Keskeisin opittu asia (%) Regressioanalyysi. Keskeisin kertausta vaativa asia (%) Soveltuvan menetelmän valinta. Regressioanalyysi II
|
|
- Sofia Hämäläinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Keskeisin opittu asia (%) Regressioanalyysi Y250. Kvantitatiiviset menetelmät (6 op) Hanna Wass tutkijatohtori vastaanotto ke 4-5 tai sopimuksen mukaan % N ristiintaulukointi ja sen käyttö 4 4 kokonaisuus 3 korrelaatiokertoimien eri muodot 7 2 p-arvon määrittäminen 7 2 tilastollinen päättely 7 2 keskeiset käsitteet 4 asteikkojen ja menetelmien yhteen sovittaminen 4 2 -testin lukeminen 4 taulukoiden tulkitseminen 4 käsitteiden operationalisointi 4 summamuuttuja 4 otantamenetelmät 4 eri mitta-asteikot ja niiden käyttäminen 4 selitettävä ja selittävä muuttuja 4 terminologia 4 muu 3 ei vastausta 7 2 yhteensä Keskeisin kertausta vaativa asia (%) Soveltuvan menetelmän valinta % N mittausasteikot 4 4 kaikki 4 4 p-arvo, merkitsevyyden testaus 3 ei mikään 7 2 luottamusväli 7 2 summamuuttuja 7 2 korrelaatio ja korrelaatiokertoimet 7 2 eri tilastollisten testien hyöty käytännön työssä 4 keskivirhe 4 monimuuttujamenetelmät (korrelaatiokertoimet ja ristiintaulukointi 4 opittujen asioiden soveltaminen harjoitustyössä 4 otantajakauma 4 selittävän ja selitettävän muuttujan ero 4 tilastollinen päättely 4 muu 7 2 selittävä muuttuja laatuero- tai järjestysasteikko välimatka- tai suhdelukuasteikko selitettävä muuttuja laatuero- tai välimatka- tai järjestysasteikko suhdelukuasteikko ristiintaulukointi log-lineaariset mallit varianssianalyysi logistinen regressioanalyysi regressioanalyysi multinomiaalinen regressioanalyysi yhteensä Regressioanalyysi I Regressioanalyysi II käytetään tutkittaessa yhden tai useamman selittävän muuttujan vaikutusta selitettävään muuttujaan työkokemuksen pituus työssäviihtyvyyteen (numeerisesti mitattuna) yleisimmin käytetty monimuuttujamenetelmä yhteiskuntatieteissä mahdollista tutkia yhtä aikaa usean selittävän muuttujan vaikutusta selitettävään muuttujaan, jolloin yhteen regressiotaulukkoon saadaan runsaasti informaatiota selitettävä muuttuja vähintään välimatka-asteikollinen (esim. kouluarvosana, ikä) selittävät muuttujat vähintään välimatka-asteikollisia tai niin sanottuja dummy-muuttujia kaikki luokittelu- tai järjestysasteikon muuttujat mahdollista muuntaa dummy-muuttujiksi
2 Regressioanalyysi III Regressiosuora kaksi pääasiallista käyttötapaa, ennustava ja selittävä analyysi ennustava regressioanalyysi tavoitteena muodostaa malli, jonka perusteella voida tehdään mahdollisimman tarkkoja ennusteita selitettävästä muuttujasta selittävien muuttujien arvojen perusteella selittävä analyysi tavoitteena tutkia, onko selittävällä muuttujalla vaikutusta selitettävään muuttujaan ja mikä on mahdollisen vaikutuksen voimakkuus regressiosuora osoittaa muuttujien välisen riippuvuuden voimakkuuden regressiosuora: Y = a + bx Y on selitettävä muuttuja X on selittävä muuttuja B on regressiokerroin A on vakiotekijä regressiokerroin kertoo suoran kulmakertoimen, Pearsonin korrelaatiokerroin sen, kuinka lähellä suoraa havainnot ovat korrelaatiokerroin on symmetrinen, regressiokerroin ei Regressiokerroin Regressiomallin ennustekyky regressiokerroin b kertoo kuinka paljon Y muuttuu, kun X muuttuu yhden yksikön regressiomallin ennustekykyyn vaikuttaa se, kuinka lähellä havainnot ovat regressiosuoraa mikäli b<0, yhteys negatiivinen (X:n kasvaessa Y pienenee) mikäli b>0, yhteys positiivinen (X:n kasvaessa Y suurenee) mikäli b=0, muuttujien väliltä puuttuu lineaarinen yhteys mikäli havainnot ovat lähellä, mallilla hyvä ennustekyky mikäli havainnot ovat kaukana, mallilla heikko ennustekyky virhetermi (residuaali) on havainnon arvon erotus regressiosuorasta (eli mallin ennustearvosta) PNS-menetelmä Mallin hyvyyden arviointi PNS = pienimmän neliösumman menetelmä (eng. OLS, ordinary least squares) regressiosuoran kulmakertoimen ja vakiotekijän laskeminen perustuu PNS-menetelmään minimoidaan havaintojen ja regressiosuoran etäisyyksien erot (residuaalien neliöt) R²-luku kertoo mallin selitysosuuden kuinka suuri osuus Y:n vaihtelusta voidaan selittää X:n vaihtelulla vaihtelee nollan ja yhden välillä (vrt. eta²-tunnusluku) F-testi kertoo, pystyvätkö selittävät muuttujat (X) ylipäänsä selittämään selitettävän muuttujan (Y) vaihtelua estimaatin keskivirhe (SEE, sum of squared errors) T-testi kertoo, millä todennäköisyydellä regressiokerroin eroaa nollasta perusjoukossa (mikäli regressiokerroin on 0, muuttujien väliltä puuttuu lineaarinen yhteys) 2
3 Monimuuttujaregressio Dummy-muuttujat Y = a + b X + b X + b X selittävien muuttujien määrällä ei ole varsinaista ylärajaa (käytännössä tutkimusongelma ja havaintojen määrä rajoittavat määrää) regressiokertoimet ilmaisevat kuinka paljon y muuttuu kun X muuttuu yhden yksikön ja kaikki muut selittävät tekijät pysyvät vakioina luokittelu- tai järjestysasteikon muuttujia voidaan sisällyttää analyysiin tekemällä niistä dummy-muuttujia dummy-muuttuja saa vain kaksi arvoa: 0 tai regressiokerroin ilmaisee, kuinka paljon tutkittu ryhmä (dummy-muuttujan arvo ) eroaa muista (dummymuuttujan arvo 0 mikäli luokittelumuuttujassa on n vaihtoehtoa, tehdään n- dummy-muuttujaa Dummy-muuttujat: esimerkki kolmiasteisesta koulutusmuuttujasta ( = perusaste, 2 = keskiaste, 3=korkea-aste) tehdään kaksi dummymuuttujaa keskiaste (saa arvon mikäli vastaaja on suorittanut kyseisen koulutusasteen, arvon 0 mikäli vastaaja on suorittanut perus- tai korkea-asteen koulutuksen) korkea-aste (saa arvon mikäli vastaaja on suorittanut kyseisen koulutusasteen, arvon 0 mikäli vastaaja on suorittanut perus- tai keski-asteen koulutuksen) perusaste jää vertailuluokaksi (vertailuluokaksi voidaan valita voi olla mikä tahansa luokista) Kuvio 6. Luottamushenkilöiden ja kuntalaisten vastaukset kysymykseen Kuinka tärkeänä pidätte ihmisten valinnanmahdollisuuksien lisäämistä seuraavissa palveluissa? vanhuspalvelut lasten päivähoito terveyspalvelut perusopetus muut sosiaalipalvelut 3,9 3,3 Yksisuuntainen varianssianalyysi, keskiarvot ( = ei lainkaan tärkeä, 2 = ei kovin tärkeä, 3 = melko tärkeä, 4 = erittäin tärkeä). Ryhmien väliset erot ovat vanhuspalveluja lukuun ottamatta tilastollisesti merkitseviä (lasten päivähoito p<0,05, perusopetus p<0,00, vanhuspalvelut p<0,0, terveyspalvelut p<0,00, muut sosiaalipalvelut p < 0,00).,94 2,44 3,05 3, 3,38 3,46 3,26 3, luottamushenkilöt kuntalaiset Lähde: Fredriksson ym. 2009, 39. Taulukko 6.2 Vastaajien näkemykset valinnanvapauden lisäämiseen eri toimialoilla. Standardoimattomat regressiokertoimet (b), keskivirhe suluissa (*p<0,, **p<0,05, ***p<0,0, (*)p<0,0). luottamushenkilö kuntalaiset kaikki status luottamushenkilö -0,96*** (0,2) sukupuoli nainen 0,60-0,52** -0,22 (0,34) (0,9) (0, 7) ikä -0,02 0,00 0, 00 (0,02) (0,0) (0,0) koulutus keskiaste -0,35-0,4-0,20 (0,63) (0,23) (0, 23) korkea-aste -,3 -,30*** -,4*** (0,64) (0,30) (0,27) työmarkkina-asema töissä 0,55-0,28-0,42 (,42) (0,39) (0, 40) työelämän ulkopuolella,50 0,02-0,0 (,47) (0,40) (0,4) puoluekanta Kansallinen Kokoomus,5* -0,00 0,46(*) (0,52) (0,27) (0, 25) Suomen Sosialidemokraattinen puolue -,60** 0,34-0,20 (0,53) (0,26) (0,24) Vasemmistoliitto -2,26*** 0,0-0,79* (0,6) (0,36) (0, 3) Vihreä liitto -0,67-0,83** -0,78* (0,80) (0,32) (0, 3) Kristillisdemokraatit 0,52-0,27 0, 05 (0,79) (0,44) (0,40) vakio 2,62*** 4,67*** 5,34 (,87) (0,58) (0, 58) R 2 0,7 0,07 0, 0 N Selitettävä muuttuja: neljästä valinnanvapauden lisäämistä eri toimialoilla mittaavasta kysymyksestä muodostettu summamuuttuja, jossa suuremmat arvot viittaavat haluun lisätä valinnanvapautta (kysymysten tarkasta muotoilusta ks. kuvio 6.). Selittävät muuttujat: status, sukupuoli, koulutus, työmarkkina-asema ja puoluekanta ovat dummy-muuttujia, joiden vertailuluokat ovat kuntalainen, mies, perusaste, työtön ja Suomen Keskusta. tehdään summamuuttuja taulukon 6. neljästä ensimmäisestä muuttujasta transform-compute variable valitaan muodostunut summamuuttuja regressioanalyysin selitettäväksi muuttujaksi (dependent variable) analyze-regression-linear valitaan selittävät muuttujat (independent(s)) luokittelu-ja järjestysasteikonmuuttujista tehty ensin dummymuuttujat, yksi jätetään pois analyysista vertailuryhmäksi Lähde: Fredriksson ym. 2009, 74. 3
4 Summary Adjusted Std. Error of R R Square R Square the Estimate,445 a,98,70 2,7380 a. Predictors: (Constant), Kristillisdemokraatit, E. vastaajan sukupuoli, töissä, VAS, keskiaste, vihreät, KOK, ikä, SDP, korkeaaste, ulkopuolella -korjattu R²-luku kertoo mallin selitysosuuden, tässä tapauksessa 7 prosenttia selitettävän muuttujan vaihtelusta on selitettävissä malliin valittujen selittävien muuttujien avulla (mallin selittämä vaihtelu / kokonaisvaihtelu) - viimeinen sarake kertoo estimaatin keskivirheen (SEE) eli virhetermien keskihajonnan -mitä suurempi SEE on, sitä suurempi on virhetermien hajonta ja samalla sitä pienempi mallin selitysvoima (mikäli R²=, SEE=0) -SEE:n suuruus riippuu aina regressiomallin hyvyyden lisäksi selitettävän muuttujan mittaluokasta, tässä 2,7 (suhteellisen paljon suhteutettuna selitettävän muuttujan vaihteluväliin 4-6) Regression Residual Total ANOVA b Sum of Squares df Mean Square F Sig. 577,45 52,496 7,034,000 a 2343, , , a. Predictors: (Constant), Kristillisdemokraatit, E. vastaajan sukupuoli, töissä, VAS, keskiaste, vihreät, KOK, ikä, SDP, korkeaaste, ulkopuolella b. Dependent Variable: summa -F-testi kertoo, pystyvätkö selittävät muuttujat (X) ylipäänsä selittämään selitettävän muuttujan vaihtelua -tässä tapauksessa <0.00 todennäköisyys sille, että sama F:n arvo olisi saatu käyttämällä havaintojen keskiarvoa mallin regressiokertoimen sijaan -voidaan päätellä, että valitut selittävät muuttujat kykenevät selittämään kilpailuttamiseen liittyviä näkemyksiä varsin hyvin (Constant) E. vastaajan sukupuoli ikä keskiaste korkeaaste töissä ulkopuolella KOK SDP VAS vihreät Kristillisdemokraatit a. Dependent Variable: summa Coefficients a Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 4,2,34 0,743,000,679,37, 2,40,033 -,09,06 -,072 -,60,247 -,528,558 -,087 -,947,345 -,295,578 -,26-2,242,026 -,843,70 -,36 -,203,230,035,738,005,048,962,903,434,33 2,082,038 -,862,436 -,274-4,267,000-2,440,533 -,273-4,579,000 -,943,746 -,070 -,265,207,400,77,03,558,577 huom. taulukon regressiokertoimet hieman erilaisia kuin taulukossa 6. muuttujien erilaisesta luokittelusta johtuen ennen regressiokertoimien tulkintaa kiinnitetään huomiota niiden tilastolliseen merkitsevyyteen jokaisen selitettävän muuttujan osalta testataan, onko niillä vaikutusta selitettävään muuttujaan eli eroavatko ne tilastollisesti merkitsevästi nollasta testataan niin sanotulla t-testillä, jonka tuloksena jokaiselle selittävälle muuttujalle saadaan t-arvo, jonka suuruus ratkaisee sen, voidaanko muuttujan kerrointa pitää nollaa suurempana tilastollisten kriteerien mukaan regressiokerroin kertoo, kuinka paljon selitettävä muuttuja muuttuu, kun selittävä muuttuja kasvaa yhden yksikön esimerkissä näkemys valinnanmahdollisuuksien lisäämisen tärkeydestä vähenee 0,02 yksikköä (asteikolla 4-6) ikävuoden mukaan (vaikutus ei kuitenkaan tilastollisesti merkitsevä) dummy-muuttujat tulkitaan vertailuluokkaan suhteuttaen regressioanalyysi kertoo myös kunkin regressiokertoimen keskivirheen 95 prosentin luottamustasolla kertoimeen lisätään kaksi keskivirhettä ja vähennetään kaksi keskivirhettä, jotta saadaan todellisen arvon vaihteluväli jakamalla kunkin muuttujan regressiokerroin sen keskivirheellä, saadaan t-testisuure, jonka avulla voidaan selvittää p-arvo 4
5 vakiotermi kertoo, minkä arvon selitettävä muuttuja saa silloin, kun selitettävän muuttujan arvo on nolla, usein vaikea antaa mielekästä tulkintaa beta-kertoimet ovat standardoituja (välillä --), niiden pohjalta mahdollista vertailla muuttujan vaikutuksen suuruuss suhteessa johonkin toiseen muuttujaan itseisarvoltaan suurimmat arvot vaikuttavat selitettävään muuttujaan voimakkaimmin I Taulukko 4 Peilikuvamallin kannatukseen vaikuttavat tekijät. Regressioanalyysin (OLS) standardoimattomat regressiokertoimet (b), keskivirhe suluissa (*** p<0,00, **p<0,0, *p<0,05, (*)<0,0). peilikuvamallin kannatus sukupuoli (mies) -0.3*** (0.02) ikä/00 0.3* (0.06) koulutus -0.** (0.03) yhteiskuntaluokka -0.08* (0.04) vähemmistöasema (ruotsinkielinen) poliittinen tietotaso kiinnostus politiikkaa kohtaan ulkoinen kansalaispätevyys subjektiivinen kansalaispätevyys puoluesamastuminen -0.08* (0.04) sijoittuminen vasemmisto oikeistoulottuvuudella (oikea) äänestäminen vuoden 2007 eduskuntavaaleissa (äänesti) vakio 0.6*** 0.04 R² 0.08 korjattu R² 0.08 F-arvo (merkitsevyys) 6.46*** N 92 Selitettävä muuttuja: väitteistä Eduskunnan tulee vastata kansalaisia sukupuolijakaumaltaan ja Eduskunnan tulee vastata kansalaisia ikäjakaumaltaan muodostettu jatkuva muuttuja Selittävät muuttujat: kaikki muuttujat on luokiteltu asteikolla 0-. Muuttujien operationalisointi on selitetty tarkemmin liitteessä. Muuttujien välinen multikollineaarisuus on tarkistettu erikseen. Taulukossa on esitetty lopulliset mallit, joissa on mukana vain ne muuttujat, joilla on tilastollisesti merkitsevä vaikutus tarkasteltavaan ilmiöön. Lähde: & Wass 2009, 99. Regressiomallin rajoitukset I Regressiomallin rajoitukset II lineaarisuusoletus voidaan usein korjata muuttujien muunnoksilla esimerkiksi iän vaikutusta voi tarkastella sisällyttämällä malliin sekä iän että iän neliön vaikutuksen Y = a + b ikä + b ikä² poikkeavat havainnot eli outlierit voivat vääristää tuloksia multikollineaarisuus selittävät muuttujat korreloivat liian voimakkaasti keskenään voi aiheuttaa ongelmia tulosten tarkkuuden kannalta ongelmia heteroskedastisuus regressiomallin virhetermien hajonta vaihtelee suuresti ja systemaattisesti x-muuttujien arvojen muuttuessa ei varsinaisesti haitallista vaikutusta regressiokertoimien arvoon, mutta sen sijaan niiden tilastolliseen merkitsevyyteen havaintojen aikariippuvuus oletuksena, että eri havaintojen virhetermit toisistaan riippumattomia ongelma esimerkiksi aikasarja-aineistossa 5
Kvantitatiiviset menetelmät
Kvantitatiiviset menetelmät Soveltuvan menetelmän valinta HUOM! Tentti pidetään tiistaina 22.2. klo 6-8 V2 ls. Uusintamahdollisuus on rästitentissä 25.5. ke 4 6 PR sali. Siihen tulee ilmoittautua WebOodissa
LisätiedotLumipallo regressioanalyysista. Logistinen regressioanalyysi. Soveltuvan menetelmän valinta. Regressioanalyysi. Logistinen regressioanalyysi I
Lumipallo regressioanalyysista jokainen kirjoittaa lapulle yhden lauseen regressioanalyysista ja antaa sen seuraavalle Logistinen regressioanalyysi Y250. Kvantitatiiviset menetelmät (6 op) Hanna Wass tutkijatohtori
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 V ls. Uusintamahdollisuus on rästitentissä.. ke 6 PR sali. Siihen tulee ilmoittautua WebOodissa 9. 8.. välisenä aikana. Soveltuvan
Lisätiedot[MTTTA] TILASTOMENETELMIEN PERUSTEET, KEVÄT 209 https://coursepages.uta.fi/mttta/kevat-209/ HARJOITUS 5 viikko 8 RYHMÄT: ke 2.5 3.45 ls. C6 Leppälä to 08.30 0.00 ls. C6 Korhonen to 2.5 3.45 ls. C6 Korhonen
Lisätiedot54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):
Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei
Lisätiedot1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,
LisätiedotTutkimuksen suunnittelu / tilastolliset menetelmät. Marja-Leena Hannila Itä-Suomen yliopisto / Terveystieteiden tdk 25.8.2011
Tutkimuksen suunnittelu / tilastolliset menetelmät Marja-Leena Hannila Itä-Suomen yliopisto / Terveystieteiden tdk 25.8.2011 Kvantitatiivisen tutkimuksen vaiheet Suunnittelu Datan keruu Aineiston analysointi
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
LisätiedotYleistetyistä lineaarisista malleista
Yleistetyistä lineaarisista malleista Tilastotiede käytännön tutkimuksessa -kurssi, kesä 2001 Reijo Sund Klassinen lineaarinen malli y = Xb + e eli E(Y) = m, jossa m = Xb Satunnaiskomponentti: Y:n komponentit
LisätiedotRegressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
LisätiedotHarjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
LisätiedotRegressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
LisätiedotUSEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI
TEORIA USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI Regressiomalleilla kuvataan tilanteita, jossa suureen y arvot riippuvat joukosta ns selittäviä muuttujia x 1, x 2,..., x p oletetun funktiomuotoisen
LisätiedotData-analyysi II. Sisällysluettelo. Simo Kolppo [Type the document subtitle]
Data-analyysi II [Type the document subtitle] Simo Kolppo 26.3.2014 Sisällysluettelo Johdanto... 1 Tutkimuskysymykset... 1 Aineistojen esikäsittely... 1 Economic Freedom... 1 Nuorisobarometri... 2 Aineistojen
LisätiedotHAVAITUT JA ODOTETUT FREKVENSSIT
HAVAITUT JA ODOTETUT FREKVENSSIT F: E: Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies (1) 59 28 4 91 Nainen (2) 5 14 174 193 Yhteensä 64 42 178 284 Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies
LisätiedotSPSS-perusteet. Sisältö
SPSS-perusteet Sisältö Ikkunat 3 Päävalikot 5 Valikot 6 Aineiston käsittely 6 Muuttujamuunnokset 7 Aineistojen kuvailu analyysit 8 Havaintomatriisin luominen ja käsittely 10 Muulla sovelluksella tehdyn
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 Vuorikadulla V0 ls Muuttujien muunnokset Usein empiirisen analyysin yhteydessä tulee tarve muuttaa aineiston muuttujia Esim. syntymävuoden
LisätiedotFrequencies. Frequency Table
GET FILE='C:\Documents and Settings\haukkala\My Documents\kvanti\kvanti_harjo'+ '_label.sav'. DATASET NAME DataSet WINDOW=FRONT. FREQUENCIES VARIABLES=koulv paino /ORDER= ANALYSIS. Frequencies [DataSet]
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
LisätiedotTilastollisen analyysin perusteet Luento 7: Lineaarinen regressio
Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio Sisältö Regressioanalyysissä tavoitteena on tutkia yhden tai useamman selittävän muuttujan vaikutusta selitettävään muuttujaan. Sen avulla
LisätiedotTässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)
R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n
LisätiedotOpiskelija viipymisaika pistemäärä
806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2012 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Jatkoa harjoituksen 5 tehtävään
LisätiedotJohdatus regressioanalyysiin. Heliövaara 1
Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen
LisätiedotAki Taanila YHDEN SELITTÄJÄN REGRESSIO
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...
LisätiedotSELVITTÄJÄN KOMPETENSSISTA
OTM, KTM, Mikko Hakola, Vaasan yliopisto, Laskentatoimen ja rahoituksen laitos Helsinki 20.11.200, Helsingin kauppakorkeakoulu Projekti: Yrityksen maksukyky ja strateginen johtaminen SELVITTÄJÄN KOMPETENSSISTA
LisätiedotLiite artikkeliin Intohimo tasa-arvoon
Liite artikkeliin Intohimo tasa-arvoon Menetelmäkuvaus Artikkelissa käytetty regressiomalli on ns. binäärinen logistinen monitasoregressiomalli. Monitasoanalyysien ideana on se, että yksilöiden vastauksiin
LisätiedotOhjeita kvantitatiiviseen tutkimukseen
1 Metropolia ammattikorkeakoulu Liiketalouden yksikkö Pertti Vilpas Ohjeita kvantitatiiviseen tutkimukseen Osa 2 KVANTITATIIVISEN TUTKIMUSAINEISTON ANALYYSI Sisältö: 1. Frekvenssi- ja prosenttijakaumat.2
LisätiedotPerusnäkymä yksisuuntaiseen ANOVAaan
Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja
LisätiedotKvantitatiiviset menetelmät
Kurssin suorittaminen Kvantitatiiviset menetelmät Mikko Mattila Yleisen valtio-opin laitos Kevät 2005 Luento-osuus Tentti ti 22.2. klo 16-18 (paikka ilmoitetaan myöhemmin) Uusintamahdollisuus rästitentissä
LisätiedotTestit järjestysasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit järjestysasteikollisille muuttujille >> Järjestysasteikollisten
LisätiedotIlmoittaudu Weboodissa klo (sali L4) pidettävään 1. välikokeeseen!
8069 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2013 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOLLA 9! Ilmoittaudu Weboodissa 4.3.2013 klo
LisätiedotARVIOINTIPERIAATTEET
PSYKOLOGIAN YHTEISVALINNAN VALINTAKOE 2012 ARVIOINTIPERIAATTEET Copyright Helsingin yliopisto, käyttäytymistieteiden laitos, Materiaalin luvaton kopiointi kielletty. TEHTÄVÄ 1. (max. 34.5 pistettä) 1 a.i)
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas JAKAUMAN MUOTO Vinous, skew (g 1, γ 1 ) Kertoo jakauman symmetrisyydestä Vertailuarvona on nolla, joka vastaa symmetristä jakaumaa (mm. normaalijakauma)
LisätiedotOHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset
LisätiedotIlkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset
LisätiedotKorrelaatiokertoinen määrittely 165
kertoinen määrittely 165 Olkoot X ja Y välimatka- tai suhdeasteikollisia satunnaismuuttujia. Havaintoaineistona on n:n suuruisesta otoksesta mitatut muuttuja-arvoparit (x 1, y 1 ), (x 2, y 2 ),..., (x
LisätiedotII Tilastollisen aineiston ja analyysin edellytysten tarkistaminen
II Tilastollisen aineiston ja analyysin edellytysten tarkistaminen - Tietojen syöttö - Karma&Komulainen aineisto (tutustuminen) - Muuttujien jakauman tarkistus - Puuttuva tieto ja sen käsittely - Muunnokset,
LisätiedotKvantitatiivinen genetiikka moniste s. 56
Kvantitatiivinen genetiikka moniste s. 56 - määrällisten ominaisuuksien periytymisen hallinta - mendelismi oli aluksi vastatuulessa siksi että darwinistit, joilla oli paljon valtaa Britanniassa, olivat
LisätiedotKandidaatintutkielman aineistonhankinta ja analyysi
Kandidaatintutkielman aineistonhankinta ja analyysi Anna-Kaisa Ylitalo M 315, anna-kaisa.ylitalo@jyu.fi Musiikin, taiteen ja kulttuurin tutkimuksen laitos Jyväskylän yliopisto 2018 2 Havaintomatriisi Havaintomatriisi
Lisätiedot(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti.
2. VÄLIKOE vuodelta -14 1. Liitteessä 1 on esitetty R-ohjelmalla saatuja tuloksia aineistosta, johon on talletettu kahdenkymmenen satunnaisesti valitun miehen paino (kg), vyötärön ympärysmitta (cm) ja
LisätiedotMetsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO...
Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA...9 1.2 AIHEESEEN PEREHTYMINEN...9 1.3
Lisätiedot1. USEAN SELITTÄJÄN LINEAARINEN REGRESSIOMALLI JA OSITTAISKORRELAATIO
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Usean selittäjän lineaarinen regressiomalli Estimaatti, Estimaattori, Estimointi, Jäännösneliösumma, Jäännöstermi, Jäännösvarianssi,
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas Itse arvioidun terveydentilan ja sukupuolen välinen riippuvuustarkastelu. Jyväskyläläiset 75-vuotiaat miehet ja naiset vuonna 1989.
LisätiedotVALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 7.6.2011 Ratkaisut ja arvostelu
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 7.6.2011 Ratkaisut ja arvostelu 1.1 Noudattakoon satunnaismuuttuja X normaalijakaumaa a) b) c) d) N(5, 15). Tällöin P (1.4 < X 12.7) on likimain
LisätiedotTilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio
Tilastollisen analyysin perusteet Luento 9: lineaarinen lineaarinen Sisältö lineaarinen lineaarinen lineaarinen Lineaarinen Oletetaan, että meillä on n kappaletta (x 1, y 1 ), (x 2, y 2 )..., (x n, y n
LisätiedotSuhtautuminen Sukupuoli uudistukseen Mies Nainen Yhteensä Kannattaa Ei kannata Yhteensä
806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2011 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Eräässä suuressa yrityksessä
LisätiedotSisällysluettelo 6 REGRESSIOANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...
Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.104 Tilastollisen analyysin perusteet, kevät 007 8. luento: Usean selittäjän lineaarinen regressiomalli Kai Virtanen 1 Usean selittäjän lineaarinen regressiomalli Selitettävän muuttujan havaittujen
LisätiedotHarjoitukset 3 : Monimuuttujaregressio 2 (Palautus )
31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus 7.2.2017) Tämän harjoituskerran tehtävät
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Johdatus regressioanalyysiin Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen vaihtelun avulla.
LisätiedotATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1
ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen
LisätiedotSisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...
LisätiedotHarjoitukset 4 : Paneelidata (Palautus )
31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 4 : Paneelidata (Palautus 7.3.2017) Tämän harjoituskerran tarkoitus on perehtyä
Lisätiedot031021P Tilastomatematiikka (5 op) kertausta 2. vk:een
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 5.4.2014 klo. 9.00-12.00 saleissa L1,L3 Koealue: luentojen luvut 7-11
LisätiedotMittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.
1/11 4 MITTAAMINEN Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. Mittausvirhettä johtuen mittarin tarkkuudesta tai häiriötekijöistä Mittarin
LisätiedotOHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2 Luento 2 Kuvailevat tilastolliset menetelmät Käytetyimmät tilastolliset menetelmät käyttäjäkokemuksen
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 9. luento Pertti Palo 22.11.2012 Käytännön asioita Eihän kukaan paikallaolijoista tee 3 op kurssia? 2. seminaarin ilmoittautuminen. 2. harjoitustyön
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi
LisätiedotEsim Brand lkm keskiarvo keskihajonta A ,28 5,977 B ,06 3,866 C ,95 4,501
Esim. 2.1.1. Brand lkm keskiarvo keskihajonta A 10 251,28 5,977 B 10 261,06 3,866 C 10 269,95 4,501 y = 260, 76, n = 30 SS 1 = (n 1 1)s 2 1 = (10 1)5, 977 2 321, 52 SS 2 = (n 2 1)s 2 2 = (10 1)3, 8662
LisätiedotKvantitatiiviset tutkimusmenetelmät maantieteessä
Kvantitatiiviset tutkimusmenetelmät maantieteessä Harjoitukset: 2 Muuttujan normaaliuden testaaminen, merkitsevyys tasot ja yhden otoksen testit FT Joni Vainikka, Yliopisto-opettaja, GO218, joni.vainikka@oulu.fi
LisätiedotTilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
Lisätiedot1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet
VAASAN YLIOPISTO/AVOIN YLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia 1 KURSSIKYSELYAINEISTO: 1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet Nimi Ikä v. Asema Palkka
LisätiedotSurvey ja kvantitatiiviset menetelmät. Janne Matikainen Yliopistonlehtori
Survey ja kvantitatiiviset menetelmät Janne Matikainen Yliopistonlehtori Käsitteet Survey = suunnitelmallinen kysely- tai haastattelututkimus Kvantitatiivinen eli määrällinen Mikä? Missä? Paljon? Kuinka
Lisätiedotr = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
LisätiedotYLEISKUVA - Kysymykset
INSIGHT Käyttöopas YLEISKUVA - Kysymykset 1. Insight - analysointityökalun käytön mahdollistamiseksi täytyy kyselyn raportti avata Beta - raportointityökalulla 1. Klikkaa Insight välilehteä raportilla
Lisätiedot1. REGRESSIOMALLIN SYSTEMAATTISEN OSAN MUOTO
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Regressiodiagnostiikka Cooken etäisyys, Funktionaalinen muoto, Diagnostinen grafiikka, Diagnostiset testit, Heteroskedastisuus,
LisätiedotTILASTOLLISTEN MENETELMIEN KIRJO JA KÄYTTÖ LÄÄKETIETEEN TUTKIMUSJULKAISUISSA. Pentti Nieminen 03.11.2014
TILASTOLLISTEN MENETELMIEN KIRJO JA KÄYTTÖ LÄÄKETIETEEN TUTKIMUSJULKAISUISSA LUKIJAN NÄKÖKULMA 2 TAUSTAKYSYMYKSIÄ 3 Mitä tutkimusmenetelmiä ja taitoja opiskelijoille tulisi opettaa koulutuksen eri vaiheissa?
LisätiedotTilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit
Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden Sisältö t ja t t ja t kahden kahden t ja t kahden t ja t Tällä luennolla käsitellään epäparametrisia eli
LisätiedotTeema 10: Regressio- ja varianssianalyysi
Teema 1: Regressio- ja varianssianalyysi Regressioanalyysi lienee t-testin ohella maailman eniten käytetty tilastollinen menetelmä. Sitä sivuttiin jo alustavasti Teemassa 4. Varianssianalyysi liittyy useallakin
LisätiedotKonfirmatorinen faktorianalyysi. 1. Rakenneyhtälömalli. 1. Rakenneyhtälömalli. Risto Hotulainen Helsingin yliopisto 1.2.2016 1
Konfirmatorinen faktorianalyysi Risto Hotulainen Helsingin yliopisto Risto.Hotulainen@Helsinki.fi 1.2.2016 1 1.1. Regressioanalyysi Regressioanalyysi kertoo kuinka malliin valitut selittävien muuttujien
LisätiedotRISTIINTAULUKOINTI JA Χ 2 -TESTI
RISTIINTAULUKOINTI JA Χ 2 -TESTI Kvantitatiiviset tutkimusmenetelmät maantieteessä Ti 27.10.2015, To 2.11.2015 Miisa Pietilä & Laura Hokkanen miisa.pietila@oulu.fi laura.hokkanen@outlook.com KURSSIKERRAN
LisätiedotTeema 3: Tilastollisia kuvia ja tunnuslukuja
Teema 3: Tilastollisia kuvia ja tunnuslukuja Tilastoaineiston peruselementit: havainnot ja muuttujat havainto: yhtä havaintoyksikköä koskevat tiedot esim. henkilön vastaukset kyselylomakkeen kysymyksiin
LisätiedotMTTTP1, luento KERTAUSTA
26.9.2017/1 MTTTP1, luento 26.9.2017 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2017/kaavat.pdf n i i n i i x x n x n x x n s 1 2 2 1 2 2 1 1 ) ( 1 1 Mittaa muuttujan arvojen
LisätiedotVARIANSSIANALYYSI ANALYSIS OF VARIANCE
VARIANSSIANALYYSI ANALYSIS OF VARIANCE 1 Suomalaisten aikuisten pituusjakauma:.8.7.6.5.4.3.2.1 14 15 16 17 18 19 2 21 Jakauma ei ole normaali, sen olettaminen sellaiseksi johtaa virheellisiin päätelmiin.
LisätiedotAluksi. 2.1. Kahden muuttujan lineaarinen epäyhtälö
Aluksi Matemaattisena käsitteenä lineaarinen optimointi sisältää juuri sen saman asian kuin mikä sen nimestä tulee mieleen. Lineaarisen optimoinnin avulla haetaan ihannearvoa eli optimia, joka on määritelty
LisätiedotKorrelaatiokerroin. Hanna Heikkinen. Matemaattisten tieteiden laitos. 23. toukokuuta 2012
Korrelaatiokerroin Hanna Heikkinen 23. toukokuuta 2012 Matemaattisten tieteiden laitos Esimerkki 1: opiskelijoiden ja heidän äitiensä pituuksien sirontakuvio, n = 61 tyttären pituus (cm) 155 160 165 170
Lisätiedot9. Entä mitkä muut puolueet tulisi olla edustettuna Keskustan ja Kokoomuksen varaan rakentuvassa hallituksessa.
TALOUSTUTKIMUS OY 20100518 09:09:40 TYÖ 2519.14 TAULUKKO 9018 ss VER % Telebus vko 17A-19A/2010 Kaikki Sukupuoli Ikä Ammatti Ruokakunta nainen mies 18-24 25-34 35-49 50-79 työn toimi eläke muu aikuis lapsi
LisätiedotLauri Tarkkonen: Erottelu analyysi
Lauri Tarkkonen: Erottelu analyysi Erotteluanalyysin ongelma on kaksijakoinen:. Mikä havaittujen muuttujien (x i ) lineaarinen yhdistely erottaa mahdollisimman hyvin toisistaan tunnetut ryhmät? Siis selitettävä
Lisätiedot2 2 -faktorikokeen määritelmä
TKK (c) Ilkka Mellin (005) Koesuunnittelu TKK (c) Ilkka Mellin (005) : Mitä opimme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Miten varianssianalyysissa tutkitaan kahden tai useamman tekijän vaikutusta
LisätiedotTilastollisten menetelmien perusteet II TILTP3 Luentorunko
Tilastollisten menetelmien perusteet II TILTP3 Luentorunko Raija Leppälä 29. helmikuuta 2012 Sisältö 1 Johdanto 2 1.1 Jatkuvista jakaumista 2 1.1.1 Normaalijakauma 2 1.1.2 Studentin t-jakauma 3 1.2 Satunnaisotos,
LisätiedotSPSS ohje. Metropolia Business School/ Pepe Vilpas
1 SPSS ohje Page 1. Perusteita 2 2. Frekvenssijakaumat 3 3. Muuttujan luokittelu 4 4. Kaaviot 5 5. Tunnusluvut 6 6. Tunnuslukujen vertailu ryhmissä 7 9. Ristiintaulukointi ja Chi-testi 8 10. Hajontakaavio
LisätiedotA250A0050 Ekonometrian perusteet Tentti
A250A0050 Ekonometrian perusteet Tentti 28.9.2016 Tentissä ei saa käyttää laskinta. Tentistä saa max 80 pistettä. Hyväksytysti suoritetusta harjoitustyöstä saa max 20 pistettä. Huom. Merkitse vastauspaperin
LisätiedotHarjoitukset 2 : Monimuuttujaregressio (Palautus )
31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 2 : Monimuuttujaregressio (Palautus 24.1.2017) Tämän harjoituskerran tarkoitus
LisätiedotMenestyminen valintakokeissa ja todennäköisyyslaskussa
21.5.21 Menestyminen valintakokeissa ja todennäköisyyslaskussa Esa Pursiheimo 45761L 1 JOHDANTO...2 2 LÄHTÖTIEDOT JA OTOS...3 3 PÄÄSYKOETULOKSIEN YHTEISJAKAUMA...4 4 REGRESSIOANALYYSI...9 4.1 MALLI JA
Lisätiedot... Vinkkejä lopputyön raportin laadintaan. Sisältö 1. Johdanto 2. Analyyseissä käytetyt muuttujat 3. Tulososa 4. Reflektio (korvaa Johtopäätökset)
LIITE Vinkkejä lopputyön raportin laadintaan Sisältö 1. Johdanto 2. Analyyseissä käytetyt muuttujat 3. Tulososa 4. Reflektio (korvaa Johtopäätökset) 1. Johdanto Kerro johdannossa lukijalle, mitä jatkossa
Lisätiedot031021P Tilastomatematiikka (5 op) kertausta 2. vk:een
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 31.03.2012 klo. 9.00-12.00 saleissa L1,L3 Jukka Kemppainen Mathematics
LisätiedotTUTKIMUSOPAS. SPSS-opas
TUTKIMUSOPAS SPSS-opas Johdanto Tässä oppaassa esitetään SPSS-tilasto-ohjelman alkeita, kuten Excel-tiedoston avaaminen, tunnuslukujen laskeminen ja uusien muuttujien muodostaminen. Lisäksi esitetään esimerkkien
Lisätiedot2. Yhden selittäajäan lineaarinen regressiomalli. 2.1 Malli ja parametrien estimointi. Malli:
2. Yhden selittäajäan lineaarinen regressiomalli Regressio-termi peräaisin Galtonilta. IsÄan ja pojan pituus: PitkÄa isäa lyhyempi poika, lyhyt isäa pidempi poika. Son height (cm) 21 2 19 18 17 16 15 15
LisätiedotTutkitaan iän vaikutusta vastauksiin monella vaihtoehtoisella tavalla
Tarja Heikkilä Tutkitaan iän vaikutusta vastauksiin monella vaihtoehtoisella tavalla Esimerkki Tutkitaan iän vaikutusta siihen, miten tärkeinä vastaajat pitivät kirjaston yleisöpäätteitä. Aineistona on
LisätiedotSISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON?
SISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON?...7 TILASTO...7 TILASTOTIEDE...8 HISTORIAA...9 TILASTOTIETEEN NYKYINEN ASEMA...9 TILASTOLLISTEN MENETELMIEN ROOLIT ERI TYYPPISET AINEISTOT JA ONGELMAT...10
LisätiedotTILASTOLLINEN LAADUNVALVONTA
1 Aki Taanila TILASTOLLINEN LAADUNVALVONTA 31.10.2008 2 TILASTOLLINEN LAADUNVALVONTA Tasalaatuisuus on hyvä tavoite, jota ei yleensä voida täydellisesti saavuttaa: asiakaspalvelun laatu vaihtelee, vaikka
Lisätiedot, Määrälliset tutkimusmenetelmät 2 4 op
6206209, Määrälliset tutkimusmenetelmät 2 4 op Jyrki Reunamo, Helsingin yliopisto, Opettajankoulutuslaitos 19.2.2015 1 Varianssianalyysi (Pallant 2007, Tähtinen & Isoaho 2001) Verrataan ryhmien keskiarvoja.
LisätiedotMTTTP1, luento KERTAUSTA
25.9.2018/1 MTTTP1, luento 25.9.2018 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2018/kaavat.pdf n i i n i i x x n x n x x n s 1 2 2 1 2 2 1 1 ) ( 1 1 Mittaa muuttujan arvojen
Lisätiedotb6) samaan perusjoukkoon kohdistuu samanaikaisesti useampia tutkimuksia.
806109P TILASTOTIETEEN PERUSMENETELMÄT I 1. välikoe 11.3.2011 (Jari Päkkilä) VALITSE VIIDESTÄ TEHTÄVÄSTÄ NELJÄ JA VASTAA VAIN NIIHIN! 1. Valitse kohdissa A-F oikea (vain yksi) vaihtoehto. Oikeasta vastauksesta
Lisätiedot2. Tietokoneharjoitukset
2. Tietokoneharjoitukset Demotehtävät 2.1 Jatkoa kotitehtävälle. a) Piirrä aineistosta pistediagrammi (KULUTUS, SAIRAST) ja siihen estimoitu regressiosuora. KULUTUS on selitettävä muuttuja. b) Määrää estimoidusta
Lisätiedot