1 / 37

Többváltozós adatelemzés

Többváltozós adatelemzés. 3. előadás. Kereszttábla elemzés: RISK mutatószámok (csak 2x2-es táblákra). Esélyhányados (odds). Esélyhánydos (odds): (valószínűség) / (1-valószínűség) Teheséggondozás esélyhányadosa, ha van csoportos korrepetálás: (0,837/0,163=5,153)

rashad-stokes
Download Presentation

Többváltozós adatelemzés

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Többváltozós adatelemzés 3. előadás

  2. Kereszttábla elemzés:RISK mutatószámok(csak 2x2-es táblákra)

  3. Esélyhányados (odds) • Esélyhánydos (odds): (valószínűség) / (1-valószínűség) • Teheséggondozás esélyhányadosa, ha van csoportos korrepetálás: (0,837/0,163=5,153) • Teheséggondozás esélyhányadosa, ha nincs csoportos korrepetálás: (0,474/0,526=0,900) • Odds ratio: 5,153/0.900=5,725

  4. Relative Risk • Tehetséggondozás léte az iskolában (igen): (0,837/0,474=1,768) • Tehetséggondozás léte az iskolában (nem): (0,163/0,526=0,309)

  5. Kereszttábla elemzés - RISK

  6. Változók felcserélése • Az ‘odds ratio’ nem változik a változók felcserélésével

  7. Tehetséggondozás léte az iskolában

  8. További tesztek • Az iskolaigaztató neme befolyásolja-e a tehetségkutatás és a csoportos korrepetálás kapcsolatát? • Az ‘odds ratio’ az összes csoportra 1 (feltételes függetlenség) • Cochran teszt • Mantel-Heanszel teszt • Az ‘odds ratio’ megegyezik az összes csoportra • Breslow-Day teszt • Tarone teszt

  9. További tesztek

  10. Iskolafenntartó hatása

  11. ANOVA • ANalysis Of VAriance • Ún. variancia elemzés • Egy folytonos változó és egy kategória változó kapcsolatát vizsgálja (alapesetben) • A teljes varianciát felbontja csoporton belüli és csoportok közötti varianciára

  12. ANOVA • X folytnonos változó, Y kategória változó k kategóriával.

  13. ANOVA • Varinacia hányados (determinációs hányados): H2= SSK / SST • Átlagok egyezőségének tesztelése (normális eloszlás, csoportok szórásának egyezősége)

  14. Országos oktatáspolitika hatása az oktatás tartalmára H2=1 333 135 903 379 / 50 816 289 995 168 = 0,0262=2,62%

  15. Országos oktatáspolitika hatása az oktatás tartalmára(extrém értékek elhagyásával) H2=50 436 183 642 / 3 289 650 611 552 = 1,53%

  16. Részt vettek-e a minőségbiztosítás finanszírozására kiírt pályázaton? H2: 11,4%

  17. ANOVA • Amennyiben az azonos variancia a különböző csoportokra nem teljesül, akkor is lehet tesztelni a csoportok átlagának egyezőségét: • Welch teszt • Brown-Forsythe teszt

  18. Részt vettek-e a minőségbiztosítás finanszírozására kiírt pályázaton?

  19. t-teszt • Csak 2 kategória összehasonlítására alkalmas • Kis minták esetén szükséges a normális eloszlás, de nagy minták esetén nem normális eloszlás esetén is működik (központi határeloszlási tétel)

  20. t-teszt • Akik részt vettek minőségbiztosítás finanszírozására kiírt pályázaton és nyertek, azok nagyobb összegből gazdálkodhattak-e, mint akik részt vettek, de nem nyertek

  21. t-teszt

  22. t-teszt • Akik nem vettek részt, de tervezték nagyobb összegből gazdálkodhattak-e, mint akik nem is tervezték?

  23. t-teszt

  24. Kovariancia • VAR(X+Y)=VAR(X)+VAR(Y)+2KOVAR(X,Y) • Változók együttváltozását méri • KOVAR(X,Y)=E[(X-E(X))(Y-E(Y))]= =E(XY)-E(X)E(Y) • Realizációk esetén várható érték helyett átlagok szerepelnek

  25. Kovariancia 67270+19138+12194+8216=106818 Az átlagok összeadódnak 21437978395+9175976233+8231728663+544335164=39390018451 A varianciák nem adódnak össze

  26. Kovariancia • Összes költség varianciája: • 39390018451+2*13723733583+… …+2*862268974=116237903759

  27. Korreláció • KORREL(X,Y)= =KOVAR(X,Y) / [SQRT(VAR(X))SQRT(VAR(Y))] • Változó lineáris kapcsolatát méri • Értéke -1 és 1 között van: • 0, ha X és Y között nincs lineáris kapcsolat (korrelálatlan) • 1, ha tökéletes lineáris kapcsolat van, azonos irányú • -1, ha tökéletes lineáris kapcsolat ellentétes irányú

  28. Korreláció

  29. Korreláció • A korreláció érzéketlen a lineáris transzforációra • A korreláció érzékeny a monoton transzformációra

  30. Korreláció – sztenderdizált változók

  31. Korreláció – logaritmált változók

  32. Rangkorreláció • Spearman nevéhez kötődik • A változók értékeit sorrendbe rakja: a legkisebb 1-es értéket kap, a második 2-t, és így tovább. Utána ezen rangszámok segítségével számol korrelációt. • Nem érzékeny a monoton transzformációra. • Értéke szintén -1 és 1 között van. A nevezetes értékek (-1, 0 és 1) ugyanaz mint a (Pearson) korreláció esetén • Ordinális mérési szintű változók esetén is értelmezhető

  33. Rangkorreláció

  34. Rangkorreláció – logaritmált változók

More Related