Educ 612
Download
1 / 36

EDUC 612 Ανωτερες μορφες στατιστικης αναλυσησ - PowerPoint PPT Presentation


  • 106 Views
  • Uploaded on

EDUC 612 Ανωτερες μορφες στατιστικης αναλυσησ. Έλενα Παπαναστασίου. Structural equation modeling (SEM) Δομικα μοντελα εξισωσεων. Εισαγωγικα σημεια. Απαραίτητη η εις βάθος γνώση του θεματικού σας αντικειμένου  μας καθοδηγεί η θεωρία

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' EDUC 612 Ανωτερες μορφες στατιστικης αναλυσησ' - florence-weaver


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Educ 612

EDUC 612 Ανωτερεςμορφεςστατιστικηςαναλυσησ

Έλενα Παπαναστασίου


Structural equation modeling sem
Structural equation modeling (SEM)Δομικαμοντελαεξισωσεων


Εισαγωγικασημεια

  • Απαραίτητη η εις βάθος γνώση του θεματικού σας αντικειμένου

    •  μας καθοδηγεί η θεωρία

  • Τα εργαλεία μέτρησης να έχουν καλές ψυχομετρικές ιδιότητες

  • Λογισμικό: ΑΜΟS 18: (Analysis of Moment Structures)

  • Causal modeling: αλλά ΔΕΝ αποδεικνύουν αιτιώδης σχέσεις


Εισαγωγικασημεια

  • Χρειάζεται μεγάλα δείγματα

  • Δεν δίνεται τόση σημασία στη στατιστική σημαντικότητα

  • Το SEM ανήκει στην ίδια οικογένεια αναλύσεων όπως η παλινδρομική ανάλυση και το ANOVA

    • Χρειάζεστε καλή γνώση παλινδρομικής ανάλυσης και συσχετίσεων


Γιατι να τα χρησιμοποιουμε;

  • Περιγράφει τις σχέσεις μεταξύ μεταβλητών διαγραμματικά

  • Οι μεταβλητές μπορούν να λειτουργήσουν ταυτόχρονα και σαν εξαρτημένες και σαν ανεξάρτητες μεταβλητές.


Γιατι να τα χρησιμοποιουμε;

  • Μέθοδοι εργασίας:

    • Καθαρά επιβεβαιωτική ανάλυση μοντέλων (strictly confirmatory)

    • Εναλλακτικά μοντέλα (alternative models)

    • Παραγωγή μοντέλων (model-generating applications)

  • Διάκριση μεταξύ μετρήσιμων μεταβλητών (οbservedvariables ) και latent variables

    • Άλλες αναλύσεις δεν κάνουν αυτή τη διάκριση

    • Η παραγοντική ανάλυση δεν μπορεί να προκαθορίσει τους λειτουργικούς ορισμούς

    • Λαμβάνει υπόψη τα βαθμό αξιοπιστίας των δεδομένων και ότι υπάρχει σφάλμα μέτρησης


Επαναληψηστατιστικωνεννοιων

  • Κλίμακες μέτρησης

  • Οργάνωση δεδομένων

  • Συσχετίσεις

  • Παλινδρομική ανάλυση


Κλίμακες μέτρησης

ΑΛΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ:

ΚΑΤΗΓΟΡΙΑΚΕΣ ΜΕΤΑΒΛΗΤΕΣ

● Φύλο

● Θρήσκευμα

● Εθνικότητα


ΆΛΛΕΣ ΔΙΑΤΑΚΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ

● Σειρά αθλητών στον μαραθώνιο

● Πόσο αγαπάς το μάθημα των μαθηματικών;

1. καθόλου

2. λίγο

3. πολύ

4. πάρα πολύ


ΆΛΛΕΣ ΙΣΟΔΙΑΣΤΗΜΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ

● Θερμοκρασία

● Βαθμοίμαθηματικών


ΆΛΛΕΣ ΑΝΑΛΟΓΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ

● Μισθός

● Βάρος

● Ύψος


Με ποιες κλιμακεσμετρησηςμπορουν να μετρηθουν οι πιο κατωμεταβλητες;

  • Θερμοκρασία

  • Θέμα σπουδών

  • Είδη κατοικίδιων ζώων

  • Αριθμός κατοικίδιων ζώων

  • Φύλο

  • Τιμή του καφέ

  • Είδος καφέ

  • Άγχος

  • Αισιοδοξία

  • Στάσεις

  • Άγαμος/ έγγαμος


Καταχωρησηδεδομενων στο spss

  • Γράψτε κάτω τα εξής στοιχεία από 5 άτομα που απάντησαν ένα ερωτηματολόγιο


ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ SPSS

  • Καταχώρηση δεδομένων στο SPSS (data view)

  • Περιγραφή δεδομένων στο variable view

  • Έλεγχος δεδομένων

  • Στατιστικές αναλύσεις

    • Τυπική απόκλιση

    • Συσχετίσεις

    • Συνδιασπορά

    • Παλινδρομική ανάλυση


Standard deviation sd
Τυπικηαποκλισησ(standard deviation, SD)


Συσχετισεις

  • Η συσχέτιση μας δείχνει το μέτρο σχέσης μεταξύ 2 μεταβλητών

  • Περιγράφει ΕΥΘΥΓΡΑΜΜΕΣ ΣΧΕΙΣ

  • Κυμαίνεται από το -1.0 στο 1.0


Pearson product moment correlation r
ΣυσχετίσειςPearson product moment correlation (r)

  • Προσπαθούμε να βρούμε σχέσεις μεταξύ μεταβλητών, και ΌΧΙ αιτιώδης σχέσεις.

  • Χρειάζονται τουλάχιστον 2 ποσοτικές μεταβλητές

  • Μέγεθος δείγματος: >30

    >150


Pearson product moment correlation r1
ΣυσχετίσειςPearson product moment correlation (r)

  • Από το συντελεστή συσχέτισης μπορούμε να πάρουμε πληροφορίες για

    • Την κατεύθυνση της σχέσης

    • Τη δύναμη της σχέσης


Κατεύθυνση συσχέτισης

  • Θετικό πρόσημο (r>0 ) θετική συσχέτιση

    • Όσο αυξάνεται η μια μεταβλητή, αυξάνεται η άλλη

    • Π.χ. όσο αυξάνεται η κατανάλωση παγωτού, αυξάνονται και οι πνιγμοί στη θάλασσα

  • Αρνητικό πρόσημο (r<0 ) αρνητική συσχέτιση

    • Όσο αυξάνεται η μια μεταβλητή, μειώνεται η άλλη

    • Π.χ. όσο αυξάνεται η συμμετοχή των φοιτητών στα συνδικαλιστικά κινήματα, τόσο μειώνονται οι ώρες διαβάσματος τους


Κατεύθυνση συσχέτισης

  • Καθορίστε την κατεύθυνση της σχέσης των πιο κάτω μεταβλητών

    • Αθλητική επίδοση, κάπνισμα

    • Απουσίες, βαθμοί

    • Θερμίδες, βάρος

    • Ηλικία σπιτιού, αξία σπιτιού

    • Ώρες διαβάσματος, βαθμοί




Δύναμη σχέσης

  • Βαθμοί συσχέτισης κοντά στο +1 ή στο -1 αντιπροσωπεύουν δυνατές σχέσεις

  • Βαθμοί συσχέτισης κοντά στο 0 δείχνουν ότι δεν υπάρχουν ευθύγραμμες σχέσεις μεταξύ των μεταβλητών

    • -.5 .2

    • .350 .78

    • -1 0

    • -.7 -.3


Συνδιασπορα

  • Covage,height=rage,height* SD age*SD height


Regression
Παλινδρομική ανάλυσηRegression

  • Προσπαθεί να εξηγήσει και να προβλέψει τη σχέση μεταξύ μεταβλητών

    • Πως επηρεάζουν οι ώρες διαβάσματος το βαθμό των μαθητών στην επιστήμη;

Ώρες διαβάσματος

Βαθμός επιστήμης


Regression1
Παλινδρομική ανάλυσηRegression

  • Πως επηρεάζει το φύλο και το ΚΟΕ τις επιδόσεις των Κυπρίων φοιτητών στο πανεπιστήμιο;


Regression2
Παλινδρομική ανάλυσηRegression

  • Εξαρτημένη μεταβλητή: ποσοτική

  • Ανεξάρτητες μεταβλητές: ποσοτικές, ή ποιοτικές με 2 υποκατηγορίες (π.χ. ναι/όχι, άνδρας/γυναίκα)

  • Ανεξάρτητη μεταβλητή = εξωγενής μεταβλητή

  • Εξαρτημένη μεταβλητή = ενδογενής μεταβλητή




Παλινδρομική ανάλυσηΠοια εξίσωση μπορεί να περιγράψει τη σχέση αυτών των αριθμών;


Regression results y research grade
Regression results(Y=Research grade)

Y= βο+β1*Statisticsgrade +β2 *HighschoolGPA +e

Y=-23.575-0.76*Statisticsgrade +2.324HighschoolGPA +e

Y= -0.010*Statisticsgrade +0.319HighschoolGPA +e


Έννοιες απογραμμικηπαλινδρομηση

  • Απλή: Ŷ = (B0 + B1 X1) , όπου B1 = rSY/SX

    Standardized regression: b1 = rY1 (beta weight)

  • Πολλαπλή: Ŷ = (B0 + B1 X1 + B2 X2)

    To Ŷ είναι composite, ένας σταθμικός γραμμικός συνδυασμός των Χ1 και Χ2

    Standardized regression: bi ≠ rYi και συνήθως bi < rYiτα bi προσαρμόζονται για ενδοσυσχετίσεις των Χi και Υ


Statistics grade

-0.10

Research grade

High School GPA

0.319


ad