Kiekybiniai socialini ų mokslų metodai

1. Kiekybiniai socialinių mokslų metodai 15 paskaita. Egzaminas

2. Teorinė egzamino dalis 10 klausimų: 1-2 – įvado klausimai 4-5 – aprašomosios statistikos 2 – hipotezių tikrinimo 2 – regresinės ir faktorinės analizės

3. Praktinė dalis • Aprašomosios statistikos užduotis (duomenų grupavimas, duomenų padėties charakteristikos, duomenų sklaidos charakteristikos) • Hipotezių tikrinimo užduotis (Stjudento t-testas, vidurkių patikimumo intervalai, vienfaktorinė dispersinė analizė, ryšio matai) • Daugiamatė statistinė analizė (regresinė analizė, faktorinė analizė)

4. Užduoties pvz. 1 užduotis: Koks procentas kaimo gyventojų niekada nepasirašytų peticijų? Duomenų failas: vertybes.sav Kintamieji: Gyvenamoji vieta – gyv_viet Peticijų pasirašymas – v100

5. 1 užduoties atlikimas: 1 žingsnis: atsidaryti duomenų failą. 2 žingsnis: pasirinkti SPSS komandą, kurią naudosite užduoties atlikimui 3 žingsnis: atlikti su pasirinkta SPSS komanda duomenų analizę 4 žingsnis: išsaugoti Output failą savo pavarde darbalaukyje 5 žingsnis: įterpti teksto langelį 6 žingsnis: teksto langelyje parašyti atsakymą į užduoties klausimą. 7 žingsnis: išmesti analizės šiukšles, jeigu tokių turite 8 žingsnis: įsitikinkite, kad išmetėte tą, ką norėjote išmesti 9 žingsnis: išsaugoti atliktą darbą (Ctrl+S) TĘSTI DARBĄ ATLIEKANT 2 UŽDUOTĮ

10. Analizės šiukšlių išmetimas

11. 2 ir 3 užduočių atlikimas • Darbą tęskite tame pačiame Output faile. • Užduoties atlikimo žingsniai žr. 1 užduotį

12. Egzamino pažymys 0,5xteorinės dalies įvertinimas + 0,5xpraktinės dalies įvertinimas = ?

13. Galutinis pažymys 0,3xDarbo seminaruose įvertinimas + 0,7xEgzamino pažymys = ?

14. Apvalinimo taisyklė, taikoma galutiniame vertinimui Pvz. 8,45 ir > apvalinama į 9 (sąlyga: jei neturite praleistų be pateisinimo seminarų) 8,44 ir < apvalinama į 8

15. Glausta kurso apžvalga • Įvadas • Aprašomoji statistika • Hipotezių tikrinimas • Daugiamatė statistinė analizė

16. Įvadas • Kiekybinės metodologijos prielaidos ir pagrindiniai principai. • Tyrimo procesas. Tyrimo problema. Hipotezių formulavimas. Konceptualizacija ir operacionalizacija. Tyrimo objektas. Informacijos rinkimo metodo pasirinkimas (kiekybinių duomenų šaltiniai). • Apklausų rūšys. Apklausų kiekybiniuose tyrimuose privalumai ir trūkumai. Klausimai kaip pagrindinis apklausos elementas. Klausimų tipai. Reikalavimai klausimų formuluotėms. Dažniausiai pasitaikančios klausimų formulavimo klaidos.

17. 1. Statistika socialinių mokslų tyrimuose • Statistika. Pagrindinės sąvokos: populiacija (generalinė visuma) ir imtis, parametras, statistinis įvertis, atrankos statistinė paklaida, patikimumo lygmuo ir patikimumo intervalai, atrankos reprezentatyvumas. • Paprasti statistiniai modeliai: vidurkis, dispersija ir standartinis nuokrypis. Dažnių skirstinys. Dažnių skirstinio savybės. Dažnių skirstinio forma ir standartinis nuokrypis. Standartinis normalus skirstinys. Atrankos (imties) reprezentatyvumas: standartinė paklaida (atrankos statistinė paklaida), patikimumo intervalai. Statistinio modelio patikimumas: rezultatų statistinis reikšmingumas. Hipotezių tikrinimas. Statistinių išvadų klaidos (I ir II tipo klaida). • Atrankų rūšys: tikimybinės ir netikimybinės atrankos. Atrankos dydis. • Kintamųjų tipai: kiekybiniai (intervaliniai ir santykio) ir kokybiniai (nominalūs ir ranginiai). Trūkstamos reikšmės. Priklausomi ir nepriklausomi kintamieji.

18. 2. Aprašomosios statistika • Aprašomosios statistikos paskirtis. Statistinė ir variacinė eilutės. Duomenų grupavimas*: dažnis, santykinis dažnis (procentai), sukauptieji santykiniai dažniai (sukauptieji procentai). Kiekybinių kintamųjų grupavimas. Duomenų padėties charakteristikos: vidurkis, moda, mediana, kvantiliai. Kintamųjų tipai ir duomenų padėties charakteristikos.

19. Kiekybinių kintamųjų reikšmių sklaidos charakteristikos*: dispersija, standartinis nuokrypis. Nominalių kintamųjų sklaidos charakteristikos. Ranginių kintamųjų duomenų sklaidos charakteristika. • Kiekybinių kintamųjų dažnių skirtinių formos charakteristikos: ekscesas ir asimetrijos koeficientas. • Poriniai stebėjimai* (porinių stebėjimų dažnių lentelės ir vidurkiai).

21. 3. Ryšio (asociatyvumo, koreliacijos) matai*. • Asociatyvumo matai nominaliems kintamiesiems: χ2 ryšio tarp kintamųjų matas porinių stebėjimų lentelėse, Φ, Cramerio v koeficientas. • Asociatyvumo matai ranginiams kintamiesiems: Gamma, Kendall's tau-b, Somers d. • Koreliacijos koeficientas intervaliniams/santykio kintamiesiems (Pearsono R.) • Asociatyvumo matai skirtingų tipų kintamiesiems (nominaliems ir ranginiams, nominaliems ir intervaliniams/santykio, ranginiams ir intervaliniams/santykio)

24. 4. Skirtingumo matai. • Stjudento t-testai. Visiems t-testams bendros sąlygos: kintamųjų tipai, kuriems gali būti taikomi t-testai, kintamųjų dažnių skirstinys, imties dydis, dispersijų lygybė. Stjudento t-testas dviems nepriklausomoms imtims*: nulinės hipotezės apie vidurkių lygybę dvejose nepriklausomose imtyse tikrinimo etapai. • Normaliosios kreivės testas (arba z-testas) vidurkių skirtumams. Z-testų bendros sąlygos: kintamųjų tipai, kuriems gali būti taikomi t-testai, kintamųjų dažnių skirstinys, imties dydis, dispersijų lygybė. Z-testas dviems nepriklausomoms imtims*.

25. 5. Dispersinė analizė: • Vienfaktorinė dispersinė analizė (one-way ANOVA)*: ANOVA tikslas. Kintamieji. ANOVA ir Stjudento t-testas dviems nepriklausomoms imtims. ANOVA prielaidos (kintamųjų dažnių skirstinys, dispersijos, ryšys). Statistinės išvados apie vidurkių skirtumus (ANOVA, daugkartinių lyginimų kriterijai: LSD, Tjukio, SNK). • Dvifaktorinė ir daugiafaktorinė dispersinė analizė.

26. 6. Tiesinė regresija ir daugialypė regresija* • Regresinės analizės tikslas (klausimai, į kuriuos padeda atsakyti tiesinė regresija ir daugialypė regresija). Kintamieji. • Regresijos modelių lygtis: a ir b koeficientai, atsitiktinės paklaidos. Regresijos modelių prielaidos. Priežastys dėl kurių gali netikti tiesinė regresija arba daugialypė regresija.

27. Regresinio modelio tinkamumo tikrinimo etapai: • liekamųjų paklaidų analizė (išskirtys, išskirčių nustatymo metodai (Kuko matas, standartizuota liekana), paklaidų nepriklausomumo matas (Durbino ir Vatsono statistika), liekamųjų paklaidų grafikai (paklaidų dispersijų lygybė), • determinacijos koeficientas, • statistinės išvados apie a ir b koeficientus (Stjudento kriterijus). • ANOVA testas, • standartizuoti koeficientai (Beta koeficientai), • koreliacijos ir dalinės koreliacijos koeficientai, • multikolinearumo matai (VIF ir tolerancijos koeficientas).

28. Pseudokintamieji regresinėje analizėje: • nominaliųjų kintamųjų transformavimas į pseudokintamuosius, • b koeficientų interpretacija pseudokintamiesiems, • pseudokintamieji ir statistinės išvados.

30. 7. Faktorinė analizė*. • Faktorinės analizės paskirtis. Ką rodo faktoriai? Faktorinė matrica (faktorių svoriai). Faktoriaus paaiškinamas duomenų sklaidos procentas. Faktorių išskyrimo metodai: pagrindinių komponenčių, pagrindinės ašies faktorių, didžiausio tikėtinumo metodas, Alfa faktorinė analizė. Bendrumo rodiklis. Tikrinės vertės. Faktorių skaičiaus pasirinkimo kriterijai. Rotacija: jos paskirtis ir metodai. Faktoriniai įverčiai.