EDUC 612 Ανωτερες μορφες στατιστικης αναλυσησ

1. EDUC 612 Ανωτερεςμορφεςστατιστικηςαναλυσησ Έλενα Παπαναστασίου

2. Structural equation modeling (SEM)Δομικαμοντελαεξισωσεων

4. 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

5. … 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

6. Γιατι να τα χρησιμοποιουμε; • Περιγράφει τις σχέσεις μεταξύ μεταβλητών διαγραμματικά • Οι μεταβλητές μπορούν να λειτουργήσουν ταυτόχρονα και σαν εξαρτημένες και σαν ανεξάρτητες μεταβλητές.

7. 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

8. Επαναληψηστατιστικωνεννοιων • Κλίμακες μέτρησης • Οργάνωση δεδομένων • Συσχετίσεις • Παλινδρομική ανάλυση

9. Κλίμακες μέτρησης ΑΛΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ: ΚΑΤΗΓΟΡΙΑΚΕΣ ΜΕΤΑΒΛΗΤΕΣ ● Φύλο ● Θρήσκευμα ● Εθνικότητα

10. ΆΛΛΕΣ ΔΙΑΤΑΚΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ ● Σειρά αθλητών στον μαραθώνιο ● Πόσο αγαπάς το μάθημα των μαθηματικών; 1. καθόλου 2. λίγο 3. πολύ 4. πάρα πολύ

11. ΆΛΛΕΣ ΙΣΟΔΙΑΣΤΗΜΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ ● Θερμοκρασία ● Βαθμοίμαθηματικών

12. ΆΛΛΕΣ ΑΝΑΛΟΓΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ ● Μισθός ● Βάρος ● Ύψος

13. 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

14. Καταχωρησηδεδομενων στο spss • Γράψτε κάτω τα εξής στοιχεία από 5 άτομα που απάντησαν ένα ερωτηματολόγιο

16. ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ SPSS • Καταχώρηση δεδομένων στο SPSS (data view) • Περιγραφή δεδομένων στο variable view • Έλεγχος δεδομένων • Στατιστικές αναλύσεις • Τυπική απόκλιση • Συσχετίσεις • Συνδιασπορά • Παλινδρομική ανάλυση

17. Τυπικηαποκλισησ(standard deviation, SD)

19. Συσχετισεις • Η συσχέτιση μας δείχνει το μέτρο σχέσης μεταξύ 2 μεταβλητών • Περιγράφει ΕΥΘΥΓΡΑΜΜΕΣ ΣΧΕΙΣ • Κυμαίνεται από το -1.0 στο 1.0

20. ΣυσχετίσειςPearson product moment correlation (r) • Προσπαθούμε να βρούμε σχέσεις μεταξύ μεταβλητών, και ΌΧΙ αιτιώδης σχέσεις. • Χρειάζονται τουλάχιστον 2 ποσοτικές μεταβλητές • Μέγεθος δείγματος: >30 >150

21. ΣυσχετίσειςPearson product moment correlation (r) • Από το συντελεστή συσχέτισης μπορούμε να πάρουμε πληροφορίες για • Την κατεύθυνση της σχέσης • Τη δύναμη της σχέσης

22. 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

23. 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

24. Θετική συσχέτιση

25. Αρνητική συσχέτιση

26. 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

27. Συνδιασπορα • Covage,height=rage,height* SD age*SD height

28. 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

29. Παλινδρομική ανάλυσηRegression • Πως επηρεάζει το φύλο και το ΚΟΕ τις επιδόσεις των Κυπρίων φοιτητών στο πανεπιστήμιο;

30. 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

31. Παλινδρομική ανάλυση

32. Παλινδρομική ανάλυση

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

34. 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

35. 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

36. Statistics grade -0.10 Research grade High School GPA 0.319