1.060.594

kiadvánnyal nyújtjuk Magyarország legnagyobb antikvár könyv-kínálatát

A kosaram
0
MÉG
5000 Ft
a(z) 5000Ft-os
szállítási
értékhatárig

Túlélőkészlet az SPSS-hez

Többváltozós elemzési technikákról társadalomkutatók számára

Szerző
Szerkesztő
Budapest
Kiadó: Typotex Kiadó
Kiadás helye: Budapest
Kiadás éve:
Kötés típusa: Ragasztott papírkötés
Oldalszám: 453 oldal
Sorozatcím: Statisztikai módszerek a társadalomkutatásban
Kötetszám:
Nyelv: Magyar  
Méret: 24 cm x 16 cm
ISBN: 978-963-279-012-1
Megjegyzés: Fekete-fehér ábrákkal illusztrált.
Értesítőt kérek a kiadóról
Értesítőt kérek a sorozatról

A beállítást mentettük,
naponta értesítjük a beérkező friss
kiadványokról
A beállítást mentettük,
naponta értesítjük a beérkező friss
kiadványokról

Fülszöveg

A könyv (leendő) empirikus társadalom kutatók számára készült azzal a céllal, hogy bemutassa, milyen technikákkal lehet "rendet vágni" az adatok dzsungelében. Az olvasó megismerkedhet a különböző adatredukciós módszerekkel: a főkomponens-, a faktor- és a klaszter-elemzéssel. A könyv rávilágít a magyarázó modellek felépítésének nehézségeire, az adatok természetéből adódó korlátokra. Részletesen tárgyalja a varianciaanalízis, a lineáris regresszió, az utóelemzés és a diszkriminancia-analízis segítségével megközelíthető problématípusokat. A könyv a többdimenziós skálázás és a logisztikus regresszió ismertetésével zárul. A könyv a leendő és a már gyakorló alkalmazókat arra tanítja, hogy az SPSS programcsomag bármilyen szintaktikailag helyesen megadott utasítás végrehajtására képes, ezért az egyes eljárások kiválasztásánál, a modell megalkotásánál és annak interpretálásánál komoly hibalehetőséggel és korlátokkal kell számolni. Semmiféle bonyolult matematikai-statisztikai eljárás sem... Tovább

Fülszöveg

A könyv (leendő) empirikus társadalom kutatók számára készült azzal a céllal, hogy bemutassa, milyen technikákkal lehet "rendet vágni" az adatok dzsungelében. Az olvasó megismerkedhet a különböző adatredukciós módszerekkel: a főkomponens-, a faktor- és a klaszter-elemzéssel. A könyv rávilágít a magyarázó modellek felépítésének nehézségeire, az adatok természetéből adódó korlátokra. Részletesen tárgyalja a varianciaanalízis, a lineáris regresszió, az utóelemzés és a diszkriminancia-analízis segítségével megközelíthető problématípusokat. A könyv a többdimenziós skálázás és a logisztikus regresszió ismertetésével zárul. A könyv a leendő és a már gyakorló alkalmazókat arra tanítja, hogy az SPSS programcsomag bármilyen szintaktikailag helyesen megadott utasítás végrehajtására képes, ezért az egyes eljárások kiválasztásánál, a modell megalkotásánál és annak interpretálásánál komoly hibalehetőséggel és korlátokkal kell számolni. Semmiféle bonyolult matematikai-statisztikai eljárás sem teheti jóvá az operációanalizálás hiányosságait, és az előzetes koncepció nélkül létrehozott adatbázisokat sem képes koherens egésszé rendezni. A bonyolult módszertani apparátus segítheti, de nem pótolhatja a logikus gondolkodást.
A könyv megértése nem kíván komoly matematikai előképzettséget, közérthető stílusban tárgyalja az előfeltevéseket, lépésről lépésre halad a bonyolultabb modellek felé, és találó példákon keresztül mutatja be az egyes módszereket. A könyv példaanyagát képező kutatások adatfile-jai a www.typotex.hu honlapról letölthetők.
A fejezetekben található SPSS-parancsok önálló futtatás és a szöveg türelmes elolvasása után az olvasó nem csak az adott módszer alkalmazhatósági feltételeivel ismerkedhet meg, hanem azt is megértheti, hogy milyen típusú kérdések megválaszolására alkalmas az adott eljárás, mik az alkalmazás korlátai és milyen "cselek" vethetők be akkor mikor már minden reménytelennek látszik. Vissza

Tartalom

Bevezetés11
A hasznos véletlen hiba13
Adatredukciós módszerek17
Főkomponens-elemzés18
A főkomponens jelentése25
Mikor használjunk főkomponens-elemzést?25
A puding próbája28
Az egyenlő teherviselés30
Faktorelemzés40
A modell javítgatása49
Lássunk tisztán! A rotálás53
Mentsük, ami menthető: a faktorszkópok létrehozása60
Amiért fáradotzunk: létrejöttek a látens változók62
A hiányzó adatok kezelése64
A faktorelemzés buktatói65
A Kaiser-Meyer-Olkin mutató és a Bartlett-teszt66
Amikor a faktorok 100 százaléknál többet magyaráznak71
A legnagyobb kommunalitású változó kihagyása71
A rosszul interpretálható változók kihagyása78
Az egyeduralomra törő változók esete82
Vissza az elágazási ponthoz85
A változók tartalma és a faktorok jelentése89
A konfirmációs modell91
Amikor minden reménytelen96
Kétségbeesett kísérlet101
Feladás helyett: visszahátrálás a főkomponensbe103
Szezon és fazon108
Klaszterelemzés109
Tudás versus anyagi javak109
Hierarchikus klaszterek115
A hierarchikus klaszterezés módszerei119
A legközelebbi, illetve a legtávolabbi szomszéd119
Klaszterek távolsága mint a klaszterelemek távolságainak átlaga122
Klaszterek távolságának meghatározása a klaszterközéppontok segítségével125
Miben mérjük a távolságot?129
Euklideszi távolság129
Az euklideszi távolság négyzete130
Asszociáción alapuló közelség-távolság130
Sok hűhó majdnem semmiért132
Klaszterezés nagy file-okon133
Iniciális klaszterközéppontok133
Útban a tökéletesség felé: iterálás137
A klaszterek interpretálása138
Kendőzetlen őszinteség versus a standardizálás álcája141
Kilépés az életbe: típuskeresés klaszterekkel143
És megint elölről: iterálás több lépésben145
Névadás: klaszterek interpretálása148
Adjunk-e profilt a bizonytalankodóknak? A hiányzó adatok kezelése150
Egy tautológia két jelentése: ANOVA egy kicsit másképpen154
Minden út Rómába vezet? Változtassunk a kezdőpontokon!157
A magunk ásta verem és a kiút159
Tanulságok163
Magyarázó modellek164
Variancia-analízis166
Egyutas variancia-analízis167
Kétutas variancia-analízis175
Az interakció176
Az interakcióról bővebben178
A négyzetösszegek értelmezése a kétutas ANOVA-ban180
Az interferencia182
A hierarchikus ANOVA188
Korlátozó feltételek192
Normalitás-vizsgálat194
Lineáris regresszióanalízis204
A regressziós egyenes egyenlete205
Egyszerű példa a lineáris regresszióra209
Illeszkedés: mennyire vehetjük komolyan a regressziós egyenest?211
Lineáris regressziónalaízis "élesben" - egyszerű modell214
A "deviánsokról"217
Vissza az output-hoz220
Kétváltozós regressziós modell222
Kétértékű vagy dummy változók222
Modellépítés223
Még egy kicsit a dummy változókról226
Többváltozós regressziós modell227
Ordinális független változók227
A Lazarsfeld-paradigma és a regresszió230
Interferencia a regresszióban: a változószelektálás módszerei234
A Forward módszer235
A Backward módszer238
A Stepwise módszer241
Az Enter módszer244
Nominális mérési szintű változók becsempészése a regrssziós modellbe: dummyzás246
Összefüggő független változók: a multikollinearitás252
Függvényszerű multikollinearitás252
A baj nem jár egyedül: magas mérési szintű és dummy változók a regressziós modellben259
Amikor csak a gondolkodás segít - dummyzzunk másként266
Szabaduljunk meg a nominális változóktól269
Függvnyszerű kapcsolat - sztochasztikus multikollinearitás271
Miért félünk a sztochasztikus multikollinearitástól?274
Barátságosabb út a multikollinearitás meghatározására - kétféle mérőszám277
Hogyan védekezzünk a sztochasztikus multikollinearitás ellen?282
Hab a tortán: a homoszkedaszticitás és az elsőrendű autokorreláció289
Biztos, ami biztos: a regressziós modellek validitása296
Útmodellek301
Az utak erőssége302
Közvetlen és közvetett hatások308
Gondolkodási sémák310
Mi az ők, és mi az okozat?313
A modell továbbépítése314
A modell interpretációja317
Az útmodell korlátai318
Diszkriminancia-analízis320
A romák lehetséges beilleszkedése a többségi társadalomba: ahogyan a többség látja320
Sok kicsi sokra megy?324
A magyarázó változók együttes jelentése: a diszkrimináló függvények327
Az üdvözlendő diszkrimináció333
Sose lehetünk elég óvatosak - átlagok és eloszlások összehasonlítása334
Lássuk a medvét!338
Komplex modell340
Antiszemitizmus és cigányellenesség341
Státus és attitűdök: együttes magyarázat347
Többdimenziós skálázás352
Kisebbségek egy rokonszenv-térképen353
Többdiemnziós skálázás az SPSS-ben356
Meddig mehetünk el? A dimenziócsökkentés határai359
Etnikai csoportok az egymásról alkotott vélemények terében366
Logisztikus regresszió374
A "sztahanovista" lineáris regresszió. Miért van szükség logisztikus regresszióra?375
A legfontosabb fogalmak378
A valószínűség és az esély379
Az esélyhányados379
Út a logisztikus regresszióanalízis felé380
Egy egyszerű modell384
A likelihood függvényről386
Az output érdemi része389
A modell magyarázóereje391
Találatmátrix a logisztikus regresszióban394
A független változó hatása396
A modell bővítése398
Összemérhető hatások: a standardizált regressziós együttható401
Kategoriális független változó a logisztikus regresszióban404
Mindent bele! Sokváltozós modell410
Ugyanaz másképpen419
Melléklet425
A parancsikonok használata: Főkomponens- és faktorelemzés425
A parancsikonok használata: Klaszteremzés430
Hierarchikus klaszterezés430
K-Means klaszterezés434
A parancsikonok használata: Variancia-analízis438
A parancsikonok használata: A lineáris regresszióanalízis438
A parancsikonok használata: Diszkriminancia-analízis442
A parancsikonok használata: A többdimenziós skálázás446
A parancsikonok használata: A logisztikus regresszió449
Felhasznált irodalom452
Megvásárolható példányok

Nincs megvásárolható példány
A könyv összes megrendelhető példánya elfogyott. Ha kívánja, előjegyezheti a könyvet, és amint a könyv egy újabb példánya elérhető lesz, értesítjük.

Előjegyzem