Frequencies. Frequency Table

Samankaltaiset tiedostot
Kvantitatiivinen genetiikka moniste s. 56

Data-analyysi II. Sisällysluettelo. Simo Kolppo [Type the document subtitle]


Frequencies. [DataSet1] C:\Documents and Settings\kurssi\Työpöytä\Kurssin.sav. Page 1. Notes. 14-maalis :56:17. Output Created Comments Data

Esim Brand lkm keskiarvo keskihajonta A ,28 5,977 B ,06 3,866 C ,95 4,501

Harjoittele tulkintoja

Sisällysluettelo 6 REGRESSIOANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

voidaan hylätä, pienempi vai suurempi kuin 1 %?

ATH-aineiston tilastolliset analyysit SPSS/PASW SPSS analyysit / Risto Sippola 1

Demotehtävä + liitteet (muuttujaluettelo, käytettävät analyysimenetelmät hypoteeseineen, osa SPSS-ohjelman tulostuslistasta)

Mat Tilastollisen analyysin perusteet. Painotettu PNS-menetelmä. Avainsanat:

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö

Teema 10: Regressio- ja varianssianalyysi

Teema 3: Tilastollisia kuvia ja tunnuslukuja

SPSS-perusteet. Sisältö

SPSS OPAS. Metropolia Liiketalous

Graph. COMPUTE x=rv.normal(0,0.04). COMPUTE y=rv.normal(0,0.04). execute.

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)

2. Aineiston kuvailua

MONIMUUTTUJAMENETELMISTÄ RAKENNEYHTÄLÖMALLINNUKSEEN MUUTTUJIEN NORMAALISUUS. Statistics

1. USEAN SELITTÄJÄN LINEAARINEN REGRESSIOMALLI JA OSITTAISKORRELAATIO

1. REGRESSIOMALLIN SYSTEMAATTISEN OSAN MUOTO

TKMS7a-f/LRS20a-f/MAS2/KVS2/TMS82a-f/JOM/TJM/YRM Monimuuttujamenetelmien soveltaminen taloustieteissä. Tentti

E80. Data Uncertainty, Data Fitting, Error Propagation. Jan. 23, 2014 Jon Roberts. Experimental Engineering

SPSS ohje. Metropolia Business School/ Pepe Vilpas

A250A0050 Ekonometrian perusteet Tentti

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2

(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti.

1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta?

Tilastollisten menetelmien perusteet II TILTP3 Luentorunko

SPSS-ohjeita. Metropolia Pertti Vilpas

Health 2000/2011 Surveys. Statistical Analysis using SAS and SAS-Callable SUDAAN Packages Esa Virtala.

, Määrälliset tutkimusmenetelmät 2 4 op

Ohjeita kvantitatiiviseen tutkimukseen

Perusnäkymä yksisuuntaiseen ANOVAaan

1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT

I. Principles of Pointer Year Analysis

2. Aineiston kuvaaminen graafisesti 1

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):

VARIANSSIANALYYSI ANALYSIS OF VARIANCE

Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45.

MTTTP5, luento Luottamusväli, määritelmä

Raija Leppälä. Ohjeita tilastollisen tutkimuksen toteuttamiseksi IBM SPSS Statistics -ohjelmiston avulla

Opetus talteen ja jakoon oppilaille. Kokemuksia Aurajoen lukion tuotantoluokan toiminnasta Anna Saivosalmi

MS-C2{04 Tilastollisen analyysin perusteet

3. Useamman selittäajäan regressiomalli. p-selittäaväaäa muuttujaa. Y i = + 1 X i p X ip + u i

Menestyminen valintakokeissa ja todennäköisyyslaskussa

Ohjeita tilastollisen tutkimuksen toteuttamiseksi SPSS for Windows -ohjelmiston avulla

Mediaanikorko on kiinteäkorkoiselle lainalle korkeampi. Tämä hypoteesi vastaa taloustieteen käsitystä korkojen määräytymismekanismista.

Sisällysluettelo 6 VARIANSSIANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...

Gap-filling methods for CH 4 data

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)

Juho Saari, professori, johtaja, Itä-Suomen yliopisto HUONO-OSAISUUS ELÄMÄN EDELLYTYKSET YHTEISKUNNAN POHJALLA

voidaan hylätä, pienempi vai suurempi kuin 1 %?

1. PARAMETRIEN ESTIMOINTI

TUTKIMUSOPAS. SPSS-opas

BIOSTATISTIIKKAA ESIMERKKIEN AVULLA. Kurssimoniste (luku 4) Janne Pitkäniemi. Helsingin Yliopisto Kansanterveystieteen laitos

Summamuuttujat, aineiston pilkkominen ja osa-aineiston poiminta 1

MTTTP1, luento KERTAUSTA

Mat Tilastollisen analyysin perusteet

MTTTP1, luento KERTAUSTA

MTTTP1, luento KERTAUSTA

Kvantitatiiviset tutkimusmenetelmät maantieteessä

Lumipallo regressioanalyysista. Logistinen regressioanalyysi. Soveltuvan menetelmän valinta. Regressioanalyysi. Logistinen regressioanalyysi I

4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla

A B DIFFERENCE

Usean selittävän muuttujan regressioanalyysi

2. Yhden selittäajäan lineaarinen regressiomalli. 2.1 Malli ja parametrien estimointi. Malli:

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3

Christina Gustafsson. Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 2

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =

YFI:n yhteinen opiskelijapalaute 2013 Raportti

Christina Gustafsson. Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3

3. Useamman selittäajäan regressiomalli. p-selittäaväaäa muuttujaa

Pertti Vilpas Metropolia 1. KVANTITATIIVINEN TUTKIMUS

Perusestimointi 5 Analyysiä survey-datalla Tee Suomen datalla jokin oma kokeilu käyttäen tätä mallia Esimerkki PISA 2006:sta SAS:lla

Residuaalit. Residuaalit. UK Ger Fra US Austria. Maat

vkp 4*(1+0)/(32-3)-1= vkp 2*(1+0)/(32-3)=

Muuttujien väliset riippuvuudet esimerkkejä

1. KAKSISUUNTAINEN VARIANSSIANALYYSI: TULOSTEN TULKINTA

I Keskiarvot ja hajonnat muuttujista 3-26 niin, että luokittelevana muuttujana on muuttuja 2 eli sukupuoli

Suhtautuminen Sukupuoli uudistukseen Mies Nainen Yhteensä Kannattaa Ei kannata Yhteensä

Ilmoittaudu Weboodissa klo (sali L4) pidettävään 1. välikokeeseen!

Ratkaisuja luvun 15 tehtäviin

The relationship between leisuretime physical activity and work stress with special reference to heart rate variability analyses

Prospektiteoreettinen näkökulma

Toimittaja Erä

Opiskelijakyselyn palaute, kevät 2012

ATH-koulutus: Stata 11 THL ATH-koulutus / Tommi Härkänen 1

RISTIINTAULUKOINTI JA Χ 2 -TESTI

Lohkotekijät muodostuvat faktoreista, joiden suhteen ei voida tehdä (täydellistä) satunnaistamista.

3. Useamman selittäajäan regressiomalli

Opiskelija viipymisaika pistemäärä

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)

... Vinkkejä lopputyön raportin laadintaan. Sisältö 1. Johdanto 2. Analyyseissä käytetyt muuttujat 3. Tulososa 4. Reflektio (korvaa Johtopäätökset)

Riitta Kilpeläinen Elia Liitiäinen Belle Selene Xia University of Eastern Finland Department of Forest Sciences Department of Economics and HECER

1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi

Transkriptio:

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] C:\Documents and Settings\haukkala\My Documents\kvanti \kvanti_harjo_label.sav Statistics N Valid Missing Koulutusv Paino uodet grammoina 66 9 9 Frequency Table Valid Missing 4 5 6 7 8 9 0 4 5 6 7 8 9 0 4 5 6 8 40 - Cumulative Frequency Percent Valid Percent Percent,0,0,0,,, 6,,, 6,,,5,4,4,8 5,5,5,4 90 5,6 5,6 8,0 49 4,5 4,6,6 0 9, 9,,8 7 9,6 9,7 4,6 7 9,6 9,7 5, 6 9, 9,4 60,7 07 6, 6, 66,8 5 6,9 7,0 7,8 47 7, 7, 8, 99 5,9 5,9 87,0 5 4,4 4,5 9,5 5 4,0 4,0 95,5 58,7,7 97, 48,4,4 98,7 6,5,5 99, 4,4,4 99,6 4,, 99,7 5,, 99,9,, 99,9,0,0 99,9,0,0 00,0,0,0 00,0 66 99, 00,0 9,9 95 00,0 Page

CORRELATIONS /VARIABLES=paino koulv ika /PRINT=TWOTAIL NOSIG /STATISTICS DESCRIPTIVES /MISSING=PAIRWISE. s Descriptive Statistics Mean Std. Deviation N 76,596 5,06770 9,90,75 66 45,5,4 95 s Pearson Sig. (-tailed) N Pearson Sig. (-tailed) N Pearson Sig. (-tailed) N **. is significant at the 0.0 level (-tailed). Paino Koulutusv grammoina uodet -,5**,56** 9 64 9 -,5** -,49** 64 66 66,56** -,49** 9 66 95 GRAPH /SCATTERPLOT(BIVAR)=koulv WITH paino /MISSING=LISTWISE. Graph GRAPH /SCATTERPLOT(BIVAR)=koulv WITH paino BY sukup /MISSING=LISTWISE. Graph Page

40,00 Mies Nainen Fit line for Mies Nainen 0,00 00,00 80,00 60,00 40,00 R Sq Linear = 0,00 R Sq Linear = 0,07 R Sq Linear = 0,06 0,00 0 0 0 0 40 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA ZPP /CRITERIA=PIN(.05) POUT(.0) /NOORIGIN /DEPENDENT paino /METHOD=ENTER koulv. Partial Corr [DataSet] C:\Documents and Settings\haukkala\My Documents\kvanti \kvanti_harjo_label.sav Page

s Control Variables -none- a & Koulutusv Paino uodet grammoina,000 -,5.,000 0 6 -,5,000,000. 6 0 -,48,54 6 6,07 -,485 6 6,000 -,06.,06 0 60 -,06,000,06. 60 0 Page 4

s Control Variables -none- a & a. Cells contain zero-order (Pearson) correlations. -,48,07 6 6,54 -,485 6 6,000 -,04.,66 0 6 -,04,000,66. 6 0 Partial Corr s Control Variables Koulutusv Paino uodet grammoina,000 -,065.,000 0 6 -,065,000,000. 6 0 [DataSet] C:\Documents and Settings\haukkala\My Documents\kvanti \kvanti_harjo_label.sav Variables Entered/Removed b Variables Variables Entered Removed Method Koulutusvu odet a. Enter a. All requested variables entered. b. Dependent Variable: Page 5

Summary Adjusted R Std. Error of R R Square Square the Estimate,5 a,06,05 4,97 a. Predictors:, ANOVA b Residual a. Predictors:, b. Dependent Variable: Sum of Squares Mean Square F Sig. 0,95 0,95 5,596,000 a 75550,5 6 4,8 76556,48 6 Coefficients a Unstandardized Standardized Coefficients Coefficients B Std. Error Beta t Sig. 8,60,860 95,564,000 -,504,069 -,5-7,,000 Page 6

Coefficients a a. Dependent Variable: s Zero-order Partial Part -,5 -,5 -,5 NONPAR CORR /VARIABLES=paino koulv ika /PRINT=BOTH TWOTAIL NOSIG /MISSING=PAIRWISE. [DataSet] C:\Documents and Settings\haukkala\My Documents\kvanti \kvanti_harjo_label.sav Variables Entered/Removed b Variables Variables Entered Removed Method Koulutusvu odet a. Enter a. Enter a. Enter a. All requested variables entered. b. Dependent Variable: Summary Adjusted R Std. Error of R R Square Square the Estimate,5 a,06,05 4,97,67 b,08,07 4,8806,507 c,57,56,09 Summary Change Statistics R Square Change F Change Sig. F Change,06 5,596 6,000,0 4,77 6,000,9 04,07 60,000 a. Predictors:, b. Predictors:,, c. Predictors:,,, Page 7

ANOVA d Residual Residual Residual a. Predictors:, b. Predictors:,, Sum of Squares Mean Square F Sig. 0,95 0,95 5,596,000 a 75550,5 6 4,8 76556,48 6 7,948 0686,974 48,66,000 b 74489,5 6,49 76556,48 6 96506,67 6550, 86,758,000 c 569056,8 60 69,6 76556,48 6 c. Predictors:,,, d. Dependent Variable: Coefficients a Unstandardized Standardized Coefficients Coefficients B Std. Error Beta t Sig. 8,60,860 95,564,000 -,504,069 -,5-7,,000 7,094,768 40,77,000 -,87,076 -,07 -,77,000,65,05, 6,50,000 9,76,668 55,69,000 -,40,067 -,05 -,0,06,7,0,8 7,708,000-4,488,45 -,480 -,57,000 Page 8

Coefficients a a. Dependent Variable: s Zero-order Partial Part -,5 -,5 -,5 -,5 -,065 -,064,54,, -,5 -,06 -,0,54,,5 -,485 -,485 -,478 Excluded Variables c Collinearity Partial Statistics Beta In t Sig. Tolerance, a 6,50,000,,808 -,479 a -,87,000 -,48,995 -,480 b -,57,000 -,485,995 a. Predictors in the :, b. Predictors in the :,, c. Dependent Variable: Page 9