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

4. DVINARĖ LOGISTINĖ REGRESINĖ ANALIZĖ
Uždaviniai
       

1. Failas ESS4LT1.sav. Socialinis Lietuvos respondentų tyrimas 2009 m. spalis – 2010 m. ir analogiškas 2008 m. tyrimas Estijoje ESS4EE.sav.  Kintamieji:

  • ageyo30 (amžiaus grupės, ageyo30 = 1, jeigu iki 29 m.)
  • gndr ( lytis, 1 – vyr., 2 – mot.),
  • cntry ( šalis, LT – Lietuva, EE – Estija), 
  • pray (maldos ne religinių apeigų metu, 1 – kasdien, 2 – dažniau nei kartą per sav., 3 – kartą per sav., 4 – bent kartą per mėn., 5 – tik per didžiąsias šventes, 6 – dar rečiau, 7 – niekada),
  • freehms (gėjai ir lesbietės gali gyventi, kaip nori, 1 – pilnai sutinku, ... 5 – visiškai nesutinku),
  • happy (laimingumas, 0 – ypatingai nelaimingas, 10 – ypatingai laimingas),
  • stfdem (kiek respondentas yra patenkintas demokratijos padėtimi savo šalyje),
  • stfeco (kiek respondentas yra patenkintas savo šalies ekonomine padėtimi),
  • stfedu (kiek respondentas yra patenkintas savo šalies švietimo sistema),
  • stfgov (kiek respondentas yra patenkintas savo šalies vyriausybe)
  • stfhlth (kiek respondentas yra patenkintas savo šalies sveikatos apsauga),
  • stflife (kiek respondentas yra patenkintas savo gyvenimu apskritai).

Kintamieji stfdem, stfeco, stfgov, stfhlth, stflife matuojami 10 balų skale nuo 0 (itin nepatenkintas) iki 10 (itin patenkintas).
Atrinkus moteris iki 29 m, ištirti modelį:

cntry = f(pray, freehms,happy,stfdem, stfeco, stfgov, stfhlth, stflife).
Atsakyti į klausimus:

  1. Ar didžiausio tikėtinumo chi kvadratas statistiškai reikšmingas?
  2. Ar visi pradinio modelio kintamieji statistiškai reikšmingi?
  3. Ar yra multikolinearumo problema?
  4. Ar pakankamas klasifikavimo tikslumas?
  5. Modelį patobulinti, naudojantis žingsnine regresija.

2. Failas ZTLT . Tyrimas: Lietuvos tolerancijos profiliai, 2003 m. Klausimų grupės:

  • r02_01 – r02_04 ranginėje skalėje įvertinta, koks procentas nurodytos grupės (kitos rasės, kitos tautybės, kitos religijos, kitos seksualinės orientacijos) gyventojų nekeltų Lietuvoje problemų.
  • r04_01 – r04_09 Lietuvoje turėtų būti toleruojama (skalėje 1 – visiškai sutinku, 2 – sutinku, 3 – nesutinku, 4 – visiškai nesutinku) kitos tautybės, kitos rasės, kitos krikščioniškos konfesijos, nekrikščioniškos religijos, suteikiamas prieglobstis politiniams pabėgėliams, suteikiamas prieglobstis ekonominiams pabėgėliams, visi Lietuvos gyv. turi turėti lygias galimybes įsidarbinti ir socialines garantijas).
  • s01 – lytis,
  • s02 – amžius,
  • r01_01  respondento požiūris (skalėje 1 – teigiamas, 2 – neutralus, 3 – neigiamas, 4 – sunku pasakyti) į juodaodžius.
  • r01_02  respondento požiūris (skalėje 1 – teigiamas, 2 – neutralus, 3 – neigiamas, 4 – sunku pasakyti) į  musulmonus.

 Sukurti naujus kintamuosius:

  1. a2 = r02_01 + .....+ r01_04. Kintamasis a2 atspindi respondento  pakantumą „kitokiems“. Kuo didesnė a2  reikšmė, tuo pakantumas didesnis.
  2. a4 = r04_01 + .....+ r04_09. Kintamasis a4 – tai respondento  nuomonė apie valstybės tolerantiškumo laipsnį.  Kuo mažesnė a4  reikšmė, tuo valstybė tolerantiškesnė.

Atsirinkti ne vyresnes nei 35 m. moteris, kurios turi savo nuomonę apie juodaodžius ir musulmonus (r01_01 ir r01_02 nelygūs 4). Įsitikinti, kad tarp šių moterų yra tik viena, kuri nepalankiai vertina juodaodžius. Pašalinti ją iš tolesnio tyrimo. Sukurti naują kintamąjį juodas (juodas = 0, kai r01_01 = 1 ir juodas = 1, kai r01_01 = 2).
Ištirti logistinės  regresijos modelį  juodas = f(a2, a2, r01_02).

 3. Failas  ZTLT1. Vyrai ir moterys, 2006 m. spalis. Kintamieji

  • s1 – lytis ( 1  – vyr., 2 – mot. ),
  • s12 – regionas( s12 = 1, jeigu Vilniaus; s12 = 2, jeigu Kauno, ...),
  • G6_1 – dažniausiai ruošia maistą,
  •  G6_2 – dažniausiai plauna indus,
  • G6_3 – dažniausiai perka maisto produktus,
  • G6_4 – dažniausiai plauna grindis, šluosto dulkes, valo kilimus,
  • G6_5 – dažniausiai taiso sugedusius buitinius prietaisus,
  • G6_6  – dažniausiai apmoka sąskaitas,
  • G6_7 – dažniausiai organizuoja laisvalaikį.

Visi kintamieji G6_1 – G6_7 matuojami skalėje: 1 – visada aš, 2 – dažniausiai aš, 3 – vieno-dai abudu sutuoktiniai/partneriai, 4 – dažniausiai sutuoktinis/partneris, 5 – visada sutuoktinis/ partneris, 6 – visada arba dažniausiai kitas kartu gyvenantis žmogus. Taigi, kuo kintamieji G6_1 – G6_7 mažesni, tuo labiau problemą sprendžia pats(pati) respondentas(ė). Atsirinkus Kauno regiono gyventojus, su žingsnine logistine regresija ištirti modelį s_1 = f(G6_1, G6_2, G6_3, G6_4, G6_5, G6_6, G6_7). Ar gautasis modelis tinkamas? Kokius alternatyvius modelius galima pasiūlyti?


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 2015-06-18