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

Turinys  Literatūros sąrašas Duomenų šaltiniai Sekantis dokumentas

TURINYS

PRATARMĖ
1. ĮVADAS
   1.1. Kintamieji ir jų charakteristikos
       1.1.1. Kintamųjų matavimo skalės
       1.1.2. Svarbiausios kintamųjų skaitinės charakteristikos
       1.1.3. Normalieji kintamieji
    1.2. Statistinės išvados
       1.2.1. Parametrų įverčiai ir jų pasikliautinieji intervalai
       1.2.2. Statistinė hipotezė
       1.2.3. Pastaba apie naudojamus terminus
2. TIESINĖ REGRESINĖ ANALIZĖ
   2.1. Tiesinės regresijos modelis
       2.1.1. Modelio lygtis
       2.1.2. Prognozavimas
       2.1.3. Reikalavimai duomenims
       2.1.4. Modelio tinkamumas
       2.1.5. Tiesinės regresinės analizės etapai
       2.1.6. Modelio tobulinimas
       2.1.7. Pastabos apie modelio taikymą
       2.1.8. Standartiniai tiesinės regresijos modelio aprašymai
   2.2. Tiesinė regresinė analizė su SPSS
       2.2.1. Duomenys
       2.2.2. Pirminio modelio tyrimas
       2.2.3. Pirminio modelio tyrimo rezultatai
       2.2.4. Šapiro – Vilko testas SPSS
       2.2.5. Modelio tobulinimas
       2.2.6. Prognozės ir stebėjimų grafinis palyginimas
       2.2.7. Rezultatų aprašymas
       2.2.8. SPSS komandų sintaksė tiesinei regresinei analizei
       2.2.9. Autokoreliacijos tyrimas
       2.2.10. Multikolinearumo problema
       2.2.11. Žingsninė regresija
   2.3. Tiesinė regresinė analizė su STATA
       2.3.1. Duomenys
       2.3.2. Regresijos modelio lygtis
       2.3.3. Regresijos prielaidų tikrinimas
       2.3.4. Galutinis modelis
       2.3.5. Prognozės ir stebėjimų grafinis palyginimas
       2.3.6. Išvados
       2.3.7. Autokoreliacija
       2.3.8. Multikolinearumo problema
       2.3.9. Žingsninė regresija
   Uždaviniai
3. TIESINĖS REGRESIJOS ALTERNATYVOS
   3.1. Tiesinei regresijai netinkanys duomenys
       3.1.1. Heteroskedastiški ir ne visai normalūs duomenys
       3.1.2. Duomenys su išskirtimis
       3.1.3. Duomenų charakteristikų santrauka
   3.2. Stabilizuotų liekamųjų paklaidų regresija
       3.2.1. Modelio paskirtis
       3.2.2. Liekamųjų paklaidų HC korekcijos su STATA
       3.2.3. Savirankos regresija su STATA
       3.2.4. Savirankos regresija su SPSS
   3.3. Atsparioji regresija
       3.3.1. Modelio paskirtis
       3.3.2. Atsparioji regresija su STATA
   3.4. Medianos regresija
       3.4.1. Modelio paskirtis
       3.4.2. Medianos regresija su STATA
   3.5. Netiesinė regresija
       3.5.1. Modelio paskirtis
       3.5.2. Netiesinė regresija su SPSS
       3.5.3. Netiesinė regresija su STATA
   Uždaviniai
4. DVINARĖ LOGISTINĖ REGRESINĖ ANALIZĖ
   4.1. Dvinarės logistinės regresijos modelis
       4.1.1. Modelio lygtis
       4.1.2. Galimybių santykis
       4.1.3. Prognozavimas
       4.1.4. Reikalavimai duomenims
       4.1.5. Modelio tinkamumas
       4.1.6. Dvinarės logistinės regresinės analizės etapai
       4.1.7. Modelio tobulinimas
       4.1.8. Pastabos apie logistinės regresijos taikymą
       4.1.9. Standartiniai regresijos modelių aprašymai
   4.2. Dvinarė logistinė regresinė analizė su SPSS
       4.2.1. Duomenys
       4.2.2. SPSS parinktys pradiniam regresijos modeliui
       4.2.3. Rezultatai
       4.2.4. Modelio tobulinimas
       4.2.5. Rezultatų aprašymas
       4.2.6. SPSS komandų sintaksė
       4.2.7. Regresorių sąveika
       4.2.8. Viena dominuojanti priklausomo kintamojo reikšmė
       4.2.9. Multikolinearumas
       4.2.10. Žingsninė logistinė regresija
       4.2.11. Apibendrintas tiesinis modelis su logit jungtimi
   4.3. Dvinarė logistinė regresinė analizė su STATA
       4.3.1. Duomenys
       4.3.2. Modelio tyrimas
       4.3.3. Atsparioji logistinė regresija
       4.3.4. Reikšmių prognozavimas
       4.3.5. Kategoriniai regresoriai
       4.3.6. Multikolinearumas
       4.3.7. Žingsninė logistinė regresija
   Uždaviniai
5. DAUGIANARĖ LOGISTINĖ REGRESINĖ ANALIZĖ
   5.1. Daugianarės logistinės regresijos modelis
       5.1.1. Modelio lygtys
       5.1.2. Prognozavimas
       5.1.3. Galimybių santykiai
       5.1.4. Duomenys
       5.1.5. Modelio tinkamumas
       5.1.6. Daugianarės logistinės regresinės analizės etapai
       5.1.7. Modelio tobulinimas
       5.1.8. Pastabos apie multinominės regresijos taikymą
       5.1.9. Standartiniai daugianarės logistinės regresijos modelių aprašymai
   5.2. Daugianarė logistinė regresinė analizė su SPSS
       5.2.1. Duomenys
       5.2.2. SPSS parinktys daugianarei logistinei regresijai
       5.2.3. Rezultatai
       5.2.4. Prognozavimas
       5.2.5. Rezultatų aprašymas
       5.2.6. SPSS komandų sintaksė daugianarei logistinei regresinei analizei
       5.2.7. Kitos kontrolinės kategorijos pasirinkimas
       5.2.8. Kintamųjų sąveikos įtraukimas
       5.2.9. Žingsninė daugianarė logistinė regresija
   5.3. Daugianarė logistinė regresinė analizė su STATA
       5.3.1. Duomenys
       5.3.2. STATA parinktys
       5.3.3. Prognozavimas
       5.3.4. Klasifikacinė lentelė
       5.3.5. Kategorinis kintamasis
   Uždaviniai
6. RANGINĖ LOGISTINĖ REGRESINĖ ANALIZĖ
   6.1. Ranginės logistinės regresijos modelis
       6.1.1.Modelio lygtys
       6.1.2. Galimybės ir jų santykis
       6.1.3. Prognozavimas
       6.1.4. Duomenys
       6.1.5. Modelio tinkamumas
       6.1.6. Modelio tyrimas ir tobulinimas
       6.1.7. Pastabos apie ranginės regresijos taikymą
       6.1.8. Standartiniai daugianarės logistinės regresijos modelių aprašymai
   6.2. Ranginė logistinė regresinė analizė su SPSS
       6.2.1. Duomenys
       6.2.2. SPSS parinktys ranginei logistinei regresijai
       6.2.3. Rezultatai
       6.2.4. Klasifikacinė lentelė
       6.2.5. Rezultatų aprašymas
       6.2.6. SPSS komandų sintaksė daugianarei logistinei regresinei analizei
       6.2.7. Ranginė logistinė regresija su kintamųjų sąveika
       6.2.8. Ranginė regresija su kitomis jungties funkcijomis
   6.3. Ranginė logistinė regresinė analizė su STATA
       6.3.1. Duomenys
       6.3.2. Modelio analizė
       6.3.3. Prognozavimas
       6.3.4. Klasifikacinė lentelė
       6.3.5. Kategoriniai regresoriai
   Uždaviniai
7. PUASONO REGRESINĖ ANALIZĖ
   7.1. Puasono regresijos modelis
       7.1.1. Modelio lygtis ir jos taikymas prognozavimui
       7.1.2. Modelis dažniui
       7.1.3. Duomenys
       7.1.4. Modelio tinkamumas
       7.1.5. Puasono regresinės analizės etapai
       7.1.6. Modelio tobulinimas
       7.1.7. Pastabos apie Puasono regresijos taikymą
       7.1.8. Standartiniai Puasono regresijos modelio aprašymai.
   7.2. Puasono regresinė analizė su SPSS
       7.2.1. Duomenys
       7.2.2. Preliminari analizė
       7.2.3. SPSS parinktys Puasono regresijos modeliui
       7.2.4. Rezultatai
       7.2.5. SPSS komandų sintaksė Puasono regresinei analizei
       7.2.6. Kategorinis regresorius
       7.2.7. Puasono regresinė analizė dažniui
   7.3. Puasono regresinė analizė su STATA
       7.3.1. Duomenys
       7.3.2. Puasono modelio taikymas
       7.3.3. Prognozavimas
       7.3.4. Kategorinis regresorius
   Uždaviniai
8. NEIGIAMA BINOMINĖ REGRESIJA
   8.1. Neigiamos binominės regresijos modelis
       8.1.1. Modelio lygtis ir jos taikymas prognozavimui
       8.1.2. Duomenys
       8.1.3. Modelio tinkamumas
       8.1.4. Neigiamos binominės regresinės analizės etapai
       8.1.5. Modelio tobulinimas
       8.1.6. Pastabos apie modelio taikymą
       8.1.7. Standartiniai neigiamos binominės regresijos modelio aprašymai
8.2. Neigiama binominė regresinė analizė su SPSS
       8.2.1. Duomenys
       8.2.2. SPSS parinktys neigiamos binominės regresijos modeliui
      8.2.3. Rezultatų aptarimas
       8.2.4. Rezultatų aprašymas
       8.2.5. SPSS komandų sintaksė
       8.2.6. Neigiama binominė regresinė analizė dažniui
       8.2.7. Neigiamos binominės regresinės analizės standartinė opcija SPSS
8.3. Neigiama binominė regresinė analizė su STATA
       8.3.1. Duomenys
       8.3.2. Modelio parametrų analizė
       8.3.3. Prognozavimas
       8.3.4. Kategorinis kintamasis
       8.3.5. GLM alternatyva
    Uždaviniai
9. MODIFIKUOTI SKAIČIUOJAMIEJI MODELIAI
   9.1. Perteklinių nulių Puasono regresijos modelis
       9.1.1. Modelio paskirtis
       9.1.2. Perteklinių nulių Puasono regresija su STATA
   9.2. Perteklinių nulių neigiama binominė regresija
       9.2.1. Modelio paskirtis
       9.2.2. Perteklinių nulių neigiama binominė regresija su STATA
   9.3. Skaičiuojamų regresijos modelių palyginimas su STATA
   9.4. Benulė Puasono regresija
       9.4.1. Modelio paskirtis
       9.4.2. Benulė Puasono regresija su STATA
   Uždaviniai
10. PROBIT REGRESIJA
   10.1. Probit regresijos modelis
       10.1.1. Modelio lygtis
       10.1.2. Reikalavimai duomenims
       10.1.3. Modelio tinkamumas
       10.1.4. Bendrosios probit regresinės analizės etapai
       10.1.5. Modelio tobulinimas
       10.1.6. Dozavimo modelis
       10.1.7. Standartiniai regresijos modelių aprašymai
   10.2. Probit regresinė analizė su SPSS
       10.2.1. Duomenys
       10.2.2. SPSS parinktys pradiniam regresijos modeliui
       10.2.3. Rezultatai
       10.2.4. Prognozavimas
       10.2.5. Dozavimo modelio tyrimas
       10.2.6. SPSS komandų sintaksė
   10.3. Probit regresinė analizė su STATA
       10.3.1. Duomenys
       10.3.2. Modelio tyrimas
       10.3.3. Reikšmių prognozavimas
   Uždaviniai
11. LOGTIESINIAI MODELIAI
   11.1. Logtiesinio modelio struktūra ir savybės
       11.1.1. Modelio lygtis
       11.1.2. Rezultatų interpretavimas
       11.1.3. Galimybių santykis
       11.1.4. Reikalavimai duomenims
       11.1.5. Modelio tinkamumas
   11.2. Logtiesinių modelių tyrimas su SPSS
       11.2.1. Duomenys
       11.2.2. SPSS parinktys hierarchiniam logtiesiniam modeliui
       11.2.3. SPSS parinktys logtiesiniam modeliui
       11.2.4. Rezultatai
       11.2.5. Išvados
       11.2.6. Intervalinis kintamasis
   11.3. Logtiesiniai modeliai su STATA
       11.3.1. Duomenys
       11.3.2. Analizė
   Uždaviniai
--> Duomenų šaltiniai

TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

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