Adatelemzési gyakorlatok

Az előadások a következő témára: "Adatelemzési gyakorlatok"— Előadás másolata:

1 Adatelemzési gyakorlatok
5. kutatásmódszertan szeminárium

2 A szükséges eszközök Számítógép, excel, spss (vagy más statisztikai program) Fájlok a honlapról: „Közös kérdőív 2015” ( modszertan/KerdoivKM2015.doc) „Adatbázis Excel” ( modszertan/km_kerdoivek_adat.xls) Háttérismeretek: Sajtos – Mitev és Székelyi – Barna könyvek vonatkozó fejezetei

3 A szeminárium felépítése
Adatbázis készítése excelben (szerkezete, kódolás feltüntetése, egyszerűbb ellenőrzési és tisztítás munkák, új változók létrehozása, ábrák) Adatbázis konvertálása spss-be (values, missing values, recode variables, transform variables, select cases) A minta leírásának műveletei spss-ben Egyszerűbb elemzési módszerek spss-ben Az eredmények közlése (jelentése)

4 Házi feladat 2 vizsgálat elvégzése, az eredmények közlése és értelmezése (0,5-1 oldal terjedelemben, 3 tizedes jegy pontossággal) Max. 3 fős csoportokban

5 Hogyan rögzítsünk adatot Excelbe?
Oszlop=változó, sor=eset Az első sor tartalmazza a változók neveit (csak az első!) Az első oszlop mindig a sorszám Ezután jönnek általában a nem kérdőíven szereplő (adatfelvételhez kapcsolódó) változók, és csak ezután az itemekből származók A kódolást vagy külön munkalapon vagy a fejlécbe a változó neve mellé rögzítsük Az első rögzítésnél a félreérthetetlenségre törekedjünk A cellák formátumára is figyeljünk (általános vagy szám legyen!)

6 Adatellenőrzés excelben
Szűrő: van-e lehetetlen, vagy extrém kiugró érték, esetleg többszörös kitöltés… Ezeket vissza kell keresni a kérdőíven és javítani az alapján Ha így nem javítható, akkor „kitalálni” csak egyértelmű esetben szabad. Egyébként törölni kell Az üres érték valóban üres cella legyen Ellenőrzés kényszerített szétosztásnál: összegző oszlop

7 A minta leírása Mérési szinttől függ:
Nominális vagy kevés értékkel rendelkező magasabb mérési szint: gyakoriság, relatív gyakoriság Nem, szak, képzési szint, szül.év, lakhely (átalakítva?) Megadható több dimenzió mentén, táblázatban is (az évf-nak pl. csak így van értelme) Sorrendi: az előzőek + medián Itt nincs ilyen Intervallum vagy arány: az előzőek (ha kevés az érték) + átlag & szórás Születési év

8 Egyváltozós elemzések
Skálától függ ez is, és megegyezik az előzőben leírtakkal Csak most a „fő” változókra végezzük el őket: Egy-egy példa: Nominális: N4 Ordinális: M2 Int/arány: M1 (ha engedékenyek vagyunk, az M2 is)

9 Összefüggések vizsgálata
Nominális vs. nominális; nominális vs. ordinális: kereszttábla, khí-négyzet, Cramer V pl.: P1 vs. N4 Nominális vs. intervallum/arány: ha kétértékű a nominális: független t-teszt (P1 vs. N4) vagy Mann- Whitney U ha több, mint két értéke van (pl. szak vs. zh): ANOVA vagy Kruskal-Wallis Ordinális vs. ordinális (pl. M2 vs. M3): átlagos rangszámaik összehasonlítása: Wilcoxon-teszt rangkorreláció (Spearman corr.) Arány vs. arány (pl. M1.1 vs M1.2): ha az átlagaikat (átlagos rangszámaikat) hasonlítjuk össze: páros t-teszt vagy Wilcoxon-teszt lineáris (Pearson) korreláció vagy rangkorreláció Több változó együttes hatásának vizsgálata: lineáris (vagy más típusú) korreláció. Ebben minden változó vagy intervallum/arány skálás, vagy dummy kell legyen.