õppekeskuse või tudengi soo lõikes? 5. Kas hinnete jaotus õppeaines Andmeanalüüs sotsiaalteadustes erineb õppevormi, õppekeskuse või soo lõikes? 6. Analüüsige õppeaine Matemaatika ja statistika keskmist hinnet soo, eriala ja õppevormi lõikes. 7. Analüüsige õppeaine Andmeanalüüs sotsiaalteadustes keskmist hinnet soo ja õppevormi lõikes. 8. Missugune on seos MS ja AA eksamihinnete vahel? Tõlgenda saadud tulemust. Kas leitud seosekordaja on statistiliselt oluline (olulisuse nivool 0,05)?
Crameri V väärtus on alati 0 ja 1 vahele, mida lähemal on väärtus 1-le, seda tugevamalt on uuritavad tunnused seotud. 3.2. Monotoonne sõltuvus Monotoonset sõltuvust saab määrata järjestus- ja arvtunnuste puhul, seega ei sobi see nominaalsete ja binaarsete tunnuste jaoks. Monotoone sõltuvus tähendab, et ühe tunnuse väärtuse kasvades või kahanedes ka teise tunnuse väärtused kasvavad või kahanevad. Monotoonset sõltuvust mõõtvad kordajad muutuvad vahemikus -1 kuni 1. Seosekordaja on positiivne, kui tunnused muutuvad samasuunaliselt tegemist on positiivse monotoonse suhtega. Kordaja on negatiivne, kui tunnused muutuvad vastassuunaliselt tegemist on negatiivse monotoonse suhtega. Kui seosekordaja on null, siis monotoonne sõltuvus tunnuste vahel puudub. Mida suurem on seosekordaja absoluutväärtus, seda tugevam on monotoonnse sõltuvus. Kordame, et kordaja on sisutühi, kui vähemalt üks tunnustest on nominaalne või binaarne. Levinuim monotoonse sõltuvuse
kehtimisel tema väärtused jääma Kui hii-ruut-stat väärtus on sellest piirist suurem, võib arvata, et ka üldkogumil on vaadeldud tunnuste vahel seos olemas Kuidas esitada tulemusi: Hii-ruut-stat väärtusi esitatakse teksti sees Märgitakse ära hii-ruut-stat väärtus, vabadusastmete arv (df) ja olulisuse tõenäosus Kui protsentjaotused on töös esitatud tabelina, siis tihti lisatakse hii- ruut-stat või seosekordaja väärtus tabeli pealkirja/allkirja Võimalik on lisada tabelisse ka sellekohane rida (see on eriti mõistlik juhul, kui samasse tavelisse on koondanud mitme grupeeriva tunnuse võrdlused) Vahel märgitakse ka lihtsalt statistiliselt oulised erinevused tärnidega (lisamata juurde konkreetset statistiku väärtust) Kasutamise praktilisi probleeme Hii-ruut-statistiku kasutamisel oleks vajalik, et selle aluseks olevas
korrelatsioonikordajat, näeme, et tegelikult seos nende kahe näitaja vahel eksisteerib. Seega tasub esmalt kontrollida, kas seos muutujate vahel on lineaarne. Kui seos lineaarne ei ole, siis saame kasutada mõnd teist korrelatsioonikordajat, mis mõõdab seose tugevust ka teiste seoste puhul. Pidevad andmed(saab üle lugeda)- Pearson Järjestustunnused- Spearman, Kendall Nominaaltunnused- Phi, Crameri V, kontigentsus koefitsient Seosekordaja valik Pidev tunnus Järjestustunnus Nominaaltunnus Pidev Pearson(lineaarne seos); Spearman, Kendall - Spearman/Kendall mittelineaarne seos Järjestus Spearman, Kendall Spearman, Kendall Crameri V, Phi,
atraktiivsemaks kui kõrvale vaatava pilguga pilte, Z = ..., p = .02. Alternatiivselt: Wilcoxoni Signed Ranks Test näitas, et otse vaatava pilguga piltide atraktiivsuse astakud olid statistiliselt oluliselt kõrgemad kui kõrvale vaatava pilguga piltide astakud, Z = ..., p = .02. Korrelatsioon Korrelatsiooni kasutatakse selleks, et uurida muutujate vahelisi seoseid ning nende seoste tugevust. Parameetriline seosekordaja on Pearsoni r, mitteparameetrilisteks seosekordajateks on Spearmani roo ning Kendalli tau. Mitteparameetriliste analüüside korral kasutatakse tihtipeale Spearmani roo statistikut, ent Kendalli tau-d peetakse paremaks näitajaks väiksematel valimitel. Pearsoni korrelatsioonikordaja eeldused: - muutujad peaksid olema mõõdetud intervall või suhteskaalal; - lineaarne seos muutujate vahel (hea viis testimiseks -> Scatterplot -> visuaalselt hinnata seose olemust);
Analyze General Linear Model Repeated Measures Esialgu tuleb teil määrata uuritav faktor. Nende andmete puhul tahame teada sõnade valentsi mõju meenutamisele. Panemegi faktori nimeks ,,valents". Tasemete arvuks (Number of Levels) pange kolm, üks tase iga katsetingimuse kohta. Tasemete sisu saate määrata järgmisest menüüst. 7. PRAKTIKUM = KT 8. PRAKTIKUM Korrelatsiooni kasutatakse selleks, et uurida muutujate vahelisi seoseid ning nende seoste tugevust. Parameetriline seosekordaja on Pearsoni r, mitteparameetrilisteks seosekordajateks on Spearmani roo ning Kendalli tau. Mitteparameetriliste analüüside korral kasutatakse tihtipeale Spearmani roo statistikut, ent Kendalli tau-d peetakse paremaks näitajaks väiksematel valimitel. Korrelatsioonikordaja on sisuliselt ka efekti suuruse ning mudeli seletusvõime näitaja. Võttes korrelatsiooni ruutu, saame R2 statistiku ehk, eesti keeles, determinatsioonikordaja
t-Test: Paired Two Sample for Means. Protseduuri sisend ja väljund on jällegi analoogsed eelnevate (keskmiste võrdlemisel t-testiga võrdsete või mittevõrdsete dispersioonide korral kasutatud) protseduuridega. Vaid väljundtabelis on nimetuse Pearson Correlation taga ära toodud võrreldavate tunnuste vaheline Pearsoni seosekordaja. http://www.htg.tartu.ee/~a9tp/mirror/www.eau.ee/%257Ektanel/kool_ja_too/stat_excelis/hypot_ttest.html (3 of 4)29.05.2006 15:09:02 Andmeanalüüs MS Exceli abil - hüpoteeside kontroll (t-test) Kahe üldkogumi keskväärtuste võrdlemine - t-test Funktsioon TTEST(Array1,Array2,Tails,Type) Kahe üldkogumi keskväärtuste võrdlemiseks nii sõltuvate kui ka sõltumatute
annaabi.ee 
