17,513 matches
-
din aceeași categorie a modelelor multivariate, explicative, care încearcă să descrie relațiile dintre variabile. Cel mai mult seamănă cu regresia logistică, în sensul în care variabila dependentă este categorială (la regresia logistică ea este binomială). Dar, în cazul analizei logliniare variabila dependentă este categorială și nu binomială, distribuția variabilei dependente este Poisson și nu binomială, variabila dependentă este legată de frecvența celulară și nu o funcție logit a unei variabile Y. De asemenea, seamănă cu analiza de varianță pentru că efectele variabilelor
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
încearcă să descrie relațiile dintre variabile. Cel mai mult seamănă cu regresia logistică, în sensul în care variabila dependentă este categorială (la regresia logistică ea este binomială). Dar, în cazul analizei logliniare variabila dependentă este categorială și nu binomială, distribuția variabilei dependente este Poisson și nu binomială, variabila dependentă este legată de frecvența celulară și nu o funcție logit a unei variabile Y. De asemenea, seamănă cu analiza de varianță pentru că efectele variabilelor independente asupra celei dependente sunt aceleași ca și
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
mai mult seamănă cu regresia logistică, în sensul în care variabila dependentă este categorială (la regresia logistică ea este binomială). Dar, în cazul analizei logliniare variabila dependentă este categorială și nu binomială, distribuția variabilei dependente este Poisson și nu binomială, variabila dependentă este legată de frecvența celulară și nu o funcție logit a unei variabile Y. De asemenea, seamănă cu analiza de varianță pentru că efectele variabilelor independente asupra celei dependente sunt aceleași ca și în cazul analizei de varianță: 1. Efecte
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
la regresia logistică ea este binomială). Dar, în cazul analizei logliniare variabila dependentă este categorială și nu binomială, distribuția variabilei dependente este Poisson și nu binomială, variabila dependentă este legată de frecvența celulară și nu o funcție logit a unei variabile Y. De asemenea, seamănă cu analiza de varianță pentru că efectele variabilelor independente asupra celei dependente sunt aceleași ca și în cazul analizei de varianță: 1. Efecte principale: măsoară efectul unei variabile independente, indiferent de acțiunea celorlalte din model 2. Efecte
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
variabila dependentă este categorială și nu binomială, distribuția variabilei dependente este Poisson și nu binomială, variabila dependentă este legată de frecvența celulară și nu o funcție logit a unei variabile Y. De asemenea, seamănă cu analiza de varianță pentru că efectele variabilelor independente asupra celei dependente sunt aceleași ca și în cazul analizei de varianță: 1. Efecte principale: măsoară efectul unei variabile independente, indiferent de acțiunea celorlalte din model 2. Efecte de interacțiune: măsoară efectul combinat al variabilelor independente. 8.3.1
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
frecvența celulară și nu o funcție logit a unei variabile Y. De asemenea, seamănă cu analiza de varianță pentru că efectele variabilelor independente asupra celei dependente sunt aceleași ca și în cazul analizei de varianță: 1. Efecte principale: măsoară efectul unei variabile independente, indiferent de acțiunea celorlalte din model 2. Efecte de interacțiune: măsoară efectul combinat al variabilelor independente. 8.3.1. Șansa Șansa reprezintă un raport de probabilități, respectiv probabilitatea ca X să ia valoarea 1 împarțit la probabilitatea ca X
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
de varianță pentru că efectele variabilelor independente asupra celei dependente sunt aceleași ca și în cazul analizei de varianță: 1. Efecte principale: măsoară efectul unei variabile independente, indiferent de acțiunea celorlalte din model 2. Efecte de interacțiune: măsoară efectul combinat al variabilelor independente. 8.3.1. Șansa Șansa reprezintă un raport de probabilități, respectiv probabilitatea ca X să ia valoarea 1 împarțit la probabilitatea ca X să ia valoarea 0. Dacă într-o populație de 90 de persoane 30 fumează și 60
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
fumător este de 60/90 = 0,66. Șansa de a fi fumător este însă P(X=1)/P(X=0) = 0,33/0,67 = 0,5. Aceasta se numește și șansă marginală sau necondiționată (deoarece se referă la o singură variabilă). 8.3.2. Raportul de șanse Raportul de șanse măsoară asocierea dintre două variabile calitative. Exemplu: Încrederea în oameni și genul persoanei. sex * incredere oameni Crosstabulation incredere oameni Total nu au incredere au incredere sex masculin Count 570 333 903 % within sex
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
P(X=1)/P(X=0) = 0,33/0,67 = 0,5. Aceasta se numește și șansă marginală sau necondiționată (deoarece se referă la o singură variabilă). 8.3.2. Raportul de șanse Raportul de șanse măsoară asocierea dintre două variabile calitative. Exemplu: Încrederea în oameni și genul persoanei. sex * incredere oameni Crosstabulation incredere oameni Total nu au incredere au incredere sex masculin Count 570 333 903 % within sex 63,1% 36,9% 100,0% feminin Count 692 325 1017 % within sex 68
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
avea încredere va fi egală cu 1-0,343 = 0,657 (1262/1920)). Șansa de a avea încredere este 658/1262 = 0,522. 8.3.3. Șansa condiționată Șansa condiționată reprezintă șansa de a avea încredere condiționată de o a doua variabilă, să zicem genul. Putem calcula două șanse condiționate, una pentru bărbați și una pentru femei, cu scopul de a compara cele două grupuri. Șansa (INCR=1/femei) = 325/692 = 0,47 Șansa (INCR=1/bărbați) = 333/570 =0,58 Raportul
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
relativă (odds ratio) caracterizează asocierea care există în tabel. În exemplu nostru raportul de șanse condiționate este egal cu (333/570)/(325/692) = (692*333)/(570*325). 8.3.4. Riscul relativ Riscul relativ se calculează pentru fiecare categorie a variabilei încredere, ca raportul dintre cele două procente condiționate pe linii. Astfel pentru cei ce au încredere R = 0,32/0,369 = 0,867. Similar, riscul relativ pentru cei care nu au încredere R = 0,68/0,631 = 1,078 În
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
Cu cât valoarea se îndepărtează de 1, cu atât asocierea este mai puternică. Rezultă deci că valoarea 0,25 a șansei indică o intensitatea a asocierii egală cu valoarea 4 (0,25 și 4 sunt la aceeași distanță față de 1). * Variabilele sunt independente, dacă și numai dacă acest raport de șanse = 1. Coficientul logit reprezintă logaritm natural din raportul de șanse, respectiv log. folosit în cazul regresiei logistice (exp b). măsură simetrică si, spre deosebire de șansă, poate lua valori de la la 0
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
cazul regresiei logistice (exp b). măsură simetrică si, spre deosebire de șansă, poate lua valori de la la 0 și de la 0 la +. Șanse de ordinul 2 caracterizează un tabel cu trei intrări, în acest caz șansele fiind condiționate de o a treia variabilă. Să luăm drept exemplu vârsta (cu 2 categorii: sub 40 de ani și peste 40 de ani), genul și încrederea interpersonală. sex * incredere oameni * varsta categorii Crosstabulation Count varsta categorii incredere oameni Total nu au incredere au incredere sub 40 ani sex masculin 290
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
1000 8.3.6. Modelarea log liniară Reprezentare log liniară a frecvențelor din celulele tabelului Logaritm din frecvență = efectul general + efectul de rând + efectul de coloană + efectul de interacțiune * Cum se operează această descompunere pentru un tabel 2*2 (2 variabile dihotomice): Se logaritmează frecvențele tabelului Se descompun în patru efecte specifice: 1. Efectul general (λ) este media frecvențelor logaritmate din toate celulele. Cu alte cuvinte, frecvențele din fiecare celulă depind de media frecvențelor din tabel. Acest efect este același pentru
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
este media frecvențelor logaritmate din toate celulele. Cu alte cuvinte, frecvențele din fiecare celulă depind de media frecvențelor din tabel. Acest efect este același pentru toate celulele. 2. Efectul de rând (λR) exprimă efectul poziționării într-o anumită categorie a variabilei situate pe rând. Acest efect ia în considerare distribuția marginală (sau șansa) ca cineva să fie plasat în primul sau în al doilea rând. λR 1 = media frecvențelor logaritmate de pe rândul 1 λ. λR 2 = media frecvențelor logaritmate de pe rândul
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
2 = media frecvențelor logaritmate de pe coloană 2 λ λC 1 + λC 2 = 0 4. Efectul de interacțiune (λRC) este definit astfel încât suma efectelor precedente să fie egală cu logaritm din frecvența celulei respective. λRC11 + λRC12 + λRC21+ λRC22, Independența a două variabile este echivalentă cu efectul de interacțiune λRC = 0. log(fij) = Parametrii λ pentru un tabel 2*2 Exemplu: Să construim un model saturat pentru variabilele dihotomice vârstă și încredere interpersonală. Pentru acest model avem în total 9 parametri: 1 parametru
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
fie egală cu logaritm din frecvența celulei respective. λRC11 + λRC12 + λRC21+ λRC22, Independența a două variabile este echivalentă cu efectul de interacțiune λRC = 0. log(fij) = Parametrii λ pentru un tabel 2*2 Exemplu: Să construim un model saturat pentru variabilele dihotomice vârstă și încredere interpersonală. Pentru acest model avem în total 9 parametri: 1 parametru constant, 2 parametri corespunzători efectului variabilei vârstă care diferă doar prin semn, 2 parametri pentru variabila încredere, 4 parametri corespunzători efectelor de interacțiune pentru fiecare
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
interacțiune λRC = 0. log(fij) = Parametrii λ pentru un tabel 2*2 Exemplu: Să construim un model saturat pentru variabilele dihotomice vârstă și încredere interpersonală. Pentru acest model avem în total 9 parametri: 1 parametru constant, 2 parametri corespunzători efectului variabilei vârstă care diferă doar prin semn, 2 parametri pentru variabila încredere, 4 parametri corespunzători efectelor de interacțiune pentru fiecare celulă a tabelului, care la fel, diferă doar prin semn. Din acești 9 parametri, SPSS-ul va calcula pe acei patru
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
fel, diferă doar prin semn. Din acești 9 parametri, SPSS-ul va calcula pe acei patru care în modul au valori diferite. Aceștia sunt parametrul constant, cei 2 coeficienți ai efectelor principale pentru gen și încredere iar ultimul interacțiunea dintre variabile care este aceeași în modul pentru fiecare căsuță a tabelului 2*2. Mod de calcul: Se pleacă de la tabelul de frecvențe: varsta categorii * incredere oameni Crosstabulation Count incredere oameni Total nu au incredere au incredere varsta categorii sub 40 ani 633 260 893 peste
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
337 + 0,104) = 0,108 Acest rezultat poate fi obținut în SPSS prin folosirea procedurii Loglinear Model Selection, cu precizarea că în căsuța Options se poate cere afișarea estimărilor parametrilor lambda (λ). 8.3.7. Decompoziția unui model cu 3 variabile. Interacțiuni de ordinul 2 și 3 Să presupunem că avem trei variabile dihotomice, A (A1, A2), B (B1, B2) și C (C1, C2). Vor exista 4 tipuri de efecte: 1. efectul general (media frecvențelor logaritmate). Același pentru toate căsuțele. 2
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
prin folosirea procedurii Loglinear Model Selection, cu precizarea că în căsuța Options se poate cere afișarea estimărilor parametrilor lambda (λ). 8.3.7. Decompoziția unui model cu 3 variabile. Interacțiuni de ordinul 2 și 3 Să presupunem că avem trei variabile dihotomice, A (A1, A2), B (B1, B2) și C (C1, C2). Vor exista 4 tipuri de efecte: 1. efectul general (media frecvențelor logaritmate). Același pentru toate căsuțele. 2. efectele principale: efectele poziționării într-una din categoriile variabilei A (2 efecte
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
că avem trei variabile dihotomice, A (A1, A2), B (B1, B2) și C (C1, C2). Vor exista 4 tipuri de efecte: 1. efectul general (media frecvențelor logaritmate). Același pentru toate căsuțele. 2. efectele principale: efectele poziționării într-una din categoriile variabilei A (2 efecte, egale în modul), 2 efecte pentru variabila B și 2 efecte pentru variabila C. În total SPSS-ul va calcula 3 efecte. Nr. efectelor principale independente = (na-1) +(nb-1) + (nc-1) 3. efectele de ordin 2 (notate AB, AC
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
B2) și C (C1, C2). Vor exista 4 tipuri de efecte: 1. efectul general (media frecvențelor logaritmate). Același pentru toate căsuțele. 2. efectele principale: efectele poziționării într-una din categoriile variabilei A (2 efecte, egale în modul), 2 efecte pentru variabila B și 2 efecte pentru variabila C. În total SPSS-ul va calcula 3 efecte. Nr. efectelor principale independente = (na-1) +(nb-1) + (nc-1) 3. efectele de ordin 2 (notate AB, AC, și BC) se referă la efectele de interacțiune atunci când una
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
exista 4 tipuri de efecte: 1. efectul general (media frecvențelor logaritmate). Același pentru toate căsuțele. 2. efectele principale: efectele poziționării într-una din categoriile variabilei A (2 efecte, egale în modul), 2 efecte pentru variabila B și 2 efecte pentru variabila C. În total SPSS-ul va calcula 3 efecte. Nr. efectelor principale independente = (na-1) +(nb-1) + (nc-1) 3. efectele de ordin 2 (notate AB, AC, și BC) se referă la efectele de interacțiune atunci când una dintre variabile este ținută sub control
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
și 2 efecte pentru variabila C. În total SPSS-ul va calcula 3 efecte. Nr. efectelor principale independente = (na-1) +(nb-1) + (nc-1) 3. efectele de ordin 2 (notate AB, AC, și BC) se referă la efectele de interacțiune atunci când una dintre variabile este ținută sub control. Dacă C este ținut sub control, vom avea 4 interacțiuni între A și B (un tabel 2*2), fiecare dintre aceste interacțiuni fiind caracterizată pentru toate nivelurile lui C pe baza șanselor condiționate. Similar, vom avea
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]