1. PRAKTIKUM 1) JÄRJESTAMINE NOOREMAST VANIMANI Parmeklõps Sort Ascending/Descending -> Kasvavas/Kahanevas järjestuses Data Sort cases Sort Ascending/Sort Descending (tuleb valida muutujad ka) 2) VARIABLE VIEW 3) KIRJELDAVAD ANDMED Leiame vanusele antud hinnangute keskmise, moodi, mediaani, maksimaalse ning minimaalse hinnangu. + HISTOGRAMM Käsklusrida: Analyze - Descriptive statistics Frequencies. Muutujatekasti liigutage muutuja. Statistics -Mean, Mode, Median, Minimum, Maximum. Charts - Histograms 2. PRAKTIKUM 1) UUE MUUTUJA ARVUTAMINE Tihtipeale tuleb andmete töötlemise jooksul tekitada uusi muutujaid eelmiste muutujate põhjal. Käesolevas praktikumis tutvume uue muutuja arvutamise põhitõdedega. Etteruttavalt võib öelda, et me arvutame saadavaloleva andmestiku põhjal uueks muutujaks kehamassiindeksi (BMI body mass index). Käsklusrida: Transform Compute variable
ANDMEANALÜÜSI KONSPEKT Sisukord Andmefailid SPSS'is................................................................................................ 2 Normaaljaotuse kontroll.......................................................................................... 2 ANOVA vs T-test...................................................................................................... 2 ANVOA või regressioonanalüüs............................................................................... 3 Efekti suurus........................................................................................................... 3 Andmeanalüüs SPSS'is........................................................................................... 4 Kirjeldav statistika............................................................................................... 4 Kuidas testida normaaljaotust?.........................................................................
Kui näiteks kahe võrreldava grupi usalduspiirid ei kattu, saame öelda, et tõenäoliselt laieneb valimi erinevus ka populatsioonile. Vastavalt usaldusnivoo väärtusele arvutatakse parameetri usalduspiirid so. kaks arvu, mille vahel parameeter asub etteantud tõenäosusega. Valem 95% usalduspiiride arvutamiseks: Alumine usalduspiir= X̅-1.96SD*SEM Ülemine usalduspiir= X̅+1.96SD*SEM Usaldusnivoo (confidence level) on psühholoogias 95%, ehk et 95 % tõenäosusega on tulemus usaldusäärne. Olulisusnivoo (level of significance) ehk vea tõenäosus on sellisel juhul p=0,05 ehk tõenäosus eksida valimi tulemuste populatsioonile laiendamises on 5% o Esimest liiki viga – arvatakse, et tulemused kehtivad populatsioonile, kuigi ei kehti (false positive) o Teist liiki viga – arvatakse, et tulemused ei kehti populatsioonile, kuigi
Andemanalüüsi konspekt: Mõisteid küsitakse eksamis: näidete toomise, selgitamise, võrdlemise ja analüüsimise tasandil. Binaarne tunnus- sugu; jah/ei Järjestustunnus- kooli tüüp, 1-väga hea, 2- hea jne(NB!- Õpilaste hinnang koolile), kui suured on klaassid- väga suured, suured jne, milline kooli maine- väga hea, hea jne, millisesse vahemikku jääb arv (0-200, 201-301 jne) oluline oleks, et Display frequence ees oleks linnuke, siis saab teha sagedustabeli Intervalltunnus- 1-väga hea, 2-hea jne (NB!_- Kooli hoolekogu hinnang eelmise õppeaasta tulemustele?/ Kooli hoolekogu hinnang eelmise aasta juhtimisele?) , hulk (n: minu klassi avatakse), vanus (keskmine vanus), kui kaugel asub kool millestki- km-tes, Nimitunnus- millegi nimi, huviringude nimed, kooli nimi jne, kas koolis töötab nõustaja- ei tööta, töötab, mõlemad jne, Kiire ü
Statilised järeldused Isiklik veeb: www.tlu.ee/ˇkairio Kursuse veeeb: www.tlu.ee/ˇkairio/7070 Kursus hõlmab üldistavat statistikat. Tõmba SPSS 14p treial Võid ka vaadata nuditud vabavara PSPP Tunnused on väga oluline. Intervall - – väärtused on järjestatavad ning nende väärtuste vahemikud on võrdsed. Nt. sissetulek (123€, 125€, 130€, 1500€ jne.); -pikkus, kaal, avtelg, mitu eurot. Saab arvutada skeskväärtust. On anud vahemike otspunktid – siis läheb ta selle alla nt kui üks on hea ja 10 on halb, siis määramatu keskosa annab meile intervalltunnused. Järjestus- tunnused, mille väärtused moodustavad kategooriad ning neid saab omavahel järjestada. Samas ei ole nende väärtuste vahemikud võrdsed. Nt. hinnang (väga hea, hea, rahuldav) nt 0-100, 101-100 jne –vahemikud ei ole ühepikkuses, keskmist arvutada ei saa. Ka skaalad. – on olemas kindel järjekord aga v.heast heani ja heast halvani ei ole ühepikused Binaarne- sellel on ainult
Andmeanalüüs MS Exceli abil Andmeanalüüs MS Exceli abil Järgnev õpetus püüab võimalikult 'puust ja punaselt' ette näidata elementaarse andmeanalüüsi teostamise võimalused MS Excelis. Samas ei ole see materjal mõeldud matemaatilise statistika konspektiks, vastavad teadmised/materjalid eeldatakse kasutajal enesel olemas olevat. Seetõttu pole ka eriti tegeletud konkreetsete näidetega ega tulemuste tõlgendamisega. See konspekt ei ole Andres Kiviste 1998 aastal ilmunud vihiku "Matemaatilise statistika algteadmisi ja rakenduslikke näiteid MS Exceli keskkonnas" ümbertrükk. MS
TALLINNA TEHNIKAÜLIKOOL Majandusteaduskond Rahandus ja majandusteooria instituut Matemaatika, statistika ja ökonomeetria õppetool Laura Kallasvee, Liisi Saksakulm BRUTOPALKADE SEOS HARIDUSE, SOO JA ELUKOHAGA EESTI MAAKONDADE LÕIKES AASTATEL 2005-2008 Ökonoomeetriline projekt Juhendaja: dotsent Ako Sauga Tallinn 2014 SISUKORD SISSEJUHATUS.........................................................................................................................4 1. REGRESSIOONANALÜÜS..................................................................................................7 1.1. Ökonomeetriline mudel....................................................................................................7 1.2. Töös kasutatavad andmed..........................................
Ökonomeetria KT kordamisküsimused 1. Ökonomeetrilise mudeli komponendid. ● Modelleeritavad näitajad: endogeenselt (sisemiselt) määratud ehk sõltuvad muutujad (Y). Väärtused määratakse mudeli siseselt ● Modelleeritavat nähtust mõjutavad näitajad: eksogeenselt (väliselt) määratud ehk sõltumatud, seletavad muutujad (X). Väärtused määratakse mudeli väliselt. ● Statistiliste meetoditega hinnatavad mudeli parameetrid (b). ● Juhuslik komponent ehk vealiige (u). 2. Andmetüübid. Ökonomeetriline mudel baseerub arvandmetel: ● Ristandmed (cross-sectional) ● Aegread (time series) ● Paneelandmed (panel data) Andmed saavad olla kas ● Kvalitatiivsed (ei saa mõõta arvudega, nt haridustase) ● Kvantitatiivsed (mõõdetakse arvudega, nt vanus) 3. Valimvaatlused ja parameetri hinnangu mõiste. ● Uuritav objekt on üldkogum ● Andmebaas on üldjuhul valim Järeldusi soovime teha üldkogumi kohta, selleks kasuta
Kõik kommentaarid