Wielopoziomowe SEM oraz obliczanie mocy modelu metodą symulacyjną w programie Mplus. Dr Tomasz Korulczyk

Podobne dokumenty
wykorzystywane podczas zajęć wykład, ćwiczenia, Konwersatorium

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Przedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

Metoda najmniejszych kwadratów

Statystyka i Analiza Danych

KORELACJE I REGRESJA LINIOWA

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Importowanie danych do SPSS Eksportowanie rezultatów do formatu MS Word... 22

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE

Przykład 2. Stopa bezrobocia

Metody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis

I. Oprogramowanie sieciowe do prowadzenia analiz statystycznych wyników badań naukowych

Natalia Neherbecka. 11 czerwca 2010

Podstawy statystyki dla psychologów. Podręcznik akademicki. Wydanie drugie poprawione. Wiesław Szymczak

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Opis efektów kształcenia dla modułu zajęć

Ćwiczenia IV

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Księgarnia PWN: George A. Ferguson, Yoshio Takane - Analiza statystyczna w psychologii i pedagogice

Podstawy statystyki matematycznej w programie R

KARTA KURSU. (do zastosowania w roku ak. 2015/16) Kod Punktacja ECTS* 4

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Elementy statystyki STA - Wykład 5

Metody Ilościowe w Socjologii

Stanisław Cichocki. Natalia Nehrebecka

Mikroekonometria 3. Mikołaj Czajkowski Wiktor Budziński

przedmiotu Nazwa Pierwsza studia drugiego stopnia

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Ekonometria. Zajęcia

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)

Przykład 1 ceny mieszkań

Statystyka matematyczna dla leśników

LABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej

Mikroekonometria 4. Mikołaj Czajkowski Wiktor Budziński

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Rozdział 8. Regresja. Definiowanie modelu

KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona

Jak sprawdzić normalność rozkładu w teście dla prób zależnych?

Zapisywanie algorytmów w języku programowania

OPIS PRZEDMIOTU ZAMÓWIENIA. Część nr 8 OPROGRAMOWANIE DO ANALIZ MARKETINGOWYCH (pom. nr 1.21)

Żródło:

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Mikroekonometria 2. Mikołaj Czajkowski Wiktor Budziński

Prognozowanie na podstawie modelu ekonometrycznego

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich

Analiza statystyczna trudności tekstu

SPIS TEŚCI CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA

Analiza regresji - weryfikacja założeń

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

STATYSTYKA MATEMATYCZNA

KARTA KURSU. Kod Punktacja ECTS* 1

PDF created with FinePrint pdffactory Pro trial version

e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku.

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

PAKIETY STATYSTYCZNE

Ekonometria. Weryfikacja modelu. Paweł Cibis 12 maja 2007

W statystyce stopień zależności między cechami można wyrazić wg następującej skali: n 1

WSHiG Karta przedmiotu/sylabus. Podstawy statystyki. Studia niestacjonarne - 8. Podstawy statystyki

Ekonometria Ćwiczenia 19/01/05

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

Mikroekonometria 4. Mikołaj Czajkowski Wiktor Budziński

Wydział Matematyki. Testy zgodności. Wykład 03

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Zadania ze statystyki cz.8. Zadanie 1.

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.

Stanisław Cichocki. Natalia Nehrebecka

R dla każdego : zaawansowane analizy i grafika statystyczna / Jared P. Lander. Warszawa, Spis treści

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

STATYSTYKA MATEMATYCZNA

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

Uogolnione modele liniowe

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Stosowana Analiza Regresji

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.

Niezawodność i diagnostyka projekt

Transkrypt:

Wielopoziomowe SEM oraz obliczanie mocy modelu metodą symulacyjną w programie Mplus Dr Tomasz Korulczyk

Analiza wielopoziomowa Głównym modelem statystycznym analizy wielopoziomowej jest model hierarchiczny liniowy, jest to rozszerzenie modelu regresji liniowej do modelu zawierającego czynniki zagnieżdżone. Programy do MLM: SAS, HLM, SPSS, STATA, R, MLwiN 2

Analiza wielopoziomowa Poziomowość 3

SEM Zasady modelowania takie same jak w przypadku tradycyjnego SEM Części modelu dla zmiennych latentnych egzo i endogenicznych oraz cześć strukturalna Kryteria ocen dopasowania modeli są takie same Źródło: Januszewski, A. (2011). Modele równań strukturalnych w metodologii badań psychologicznych. Problematyka przyczynowości w modelach strukturalnych i dopuszczalność modeli. Studia z psychologii, ISBN 978-83- 7702-473-7 Lublin, Wyd.KUL 2011, s. 213-245 4

Wielopoziomowe SEM Połączenie metodologii SEM oraz analizy wielopoziomowej Możliwość analizy całego modelu Ujęcie wielopoziomowego charakteru danych Zmniejszenie błędów, a tym samym lepsze statystyki dopasowania modelu Możliwość estymacji mocy modelu 5

Procedura Maximum Likelihood Robust Maximum Likelihood jest procedurą doskonale radzącą sobie z zastępowaniem braków danych na poziomie podobnym do metody wielokrotnych podstawień (MI, Newman, 2008) Robust oznacza, że procedura radzi sobie z problemem braku wielozmiennowej normalności zmiennych 6

Testy wielozmiennowej normalności AMOS nie jest stanie jednocześnie obliczyć wielozmiennową normalność i zastąpić braki danych AMOS pozwala na diagnozę wielozmiennowej normalności przy braku występowania braków danych, a oferowana metoda estymacji radząca sobie z tym problemem Metoda asymptomatycznie wolna od rozkładu wymaga N>500, uogólnionych najmniejszych kwadratów wymaga N>2500 Wielozmiennowy rozkład normalny, jeśli c.r. < [-2; 2] 7

Testy wielozmiennowej normalności SPSS oferuje wtyczkę do obliczania wielozmiennowej normalności http://www.columbia.edu/~ld208/ Testy: Mardia Srivastava Omnibus 8

Mplus Pogram prosty, oparty o język komend Brak interfejsu graficznego Napisany w oparciu o system MS-DOS Język składni bardzo intuicyjny 9

Mplus 10

Mplus przygotowanie danych W Mplus braki danych muszą być zawsze oznaczone (w SPSS nie koniecznie), np. -99 W Mplus nie można używać systemu europejskiego (przecinek), akceptowane są tylko kropki jako rozdzielnik ułamkowy Nazwy zmiennych nie mogą być dłuższe niż 8 znaków Linia kodu w jednym wierszu nie może być zbyt długa Wymieramy tylko te zmienne, które mogą być istotne w modelu Zmienne dla wyższego poziomu (średnie) warto przekształcić w SPSS Nie zawsze udaje się odczytać plik zapisany do formatu.dat 11

Mplus przykładowe modele LEVEL 2 (Between) Post Brexit referendum number of antisocial behaviours toward Poles (mean) PsyCap: Optimism (mean) -.39 ζ1 Perceived stress (mean).12 Sedatives use.88 ε1 PsyCap: Optimism Length of living in UK.05 Alcohol use.95 ε2 LEVEL 1 (Within) Post Brexit referendum number of antisocial behaviours toward Poles Post Brexit referendum supervisor negative change of behaviour toward Poles Perceived stress.28.24 Intention to back to Poland / change the country.76 ε3.41 ζ1 General well-being.59 ε4 Perceived family support.52.54 Life Satisfaction.46 ε5 -.36 Depression.42.58 ε6 12

Mplus przykładowe modele WISDOM: Cognitive (mean) FORGIVENESS: Avoidance (mean) SOC. SUPPORT: Actual (mean) SOC. SUPPORT: Perceived (mean) NEO: Extraversion (mean) RELIGIOSITY: Meaning (mean) RELIGIOSITY: Orientation (mean) FORGIVENESS: Avoidance (mean) SOC. SUPPORT: Actual (mean) LEVEL 2 (Between) SATISFACTION: Communication e1 e2 SATISFACTION: Sexual life.34 LEVEL 1 (Within) SATISFACTION: Communication.79.24 e3 e4 SATISFACTION: e5 Sexual life SATISFACTION: Health NEO: Extraversion NEO: Neuroticism NEO: Agreeableness WISDOM: Reflective MEANING OF LIFE SOC. SUPPORT: Perceived SOC. SUPPORT: Actual MEANING OF LIFE NEO: Neuroticism NEO: Agreeableness MEANING OF LIFE NEO: Neuroticism 13 NEO: Agreeableness

Mplus przykładowe modele Wewnętrzna kontrola zdrowia Orientacja religijna Sens religijny Kryzys w wartościowaniu Inteligencja emocjonalna POZIOM 2 (pary) Rozczarowanie e1 e2 Podobieństwo e1 Intymność -.48 POZIOM 1 (indywidualny) Rozczarowanie.58 -.60 e3 e4 Samorealizacja e5 Podobieństwo e5 Intymność.21 Unikanie Samoocena Bilans życia Trudności uporządkowania wartości w hierarchię Wartości hedonistyczne Orientacja religijna Nadzieja: orientacja na cel Nadzieja: osiągniecie celu Wartości moralne Wartości prawdy Wartości estetyczne Nadzieja: osiągniecie celu 14 Nadzieja: osiągniecie celu

Obliczanie mocy metodą symulacyjną SPSS oferuje wtyczkę do obliczania wielozmiennowej normalności http://www.columbia.edu/~ld208/ Testy: Mardia Srivastava Omnibus 15

Testy wielozmiennowej normalności SPSS oferuje wtyczkę do obliczania wielozmienno wej normalności 16

Testy wielozmiennowej normalności Zestawienie zakładanej wartości parametru dla populacji ze średnią z parametru z N prób daje nam informację o błędzie parametru Zestawienie zakładanej wartości SE dla populacji ze średnią z SE z N prób daje nam informację o błędzie SE 17

Dziękuję za uwagę! Tomasz.Korulczyk@gmail.com 18