Svečias
Titulinis Mokymai Mokymų medžiaga Metodologiniai paketai Taikomoji regresija
Apie mokymus
Mokomieji duomenys
E. mokymai
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Pavyzdinis metodologinis mokomasis studijų paketas

TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Autorus Prof. habil. dr. Vydas Čekanavičius

Ankstesnis dokumentas Turinys  Literatūros sąrašas Duomenų šaltiniai Sekantis dokumentas

11. LOGTIESINIAI MODELIAI

11.3. Logtiesiniai modeliai su STATA

11.3.2. Analizė

Logtiesiniams modeliams analizuoti rekomenduojama įdiegti STATA modulį ipf. Jį galima atsisiųsti surinkus:

Patikrinsime, kaip duomenims tinka modelis:

Duomenys jau yra grupuoti. Todėl juos teks pasverti. Įvykdome:

Svorio (stebėjimų skaičiaus kintamasis) nurodytas laužtiniuose skliaustuose. Jeigu duomenys nėra grupuoti, tai šių skliaustų nėra. Modelis įrašomas į fit( ...). Opcija exp leis vizualiai palyginti tikrąjį stebėjimų skaičių grupėje su modeliuojamuoju. Gavome:

Matome, kad ir didžiausio tikėtinumo chi kvadrato statistika ir Pirsono chi kvadrato statistika yra statistiškai nereikšmingos ( p = 0,889 > 0,05). Tai rodo, kad parinktas modelis gerai aprašo duomenis. Lentelėje pateiktos stebėtieji respondentų skaičiai grupėse (Ofreg) ir modeliuojamieji (Efreg). Matome, kad modeliuojamosios reikšmės maţai skiriasi nuo stebimųjų. Tai dar vienas argumentas, kad modelis duomenims tinka. Vis dėlto, nėra aišku, ar visi modelio kintamieji yra reikalingi. Todėl įvertinsime jų statistinį reikšmingumą.

Sukuriame kintamuosius, kurie yra a, m ir r sandaugos:

Įvykdome:

Voldo kriterijus rodo, kad visi kintamieji yra statistiškai reikšmingi (visos p reikšmės yra mažesnės už 0,05). Taigi, juos šalinti iš modelio neturime pagrindo.

Aprašydami gautuosius rezultatus, nurodome, kad visi kintamieji yra poromis priklausomi. Be to, gavome, kad mūsų modelis statistiškai reikšmingai nesiskiria nuo pilnojo modelio, t. y. modelio su trečios eilės kintamųjų sąveika. Darome išvadą, kad trečios eilės sąveika modelyje nereikalinga. Norėdami išaiškinti, kaip susiję kintamieji, turėtume išnagrinėti porinių dažnių lenteles. Čia to nebedarysime, bet aptarsime, kaip suskaičiuoti galimybių santykius.

Surasime galimybių santykį kintamiesiems ar. Į mūsų modelį nėra įtraukta trečios eilės kintamųjų priklausomybė, t. y. nėra visų trijų kintamųjų sandaugos. Todėl užtenka nagrinėti galimybių santykį, bet kuriai m reikšmei. Galimybių santykiui apskaičiuoti naudojami ne pradiniai duomenus, o sumodeliuotieji. Tą lentelę jau gavome aukščiau. Užrašysime ją patogesniu formatu:

Galimybė, kad alkoholį vartojantis respondentas rūkys yra 599,7/300,3 = 1,997. Galimybė, kad negeriantis respondentas rūkys yra 20,3 / 39,7 = 0,511. Galimybių santykis:

Darome išvadą, kad alkoholio vartojimas padidina rūkymo galimybę 3,9 karto.

Skyrelio pabaigai paminėsime, kad įdiegus papildomą paketą gipf, galima nusibraižyti modelio schemą. Įvykdome:

NAUJIEMS VARTOTOJAMS
NAUJIENOS
Naujienlaiškis

Nr.1  2009 07-11
Nr.2  2009 12-2010 02
Nr.3  2010 03-05
Nr.4  2010 06-08
Nr.5  2010 09-11
Nr.6  2010 12-2011 02
Nr.7 2011 03-05
Nr.8 2011 06-08
 
© KTU Politikos ir viešojo administravimo institutas
Atnaujinta 2018-09-27