Kui faktorite arv on väiksem mõõdetud tunnuste arvust, siis tunnuse kommunaliteet (faktorite poolt seletatav hajuvus) on väiksem kui 1 , st osa vastava muutuja hajuvusest jääb kirjeldamata (kommunaliteediprobleem). Kui eraldatakse kaks faktorit, siis reeglina seletavad nad koguhajuvusest suurema osa kui seda teeks üks faktor hi2 D i21 D i22 Kommunaliteetide algväärtused valitakse ette ja lisatakse korrelatsioonimaatriksi peadiagonaali elementidele. Kehtib reegel: mida suurem on muutujate arv, seda vähem oluline on kommunaliteetide täpne hindamine (sest peadiagonaali elementide osakaal kõigi elementide hulgas väheneb kiiresti maatriksi mõõtmete suurenedes). Näites oletame, et eksisteerib kaks varjatud tegurit (faktorit), mida mõõdetud suurused siis esitavad. x1 , x 2 ja x3 väljendavad faktorit ,,tervis", x 4 ja x5 aga faktorit ,,majanduslikkus". Faktoreid vaadeldakse seega kui muutujate kimpe
külastust. Püstitasin järgmised hüpoteesid: H0: Sooliselt spordiklubi külastamine nädalas ei erine H1: Sooliselt spordiklubi külastamine erineb oluliselt Selgus, et meeste ja naiste spordiklubide külastamine ei erine oluliselt. Mehed külastavad küll pisut tihedamalt spordiklubisid, kuid mitte oluliselt. Tulemus oli loogiline kuna naistele meeldib tegeleda rohkem kestvusspordialadega ja meestele spordiklubides rehkida. Teiseks viisin läbi korrelatsioonianalüüsi, korrelatsioonimaatriksi ning selle põhjal tegin hajuvusdiagramme. Korrelatsioonianalüüsis oletasin, et inimeste sissetulekul ja kehakaalu vahel on omavahel seos. Selgus, et seos oli olemas kuid pigem nõrk (korrelatsioonikordaja: 0,37). Võrdlesin ka kaalu ning pikkuse vahelist seost. Nende vaheline seos oli olulisemalt tugevam, nagu oli ka arvata (korrelatsioonikordaja: 0,65). Korrelatsioonimaatriksist selgus, et omavahel on seoses mitmed tegurid: kehakaal ja
kohustused. 4) olulisuse printsiip raamatupidamise aruandes 20. Alamruumi meetodid Likviidsuskordaja = (käibevara-varud- ettemaksed)/ peab kajastuma kogu oluline informatsioon, mis Pisarenko harmooniliste dekompositsioon on likviidsed kohust. mõjutab raamatupidamiskohustuslase ajalooliselt esimene korrelatsioonimaatriksi finantsseisundit, majandustulemust ja rahavoogusid. omaväärtuslahutusel põhinev sageduse hindamise TOIMIMISUHTARVUD 5) järjepidevuse ja võrreldavuse printsiip moodus. Pisarenko lähtub mudelist, kus signaalis on Varude käibekordaja =müüdud toodangu otsekulud/ raamatupidamise aruande koostamisel kasutatakse
versioonidel on adekvaatsed psühhomeetrilisi omadusi. Üldise skaala alfa koefitsient oli uuringus .94. TULEMUSED JA AUTORI JÄRELDUSED Kohanemise Kaksikskaala (DAS) kui ka NEO Viie Faktori Testi tulemused (NEO-FFI - mis mõõdab selliseid isikuomadusi nagu neurootilisus, ekstravertsus, avatus, sotsiaalsus ja meelekindlus) Naiste abielulise kohanemise skooride ja meeste abielulise kohanemise skooride vahel oli märgatav korrelatsioon. Korrelatsioonimaatriksi uurimine näitab, et meeste ja naiste abielulise kohanemise ja isikuomaduste korrelatsioonid olid üldiselt positiivsed, kuid välja arvatud neurootilisuse puhul. Nii meeste kui naiste puhul oli isikuomaduste vaheline korrelatsioon kõige väiksem avatuse ja neurootilisuse korral, samas kui kõige suurem korrelatsioon oli ekstravertsuse ja neurootilisuse vahel. Kõrge neurootilisuse tasemega naised olid abieluliselt vähem kohanenud. Erinevate
võimalikult täpne ning et seal oleks vaid kõige olulisemad muutujad, tekib vajadus alguses valitud näitajate seas teha uus valik. Valiku aluseks on nõrkade ja väga väikest mõju avaldavate muutujate eemaldamine. Selliste muutujate leidmiseks tehakse korrelatsioonianalüüs, mis oma olemuselt on nähtuste vaheliste seoste statistilise analüüsi meetod. Kasutades Exceli protseduuri Tools/Data Analysis/Correlation, koostasime korrelatsioonimaatriksi , mille abiga leitakse seoste olemasolu, tugevus, suund ning statistiline olulisus, korrelatsioonimaatriks (tabel 2.) Valiku kriteeriumiks võeti iga muutuja ja ettevõtte kogumüügi vaheline korrelatsioon Edasisel analüüsil määrati kindlaks näitajat, mis avaldavad piima tootmise muutusele kõige suuremat mõju. Seose tugevust tuli hinnata korrelatsioonikordaja absoluutväärtuse alusel. Mida suurem on kordaja absoluutväärtus, seda suurem on
võrdsed. Edasi püstitasime hüpoteesid, kus H 0 on, et kinnisvara ja veemajanduse üliõpilaste testi tulemused olid ühesugused ning H1 on, et need ei olnud ühesugused. 11 Kasutades T-testi (vt. Tabel 30) võime öelda, et kinnisvara ja veemajanduse üliõpilaste keskmised testi tulemused ei olnud ühesugused. 12 Mudeli koostamine Esmalt teeme korrelatsioonimaatriksi (vt. Tabel 5), et vaadata, milliste tunnuste vahel on tugevad seosed ja milliste vahel mitte. Tabel 5. Korrelatsioonimaatriks. korrelatsiooni maatriks aasta sugu test eksam/kool hinne kood aasta 1 sugu -0,32706 1 test -0,16178 0,145461 1 eksam/kool 0,058928 0,003537 0,443011 1
väärtuse): kui on teada, et omaduste (testide) X ja Y vahel on kõrge korrelatsioon, siis saame X-I tulemuste abil ennustada tulemusi testis Y. Näiteks enamik sisseastumiseksami või töölevõtmise teste/katseid baseerub sellistel ennustustel. Regressioonanalüüs - muutujatevaheliste seoste kasutamine tulemuste prognoosimiseks. Lineaarne regressioon - võimaldab väljendade ennustatavaid suurusi; Faktoranalüüs - korrelatsioonimaatriksi töötlus eesmärgiga saada suurest andmehulgast teatud põhidimensioonidel rajanev struktuur. 5. Normid kui interpreteerimise alus. Normgrupp ja selle omadused. Norm tähendab standardit, millega testis saadud skoore võrreldakse. Saame öelda, kas ühe indiviidi tulemus on kõrge, keskm., madal... Seda saab öelda ainult millegi suhtes! Norm (konkreetses mõttes) on populatsiooni keskmine tulemus (teat. piirides). Normgrupi omadused:
Analyze Correlate Bivariate. Options alt saate valida, mida teha puuduva andmestikuga. Vaikimisi peaks seal olema käsklus Exclude cases pairwise, mis tähendab, et kui terve indiviidi/andmerea sees on ühel muutujal väärtus puudu, siis ainult seda andmepunkti ei kasutata edaspidises analüüsis kõigi teiste muutujate vahelisi korrelatsioone aga vaadatakse. Exclude cases listwise aga eemaldab terve indiviidi/andmerea. Viimast käsklust kasutades oleksid kõikides korrelatsioonimaatriksi lahtrites valimid võrdsed. Lineaarne (paaris)regressioon Regressioon on korrelatiivne protseduur, mis võimaldab tulemuse väärtusi korrelatsiooni alusel mingi teise muutujaga ennustada. Korrelatsioon ja regressioon on olemuselt üsna sarnased mõisted; arvuliselt on tegelikult Pearsoni r, mis väljendab kahe muutuja (nt X ja Y) vahelist seost, üsna sama väärtusega kui standardiseeritud regressiooni koefitsient. See tähendab ka seda, et determinatsioonikordaja R 2 on sarnase väärtusega
Faktori A korral F = 5,9 Faktori B korral F = 2,3 Kummal juhul on faktori poolt põhjustatud seletatud hajumine suurem, võrreldes seletamata hajumisega? A 4. Milline on teststatistiku F väärtus toodud ANOVA tabeli korral (kollases lahtris)? 6,48 5. Faktori A mõju uurimiseks viidi läbi dispersioonanalüüs. Kas faktori A mõju funktsioontunnusele on tõestatud Otsustamiseks kasuta olulise nivood 0,05. Ei, faktori mõju pole tõestatud. 6. Toodud korrelatsioonimaatriksi põhjal tee õiged valikud. a. Negatiivse korrelatsiooniga on tunnused B ja D, b. Teistega kõige nõrgemini on seotud tunnus C, c. Kõige tugevamini on seotud tunnused B ja D 7. Analüüs näitab, et kui aktsia X hind eile kasvas, siis suure tõenäosusega kasvab see ka täna. Kui aga hind eile kahanes, siis tõenäoliselt kahaneb see ka täna. Sellisel juhul esineb autokorrelatsioon. 8
Sel viisil leitud parameetrite alusel arvutatakse kõigi võrrandite regressioonijäägid. Antud meetodi kasutamine on põhjendatud ainult sel juhul, kui erinevate võrrandite regressioonijäägid on omavahelises sõltuvuses. Kolmeastmelise vähimruutude meetodi praktilisel kasutamisel peab silmas pidama järgmisi asjaolusid: seosevõrrandid (samasused) tuleb enne kolmandat astet mudelist kõrvaldada; kui aga regressioonijääkide korrelatsioonimaatriksi üksikud blokid kujutavad endast diagonaalmaatriksit, siis kolmeastmelise vähimruutude meetodit on otstarbekas kasutada eraldi nende blokkide lõikes. Meetodi kasutamine on õigustatud siis, kui kõigi võrrandite regressioonijäägid on omavahel korreleeritud. 24. Simulatsioonil baseeruvad ökonomeetrilised mudelid. Näide taoliste mudelite koostamisest. Need on mudelid, mille lähteandmed ei ole statistikaameti poolt hangitud vaid on arvutuslikud suurused
Options alt valida, mida teha puuduva andmestikuga. Vaikimisi peaks seal olema käsklus Exclude cases pairwise, mis tähendab, et kui terve indiviidi/andmerea sees on ühel muutujal väärtus puudu, siis ainult seda andmepunkti ei kasutata edaspidises analüüsis kõigi teiste muutujate vahelisi korrelatsioone aga vaadatakse. Exclude cases listwise aga eemaldab terve indiviidi/andmerea. Viimast käsklust kasutades oleksid kõikides korrelatsioonimaatriksi lahtrites valimid võrdsed 2) OSAKORRELATSIOON Analyze Correlate Partial Valige uuritavad muutujad ning lahtrisse Controlled for lisage kontrollmuutuja. Nt: Ülesanne 12. Vaadake eelmises analüüsis PISA tulemuste, demokraatiindeksi ning GDP omavahelisi korrelatsioone. Kui suured nad on? Kas nad on statistiliselt olulised? Kuivõrd PISA tulemusi võib ennustada vaimne võimekus, mis siinses andmefailis on
Sel viisil leitud parameetrite alusel arvutatakse kõigi võrrandite regressioonijäägid, mis on lähteinfiks kolmeastmelise vähimruutude meetodile. Meetodi kasutamine on põhjendatud sel juhul, kui erinevate võrrandite regressioonijäägid on omavahelises sõltuvuses. Kolmeastmelise vähimruutude meetodi praktilisel kasutamisel peab silmas pidama järgmisi asjaolusid: a) seosevõrrandid (samasused) tuleb enne kolmandat astet mudelist kõrvaldada, b) kui aga regressioonijääkide korrelatsioonimaatriksi üksikud blokid kujutavad endast diagonaalmaatriksit, siis kolmeastmelise vähimruutude meetodit on otstarbekas kasutada eraldi nende blokkide lõikes. Meetodi kasutamine on õigustatud siis, kui kõigi võrrandite regressioonijäägid on omavahel korreleeritud.Põllumajandusstatistika näitajate süsteem.Enamik ökonomeetrias kasutatavaid arvandmeid on hangitud statistikaorganite poolt.Kogutud info võimaldab anda hinnangut Eesti põllumajanduse
Tulemuse võib suunata aktiivsele või ka uuele töölehele (juuresoleval näitel valitud viimane ning antud ka töölehele nimi). 77 Matemaatika ja statistika 2008/2009 Protseduuri Correlation tulemusena saame järgmise korrelatsioonimaatriksi. Maatriksis on näha, et terve hulk õppeaineid on keskmise hindega küllalt tugevalt seotud, samas esineb ka tugevapoolseid seoseid argumenttunnuste endi vahel (näiteks paarid Ingl-Ajalugu, Ingl-Matem, Emakeel-Ajalugu, Ajalugu-Hoolsus, Matem-Hoolsus, Käitum-Hoolsus). Keskmine Inglise k Vene k Emakeel Ajalugu Kunst Matem Käitum Hoolsus Keskmine 1 Inglise k 0,701 1 Vene k 0,496 0,309 1
annaabi.ee 
