Upload
leena
View
23
Download
0
Embed Size (px)
DESCRIPTION
1 Úvod. Cíle : Vysvětlíme co je mnohorozměrná analýza a k čemu jsou dobré její aplikace . Vymezíme specifické techniky mnohorozměrné analýzy . Určíme pro jaké úkoly jsou vhodné jednotlivé techniky . Dis kutujeme podstatu měření, typy proměnných a vztah k mnohorozměrným technikám . - PowerPoint PPT Presentation
Citation preview
1
CíleCíle::
1.1. Vysvětlíme co je mnohorozměrná analýza a k čemu Vysvětlíme co je mnohorozměrná analýza a k čemu jsou dobré její aplikacejsou dobré její aplikace..
2.2. Vymezíme specifické techniky mnohorozměrné Vymezíme specifické techniky mnohorozměrné analýzyanalýzy..
3.3. Určíme pro jaké úkoly jsou vhodné jednotlivé technikyUrčíme pro jaké úkoly jsou vhodné jednotlivé techniky..
4.4. DisDiskutujeme podstatu měření, typy proměnných a kutujeme podstatu měření, typy proměnných a vztah k mnohorozměrným technikámvztah k mnohorozměrným technikám..
5.5. Popisujeme koncepční a statistické aspekty Popisujeme koncepční a statistické aspekty mnohorozměrné analýzymnohorozměrné analýzy..
11 ÚvodÚvod11 ÚvodÚvod
2
Základní informaceZákladní informace::
1.1. Povinnosti – úkoly, prezentace, zkouškaPovinnosti – úkoly, prezentace, zkouška
2.2. SylabusSylabus
3.3. Literatura – viz dáleLiteratura – viz dále
4.4. Související kurzy JSM031 a JSM152Související kurzy JSM031 a JSM152
5.5. Organizace kurzuOrganizace kurzu
Analýza kvantitativních datAnalýza kvantitativních datAnalýza kvantitativních datAnalýza kvantitativních dat
3
• Hendl J. Přehled statistických metod zpracování dat. 2.vyd. Praha: Hendl J. Přehled statistických metod zpracování dat. 2.vyd. Praha: Portál, 2009.Portál, 2009.
• Hebák, P. a kol. Vícerozměrné statistické metody 1-3. Praha : Hebák, P. a kol. Vícerozměrné statistické metody 1-3. Praha : Informatorium, 2004.Informatorium, 2004.
• Urbánek T. (2000): Strukturální modelování v psychologii. Urbánek T. (2000): Strukturální modelování v psychologii. Psychologický ústav AV ČR a Nakladatelství Pavel Křepela, Brno. Psychologický ústav AV ČR a Nakladatelství Pavel Křepela, Brno.
• Tarling, R. 2009Tarling, R. 2009:: Statistical modeling for social researchers. Statistical modeling for social researchers. Routledge. Routledge.
• Norusis. 2005. SPSS 13. Statistical procedures companion. Prentice Norusis. 2005. SPSS 13. Statistical procedures companion. Prentice Hall. Hall.
• StatSoft, Inc. (2004). Electronic Statistics Textbook. Tulsa, OK: StatSoft, Inc. (2004). Electronic Statistics Textbook. Tulsa, OK: StatSoft. StatSoft.
http://www.statsoft.com/textbook/stathome.htmlhttp://www.statsoft.com/textbook/stathome.html
Další nepřeberné množství knih a článků a WWW stránek (články budou Další nepřeberné množství knih a článků a WWW stránek (články budou průběžně doporučovány)průběžně doporučovány)
LiteraturaLiteraturaLiteraturaLiteratura
4
• Co to jeCo to je? ? Mnohorozměrná analýza dat Mnohorozměrná analýza dat ((Multivariate Data Analysis Multivariate Data Analysis )) = = jsou jsou všechny statistické metody, které všechny statistické metody, které simultánně analyzují více proměnných simultánně analyzují více proměnných měřených na jedincích nebo objektech měřených na jedincích nebo objektech sledovánísledování..
• Proč je používatProč je používat?? MěřeníMěření ExplanaExplanacece & & predikcepredikce Testování hypotézTestování hypotéz
Co je mnohorozměrná Co je mnohorozměrná analýzaanalýza??
Co je mnohorozměrná Co je mnohorozměrná analýzaanalýza??
5
• ProměnnáProměnná
• Škály měřeníŠkály měření NNemetrickéemetrické MetMetrickérické
• MMnohorozměrná měřenínohorozměrná měření
• Chyba měřeníChyba měření
• Druhy technikDruhy technik
Základní koncepty mnohorozměrné analýzyZákladní koncepty mnohorozměrné analýzyZákladní koncepty mnohorozměrné analýzyZákladní koncepty mnohorozměrné analýzy
6
TypTypy dat a škál měřeníy dat a škál měření
DataData
MetricMetrickákánebonebo
KvantitativníKvantitativní
NNemetrickáemetrickánebonebo
KvalitativníKvalitativní
NominNominální ální škálaškála
OrdinOrdinálníálníškálaškála
IntervalInterval..škálaškála
Poměr.Poměr.škálaškála
7
• NNemetrické škályemetrické škályo NominNominálníální – – označení číslem nemá vztah k žádné označení číslem nemá vztah k žádné
velikosti.velikosti.o OrdinOrdináállníní – – existuje řazeníexistuje řazení..
• MetricMetrické škályké škályo IntervalIntervalovéové– – má vlastnosti ordinální škály a jsou zde má vlastnosti ordinální škály a jsou zde
stejné diference mezi jednotlivými body škálystejné diference mezi jednotlivými body škály..o PoměrovéPoměrové – – má vlastnosti intervalové škála+přirozená má vlastnosti intervalové škála+přirozená
nulanula..
PoznámkaPoznámka: : Typ škály je mnohdy kritický při určování Typ škály je mnohdy kritický při určování správné statistické technikysprávné statistické techniky
Škála měřeníŠkála měřeníŠkála měřeníŠkála měření
8
• Všechny proměnné jsou zatížen nějakou Všechny proměnné jsou zatížen nějakou chybouchybou. . Jaké jsou zdroje chybJaké jsou zdroje chyb??
• Chyba měřeníChyba měření = = zkresluje pozorovaný zkresluje pozorovaný vztah a znehodnocuje výsledky analýzyvztah a znehodnocuje výsledky analýzy..
• Výzkumníci používají součtové škály a Výzkumníci používají součtové škály a vytvářejí kompositní reprezentace vytvářejí kompositní reprezentace konceptů.konceptů.
Chyba měřeníChyba měřeníChyba měřeníChyba měření
9
Při posuzováníPři posuzování chyb měření si všímáme dvou chyb měření si všímáme dvou charakteristik měřenícharakteristik měření::
• ValiditValiditaa = = stupeň, jak dobře měří stupeň, jak dobře měří proměnná to, co má měřitproměnná to, co má měřit..
• ReliabilitReliabilitaa = = stupeň, jak postup měří stupeň, jak postup měří spolehlivě (bez náhodné chyby)spolehlivě (bez náhodné chyby)..
Chyba měřeníChyba měřeníChyba měřeníChyba měření
10
StatisticStatistická významnost a síla testuká významnost a síla testu
• ChybaChyba I I.. druhudruhu. Hodnota. Hodnota je pravděpodobnost je pravděpodobnost zamítnutí nulové hypotézy za předpokladu, že ona zamítnutí nulové hypotézy za předpokladu, že ona platíplatí..
• Chyba Chyba II II. druhu. . druhu. HodnotaHodnota je pravděpodobnost je pravděpodobnost nezamítnutí nulové hypotézy za předpokladu, že ona nezamítnutí nulové hypotézy za předpokladu, že ona neplatíneplatí..
• Síla testu Síla testu nebo-linebo-li 1-1- je pravděpodobnost zamítnutí je pravděpodobnost zamítnutí nulové hypotézy za předpokladu, že ona neplatínulové hypotézy za předpokladu, že ona neplatí..
HH00 platíplatí HH00 neplatí neplatí
NezamítneNezamítne H H00 1-1- Chyba II. druhuChyba II. druhu
ZamítneZamítne H H00 Chyba I. druhuChyba I. druhu
1-1-SílaSíla
11
Síla je určena třemi faktorySíla je určena třemi faktory::
• Velikostí účinku (ES)Velikostí účinku (ES):: aktuální hodnota aktuální hodnota efektuefektu ( (např.např. rozdíl mezi průměry nebo rozdíl mezi průměry nebo velikost korelace mezi proměnnýmivelikost korelace mezi proměnnými).).
• AlAlfa fa (():): nasadíme malou hodnotu, čím menší nasadíme malou hodnotu, čím menší tak zmenšujeme sílutak zmenšujeme sílu. Typic. Typickyky = = 00.05..05.
• Velikost výběruVelikost výběru:: jak rozsah výběru se jak rozsah výběru se zvětšuje, tak se zvětšuje síla.zvětšuje, tak se zvětšuje síla. Při velkých Při velkých výběrech i malou odchylku hodnotíme jako výběrech i malou odchylku hodnotíme jako statisticky významnoustatisticky významnou..
12
Na obrázku je vztah mezi silou (Y) a velikostí Na obrázku je vztah mezi silou (Y) a velikostí výběru (X)výběru (X)
13
Síla testu, statistická významnost, Síla testu, statistická významnost, nesprávné užívánínesprávné užívání
• Literatura : Literatura : částečně viz Hendlčástečně viz Hendl
• Článek: Článek: Soukup 2010Soukup 2010 ( (http://archiv.soc.cas.cz/articles/cz/73/Data-a-http://archiv.soc.cas.cz/articles/cz/73/Data-a-vyzkum.html#artID413vyzkum.html#artID413) ) a pomůcky naa pomůcky na http://samba.fsv.cuni.cz/~soukup/stat_vyznahttp://samba.fsv.cuni.cz/~soukup/stat_vyznamnost_clanek/mnost_clanek/
14
TypTypy mnohorozměrných techniky mnohorozměrných technik
• Techniky analýzy závislostíTechniky analýzy závislostí:: proměnná nebo proměnná nebo více proměnných se považují za závisle více proměnných se považují za závisle proměnné. Vysvětlují se pomocí množiny proměnné. Vysvětlují se pomocí množiny nezávislých proměnných.nezávislých proměnných.
o MMnohonásobná regresenohonásobná regreseo Mnohonásobná diskriminační analýzaMnohonásobná diskriminační analýzao LogitLogitováová//llogisticogistická regreseká regreseo Mnohonásobná analýza rozptylu a kovarianceMnohonásobná analýza rozptylu a kovarianceo KKanonicanonická korelační analýzaká korelační analýzao StruStrukturální modelováníkturální modelování (SEM) (SEM)
15
• Techniky pro hledání podobnostíTechniky pro hledání podobností (interrelací)(interrelací) bez rozlišení na závislé a bez rozlišení na závislé a nezávislé proměnné, více proměnnýchnezávislé proměnné, více proměnných..
o Metoda hlavních komponent a faktorová Metoda hlavních komponent a faktorová analýzaanalýza
o Shluková analýzaShluková analýzao Mnohorozměrné škálováníMnohorozměrné škálovánío KKorespondenorespondenční analýzační analýza
TypTypy mnohorozměrných techniky mnohorozměrných technik
16
Výběr technik mnohorozměrné Výběr technik mnohorozměrné analýzyanalýzy
1.1. Jaký typ vztahu se zkoumáJaký typ vztahu se zkoumá– – závislosti nebo závislosti nebo interrelaceinterrelace??
2.2. Vztah závislostiVztah závislosti: : Kolik proměnných se Kolik proměnných se predikujepredikuje?? Jaká je škála proměnných závisle Jaká je škála proměnných závisle
proměnnýchproměnných?? Jaká je škála nezávisle proměnnýchJaká je škála nezávisle proměnných??
3.3. Interdependence: Interdependence: Zkoumáme vztahy Zkoumáme vztahy (podobnosti) mezi proměnnými, respondenty (podobnosti) mezi proměnnými, respondenty nebo objektynebo objekty??
17
Mnohonásobná regreseMnohonásobná regrese
Jednoduchá metrická Jednoduchá metrická
závisle proměnná závisle proměnná
predikovaná několika predikovaná několika
nezávisle proměnnými nezávisle proměnnými
(metrickými)(metrickými)..
Bude v kurzu JSM 034Bude v kurzu JSM 034
18
Nemetrická (nominální) závisle Nemetrická (nominální) závisle
proměnná je predikována proměnná je predikována
několika metrickými nezávisle několika metrickými nezávisle
proměnnýmiproměnnými..
Bude v kurzu JSM 034Bude v kurzu JSM 034 Příklady
• Pohlaví – Muž resp. žena
• Těžký případ nemoci, lehký případ nemoci
• Kreditní důvěra, kreditní nedůvěra
• Člen nebo nečlen
DisDiskriminační analýzakriminační analýza
19
LogisticLogistická regreseká regrese
Jednoduchá závisle nemetrická proměnná Jednoduchá závisle nemetrická proměnná
je predikovaná několika metrickými je predikovaná několika metrickými
nezávisle proměnnýminezávisle proměnnými . Tato technika je . Tato technika je
podobná diskriminační analýze, ale podobná diskriminační analýze, ale
výpočty jsou trochu jiné, podobné regresi.výpočty jsou trochu jiné, podobné regresi.
Bude v kurzu JSM 034Bude v kurzu JSM 034
20
MANOVAMANOVA
Několik metrických proměnných je Několik metrických proměnných je
predikováno několika kategoriálními predikováno několika kategoriálními
nezávisle proměnnými nezávisle proměnnými
(nemetrickými)(nemetrickými)..
21
Kanonická korelační Kanonická korelační analýzaanalýza
Několik metrických závisle Několik metrických závisle proměnných je predikováno několika proměnných je predikováno několika metrickými nezávisle proměnnými.metrickými nezávisle proměnnými.
22
StruStrukturální modelováníkturální modelování (SEM) (SEM)
Hodnotí se několik provázaných Hodnotí se několik provázaných závislostí, vychází se ze dvou modelůzávislostí, vychází se ze dvou modelů::
1.1. StruStrukturální modelkturální model
2.2. ModelModel měření měření
Bude v kurzu JSM 034Bude v kurzu JSM 034
23
. . . .. . . . AnalyzAnalyzují se struktury ují se struktury vztahů mezi velkou množinou vztahů mezi velkou množinou proměnných, aby bylo možno určit proměnných, aby bylo možno určit společné faktoryspolečné faktory.. De facto hledáme De facto hledáme podobné proměnné. (viz JSB 029 a podobné proměnné. (viz JSB 029 a JSM031)JSM031)
Faktorová analýza
24
. . . .. . . . Skupina objektůSkupina objektů (respondent (respondentii, , produproduktykty, firm, firmy atd.y atd.) ) se analyzuje pomocí se analyzuje pomocí měr vzdáleností a určují se kategorie měr vzdáleností a určují se kategorie objektů (shluky)objektů (shluky).. De facto hledáme De facto hledáme podobné případy. (viz JSM 031)podobné případy. (viz JSM 031)
Shluková analýzaShluková analýza
25
MMnohorozměrné škálovánínohorozměrné škálování
. . .. . . IdentifiIdentifikují se nerozpoznané kují se nerozpoznané dimenze, které diferencují objekty zájmu dimenze, které diferencují objekty zájmu pomocípomocí::
• podobnostípodobností nebonebo
• preferencpreferencíí
Opět hledáme podobné případy (viz Opět hledáme podobné případy (viz
JSM 031)JSM 031)
26
Korespondenční analýzaKorespondenční analýza
. . .. . . Používá nemetrická data a Používá nemetrická data a
vyhodnocuje lineární nebo nelineární vyhodnocuje lineární nebo nelineární
vztahy, aby bylo možné nalézt asociace vztahy, aby bylo možné nalézt asociace
mezi objekty a určit popisné mezi objekty a určit popisné
charakteristiky objektůcharakteristiky objektů..
Hledáme vazby mezi řádky a sloupci Hledáme vazby mezi řádky a sloupci
kontingenční tabulky (viz JSM 152).kontingenční tabulky (viz JSM 152).
27
Pokyny pro provedení Pokyny pro provedení mnohorozměrné analýzymnohorozměrné analýzy
• Určujeme věcné a statistické Určujeme věcné a statistické významnostivýznamnosti
• Velikost souboru určuje výsledek Velikost souboru určuje výsledek (nadto potřebujeme zpravidla (nadto potřebujeme zpravidla dostatečně velká data)dostatečně velká data)
• Poznáváme dataPoznáváme data
• Hledáme úsporný popisHledáme úsporný popis
• Posouzení chyb a opomenutíPosouzení chyb a opomenutí
• ValidValidizace výsledkůizace výsledků
28
Fáze 1:Fáze 1: Určíme výzkumný problém, cíle Určíme výzkumný problém, cíle a mnohorozměrnou techniku a mnohorozměrnou techniku
Fáze 2:Fáze 2: Navrhneme plán analýzyNavrhneme plán analýzy
Fáze 3:Fáze 3: Vyhodnotíme předpoklady technikyVyhodnotíme předpoklady techniky
Fáze 4:Fáze 4: Odhadujeme parametry modelu Odhadujeme parametry modelu a vyhodnocujeme kvalitu proložení a vyhodnocujeme kvalitu proložení
Fáze 5:Fáze 5: Interpretujeme získané výsledkyInterpretujeme získané výsledky
Fáze 6:Fáze 6: ValidValidizujeme získaný modelizujeme získaný model
Poznámka: Často zpracováváme sekundárně data, Poznámka: Často zpracováváme sekundárně data, pak odpadá bod 2.pak odpadá bod 2.
Strukturovaný přístup k MA při Strukturovaný přístup k MA při tvoření modelutvoření modelu
29
Kontrolní otázkyKontrolní otázky
1.1. Co je mnohorozměrná analýzaCo je mnohorozměrná analýza??
2.2. Proč používáme mnohorozměrnou Proč používáme mnohorozměrnou analýzuanalýzu??
3.3. Proč je znalost škály důležitá v Proč je znalost škály důležitá v mnohorozměrné analýzemnohorozměrné analýze??
4.4. Jaké základní aspekty musíme Jaké základní aspekty musíme posuzovat v mnohorozměrné analýzeposuzovat v mnohorozměrné analýze??
5.5. Popište proces aplikace Popište proces aplikace mnohorozměrné analýzy ?mnohorozměrné analýzy ?