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

7. PUASONO REGRESINĖ ANALIZĖ
7.2. Puasono regresinė analizė su SPSS
       7.2.2. Preliminari analizė

Pradžioje pasižiūrėsime ar priklausomas kintamasis numbhh  panašus į Puasono kintamąjį. Aišku, kad jis įgyja sveikas neneigiamas reikšmes. Taip pat labai tikėtina, kad respondentų iš daugiavaikių šeimų nėra daug. Nusibraižysime dažnių stulpelių grafiką ir suskaičiuosime empirinį vidurkį ir dispersiją. Spaudžiame Analyze → Descriptive Statistics → Frequences.

 

Atsivėrusiame meniu perkeliame kintamąjį numbhh į langelį Variable(s) ir spaudžiame Statistics. Atsivėrusiame meniu pažymime Mean ir Variance. Grįžę į ankstesnįjį meniu spaudžiame Charts. Pažymime Bar chart. Grįžtame į ankstesnį meniu ir spaudžiame OK.


        Rezultatų išklotinėje matyti, kad numbhh vidurkis  (1,0036) nedaug skiriasi nuo dispersijos (1,482). Tai reiškia, kad numbhh tenkina vieną svarbiausių Puasono kintamojo savybių.

Statistics

numbhh

N

Valid

281

Missing

0

Mean

1.0036

Variance

1.482

Panašumą į Puasono skirstinį rodo ir dažnių stulpelių diagrama. Skirstinys asimetriškas su daug reikšmių kairėje pusėje.           

Dažniausiai tyrimuose ir apsiribojama vidurkio bei dispersijos reikšmėmis ir dažnių grafiku. Parodysime, ką dar galima padaryti preliminarioje kintamųjų analizėje. Norint įsivaizduoti, kaip gali atrodyti Puasono skirstinys su vidurkiu lygiu vienetui, galima atsitiktinai sugeneruoti atitinkamą Puasono skirstinį ir nubraižyti jo dažnių grafiką. Parodysime, kaip generuojamas Puasono dydis. Spaudžiame Transform Compute Variable. Atidariusiame meniu dar gali būti likę kintmojo numbhh kūrimo pėdsakų. Viską išvalome, paspaudę Reset. Langelyje Target Variable įrašome naujo kintamojo vardą  Pois1. Langelyje Function Group pasirenkame Random Numbers. Langelyje Functions and Special Variables pasirenkams Rv.Poisson. Paspaudę   perkeliame šį užrašą į langelį Numeric Expression. Perkeltoje išraiškoje dar reikia įrašyti generuojamo dydžio vidurkį (Puasono skirstinio parametrą). Kadangi tiriamo numbhh vidurkis buvo praktiškai 1, tai įrašome 1. Paspaudžiame OK.

Nubraižę gautojo kintamojo dažnių grafiką įsitikiname, kad jis gana panašus į kintamojo numbhh grafiką.

Galima kintamojo puasoniškumą tikrinti ir Kolmogorovo-Smirnovo kriterijumi. Tik reikia turėti omenyje, kad šis kriterijus nėra galingas. Todėl neretai aukščiau aprašytas vertinimas „iš akies“  yra naudingesnis. Vis dėlto parodysime, kaip taikomas Kolmogorovo-Smirnovo kriterijus. Spaudžiame  Analyze Nonparametric Tests Legacy Dialogs 1-Sample K-S. Kintamąjį numbhh perkeliame į laukelį Test Variable List. Pažymime Poisson ir Normal. Pastarąją opciją pasirinkome tam, kad galėtume įsitikinti jog numbhh nėra normalusis kintamasis.

Kintamojo skirstinys statistiškai reikšmingai skiriasi pasirinktojo skirstinio, jeigu p reikšmė  < 0,05. Matome, kad pagal Kolmogorovo – Smirnovo kriterijų numbhh statistiškai reikšmingai nesiskiria nuo Puasono kintamojo (p = 0,169), bet  skiriasi nuo normaliojo (p = 0,000).

 

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 2018-05-02