolcsoporttal Mélyinterjú, életrajzi módszer: előre meghatározott szempontok szerint irányított beszélgetés Kérdőíves adatfelvétel: utcán, iskolában, munkahelyen, otthton (telefonon, levél útján, kérdezőbiztossal)

5.Mintavétel Ha nem tudjuk megkérdezni a teljes vizsgálni kívánt populációt, reprezentatív mintát kell vennünk. Például a népesség nyilvántartás vagy népszámlálás adataiból, választói névjegyzékből véletlenszerűen választjuk ki a mintát. A számítógépben vannak ehhez programok. A mintanagyság (n) arányos a megbízhatósági szint négyzetével (t2), a sokaság szórásának négyzetével (δ2), fordítva arányos a hibahatár négyzetével (Δ2) t2* δ2 Δ2 n = Közölni kell a válaszmegtagadás és a meg nem talált személyek %-os arányát.

6. Kérdőív készitése (1) 1. A kérdések lehetnek nyitottak és zártak (előre kódolt válaszokkal) 2. A kérdések egyértelműek kell legyenek. Például magyar majd OECD vizgálatokban is rákérdeztek a magyarok szociális bizalmatlanságára: „Az emberek általában aljasak, önzőek és csak ki akarják használni a másikat” a magyar vizsgálat szerint a megkérdezettek kevéssé voltak bizalmatlanok. „Az emberek csak ki akarják használni a másikat avagy nem lehetünk elég óvatosak ha másokkal találkozunk” az OECD kérdés szerint a magyarok nagyon bizalmatlanok. Az ok, hogy az OECD vizsgálatban egyszerre két kérdést tettek fel és nem lehet tudni, a megkérdezett melyikre válaszol. SÚLYOS HIBA! rják használni a

Kérdőív készítése (2) 3. Skálázás Bogardus skála: valamely attitűd intenzitásának mérése kérdések sorával. (közeli rokonság, barátság, szomszédság, munkatárs, honfitárs, turista) Lickert skála: teljesen egyetértektől egyáltalán nem értek egyet. 5 vagy 7 fokozatú (lehet 4 is). 4. Mérési szintek: Nominális (férfi,nő), Ordinális (Az értékek közötti távolság nem feltétlen azonos)

Mérési szintek Nominális szint: két vagy több különböző típus (hentes, fűszeres, pék) Ordinális szint: fokozatok, amelyek között a távolságok nem feltétlen azonosak Intervallum szint: A válaszok között azonosak a távolságok, de nincs zérus Aránymérő szint: Intervallum szint, ahol van zérus is

7. Elemzés Táblázatok, diagram készítése. Statisztikai mutatók. Átlag, szórás stb. Két vagy többváltozós módszerek. Példa kétváltozós regresszió számítás Két vagy többváltozós módszerek nominális szint esetén. Példa Chi négyzet

Példa diagram készítésre A társas támogatás változása a rendszerváltás idején

Kétváltozós regresszió A pontok közé elhelyezünk egy egyenest y=ax+b A többvál-tozós mód-szerek többségük-ben lineárisak

A lineáris módszerek sokszor nagyon pontatlanok, vjszont a nonlineáris modellek használata több változó esetén körülményes, jelen esetben az 1 jelű Bp elhagyásával a lineáris modell jobbnak látszik Y= ax2+bx+c

5 12 20 2 32 15 10 Nominális szintű elemzésre példa 1. Van-e a foglalkozások és betegségek között összefüggés? hentes füszeres zöldséges Rák betegség 5 12 20 Szív betegség 2 32 Emésztő rendszeri 15 10 Chi2=43,02 gyakoriságokok közötti eltérést méri Sig=0.000 KITALÁLT PÉLDA!

Nominális szintű elemzésre példa 2. A példában nagyobb mint 0,999 valószínűsége van annak, hogy a foglalkozások szoros kapcsolatban vannak a betegségekkel. Ezt jelenti a 0.000 szignifikancia szint. Ami nem szignifikáns az Sig>0.05

Példa többváltozós regressziós elemzésre Kistérségek összehasonlítása Y=középkorú férfi halandóság szempontjából, számított átlagok alapján változó megnevezése β p Adjusted R2 iskolában töltött évek -0,58 0,00 0,618 közösségi hatékonyság -0,29 0,00 0,641 egy főre SzJA alap -0,16 0,00 0,660 szociális bizalmatlanság 0,07 0,00 0,671 napi cigaretta szám 0,41 0,00 0,674 versengő attitűd 0,19 0,00 0,679 civil szervezeti tagság -0,09 0,00 0,679 kölcsönösség -0,02 0,00 0,680 . A kistérségek közöt a középkorú férfi halandóság eltérésének magyarázatához a hozzájárulást az Adjusted R2 mutatja. Az iskolában töltött évek száma 61%-ban védőfaktor. A napi cigarettaszám 0,003%-ban veszélyeztető tényező.