klassifitseerimata. 1.2.2. Geneetiline klassifikatsioon ja stratifikatsioon. Põhjus, miks keelte uurimisel kasutatakse geneetilist klassifikatsiooni on see, et see pakub hea viisi keelte stratifitseerimiseks. See tähendab, et keeled jaotatakse mittekattuvatesse kategooriatesse, mis praegusel juhul on geneetilised grupid. Stratifikatsioon ei tee mitte ainult uurimist efektiivsemaks, vaid aitab luua ka suure lingvistilise varieeruvusega valimeid. Stratifikatsioon on ainult võimalik, kui kõik keeled on kategoriseeritud väga põhjalikult (siin ja ka edaspidi jätame kõrvale 16 keelt, mis Ruhleni käsitluse põhjal on kategoriseerimata). 1.2.3. Geneetilised keelepuud ja lingvistiline mitmekesisus (slaid) Korduvalt on maininud, et eesmärgiks on toota valim, milles keeled oleksid võimalikult erinevad. Esiteks võetakse kõik keeled erinevatest keelkondadest, kuid sellel juhul ei saaks
valim: xi 7 8 9 10 11 12 13 pi 0,15 0,2 0,1 0,08 0,11 0,23 0,13 x 0,157 0, 2 8 0,19 0, 0810 0,1111 0, 2312 0,1313 10, 01 10 Me = 10 Mo = 12 Mida võib öelda leitud valimite kohta? Keskväärtused, mediaanid on võrdsed. Kas on ka erinevusi? Mood on erinev. Erinevus on ilmselt väärtuste hajuvuses. Kui vaadelda antud valimeid sellest seisukohast, kuidas paiknevad väärtused keskväärtuse suhtes, siis tundub olema nõnda, et teise valimi korral on hajuvus mõnevõrra suurem. Kuidas seda arvuliselt kinnitada? Tuuakse sisse hälbe mõiste. Hälve - tunnuse väärtuse erinevus keskväärtusest; sümbolites: xi x Täiendame tabeleid vastava reaga: xi 7 8 9 10 11 12 13
Kas kahe nähtuse vahelise seose iseloomustamisel determinatsioonikordaja ja regressioonikordaja b märgid langevad kokku või peavad olema erinevad? Miks? Determinatsioonikordaja näitab selgitusvõimet ja on alati positiivne. Regressioonikordaja näitab, kas toimub kasvamine või kahanemine. (nt y=10+0,2x või y=10-0,2x) Tegemist on erinevate sündmustega, seaduspärasust ei ole. Märgid ei pruugi kokku langeda. Kui kasutame hinnagute andmisel järjest suuremaid valimeid, siis hinnangu statistiline olulisus hakkab vähenema aga standardviga suurenema Valimi suurenedes stastiline olulisus hakkab suurenema ning standardviga suure valimi mahu tõttu hakkab vähenema. Väide oleks, kui hinnangu statistiline olulisus suureneks ning standardviga vähenes. Kui me kasutame hinnangute andmisel järjest suuremaid valimeid, siis hinnangu stat. olulisus hakkab suurenema ja standardviga väheneb, kuna hinnang läheb täpsemaks
Küsida poliitilist eelistust igalt inimeselt on mõttetu. Targem oleks välja valida teatud arv isikuid (mitte liiga palju ja mitte ka üks või kaks) ning neid küsitleda. Mõõtmiseks valitud üldkogumi osa nimetatakse valimiks. Andmeanalüüsi käigus on vaja teha otsustusi üldkogumi kohta, kusjuures info allikaks on valim. Millised nõuded valimile ? Ta peab olema 1) küllalt arvukas, 2) igal üldkogumi objektil peab olema võrdne võimalus valimisse sattuda. Valimeid võib moodustada mitmel viisil. Vaatleme järgnevalt kolme enamlevinud valimi moodustamise viisi. 1.2. Valimi moodustamine A. Juhuslik valim Valimisse kuuluvad objektid valitakse välja täiesti juhuslikult üldkogumi kõigi objektide hulgast. Kuidas valida juhuslikult ? Kui objektide järjestus nimekirjas on juhuslik, siis saame juhusliku valimi ka mittejuhusliku seaduspärasuse rakendamisel, näiteks nimekirjast ig seitsmes1.
tasemeteks. Meie näites on faktoril 3 taset: reklaam aknal, reklaam ukse juures ja reklaam letis. DA liigitatakse vastavalt faktorite arvule ja iseloomule: Kui uuritakse ühe faktori mõju funktsioonitunnusele, siis on tegemist ühefaktorilise DA- ga. Kui uuritakse kahe faktori mõju, siis kahefaktorilise DA-ga. Kui uuritakse kolme ja enama faktori mõju, siis mitmefaktorilise DA-ga. T-test kui valimeid on 1-2. Eelduseks, et uuritav tunnus on arvuline ja normaaljaotusega. H0 kooliskäidud aastate arv on normaaljaotusega (sisukas hüpotees) H1 kooliskäidud aastate arv ei ole normaaljaotusega (alternatiivne hüpotees) Kui sig >=0.05 siis on H1, muidu H0. Suurte valimite puhul normaaljaotust ei pea kontrollima. Dispersioonanalüüs kui valimeid 3+ Kasutades kirjeldavat statistikat, uurige, milline on indiviidide keskmine abiellumisiga (tunnus
· klastrid võiksid olla (aga ei pea tingimata olema) suhteliselt sarnase sisemiselt heterogeense struktuuriga (populatsiooni mikromudelid). Tõenäosuslike valimite alaliigid 6. Mitmeastmeline klastervalim - pärast klastrite valikut esimesel etapil järgneb klastritest objektide juhuslik valik teisel (ka kolmandal jne etapil: näit. elamublokid -> leibkonnad -> indiviidid) Tõenäosuslike valimite alaliigid Tõenäosuslikke valimeid liigitatakse veel: 1. Proportsionaalne valim - igal üldkogumi elemendil on võrdne võimalus valimisse sattumiseks, tulemused on otse laiendatavad üldkogumile. Võimalik valiku eri etappidel kombineerida valimisse sattumise tõenäosusi proportsionaalse valimi saamiseks. 2. Mitteproportsionaalne valim - (eri kihtidesse või klastritesse) kuuluvate objektide tõenäosused valimisse sattumiseks on erinevad, üldkogumi parameetrid arvutatakse reeglina kaalumise teel.
koostamisel kasutati juhuarvude tabelit. (Toots et al 2004:11) Kõikne valim Kui uuritakse ja mõõdetakse populatsiooni moodustava koosluse kõiki objekte, siis kõneldakse kõiksest uurimusest. Kõikne valim langeb kokku populatsiooniga või erineb sellest väga vähe. Kui uurimine oleks näiteks seotud Eesti ülikoolidega, siis kõikse uurimuse korral mõõdetakse teatud tunnuseid kõikides ülikoolides. Mittetõenäosuslikke valimeid kasutatakse sotsiaalteaduslikes uurimustes, kus sageli tuleb uurida varjatud ja raskesti kättesaadavaid elanikkonna gruppe, mille suurus pole täpselt teada. Seega pole võimalik populatsiooni ette määrata, mistõttu pole võimalik kasutada tõenäosusliku valiku põhimõtteid. Kasutada tuleks paindlikumaid valimi moodustamise meetodeid, milleks sobivad mitmed mittetõenäosuslikud valimi moodustamise meetodid
tulemuse, kui rakendada mõnda Lijpharti kirjeldatud nippi (1971, 685-687), mis vähendab muutujate rohkuse ja juhtumite vähesuse probleemi. Kvalitatiivse käsitluse puhul huvitab võrdleva analüüsi läbiviijaid ajaline järjestus või tulemused ja nende põhjused sarnaste juhtumite puhul. Uuritakse, kuidas üks kombinatsioon käitub ühes või teises situatsioonis, analüüsitakse sarnasusi ning erinevusi. Võrdleva meetodi puhul ei käsitleta valimeid üksikuna, vaid koos keskkonna mõjuga (Ragin, 1987, 13-15). Tegelikult sisaldavad kõik empiirilised uuringut mingisugust võrdlust (Ragin, 1987, 1). Võrdlus annab aluse empiiriliste seaduspärasuste põhjal väidete sõnastamisele ja tulemuste analüüsimisele teoreetiliste kriteeriumite alusel. Kõiki meetodeid, mille eesmärk on selgitada kõikumist, võime käsitleda kui konkureerivaid meetodeid, mis eristuvad vaid eesmärkide poolest.
Vaatluse eeliseks asjaolu, et tegevust saab vahetult jälgida erinevalt näiteks küsitlusest, mis toetub uuritavate endi väidetele. Selle vaatluse puhul on kesksel kohal vaatlustabel või kodeerimisskeem. Selles täpsustatakse käitumise kategooriad, mida kavatsetakse vaadelda ning kuidas käitumissituatsioonid tuleks kategooriatesse paigutada. Vaadeldavate isikute valimi moodustamisel võib kasutada tõenäosuslikku meetodit, kui see ei ole võimalik, siis mittetõenäosuslikke valimeid. Meetodit kritiseeritud selle võimetuse tõttu paljastada käitumise motiive, samuti suure hulga detailide väljaselgitamise pärast, millest võib olla raske luua tervikpilti ja leida tähenduslikku infot. Kvalitatiivse lähenemise korral kasutatakse andmete kogumiseks laialdaselt osalusvaatlust. Terminiga struktureerimata vaatlus tähistatakse ilma etteantud kategooriateta sooritatud vaatlusi, milles uurija ei osale vaadeldavas tegevuses. Uurija registreerib
Eeldame suurt valimit, n>60 x1 - x2 H 0 : µ1 = µ2 H 0 : µ1 µ2 H 0 : µ1 µ2 T= , s12 s22 H 1 : µ1 µ2 H 1 : µ1 > µ2 H 1 : µ1 < µ2 + n1 n2 Eeldame suuri valimeid n1,2>30 x vahe H 0 : µvahe = 0 H 0 : µvahe 0 H 0 : µvahe 0 T = n, svahe H 1 : µvahe 0 H 1 : µvahe > 0 H 1 : µvahe < 0 k1 k 2 H 0 : p1 = p2 H 0 : p1 p2 H 0 : p1 p2 ( - )
ühise keskväärtusega. Ljapunovi –kui juhuslike suurus X on paljude sõltumatute juhuslike suuruste summa, millede osatähtsus on ühtlaselt väike, siis juhuslik suurus X on normaaljaotusega. 34. Punkt-ja vahemikhinnangud. Vabadusastmete arv – Punkthinnangud: üldkogumi parameetri punkthinnanguks on valimi vastav parameeter, so.üks konkreetne väärtus. Ühest üldkogumist saab moodustada valimeid – järelikult parameetrite hinnanguid on ka palju. Väikeste valimite korral võib punkthinnang oluliselt erineda hinnatava parameetri tegelikust väärtusest. Vahemikhinnang: üldkogumi karakteristiku vahemikhinnang – valimi alusel leitud vahemik, kuhu see parameeter kuulub teatud tõenäosusega. Seda ette antavat tõenäosust nim usaldusnivooks ja täh traditsiooniliselt 1-α. Tavaliselt võetakse usaldusnivoo väärtuseks 0,95 aga ka 0,90 või 0,99
Valim peab olema esindav ehk representatiivne. Valimi alusel üldkogumi karakteristikute kohta tehtavad järeldused on tõenäosuslikud (enamasti kasutatakse 95% ja 99% protsendilisi tõenäosusi) 45. Punkt- ja vahemikhinnang (usalduspiirkond, usalduspiirid). Üldkogumi mingi parameetri (näiteks keskväärtuse) punkthinnang on valimi põhjal arvutatud vastava parameetri (näiteks aritmeetilise keskmise) väärtus. NB! Kuna ühest üldkogumist võib moodustada palju erinevaid valimeid, siis iga valim annab meid huvitavale üldkogumi parameetrile erineva punkthinnangu. Niisuguseid punktihinnanguid võib vaadelda omakorda kui teatud JS, millel on oma jaotus. Üldkogumi mingi parameetri vahemikhinnang on piirkond (vahemik, intervall), kuhu hinnatav parameeter teatud, küllalt suure tõenäosusega jääb. See tõenäosus, usaldusnivoo on tavaliselt 95% või 99% (ka 0,95; 0,99) . Tähistatakse 1- . Tihti räägitakse ka olulisuse nivoost ehk riskist, suurusest (=0,05; =0,01).
KOGUMITE VÕRDLEMINE Kaks kogumit: · sõltuvad valimid · sõltumatud valimid Kogumeid tuleb võrrelda, et oleks teada, kas muutunud tingimused mõjutavad tunnuse jaotust üldkogumis. Test, mida tunnuse keskväärtuste võrdlemisel kasutada, sõltub katse korraldusest, vaatluste arvust, tunnuse tüübist, tunnuse jaotuse kohta tehtud eeldustest. Kui valimid sisaldavad erinevaid objekte, nimetatakse valimeid sõltumatuteks. Kui aga valimis kasutatakse ühtesid ja samu objekte asetades nad algul ühtedesse tingimustesse, tehes mõõtmised ja asetades nad siis teistesse tingimustesse ning korrates mõõtmisi on tegemist sõltuvate valimitega. TESTI VALIK SÕLTUVALT TUNNUSE TÜÜBIST, ÜLDKOGUMI TÕENÄOSUSJAOTUSEST NING VALIMI SUURUSEST: HÜPOTEESI FUNKTSIOONID Hüpoteesid on vajalikud selleks, et konkretiseerida suhteliselt üldist probleemi ja eesmärki.
arvutada teststatistikud ja nendega seotud olulisuse tõenäosused arvutada efekti suuruse näitajad teha järeldus, kas andmed on kooskõlas nullhüpoteesiga või mitte Nullhüpotees ja alternatiivne hüpotees: Alustatakse eeldusest, et valimid ei erine; H0: μ1= μ 2 (nullhüpotees) Kui erinevus kahe valimi aritmeetilise keskmise vahel osutub liiga suureks (ehk on statistiliselt oluline erinevus), et pidada neid valimeid ühest üldkogumist pärinevaks, lükatakse nullhüpotees ümber ja jäädakse alternatiivse hüpoteesi juurde. Efekti suurus: Leidnud statistiliselt olulise mõju (erinevuse), tuleb arvutada ka, kui suur see mõju (erinevus) on. Arvutatakse Coheni d o d < 0,2 – väike efekt o 0,2 < d < 0,8 – keskmine ehk arvestatav efekt o d > 0,8 – suur efekt Nö on tegu keskmiste erinevusega standardhälbe ühikus
(üldkogum) või eraldada nendest välja teatud osa, mida nimetatakse valimiks (väljavõtukogum). Millises olukorras ühte või teist varianti praktikas kasutatakse? Esimest varianti kasutatakse siis, kui sihtgrupi liikmete arv on väike (kuni mõnisada küsitletavat), teist aga suuremate sihtgruppide korral (kõikide küsitlemine võtaks liiga palju aega ning oleks ka ülearu kulukas). Praktikas sagedamini kasutatakse valimeid, sest tavaliselt tahetakse informatsiooni saada ikkagi küllalt mahukate sihtgruppide kohta. 30. Esitage turu-uuringu protsessi etappide ülevaade? Võib esitada skemaatiliselt. TURU-UURINGU PROBLEEMI TÄPSUSTAMINE UURINGU KAVANDAMINE · Töö hüpoteeside formuleerimine
on väiksema töömahuga.----------------;Bootstrap----------------; regressioon On oma olemuselt universaalne meetod nii statistiliste hinnangute konstrueerimiseks kui juhuslike suuruste jaotuse empiiriliseks hindamiseks, vahemikhinnangure konstrueerimiseks ja hüpoteeside kontrollimiseks. ----------------;Bootstrap----------------; regressiooni korral eeldatakse, et olemasolevad arvandmed moodustavad peakogumi ehk populatsiooni, millest tehakse küllaltki suur arv väljavõtteid ehk valimeid. ----------------;Bootstrap----------------; regressiooni korral valim moodustab populatsioonist küllaltki olulise osa, tavaliselt 85 -; 90%. Iga valim moodustatakse juhusliku valiku põhimõttel. Seejärel saadud valimit analüüsitakse standardse klassikalise regressioonianalüüsi meetoditega. Saadud tulemusi analüüsitakse tavalise statistiliste meetoditega. Leitakse arvkarakteristikud, mille alusel tehakse järeldused ökonomeetrilise mudeli parameetrite kohta
korralikku vastuste määra. Uuringud on näidanud, et eksisteerib pöördvõrdeline seos ankeedi pikkuse ja vastuste määra vahel; - postiküsitlus on reeglina suunatud suurele arvule respondentidele. Seega, andmete töötlemise seisukohalt tuleks võimalikult vähendada avatud küsimusi. · aadressinimekirja mõju. Olemasolevad lähteandmed ei võimalda paljudel juhtudel koostada esinduslikke valimeid uurijat huvitava üldkogumi kohta. See probleem on üldine ja seda tuleb ette ka teiste küsitlusviiside ja meetodite puhul. Eestis olid suured lootused ses osas viimase rahvaloenduse andmetele, kuid nagu selgus esialgsetest tulemustest, ei saa neid usaldada. Postiküsitluse vastamismäära suurendamise võimalused: · järelkirjad ja helistamised (follow-ups). Järelkirjade puhul tuleks valida
3. Uurimused peavad olema tehtud teraapiakäsiraamatute alusel. 4. Subjektide karakteristikud peavad olema esitatud selgelt ja täpselt. Teraapia on tõenäoliselt valiidne, kui I kaks uurimust tõestavad, et ravi on efektiivsem kui ootereziimis kontrollgrupp või II kaks uurimust vastavad küll hästi valideeritud teraapia kriteeriumitele I, III, IV, kuid on sama uurija poolt läbi viidud. III Vähemalt kaks head uurimust tõestavad efektiivsuse, kuid kasutavad heterogeenseid valimeid. Või IV väike hulk üksikjuhtumite uurimusi, mis vastavad hea uurimuse nõuetele II, III,IV. Teraapia suundade üldiseloomustus · Dünaamiline · Käitumuslik · Kogemuslik Dünaamiline suund · Inimese käsitlus · Hädade käsitlus · Teraapia eesmärk · Terapeut-kliendi suhe Käitumuslik suund · Inimese käsitlus · Hädade käsitlus · Teraapia eesmärk · Terapeut- kliendi suhe
Arvkarakteristikute väärtusi vaadeldes tuleb arvestada seda, kas valim oli kõikne või mitte. Karakteristiku väärtust üldkogumil nimetatakse ka karakteristiku õigeks või tegelikuks väärtuseks ehk parameetriks. Valimi põhjal arvutatud karakteristiku väärtust nimetatakse aga üldkogumi vastava karakteristiku hinnanguks. Hinnangu konkreetne väärtus on juhuslik ning sõltub konkreetsest valimist (üldkogumi objektidest võib ju moodustada palju erinevaid valimeid, iga valimi põhjal saame üldkogumi parameetrile erineva hinnangu). Hinnangut võib uskuda juhul, kui valim on moodustatud korrektselt. Juhusliku valimi põhjal leitud hinnangu väärtus ei erine tavaliselt eriti palju üldkogumi vastava karakteristiku väärtusest ning üldiselt on erinevus seda väiksem, mida suurem on valim. Keskmiste leidmisel võidakse lähtuda eri vaatekohtadest, mida tingivad ühelt poolt uuritavate nähtuste iseärasused ja teiselt poolt uurimisülesanded
annaabi.ee 
