t Critical two-tail väärtus etteantud olulisuse nivoo ja kahepoolse hüpoteesi korral Praks 5 Korrelatsioonanalüüs, funktsioon CORREL ja protseduur Correlation; korrelatsioonikordaja statistiline olulisus. Kas tudengite pikkus ja jalanumber on seotud? Pikkuse ja jalanumbri vaheline lineaarne korrelatsioonikordaja Korrelatsioonanalüüs. Tunnustevahelise seose tugevuse ja suuna iseloomustamiseks kasutatakse korrelatsioonikordajat - r (lineaarne korrelatsioonikordaja). Korrelatsioonikordaja väärtused saavad olla vahemikus -1 r 1 ning vastavalt sellele otsustatakse seose tugevuse ja suuna üle. · Seose suund: 1. samasuunaline - r väärtus on positiivne (r>0) st ühe tunnuse suuremate väärtuste korral on ka teise tunnuse väärtused suuremad. Näiteks: Mida
Probleemid korrelatsioonikordajate kasutamisel. Kasvav seos Ühe tunnuse suured väärtused esinevad sageli koos teise tunnuse suurte väärtustega. Ühe tunnuse väikesed väärtused esinevad koos teise tunnuse väikeste väärtustega. Kahanev seos Ühe tunnuse suur väärtus esineb koos teise tunnuse väikese väärtusega. Seos puudub, tunnused on sõltumatud See, milline on ühe tunnuse väärtus, ei mõjusta teise tunnuse väärtust. Hajuvusdiagrammi põhjal saab anda esialgse hinnangu tunnustevahelise seose tugevusele. Korrelatsioonianalüüs: Korrelatsioonikordajate abiga saame mõõta tunnuste koosmuutuvust ehk kovariatsiooni. Seose sümmeetrilisus: enamasti ei saa öelda, kumb kumba põhjustab Kui tunnuste vahel on märgata ühist käitumist, siis ei pruugi see tegelikult alati tuleneda nendevahelisest sisulisest seosest. Olla ettevaatlik seoste tõlgendamisel: erindid; erinevad grupid; seos, mis tuleneb mingitest kõrvalistest tunnustest/nähtustest
· Seost risttabelis mõõdetakse hii-ruut-statistiku (c²-statistiku) abiga. Crameri V - Kui tunnused on sõltumatud, siis 0; tugevaim seos 1. · Saab kasutada sagedustabeli kuju ja kogumi suurust arvesse võtmata. 14) Hajuvusdiagramm ja korrelatsioonikordajad seose uurimiseks kahe arvtunnuse vahel. Spearmani korrelatsioonikordaja järjestustunnuste korral. Probleemid korrelatsioonikordajate kasutamisel. Hajuvusdiagrammi põhjal saab anda esialgse hinnangu tunnustevahelise seose tugevusele. Vastavalt sellele, milline on korrelatsioonikordaja märk, räägitakse positiivsest ja negatiivsest korrelatsioonist tunnuste vahel. Kui tunnuste vahel on kasvav seos, on korrelatsioonikordaja positiivne. Kui tunnuste vahel on kahanev seos, on korrelatsioonikordaja negatiivne. Spearmani korrelatsioonikordaja kasutab mõõtmistulemuste asemel nende astakuid.
........................19 Lisa 1. Kriteeriumid sisuka hüpoteeside kontrollimiseks.......................................................20 Lisa 2. Valik Studenti t-jaotuse täiendkvantiilide väärtuseid................................................ 20 Andmetöötlus sotsiaalteadustes 3 SISSEJUHATUS Käesolevas kursuses käsitletakse uuringus kogutud andmete graafilist ja arvulist kirjeldamist, tunnustevahelise seoseid (korrelatsioon, regressioon) ning selgitatakse, kuidas saadud tulemusi üldistada üldkogumile. Seega kursuse läbinu peab oskama 1) kirjeldada kokkuvõtvalt uuringu käigus kogutud andmeid ja 2) anda selle põhjal statistiliselt usaldusväärseid üldistatud tulemusi. 1. ANDMEANALÜÜSI PÕHIMÕISTED (Valik)uuringu läbiviimisel on kindlad etapid, iga etapp kasutab ja vajab umbes kolmandiku uuringu ressurssidest: 1
Seose tugevust tuli hinnata korrelatsioonikordaja
absoluutväärtuse alusel. Mida suurem on kordaja absoluutväärtus, seda suurem on
kahe juhusliku suuruse vaheline lineaarne korrelatiivne seos.
Korrelatsioonimaatriksist näeb, et kõige suurem seos on uuritaval näitajal ( piima
toodang lehma kohta (ts) lehmapiima müügiga, looma kohta, seda nii kroonides kui
tsentnerites ning samuti on suurelt seotud piima toodang sööda kogusega looma
kohta. Korrelatsioonikoefitsient näitab tunnustevahelise seose tugevust, tunnuste
omavahelist sõltuvust. Korrelatsioonikoefitsient r on vahemikus [-1; 1].
Tunnustevaheline seos võib olla:
Tugev, kui r>0,7
Keskmine, kui 0,5
Faktoriline katseplaan- seame kokku 2 tegurit nii, et tekib 4 varianti. Vanad mehed, vanad naised.. Nii võib järeldada, et oluline on just 2 tunnuse kombinatsioon. Saab 2 mõju ja nende koosmõju. Uuritakse koosmõjusid ehk kasutatakse kahte erinevat mõjutamist. Nt antakse aspiriini ja Xanaxit; aspiriini ja platseebot; platseebot ja Xanaxit. Ehk X on esimene mõjutaja ja y on teine. Faktoranalüüsi mõtteks on esile tuua ja võimalikult hästi edasi anda tunnustevahelise seose muster. 18. Mis on kontentanalüüs?- e dokumendianalüüs. Üritatakse objektiivselt kirjeldada, sarnane vaatlusega. Sageli kasutatakse standardiseeritud kontentanalüüsi abimeetodina ankeetküsitluse lahtiste küsimuste vastuste kodeerimiseks Nähtus; infoallikad; kodeerimiskategooriad; valikustrateegiad; kodeerijate koolitus; andmete analüüs. / Kontentanalüüsi tulemiks on märkide või märkide rühma ehk teksti omaduste esinemissagedused
seos – tunnuste vahel on üksühene sõltuvus – ühe tunnuse konkreetsele
väärtusele vastab alati vaid üks teda mõjutava või tema poolt mõjutatava
tunnuse väärtus. Korrelatiivne seos – ühe suuruse igale väärtusele
vastab teise suuruse hulk väärtusi, mis võib esineda mingi tõenäosusega.
44. Paariskorrelatsioonikordaja, tema usaldatavus, spearmani
korrelatsioonikordaja – Korrelatsioonikordaja on tunnustevahelise seose
tugevuse näitajaks. Exelis funkts. CORREL ja protseduur CORRELATION.
Tavaliselt : tugev seos IrI>0,7; keskmine ses 0,5
Selektsiooniefektiivsuse prognoosimisel on aga olulisem teada geneetilisi korrelatsioone tunnuste vahel, millised määratakse seoste uurimisega sugulasloomade rühmades. Seoseid võib määrata ka põlvkondade vahel näiteks järglaste ja vanemate ühe ja sama tunnuse vahel. Matemaatilise analüüsiga on võimalik määrata vaid tunnustevaheliste seoste olemasolu ja hinnata seoseid kvantitatiivselt. Seoste põhjuste selgitamine kuulub bioloogia valdkonda. Tunnustevahelise seose kvalitatiivset külge näitab korrelatsioonikordaja (-koefitsient). Ta näitab kuidas muutub üks tunnus, kui teine tunnus suureneb või väheneb. Ta näitab seose tihedust ja suunda. Korrelatsioonikordajal on kindlad piirid -1...+1. Need on ideaalsed väärtused ja praktilise analüüsi puhul tavaliselt ette ei tule. Kui ühe tunnuse (x) suurenedes teise tunnuse (y) väärtus samuti suureneb, siis on tegemist positiivse korrelatsiooniga (Joon 5.1.A)
inimese kohta ei saa öelda, et teda iseloomustaks mingi kindel pikviklikkuse või donkihhotluse määr. · Allport eristab idiograafilisi ja nomoteetilisi omadusi (traits). Korrelatsioon · Üks võimalus selle mitmekesisuse vähendamiseks on vaadata, millised omadused empiiriliselt sageli koos esinevad. Faktoranalüüs · Mitmemõõtmelise statistika meetod andmehulga vähendamiseks ning tunnustevahelise struktuuri kirjeldamiseks · Vaadeldud tunnuseid kirjeldatakse oletatavate tunnuste (faktorite) ja juhusliku "vea" (unikaalsuse) kombinatsioonina Üldfaktor · Kõigis isiksuseomadustes on hinnanguline komponent. · See on osaliselt seletatav vastamisstiilide ja motiividega (ilustatud kirjeldused), kuid osaliselt ka positiivsete omaduste tegeliku kovariatsiooniga. · Üldfaktori "suurus" või "seletusjõud" ei ole alati sama: see sõltub vastamiskonteksistja valimi eripäradest. Üldfaktori
Selektsiooniefektiivsuse prognoosimisel on aga olulisem teada geneetilisi korrelatsioone tunnuste vahel, millised määratakse seoste uurimisega sugulasloomade rühmades. Seoseid võib määrata ka põlvkondade vahel näiteks järglaste ja vanemate ühe ja sama tunnuse vahel. Matemaatilise analüüsiga on võimalik määrata vaid tunnustevaheliste seoste olemasolu ja hinnata seoseid kvantitatiivselt. Seoste põhjuste selgitamine kuulub bioloogia valdkonda. Tunnustevahelise seose kvalitatiivset külge näitab korrelatsioonikordaja (-koefitsient). Ta näitab kuidas muutub üks tunnus, kui teine tunnus suureneb või väheneb. Ta näitab seose tihedust ja suunda. Korrelatsioonikordajal on kindlad piirid -1...+1. Need on ideaalsed väärtused ja praktilise analüüsi puhul tavaliselt ette ei tule. Kui ühe tunnuse (x) suurenedes teise tunnuse (y) väärtus samuti suureneb, siis on tegemist positiivse korrelatsiooniga
Aegrea analüüs, kvaliteedi kontrolli teooria jms); Mitmemõõtmeline statistika -- kolme ja enama tunnuse omavaheliste seoste analüüsimine. Pakub enim võimalusi protsesside omavaheliste seoste hindamiseks ning sõltuvuste modelleerimiseks, sest kasutab ühe või mitme muutuja sõltuvust mitmest muutujast. Võimaldab lisaks tunnuste lihtsatele mõjudele vaadelda ka koosmõjusid. Mitmemõõtmelise analüüsi meetodeid on võimalik rühmitada vastavalt soovitavale tunnustevahelise seose tüübile (sõltuvustehnikad ja sõltumatuse tehnikad) ja tunnuste tüübile. Tunnuseid jagatakse vastavalt nende tüübile arvtunnusteks ja nominaaltunnusteks. Arvtunnuste (meetriliste ehk kvantitatiivsete tunnuste) alla kuuluvad pidevad ja diskreetsed arvtunnused. Samuti võib arvtunnusena vaadelda järjestustunnust, kuid siin tuleb tähelepanelik olla skaalapunktide omavahelise kauguse (mittevõrdse skaala) suhtes
annaabi.ee 
