Efekty trzeciej zmiennej
|
|
- Robert Kowalski
- 6 lat temu
- Przeglądów:
Transkrypt
1 Efekty trzeciej zmiennej
2 Efekt trzeciej zmiennej - rodzaje Moderacja (interakcja) Mediacja (pośredniczenie) Supresja (ujawnianie ukrytego związku) Zakłócenie (confounding)
3 MEDIACJA JAK TO SIĘ DZIEJE? MECHANIZM DZIAŁANIA
4 Sprawiedliwość organizacyjna (dystrybutywna, proceduralna, relacyjna) Zaufanie organizacyjne i zaufanie do przełożonego Satysfakcja z pracy; chęć odejścia z pracy; zaangażowanie
5 Mediacja Związek pomiędzy dwoma zmiennymi (X i Y) zapośredniczony jest przez trzecią zmienną: X wpływa na zmienną pośredniczącą (mediator, M) Mediator wpływa na Y (zmienną wyjaśnianą) Odpowiada na pytania JAK działa dany efekt DLACZEGO zmienna X wpływa na zmienną Y Musi być oparta na przesłankach teoretycznych Mówi o zależności przyczynowo-skutkowej, więc najlepiej testować ją na danych eksperymentalnych lub z badań podłużnych (Dearing & Hamilton 2006)
6 Diagram statystyczny dla prostej mediacji Ścieżka c' oznacza efekt bezpośredni pomiędzy X i Y przy kontroli M Ścieżka ab (lub c - c') to efekt X na Y, pośredniczony przez mediator M Efekt pośredni i bezpośredni to razem efekt całkowity (total effect; c = c' + ab).
7 Mediacja może przyjmować dwie formy M w pełni wyjaśnia związek pomiędzy X i Y M częściowo mediuje związek pomiędzy X i Y, ale X nadal wpływa bezpośrednio na Y Związek pomiędzy X i Y nie musi być początkowo istotny, żeby móc testować model mediacyjny (e.g., Hayes, 2009; Shrout & Bolger, 2002).
8 Testowanie mediacji 1 Metody bootstrapingowe: Wielokrotne losowanie n elementów (np. 5000) ze zwracaniem z całej próby Estymowanie skorygowanego efektu pośredniego dla każdej próby Określenie przedziału ufności dla efektu pośredniego. Jeśli nie zawiera zera -> efekt różny od zera (istotny) Nakładka na SPSS i SAS PROCESS (Hayes, 2016)
9 Testowanie mediacji 2 Test Sobela Często stosowany, poddany dużej krytyce (może być niedokładny dla małych prób; Zhao, Lynch, Chen, 2010) Oparty na wynikach dwóch analiz regresji: 1. X jako predyktor, M jako zmienna wyjaśniana 2. X i M jako predyktory, Y jako zmienna wyjaśniana Wynik testu można sprawdzić za pomocą nakładki lub kalkulatora online (
10 MEDIACJA PRZYKŁAD (WŁADZA I SATYSFAKCJA Z PRACY)
11 Hipotezy H1: Kierownicy deklarują wyższą satysfakcję z pracy, niż nie-kierownicy H2: Związek kierowania z satysfakcją jest pośredniczony przez poczucie statusu społecznego
12 Metoda Respondenci: 6 runda ESS dla Polski, osoby pracujące w wieku lat Zmienne Kierowanie (ZN, X) Satysfakcja z pracy (ZZ, Y) Status (M) Wiek, płeć, wykształcenie, zdrowie, satysfakcja z przychodów GD (ZK)
13 Wyniki
14 Wyniki
15
16 Wpływ kierowania na satysfakcję z pracy jest zapośredniczony przez status Status Kierowanie Istotność istotny spada zaufanie Satysfakcja z pracy
17 MODERACJA (KIEDY/W JAKICH SYTUACJACH/DLA KOGO TO SIĘ DZIEJE? -> INTERAKCJA)
18 Struktura organizacyjna (mechanistyczna vs. Organiczna) Sprawiedliwość organizacyjna (proceduralna i interakcyjna) Zaufanie do przełożonego
19 ZAUFANIE DO PRZEŁOŻONEGO STRUKTURA MECHANISTYCZNA STRUKTURA ORGANICZNA SPRAWIEDLIWOŚĆ PROCEDURALNA
20 MODERAJCA PRZYKŁAD (CZY ZWIĄZEK SZCZĘŚCIA Z MIESZKANIEM Z PARTNEREM ZALEŻY OD PŁCI?)
21
22
23 ZAKŁÓCENIE (CONFOUNDING)
24 Zmienna zakłócająca Zmienna powiązana ze zmienną wyjaśnianą i wyjaśniającą Błędnie podwyższa lub zaniża związek pomiędzy X i Y (Meinert, 1986). Mediatory i zmienne zakłócające są statystycznie identyczne (MacKinnon, Krull, & Lockwood, 2000) Jedyna różnica wynika z kierunku związku Mediatory leżą na jednokierunkowej, przyczynowo-skutkowej ścieżce pomiędzy X i Y Zmienne zakłócające mogą wpływać lub być skorelowane zarówno z X, jak I Y Brak uwzględnienia zmiennej zakłócającej w modelu może spowodować, że za prawdziwy uznamy nieistniejący związek, albo nie zauważymy istniejącej relacji
25 MEDIATOR ZMIENNA ZAKŁÓCAJĄCA ZMIENNA WYJAŚNIAJĄCA ZMIENNA WYJAŚNIANA
26 Wiek Poziom wynagrodzenia nieistotny istotny zaufanie Zachorowania na raka
27 ZAKŁÓCENIE PRZYKŁAD (PŁEĆ A STATUS)
28 Metoda Respondenci: 6 runda ESS dla Polski, osoby pracujące w wieku lat Zmienne Płeć (ZN, X) Status (ZZ, Y) Wykształcenie (C)
29 Wyniki
30 Wykształcenie Płeć nieistotny istotny zaufanie Status
31 SUPRESJA
32 Supresja Rodzaj efektu pośredniego, który sprawia, że uwzględnienie trzeciej zmiennej wzmaga siłę związku pomiędzy X i Y (Tzelgov & Henik, 1991). Trzy rodzaje supresji: Klasyczna (efekt nieistotny staje się istotny po uwzględnieniu 3 zmiennej) Negatywna (uwzględnienie trzeciej zmiennej odwraca kierunek zależności pomiędzy X i Y) Wzajemna (reciprocal; wzmocnienie związku pomiędzy X i Y po uwzględnieniu 3 zmiennej)
33 Supresja Może być analizowana w kontekście mediacji i zakłócenia Supresor może być związany tylko z predyktorem, nie ze zmienną wyjaśnianą (Ludlow & Klein, 2014) W mediacji supresja oznacza, że bezpośredni efekt Y na X ma inny znak, niż efekt pośredniczony przez mediator (inconsistent mediation; Davis, 1985)
34 SUPRESJA PRZYKŁAD (CZY SATYSFAKCJA Z PRACY ROŚNIE Z WIEKIEM?)
35 Metoda Respondenci: 6 runda ESS dla Polski, osoby pracujące w wieku lat Zmienne Wiek (ZN, X) Satysfakcja z pracy (ZZ, Y) Zdrowie (S)
36 Wyniki
37 Zdrowie Wiek dodatni zaufanie Satysfakcja z pracy
Efekt główny Efekt interakcyjny efekt jednego czynnika zależy od poziomu drugiego czynnika Efekt prosty
ANOVA DWUCZYNNIKOWA testuje różnice między średnimi w grupach wyznaczonych przez dwa czynniki i ich kombinacje. Analiza pozwala ustalić wpływ dwóch czynników na wartości zmiennej zależnej (ilościowej!)
Bardziej szczegółowoPrzykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku
Przykład 2 Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku Sondaż sieciowy analiza wyników badania sondażowego dotyczącego motywacji w drodze do sukcesu Cel badania: uzyskanie
Bardziej szczegółowoANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH
ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH - Adrian Gorgosz - Paulina Tupalska ANALIZA WIELOPOZIOMOWA (AW) Multilevel Analysis Obecna od lat 80. Popularna i coraz częściej stosowana
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoTest U Manna-Whitneya : Test H Kruskala-Wallisa Test Wilcoxona
Nieparametryczne odpowiedniki testów T-Studenta stosujemy gdy zmienne mierzone są na skalach porządkowych (nie można liczyć średniej) lub kiedy mierzone są na skalach ilościowych, a nie są spełnione wymagania
Bardziej szczegółowoAnaliza mediacji i moderacji. X - predyktor M - mediator Y - zmienna zależna. Dr Paweł Kleka /50. Trochę historii.
Analiza mediacji i moderacji Dr Paweł Kleka 2019-04-04 X - predyktor M - mediator Y - zmienna zależna 3/50 Trochę historii Mediacja 4/50 Mediacja całkowita Analiza wielkości efektu pośredniego wg Barona
Bardziej szczegółowoMETODY I TECHNIKI BADAŃ SPOŁECZNYCH
METODY I TECHNIKI BADAŃ SPOŁECZNYCH Schemat poznania naukowego TEORIE dedukcja PRZEWIDYWANIA Świat konstrukcji teoret Świat faktów empirycznych Budowanie teorii Sprawdzanie FAKTY FAKTY ETAPY PROCESU BADAWCZEGO
Bardziej szczegółowoEksperyment jako metoda badawcza
Metodologia badań naukowych - wykład 4 Eksperyment jako metoda badawcza Zmienne w eksperymencie Własności badania eksperymentalnego Kontrolowanie zmienych niezależnych. Plany eksperymentalne i quasi-eksperymentalne
Bardziej szczegółowoPRÓBA ZIDENTYFIKOWANIA ZMIENNEJ POŚREDNICZĄCEJ W RELACJI POMIĘDZY ZARZĄDZANIEM WIEDZĄ A EFEKTYWNOŚCIĄ FUNKCJONOWANIA MŚP
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2016 Seria: ORGANIZACJA I ZARZĄDZANIE z. 93 Nr kol. 1957 Krzysztof RZOSTEK KGHM Polska Miedź S.A. Anna MICHNA Politechnika Śląska Wydział Organizacji i Zarządzania
Bardziej szczegółowoWYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA
WYKŁAD 2: PSYCHOLOGIA POZNAWCZA JAKO NAUKA EKSPERYMENTALNA Psychologia poznawcza dr Mateusz Hohol METODA NAUKOWA (1) problem badawczy (2) hipoteza (4) analiza danych (3) eksperyment (5) wniosek: potwierzenie
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoLokalne naśladownictwo podatkowe czy naśladownictwo w opłatach za lokalne usługi publiczne?
Lokalne naśladownictwo podatkowe czy naśladownictwo w opłatach za lokalne usługi publiczne? Julita Łukomska Paweł Swianiewicz Katedra Rozwoju i Polityki Lokalnej, WGiSR UW Ramy teoretyczne Konkurencja
Bardziej szczegółowoJeżeli A wpływa na B, a B wpływa na C, to A wpływa na C czyli o efektach łącznych
modelowanie strukturalne Jeżeli A wpływa na B, a B wpływa na C, to A wpływa na C czyli o efektach łącznych Monika Książek Szkoła Główna Handlowa W poprzednim artykule wykorzystaliśmy możliwości, jakie
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoSatysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie
Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie Zadanie Zbadano satysfakcję z życia w skali 1 do 10 w dwóch grupach rodziców: a) Rodzice dzieci zdrowych oraz b) Rodzice dzieci z niepełnosprawnością
Bardziej szczegółowoSubiektywna luka edukacyjna a aktywność edukacyjna dorosłych
Subiektywna luka edukacyjna a aktywność edukacyjna dorosłych Irena E. Kotowska, Barbara Minkiewicz, Katarzyna Saczuk, Wojciech Łątkowski Warszawa, 18 maja 2015 r. Cele analiz Zakres występowania subiektywnej
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoDwuczynnikowa ANOVA dla prób niezależnych w schemacie 2x2
Dwuczynnikowa ANOVA dla prób niezależnych w schemacie 2x2 Poniżej prezentujemy przykładowe pytania z rozwiązaniami dotyczącymi dwuczynnikowej analizy wariancji w schemacie 2x2. Wszystkie rozwiązania są
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStosowana Analiza Regresji
Model jako : Stosowana Analiza Regresji Wykład XI 21 Grudnia 2011 1 / 11 Analiza kowariancji Model jako : Oprócz czynnika o wartościach nominalnych chcemy uwzględnić wpływ predyktora o wartościach ilościowych
Bardziej szczegółowoMetodologia badań psychologicznych. Wykład 12. Korelacje
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Wykład 12. Korelacje Korelacja Korelacja występuje wtedy gdy dwie różne miary dotyczące tych samych osób, zdarzeń lub obiektów
Bardziej szczegółowoHipoteza: Dziewczynki częściej niż chłopcy mają sprecyzowane plany dotyczące dalszego kształcenia (dlaczego?)
Problem: Czy płeć różnicuje plany edukacyjne uczniów? Hipoteza: Dziewczynki częściej niż chłopcy mają sprecyzowane plany dotyczące dalszego kształcenia (dlaczego?) Hipoteza zerowa: Płeć nie różnicuje precyzji
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 13 Mikołaj Czajkowski Wiktor Budziński Endogeniczność regresja liniowa W regresji liniowej estymujemy następujące równanie: i i i Metoda Najmniejszych Kwadratów zakłada, że wszystkie zmienne
Bardziej szczegółowo2. Pewien psycholog w przeprowadzonym przez siebie badaniu międzykulturowym chciał sprawdzić czy narodowość badanych osób różnicuje je pod względem
2. Pewien psycholog w przeprowadzonym przez siebie badaniu międzykulturowym chciał sprawdzić czy narodowość badanych osób różnicuje je pod względem średniej skłonności do mówienia nieprawdy. Ile wynosiły
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoWSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Bardziej szczegółowoAdam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera
Bardziej szczegółowoWłasności statystyczne regresji liniowej. Wykład 4
Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności
Bardziej szczegółowoSzkice rozwiązań z R:
Szkice rozwiązań z R: Zadanie 1. Założono doświadczenie farmakologiczne. Obserwowano przyrost wagi ciała (przyrost [gram]) przy zadanych dawkach trzech preparatów (dawka.a, dawka.b, dawka.c). Obiektami
Bardziej szczegółowoPaweł Grygiel Czy relacje rówieśnicze mają wpływ na efektywność nauczania w szkole podstawowej?
Paweł Grygiel Czy relacje rówieśnicze mają wpływ na efektywność nauczania w szkole podstawowej? Rodzina Rówieśnicy Efektywność przyswajania wiedzy Szkoła/nauczyciele Relacje rówieśnicze Typ oddziaływania:
Bardziej szczegółowoEgzamin z ekonometrii - wersja ogólna
Egzamin z ekonometrii - wersja ogólna 06-02-2019 Regulamin egzaminu 1. Egzamin trwa 90 min. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoW statystyce stopień zależności między cechami można wyrazić wg następującej skali: n 1
Temat: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00 0,20) Słaba
Bardziej szczegółowoTEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Bardziej szczegółowoKryteria i zasady w badaniach społecznych
Kryteria i zasady w badaniach społecznych Dobra definicja obszaru i problemu Problem powinien być nowy, nietrywialny, istotny i interesujący. Należy się upewnić, że nie był wcześniej badany. Powinno dać
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 8
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 Regresja wielokrotna Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X 1, X 2, X 3,...) na zmienną zależną (Y).
Bardziej szczegółowowykorzystywane podczas zajęć wykład, ćwiczenia, Konwersatorium
Nazwa przedmiotu Budowanie teorii. Kryzys w psychologii. Prerejestracja. Moc statystyczna. Analiza mocy statystycznej w programie G*Power Wprowadzenie do R warsztat Forma zajęć (np. wykład, ćwiczenia,
Bardziej szczegółowo1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2.
Zadanie 1 Niech y t ma rozkład logarytmiczno normalny o funkcji gęstości postaci [ ] 1 f (y t ) = y exp (ln y t β ln x t ) 2 t 2πσ 2 2σ 2 Zakładamy, że x t jest nielosowe a y t są nieskorelowane w czasie.
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoUstalanie mocy testu i optymalnej wielkości próby
Warsztaty szkoleniowe z zakresu oceny oddziaływania instrumentów aktywnej polityki rynku pracy Ustalanie mocy testu i optymalnej wielkości próby Piotr Ćwiakowski, Kraków, 7 czerwca 2017 r. Plan wykładu
Bardziej szczegółowoANALIZY WIELOZMIENNOWE
ANALIZY WIELOZMIENNOWE ANALIZA REGRESJI Charakterystyka: Rozszerzenie analizy korelacji o badanie zależności pomiędzy wieloma zmiennymi jednocześnie; Podstawowe zastosowanie (ale przez nas w tym momencie
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoR-PEARSONA Zależność liniowa
R-PEARSONA Zależność liniowa Interpretacja wyników: wraz ze wzrostem wartości jednej zmiennej (np. zarobków) liniowo rosną wartości drugiej zmiennej (np. kwoty przeznaczanej na wakacje) czyli np. im wyższe
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoTestowanie hipotez statystycznych
9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :
Bardziej szczegółowoOpis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA
Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów
Bardziej szczegółowoAnaliza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoEgzamin z ekonometrii wersja IiE, MSEMAT
Pytania teoretyczne Egzamin z ekonometrii wersja IiE, MSEMAT 08-02-2017 1. W jaki sposób przeprowadzamy test Chowa? 2. Pokazać, że jest nieobciążonym estymatorem. 3. Udowodnić, że w modelu ze stałą TSSESS+RSS.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 12
Stanisław Cichocki Natalia Nehrebecka Wykład 12 1 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne 2. Autokorelacja o Testowanie autokorelacji 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne
Bardziej szczegółowoMetodologia badań psychologicznych " - tworzenie projektu badania" dr Magdalena Hyla
Metodologia badań psychologicznych " - tworzenie projektu badania" dr Magdalena Hyla Struktura procesu badawczego " w psychologii wg Brzezińskiego " Sformułowanie problemu badawczego Określenie obrazu
Bardziej szczegółowoCzego się nie dowiemy z NHST? Efekt size, stupid!1. Null Hypothesis Significance Testing
Czego się nie dowiemy z NHST? Null Hypothesis Significance Testing Statistical significance testing retards the growth of scientific knowledge; it never makes a positive contribution Schmidt and Hunter
Bardziej szczegółowoStosowana Analiza Regresji
prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile
Bardziej szczegółowoPrzedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii
SPIS TREŚCI Przedmowa... 11 Wykaz symboli... 15 Litery alfabetu greckiego wykorzystywane w podręczniku... 15 Symbole wykorzystywane w zagadnieniach teorii mnogości (rachunku zbiorów)... 16 Symbole stosowane
Bardziej szczegółowoX Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9
Zadanie W celu sprawdzenia, czy pipeta jest obarczona błędem systematycznym stałym lub zmiennym wykonano szereg pomiarów przy różnych ustawieniach pipety. Wyznacz równanie regresji liniowej, które pozwoli
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 1. Model AD/AS - powtórzenie. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 1. Model AD/AS - powtórzenie Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu 1. Krótkookresowe wahania koniunktury Dynamiczny model zagregowanego popytu i podaży: skutki
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoIntencje prokreacyjne i ich realizacja
Intencje prokreacyjne i ich realizacja Od opuszczenia domu rodzinnego do przejścia na emeryturę. Życie Polaków w świetle danych z badania ankietowego Generacje i Rodziny (GGS-PL) Warszawa, 26 czerwca 2017
Bardziej szczegółowoDyskryminacja imigrantów w Europie i w Polsce Przegląd wyników testów dyskryminacyjnych i ich interpretacja
Dyskryminacja imigrantów w Europie i w Polsce Przegląd wyników testów dyskryminacyjnych i ich interpretacja Kinga Wysieńska-Di Carlo Testy dyskryminacyjne w Europie Źródło: Rich, 2014 Testy dyskryminacyjne
Bardziej szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowoZJAZD 4. gdzie E(x) jest wartością oczekiwaną x
ZJAZD 4 KORELACJA, BADANIE NIEZALEŻNOŚCI, ANALIZA REGRESJI Analiza korelacji i regresji jest działem statystyki zajmującym się badaniem zależności i związków pomiędzy rozkładami dwu lub więcej badanych
Bardziej szczegółowo30 sierpnia 2018 r. Dr hab. Mariola Łaguna, prof. KUL Instytut Psychologii Katolicki Uniwersytet Lubelski Jana Pawła II
Dr hab. Mariola Łaguna, prof. KUL Instytut Psychologii Katolicki Uniwersytet Lubelski Jana Pawła II 30 sierpnia 2018 r. Opinia o pracy doktorskiej mgr. Mateusza Hauka Czynniki warunkujące zadowolenie z
Bardziej szczegółowoRegresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).
Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoPraktyczne aspekty doboru próby. Dariusz Przybysz Warszawa, 2 czerwca 2015
Praktyczne aspekty doboru próby Dariusz Przybysz Warszawa, 2 czerwca 2015 Określenie populacji Przed przystąpieniem do badania, wybraniem sposobu doboru próby konieczne jest precyzyjne określenie populacji,
Bardziej szczegółowoMetody badań w naukach ekonomicznych
Metody badań w naukach ekonomicznych Tomasz Poskrobko Metodyka badań naukowych Metody badań ilościowe jakościowe eksperymentalne Metody badań ilościowe jakościowe eksperymentalne Metody ilościowe metody
Bardziej szczegółowoWykład 9 Wnioskowanie o średnich
Wykład 9 Wnioskowanie o średnich Rozkład t (Studenta) Wnioskowanie dla jednej populacji: Test i przedziały ufności dla jednej próby Test i przedziały ufności dla par Porównanie dwóch populacji: Test i
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoTesty t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich
Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Nazwa
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowoCopyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008
Redaktor: Alicja Zagrodzka Korekta: Krystyna Chludzińska Projekt okładki: Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008 ISBN 978-83-7383-296-1 Wydawnictwo Naukowe Scholar
Bardziej szczegółowoń Ż ć Ą Ę Ę ń Ą Ż ń Ż ń Ę Ę Ę ń Ż ń Ś ń ć Ś ń ń ń ń ń Ę Ę Ą ń Ą Ń Ę ń Ż Ń ń Ź ń Ż Ś ń Ż ń ń ń Ź Ż Ą ń ń Ż ń ć Ś ń ń ź ń ń Ź ń Ś Ź ń ń ń Ż ń ć Ś ń ń ć Ż Ę ń ć Ś Ś Ż ń Ź Ż ń ń Ą ń Ś Ść Ń ń ń ź ń Ż ń Ż Ż
Bardziej szczegółowoć ć Ż ć Ż ć ć ź ć ć ć ć ć ć ć ć ć ź ć ć ź Ę ć ć ź ć ź ć ć ć ć ć ć ć Ę ć ć ź ć ć ź ź ź ź ź ź Ę Ę ź Ę ć ź ć ź ź ć ć ć Ę ć ź ź ć ź ć ć ź Ą ć ź ź ź ź ć ć ć Ę ź ź ć ć ć ć ć ć ź ź ć ć ć ć ć ć ć ć ć ć ć ź ź ć
Bardziej szczegółowoŚ Ę Ż Ż Ł ź ź Ę ź Ę Ą Ę ź ć Ś Ą ć Ą ź ć Ó Ę ć ć Ś ć ć Ń ć Ż Ź Ż ć Ś ć Ę Ę Ę Ł ź ć Ś Ś ź Ł ć Ę ć Ł ć ź Ł ć Ż ć Ą Ś Ę ź Ę ć ź ć Ł Ń Ę ć Ś ź ć Ł Ł Ń ć ć ć ć Ę Ę ć ć Ż Ń Ń ŻŻ Ż Ę Ż ć ć Ę Ż Ó ć Ł Ą ć Ś Ę ć
Bardziej szczegółowoĄ ń Ż Ź Ś Ż ź Ł Ż Ż ź ź Ż Ż Ż Ż ź ź ź ż Ż ź Ż ż ń Ż ż ć ń ż ż ż Ż ź Ż Ż ź Ż ż Ż ć ż Ż Ś ż Ś Ż ź ń ń Ż ń Ż ń Ż ź ń ń ż ż ń Ą ń Ą ń ń ń ń ń ź ń Ź ż ć ż Ż ć ź Ż ć ż ć ć ż Ą ć ń ń ć Ł ż ż ć Ż Ż ż ż Ż Ż Ż ń
Bardziej szczegółowoŁ Ś Ą Ł Ę ź Ł Ł Ę Ł ź Ł Ł Ś Ł Ł ż Ł Ś Ł Ł Ś Ł ź Ę ź Ł Ł Ł Ł Ł Ł ź ć ż Ę ż Ł ż ż ć ć ć ć ć ć ż Ę ć ć ć ć ć ć ż ż ć ż ż ż ż Ł Ś Ł ż ż ć ć ć ż ć ć ć ć ż ż ż Ł Ś Ł ż Ł Ł Ł ż Ł Ś Ł Ł Ś Ł ż Ł Ś Ł ź ż Ę ż ż ź
Bardziej szczegółowoź Ę ć Ż Ż ń ć Ż Ę Ż ć ć ć Ż ć ć ź Ż ć Ż Ż ć ć ń Ż ć Ś Ę Ż ń Ż ć Ż ć Ż ć Ż Ż Ę ć Ż Ż Ż Ą Ę Ą ć Ż ć ć Ż Ą Ż ć ń ń Ż ń Ż Ę Ż ć Ż Ż Ł Ą źź ź ć Ż Ż Ż Ż Ę ź ź ź ź Ż Ż ń Ż Ż Ó ń Ś ć ń Ą Ę Ą Ż Ą Ę Ś Ę Ż ć Ę Ś
Bardziej szczegółowoŁ Ń Ł Ł ź Ż ź Ł Ż Ó ż ż Ą ź Ą Ó Ń Ą Ł Ł Ą Ż Ś Ą ź Ż Ż ź Ż Ż ż Ą Ł Ż Ź Ź ź Ó ź Ł Ą ź Ń ź Ó Ł ż ć Ś Ś Ą Ł Ś ż ź ź Ą Ż Ł Ś Ś Ł Ż Ń Ń Ł Ó Ś Ś ć Ś Ó Ć ć ć Ś ż Ó Ó ź Ó Ó Ś Ó Ą Ą ć Ą Ą Ł Ą Ł Ą Ł ż Ł ź ć Ł Ą
Bardziej szczegółowoŻ ń ń Ł Ą ń Ą Ż Ą Ż ń Ą ń ń ń ń Ł Ą ń ń ń ń ń Ą ń ń ń ń ń ń ń ć ń Ż ń ń Ą Ś Ą Ś Ą ń Ą Ś Ę ń Ś ń ń Ą ń Ż ń ź ź ń Ś ń ń Ś Ę Ś Ź Ś ń ń ć Ż ń ń Ą ń Ś Ż ń Ż Ż Ć Ż Ś Ś ć Ż Ż ć Ą ń Ą ń Ż ń ń ń Ż ć Ż Ż ń ń Ś Ż
Bardziej szczegółowoŁ Ż Ł Ł Ł Ł ż ż ć ź ć ż ż Ż ż Ż ż Ż ć Ż Ł Ż ć ŻŻ ź ż Ł ż ż ż Ż ć Ł Ł ż ż ż ż Ż ż ż ź ć Ż ż ż Ż ż Ż ć ż ć Ż ź ż ż ć ć Ż ż Ź ż ż ż ź ż ż ź ż ż ż ż ż ź Ż Ż ź ż ć ż ż Ł ż ć ż ż ż ć ż ż ć Ż Ż ż ż ż ź ć ż ż
Bardziej szczegółowoĄ Ę ą Ś ą ć Ą ą ą ą ą ŻŻ ŻŻ Ą Ż ą ą ą ą ą ą ą ą ą Ą ą ą Ęć ą ą ą ą ą ć Ę Ś Ą ć ą ć Ś ą Ą ć Ą ą Ą ź Ę ź ą ć ć ą ą Ę ą ą Ę ą ą ą ą ą ą ć ą ą ą ą ć ą ą ą Ę ą ą ą ą ą ą ą ą ć ć ź ą Ą ą ć Ę Ł Ł Ę ą ą Ą ą ą
Bardziej szczegółowoPytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny?
Pytanie: Kiedy do testowania hipotezy stosujemy rozkład normalny? Gdy: badana cecha jest mierzalna (tzn. posiada rozkład ciągły); badana cecha posiada rozkład normalny; dysponujemy pojedynczym wynikiem;
Bardziej szczegółowoŻródło: https://scepticemia.com/2012/09/21/william-gosset-a-true-student/
Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich Zmienne muszą być zmiennymi ilościowym (liczymy i porównujemy średnie!) Są to testy parametryczne Test
Bardziej szczegółowoRegresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Regresja wielokrotna Model dla zależności liniowej: Y=a+b 1 X 1 +b 2 X 2 +...+b n X n Cząstkowe współczynniki regresji wielokrotnej: b 1,..., b n Zmienne niezależne (przyczynowe): X 1,..., X n Zmienna
Bardziej szczegółowoTABELKA ANOVA (jednoczynnikowa)
TABELKA ANOVA (jednoczynnikowa) Jednoczynnikowa ANOVA nazwa zmiennej zależnej Między grupami Suma kwadratów df Średni kwadrat F Istotność k 1 SSMG / dfmg MSMG / MSWG brane z tablic Wewnątrz grup 2 z 3
Bardziej szczegółowo