2,315 matches
-
933) la 15% a probabilității de a vota cu CDR. Pentru a putea clasifica corect valorile 1 ale variabilei dependente ar fi trebuit ca această creștere să depășească pragul de 50% (cut value). Se poate observa deci că modelele de regresie logistică se aplică cu succes în cazul variabilelor dihotomice care au o distribuție binomială și probabilitățile pentru valorile 1 și 0 sunt aproape de valorile 50% ; -50%. Variables in the Equation B S.E. Wald df Sig. Exp(B) Lower Upper Lower
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
038 1,608 z.transilvania ,161 ,227 ,504 1 ,478 1,175 Constant -3,031 ,236 164,951 1 ,000 ,048 a Variable(s) entered on step 1: dir, urban, z.transilvania 8.3. Analiza logliniară Analiza logliniară diferă de regresia logistică în următoarele două privințe: 1. valorile prezise sunt estimări ale frecvențelor din căsuțele tabelului de contingență, funcția folosită fiind logaritm natural din frecvențe și nu logaritm din șansă precum în cazul regresiei logistice. 2. nu există o singură variabilă
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
3. Analiza logliniară Analiza logliniară diferă de regresia logistică în următoarele două privințe: 1. valorile prezise sunt estimări ale frecvențelor din căsuțele tabelului de contingență, funcția folosită fiind logaritm natural din frecvențe și nu logaritm din șansă precum în cazul regresiei logistice. 2. nu există o singură variabilă dependentă, efectele de interacțiune fiind posibile între toate variabilele introduse în model. Analiza logliniară are drept scop găsirea modelelor explicative și descrierea mărimii și paternurilor de asociere dintre variabile, în condițiile în care
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
dintre variabile, în condițiile în care influența altor variabile este ținută sub control. Putem spune că analiza loglineară este: o metodă de analiză a datelor categoriale, o metodă multivariată, o metodă "fără" variabilă dependentă. În nici un caz nu este o regresie logistică sau o analiză de varianță. Totuși are o serie de asemănări cu regresia, pentru că face parte din aceeași categorie a modelelor multivariate, explicative, care încearcă să descrie relațiile dintre variabile. Cel mai mult seamănă cu regresia logistică, în sensul
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
spune că analiza loglineară este: o metodă de analiză a datelor categoriale, o metodă multivariată, o metodă "fără" variabilă dependentă. În nici un caz nu este o regresie logistică sau o analiză de varianță. Totuși are o serie de asemănări cu regresia, pentru că face parte 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
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
nu este o regresie logistică sau o analiză de varianță. Totuși are o serie de asemănări cu regresia, pentru că face parte 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
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
are o serie de asemănări cu regresia, pentru că face parte 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
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
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 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
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
0. Alternativ, se pot introduce efectele de un anumit ordin măsurându-se contribuția acestora. Măsuri ale modelului Testul G2 sau Hi pătrat (Likelihood ratio chi square). , unde fo sunt frecvențele observate și fa cele așteptate. Spre deosebire de R2 folosit în cazul regresiei liniare, care tinde spre 1 atunci când modelul reușește să prezică valorile dependentei, în cazul analizei logliniare urmărim să obținem statistici G2 și Hi care să aibă o valoare cât mai apropiată de 0 și un nivel de semnificație (p) cât
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
nou selectați după rotire și "Loading plots" pentru reprezentarea grafică a variabilelor. Factorii identificați pot fi salvați ca o variabilă nouă în baza de date, bifând opțiunea "Scores" "Save as variables", iar metoda de calcularea a noilor variabile poate fi "regresia". Figura nr. 8.22: Extragerea factorilor Figura nr. 8.23: Rotirea factorilor Figura nr. 8.24: Salvarea factorilor ca o variabilă nouă în baza de date Cele zece variabile s-au grupat în doi factori, ambii factori având valori proprii
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
am văzut în secțiunea despre analiza factorială, se va bifa de la opțiunea Descriptives, testul KMO, de la opțiunea Extraction, valoarea factorului extras mai mare de 1, de la Rotation, metoda de rotație Varimax și de la Scores opțiunea Save as variables prin metoda regresiei. Prin această ultimă opțiune se va salva indicele nou creat într-o variabilă nouă în baza de date. Cu această variabilă se pot face prelucrări ulterioare. Se constată că cele trei variabile fac parte dintr-o singură dimensiune, un singur
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
fundamental pentru conservarea poziției conducătoare într-un domeniu. Precumpănitoare este dorința de câștig imediat, nu aceea de a inaugura ceva nou, de a experimenta și perfecționa. Într-un asemenea context, externalizarea poate conduce la rezultate nedorite, și poate chiar prilejui regresii într-o serie de domenii în care țara care externalizează avea o tradiție de necontestat. De pildă, literatura de specialitate semnalează o anumită încetinire a capacității recunoscute a SUA de a inova, de a lansa noi produse și tehnologii pe
Viclenia globalizării . Asaltul asupra puterii americane. In: Viclenia globalizării. Asaltul asupra puterii americane by Paul Dobrescu () [Corola-publishinghouse/Science/1096_a_2604]
-
unor puternice companii (expresie vie a dezvoltării și competitivității economice), a unor mari universități (consacrare a avântului vieții academice, în latura didactică și, deopotrivă, în cea de cercetare), precum și creșterea demografică (nu vom găsi o ascensiune semnificativă pe fondul unei regresii demografice). Aceștia sunt factorii identificați de Paul Kennedy în celebra sa lucrare The Rise and Fall of the Great Powers, atunci când analizează situația de la sfârșitul secolului al XIX-lea și începutul celui de-al XX-lea. Și atunci exista o
Viclenia globalizării . Asaltul asupra puterii americane. In: Viclenia globalizării. Asaltul asupra puterii americane by Paul Dobrescu () [Corola-publishinghouse/Science/1096_a_2604]
-
veniturilor atât la nivelul familiei, cât și la cel al persoanei. 6.1. Determinarea resurselor monetare ale familieitc "6.1. Determinarea resurselor monetare ale familiei" O astfel de modelare a veniturilor poate fi găsită la Dumitru Sandu (1999), care prezintă regresia venitului pe persoană din familie asupra unor forme de capital ale persoanei pe trei seturi de date ale Barometrului de Opinie Publică (tabelul 4). Fiecare dintre coeficienții de regresie care nu sunt cuprinși între paranteze sunt semnificativi la pragul de
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
a veniturilor poate fi găsită la Dumitru Sandu (1999), care prezintă regresia venitului pe persoană din familie asupra unor forme de capital ale persoanei pe trei seturi de date ale Barometrului de Opinie Publică (tabelul 4). Fiecare dintre coeficienții de regresie care nu sunt cuprinși între paranteze sunt semnificativi la pragul de p = 0,05. Modelele realizate pe cele trei seturi de date sunt similare, sugerând o bună fidelitate a datelor. În schimb, indicii de determinare (R2) variază puternic, ceea ce sugerează
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
nesemnificativă influența vârstei asupra veniturilor. Este ca și cum, Sursa: Sandu, 1999, p. 194 controlând anumite variabile, influența vârstei asupra veniturilor poate fi complet eliminată. O explicație pentru aceste rezultate poate deriva din varianta de măsurare a veniturilor aleasă de Dumitru Sandu. Regresia privește venitul pe persoană în familie, și nu venitul persoanei. În acest caz, multe dintre efectele resurselor sau caracteristicilor individuale pot să dispară din cauza variabilității interne a veniturilor de la o familie la alta. Astfel, modelul profesorului Sandu reflectă nu atât
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
puternic în funcție de vârstă, scăzând de la un moment dat și aplatizându-se sau chiar crescând de la o anumită vârstă mai înaintată. Partea cea mai interesantă a curbei este, evident, cea de aplatizare, din zona axei vârstelor corespunzătoare bătrâneții. Potrivit curbelor de regresie, această aplatizare survine undeva în jurul vârstei de 70 de ani. Este posibil ca scăderea vitezei de descreștere a veniturilor sau chiar o creștere a acestora către bătrânețe să fie determinate de politicile de pensii din ultimii 15 ani. 2. Pentru
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
9. Relația dintre venit și vârstă pe niveluri de instrucție Sursa: Barometrul de Opinie Publică, 2002 6.2.2. Modelarea veniturilor persoaneitc "6.2.2. Modelarea veniturilor persoanei" Am integrat și testat afirmațiile de mai sus într-un model de regresie multiplă, al cărui rezultat este prezentat în tabelul de mai jos: Tabelul 5. Model de regresie a veniturilor persoanei Sursa: Barometrul de Opinie Publică, 2002 Modelul de regresie permite o apreciere mult mai nuanțată a determinării veniturilor unei persoane și
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
6.2.2. Modelarea veniturilor persoaneitc "6.2.2. Modelarea veniturilor persoanei" Am integrat și testat afirmațiile de mai sus într-un model de regresie multiplă, al cărui rezultat este prezentat în tabelul de mai jos: Tabelul 5. Model de regresie a veniturilor persoanei Sursa: Barometrul de Opinie Publică, 2002 Modelul de regresie permite o apreciere mult mai nuanțată a determinării veniturilor unei persoane și înțelegerea impactului nivelului de instrucție în interacțiune cu alte variabile importante. Ecuația de mai sus explică
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
Am integrat și testat afirmațiile de mai sus într-un model de regresie multiplă, al cărui rezultat este prezentat în tabelul de mai jos: Tabelul 5. Model de regresie a veniturilor persoanei Sursa: Barometrul de Opinie Publică, 2002 Modelul de regresie permite o apreciere mult mai nuanțată a determinării veniturilor unei persoane și înțelegerea impactului nivelului de instrucție în interacțiune cu alte variabile importante. Ecuația de mai sus explică 36% din varianța veniturilor persoanelor din eșantion. Acesta este un rezultat mult
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
și statusul social de destinație al individului. Printre primele rezultate la care ne vom referi sunt cele expuse de Blau și Duncan în The American Occupational Structure (1967), pe baza unor cercetări din anii ’50. Variabilele incluse în modelul de regresie multiplă realizat sunt: - statutul social al tatălui - SST; - nivelul de instrucție al tatălui - NIT; - nivelul de instrucție al fiului - NIF; - statutul social al primului post al fiului - SSPF; - statutul social actual al fiului - SSAF. Coeficienții din desen, numiți în jargon
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
abandonul școlar, fără a se putea infera că apartenența la acel grup constituie cauza neparticipării. Pentru a stabili relații statistice indicatoare ale cauzalității, este nevoie cel puțin de controlul simultan al variabilelor introduse în analiză, ceea ce se realizează prin procedura regresiei multiple sau a regresiei logistice. Autorul studiului la care facem referire a construit mai multe modele de regresie pe baza cărora a putut identifica anumiți factori ce duc la neparticipare sau abandon școlar: - factori legați de structura ocupațională sau de
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
se putea infera că apartenența la acel grup constituie cauza neparticipării. Pentru a stabili relații statistice indicatoare ale cauzalității, este nevoie cel puțin de controlul simultan al variabilelor introduse în analiză, ceea ce se realizează prin procedura regresiei multiple sau a regresiei logistice. Autorul studiului la care facem referire a construit mai multe modele de regresie pe baza cărora a putut identifica anumiți factori ce duc la neparticipare sau abandon școlar: - factori legați de structura ocupațională sau de poziția de pe piața muncii
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
relații statistice indicatoare ale cauzalității, este nevoie cel puțin de controlul simultan al variabilelor introduse în analiză, ceea ce se realizează prin procedura regresiei multiple sau a regresiei logistice. Autorul studiului la care facem referire a construit mai multe modele de regresie pe baza cărora a putut identifica anumiți factori ce duc la neparticipare sau abandon școlar: - factori legați de structura ocupațională sau de poziția de pe piața muncii a adulților din gospodărie: ponderea agricultorilor, șomerilor și statutul de lucrător pe cont propriu
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]
-
lor mai mici; - factori referitori la structura gospodăriei: numărul de copii mai mici de 5 ani crește probabilitatea neparticipării; în cazul în care capul gospodăriei este văduv sau trăiește în uniune liber consimțită, riscul neparticipării crește de asemenea. Modelele de regresie permit și unele constatări interesante cu privire la factorii care defavorizează participarea școlară: - mediul de rezidență și mărimea gospodăriei nu constituie, de fapt, factori de agravare a riscului de neparticipare. Participarea este mai redusă în mediul rural din cauza specializării agricole a locuitorilor
Sociologia educației by Adrian Hatos () [Corola-publishinghouse/Science/2235_a_3560]