9,239 matches
-
perspectivă, o anume îngrijorarea pentru aliați a provocat decizia PC de a avea un candidat propriu, în persoana deputatei Daniela Popa, fără șanse reale în fața liberalului Olteanu sau a pesedistului Valer Dorneanu, dar ale cărei voturi ar fi putut complica ecuația votului. Beneficiind teoretic de 158 de mandate, Coaliția ar fi devenit minoritară în fața celor 141 de deputați ai opoziției în condițiile în care nu putea beneficia de cele 22 de voturi ale conservatorilor. Totuși, această pierdere putea fi compensată de
Un experiment politic românesc: Alianța "Dreptate și Adevăr PNL-PD" by Radu Alexandru () [Corola-publishinghouse/Science/1087_a_2595]
-
datelor prin: reducerea variabilelor în diferite dimensiuni; gruparea cazurilor/indivizilor în diferite clase sau grupe; reprezentarea relațiilor dintre obiectele analizate și atributele lor pe o hartă perceptuală. Din clasa tehnicilor de dependență fac parte metode precum: analiza path/modele de ecuații structurale, analiză de corelație canonică, MANOVA, regresie logistică, lineară și non-lineară, regresie cu date categoriale, analiză conjoint, analiză discriminativă multiplă și analiză loglineară. În categaria tehnicilor de independență se încadrează metode precum: analiza factorială, analiza cluster, scalare multidimensională și analiza
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
seturi de date sunt prelucrate grafic. Cu ajutorul diagramei "scatter" avem posibilitatea de a reprezenta teoretic linia cea mai potrivită care să exprime relația între X și Y. Aceasta dreaptă poartă numele de regresie și poate fi exprimată sub forma unei ecuații de forma: X = c +bY. Pătratul coeficientului de corelație (r2 ) indică măsura în care variația lui Y este explicată de variația lui X. Așadar, dacă X corelează cu 0,6 Y, atunci 0,36 din variația lui Y este explicabilă
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
Astfel, cineva ar putea prezice satisfacția la locul de muncă pornind de la salariu, iar altcineva pornind de la ocupație. Dar, o mai bună descriere o vom face folosind ca variabile explicative atât salariile cât și nivelul ocupației. Atunci vom avea o ecuație de forma: Satisfacția la locul de muncă = salariul ponderat cu a + nivelul ocupației ponderat cu b. Fiecare variabilă explicativă este ponderată, adică înmulțită cu un coeficient (coeficienții cu cât sunt mai mari cu atât influențează variabila dependentă mai mult). Acest
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
cele două variabile. (Rotariu, 1999) y = a +bx x variabila independentă; y variabila dependentă; măsoară erorile în forma pătratică: x → y real → calculat Figura nr. 8.3: Reprezentarea grafică a relației dintre două variabile y3 ce corespunde lui x3 din ecuația dreaptă trebuie să fie cât mai aproape de y3 real din grafic; Se impun două constatări: 1. dreapta de regresie minimizează toate aceste distanțe pe verticală 2. dreapta de regresie a lui y în funcție de x este unică Trebuie rezolvată problema calculării
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
relație liniară de asociere (covariație) cu dependenta. Relația de regresie este o relație asimetrică deoarece presupune că numai variația dependentei este explicată de predictori nu și invers. În plus, se presupune că nu există efecte de interacțiune între predictori. Forma ecuației de regresie liniară este următoarea: (1) Y = a + b1X1 + b2X2+...+ bnXn unde: Y este variabila dependentă, X1, X2....Xn sunt predictorii, a este constanta ecuației, iar b1, b2,... bn sunt coeficienții de regresie. Pentru a construi o ecuație de regresie
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
și invers. În plus, se presupune că nu există efecte de interacțiune între predictori. Forma ecuației de regresie liniară este următoarea: (1) Y = a + b1X1 + b2X2+...+ bnXn unde: Y este variabila dependentă, X1, X2....Xn sunt predictorii, a este constanta ecuației, iar b1, b2,... bn sunt coeficienții de regresie. Pentru a construi o ecuație de regresie în SPSS se selectează din meniul principal ANALYZE/REGRESSION/LINEAR, se selectează variabila dependentă din lista de variabile și se introduce în căsuța Dependent, iar
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
predictori. Forma ecuației de regresie liniară este următoarea: (1) Y = a + b1X1 + b2X2+...+ bnXn unde: Y este variabila dependentă, X1, X2....Xn sunt predictorii, a este constanta ecuației, iar b1, b2,... bn sunt coeficienții de regresie. Pentru a construi o ecuație de regresie în SPSS se selectează din meniul principal ANALYZE/REGRESSION/LINEAR, se selectează variabila dependentă din lista de variabile și se introduce în căsuța Dependent, iar variabilele independente se introduc în dreptul rubricii Independents. Celelalte opțiuni pentru realizarea ecuației de
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
o ecuație de regresie în SPSS se selectează din meniul principal ANALYZE/REGRESSION/LINEAR, se selectează variabila dependentă din lista de variabile și se introduce în căsuța Dependent, iar variabilele independente se introduc în dreptul rubricii Independents. Celelalte opțiuni pentru realizarea ecuației de regresie disponibile prin selectarea butoanelor de jos (Statistics, Plots (grafice), Save, Options) vor fi discutate pe parcursul acestui capitol. Pentru a vizualiza graficele regresiei liniare dintre Y și fiecare predictor în parte, selectăm din ANALZYE/REGRESSION/ LINEAR subopțiunea Plots și
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
variabilele și apoi înlătură una câte una în funcție de îndeplinirea criteriilor statistice; Stepwise combinare a procedurilor Forward și Backward; Remove variabilele sunt înlăturate într-o etapă. 8. 1.2. Valori așteptate (prezise) și observate ale lui Y Valorile Y obținute prin ecuația de regresie (1) reprezintă valorile așteptate ale lui Y (prezise pe baza combinației liniare dintre predictori), notate în continuare cu Y*. Între valorile așteptate ale lui Y (Y*) și cele observate (Y) va exista o diferență numită reziduu sau variabilă
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
așteptate ale lui Y (prezise pe baza combinației liniare dintre predictori), notate în continuare cu Y*. Între valorile așteptate ale lui Y (Y*) și cele observate (Y) va exista o diferență numită reziduu sau variabilă reziduală. Pentru a trasa graficul ecuației de regresie se folosește metoda celor mai mici pătrate (Ordinary Least Squares sau prescurtat OLS). Această metodă determină valorile Y*, astfel încât suma pătratelor valorilor reziduale să fie minimă. În SPSS valorile prezise sunt notate cu termenul PRED, iar ZPRED referindu
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
respinge. SPSS calculează și coeficienții de regresie standardizați (beta) care au avantajul de a fi adimensionali și permit compararea importanței predictorilor în cadrul aceluiași model de regresie. Coeficienții standardizați sunt egali cu coeficienții de regresie în condițiile în care variabilele din ecuație sunt standardizate cu scorul z. Pentru a face o comparație între populații diferite se folosesc însă coeficienții nestandardizați. Regula de citire pentru coeficienții standardizați (beta) este următoarea: creșterea cu o abatere standard pe scala variabilei independente este însoțită în medie
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
datora asocierii dintre X și Z și, respectiv, între Y și Z. Formula de calcul pentru r este: , unde cov(x,y) este covarianța dintre x și y, iar sx, respectiv sy sunt dispersiile lui x și y. Din această ecuație reiese, de asemenea, că într-un model de regresie multiplă r este egal cu coeficientul de regresie standardizat beta, reflectând impactul unui predictor asupra dependentei atunci când ceilalți predictori sunt ținuți sub control. Pentru a calcula coeficientul de corelație parțială selectăm
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
078 2,762 ,006 subscoal 3,958 1,162 ,103 3,408 ,001 transilvania 24,838 3,503 ,203 7,091 ,000 a. Dependent Variable: IOPD Din tabelul de mai sus putem afla valoarea coeficienților de regresie și a constantei. Ecuația de regresie se poate scrie astfel: IOPD = -97,8 + 45*maghiar + 4*locord + 17,8*cdr + 0,3*subvirst + 4*subscoal + 24,8*transilvania. Cu alte cuvinte, a locui în Transilvania versus restul țării conduce în medie la o creștere
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
relații exponențiale între variabila dependentă și predictori. Regresie liniară multiplă: y= a + b1x1 + b2x2 +...+bnxn Regresie logistică: se pornește de la o relație de forma y = abx care logaritmată exprimă o relație liniară între log y și x. Mai exact forma ecuației de regresie logistică este: (5) Raportul reprezintă un raport de șanse, adică probabilitatea ca y să ia valoarea 1 împărțită la probabilitatea ca y să ia valoarea 0. Ecuația de regresie logistică este deci o relație liniară între: logaritm din
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
o relație liniară între log y și x. Mai exact forma ecuației de regresie logistică este: (5) Raportul reprezintă un raport de șanse, adică probabilitatea ca y să ia valoarea 1 împărțită la probabilitatea ca y să ia valoarea 0. Ecuația de regresie logistică este deci o relație liniară între: logaritm din raportul de șanse pentru evenimentul y și variabilele independente. 8.2.1. Interpretarea coeficienților regresiei logistice În regresia liniară coeficienții b aveau o interpretare directă a impactului asupra dependentei
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
la modificarea cu b unități a lui y, celelalte variabile fiind ținute sub control). În cazul regresiei logistice, estimarea impactului pe care modificarea lui x o are asupra lui y se face prin intermediul lui eb. Dacă ridicăm la puterea e ecuația (5) pentru un predictor x, obținem: = e a +bx = ea *(eb)x (6) Din ecuația (6) reiese faptul că modificarea lui x cu 1 unitate conduce la multiplicarea raportului cu eb (notat în continuare cu exp b), celelalte variabile fiind
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
cazul regresiei logistice, estimarea impactului pe care modificarea lui x o are asupra lui y se face prin intermediul lui eb. Dacă ridicăm la puterea e ecuația (5) pentru un predictor x, obținem: = e a +bx = ea *(eb)x (6) Din ecuația (6) reiese faptul că modificarea lui x cu 1 unitate conduce la multiplicarea raportului cu eb (notat în continuare cu exp b), celelalte variabile fiind ținute sub control. O interpretare mai directă a coeficientului b logistic poate fi făcută în
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
d2 U2 [1] În plus, diagrama indică, de asemenea, faptul că nu există covariație între F și U1, între F și U2 sau între U1 și U2. cov ( F, U1 ) = cov ( F, U2 ) = cov ( U1 U2 ) = 0 [2] Cele trei ecuații descriu un sistem liniar de analiză factorială. Exemplu: Presupunem că există trei variabile F, U1 și U2 și opt cazuri (sau entități). Fiecare variabilă are două valori posibile: 1 sau -1 și acestea nu sunt corelate între ele. Să presupunem
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
dintre F și U1 cu influenta .8 și .6 și pentru a-l crea pe X2 din combinația dintre F și U2 cu influenta .6 si .8. Un astfel de set de operații poate fi însumat și prin următoarele două ecuații: X1 = .8 F +.6 U1 X2 = .6 F + .8 U2 Figura nr. 8.7: Modelul 1 de analiză factorială cu coeficienți de corelație .6 .8 Xı Uı F .8 .6 X2 U2 De fapt, diagrama conține mai multe informații decât
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
F +.6 U1 X2 = .6 F + .8 U2 Figura nr. 8.7: Modelul 1 de analiză factorială cu coeficienți de corelație .6 .8 Xı Uı F .8 .6 X2 U2 De fapt, diagrama conține mai multe informații decât aceste două ecuații; în diagramă, absența conexiunilor directe sau indirecte dintre variabile indică faptul că nu există corelație între ele, pe când relațiile dintre variabile sunt nespecificate în cele două ecuații. Pentru a indica faptul că variabilele X1 și X2 sunt create prin utilizarea
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
6 X2 U2 De fapt, diagrama conține mai multe informații decât aceste două ecuații; în diagramă, absența conexiunilor directe sau indirecte dintre variabile indică faptul că nu există corelație între ele, pe când relațiile dintre variabile sunt nespecificate în cele două ecuații. Pentru a indica faptul că variabilele X1 și X2 sunt create prin utilizarea variabilelor necorelate, trebuie adăugate următoarele condiții la ecuații: cov ( F, Ui ) = cov ( Ui, Uj ) = 0 Variabilele create prin aplicarea acestor reguli sunt prezentate în coloanele 4 și
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
dintre variabile indică faptul că nu există corelație între ele, pe când relațiile dintre variabile sunt nespecificate în cele două ecuații. Pentru a indica faptul că variabilele X1 și X2 sunt create prin utilizarea variabilelor necorelate, trebuie adăugate următoarele condiții la ecuații: cov ( F, Ui ) = cov ( Ui, Uj ) = 0 Variabilele create prin aplicarea acestor reguli sunt prezentate în coloanele 4 și 5 ale tabelului următor: Tabelul nr. 8.8. Exemplificarea coeficienților și variabilelor: 2 variabile, un coeficient comun Cazuri F U1 U2
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
fapt, derivația va rămâne aceeași, chiar dacă există o constantă în plus ca în X1 =a+b1 F+d1 U1). Variația lui X1, Var(X1) poate fi exprimată astfel: Var(X1) = E(X1 -)² (fiecare este dată de definiția variației, ca în ecuația 4) E(X1)² (fiecare este obținută presupunând că media lui X1 este 0) = E[b1F + d1U1]² (fiecare este obținută exprimându-l pe X1 în termenii variabilelor de bază) = E[b1²F² + d1U1² + 2b1d1FU1] Constantele pot fi extrase după cum urmează: = b1²E[F²
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]
-
d1²E[U1²] + 2b1d1E[FU1], ceea ce ne permite să recunoaștem faptul că termenii asociați cu notația presupusă au fost definiți ca variație sau covariație. Din acest motiv, variația poate fi descompusă după cum urmează: = b1²Var(F) + d1²Var(U1) + 2b1d1Cov(F,U1). [8] Ecuația 8 este formula generală care se referă la cazul în care o variabilă este o combinație liniară a două variabile de bază. Explicată în cuvinte, rezultatele variației în X1 sunt date de suma: (1) variația lui F asociată cu frecvența
Statistică aplicată în științele sociale by Claudiu Coman () [Corola-publishinghouse/Science/1072_a_2580]