Analýza kvantitativních dat II. Standardizace intenzitních ukazatelů Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace 22. 4. 2011 UK FHS Historická.

Slides:



Advertisements
Podobné prezentace
Statistická indukce Teorie odhadu.
Advertisements

Základní ukazatele zdravotního stavu Zdravotní stav obyvatel v ČR a v kraji Vysočina MUDr. Stanislav Wasserbauer.
Třídění dat OA a VOŠ Příbram. Třídění  rozdělení jednotek souboru do takových skupin, aby co nejlépe vynikly charakteristické vlastnosti zkoumaných jevů.
Analýza kvantitativních dat I./II. Typy dat Jiří Šafr jiri.safr(AT)seznam.cz Poslední aktualizace 26/2/2012 UK FHS Historická sociologie, Řízení a supervize.
Kvantitativní metody výzkumu v praxi
Testování statistických hypotéz
Jiří Šafr jiri.safr(zavináč)seznam.cz
Jiří Šafr jiri.safr(zavináč)seznam.cz
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Charakteristiky variability
Struktura obyvatelstva
Regresní analýza a korelační analýza
Varianty výzkumu Kroky výzkumu Výběrový soubor
Fakulty informatiky a statistiky
8. listopadu 2004Statistika (D360P03Z) 6. předn.1 chování výběrového průměru nechť X 1, X 2,…,X n jsou nezávislé náhodné veličiny s libovolným rozdělením.
Škola: Střední škola právní – Právní akademie, s.r.o. Typ šablony: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Projekt: CZ.1.07/1.5.00/
Řízení a supervize v sociálních a zdravotnických organizacích
Pojmy a interpretace.
Analýza kvantitativních dat II. / Praktikum Vícenásobné výběrové otázky (Multiple response) Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace.
Střední hodnoty věkového složení
Standardizace. Úmrtnostní tabulky
Testy významnosti Karel Mach. Princip (podstata): Potvrzení H O Vyvrácení H O →přijmutí H 1 (H A ) Ptáme se:  1.) Pochází zkoumaný výběr (jeho x, s 2.
1 Aktuální vývoj nabídky na trhu práce Smilovice, František Cvengroš.
Standardizace přímá a nepřímá.
Škola: Střední škola právní – Právní akademie, s.r.o. Typ šablony: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Projekt: CZ.1.07/1.5.00/
Sňatečnost a rozvodovost
Korelace a elaborace aneb úvod do vztahů proměnných
Standardizace přímá a nepřímá Pracujeme s: Demographic Yearbook 2006
Lineární regresní analýza
Statistika 2. přednáška Ing. Marcela Čapková.
- Pojmy - SPSS Statistické zpracování kvantitativních šetření.
Obchodní akademie, Ostrava-Poruba, příspěvková organizace Vzdělávací materiál/DUMVY_32_INOVACE_09/C1 AutorIng. Liběna Krchňáková Období vytvořeníSrpen.
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
DKV část 31 Design kvantitativního výzkumu 4. část ( ) Jiří Šafr UK FHS Historická sociologie (LS 2010)
Základy zpracování geologických dat
Analýza kvantitativních dat I. Vztahy mezi 3 znaky v kontingenční tabulce - úvod Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace
Analýza kvantitativních dat II. TEST 1 (v LS 2012) Aktualizované verze jsou k dispozici na Jiří Šafr jiri.safr(zavináč)seznam.cz.
Praktikum elementární analýzy dat Třídění 2. a 3. stupně UK FHS Řízení a supervize (LS 2012) Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace.
Statistické srovnávání ekonomických jevů
 Zkoumáním fyzikálních objektů (např. polí, těles) zjišťujeme že:  zkoumané objekty mají dané vlastnosti,  nacházejí se v určitých stavech,  na nich.
Kvantitativní metody výzkumu v praxi
AKAD. ROK 2008/2009, LS PRŮMYSLOVÝ MARKETING - VŽ1 P R Ů M Y S L O V Ý M A R K E T I N G 8.
Základy pedagogické metodologie
2. SEMINÁŘ STANDARDIZACE RELATIVNÍCH UKAZATELŮ ÚMRTNOSTNÍ TABULKY.
Měření demografických jevů
Inferenční statistika - úvod
Výběrové šetření pracovních sil (VŠPS)
Aplikovaná statistika 2.
Časové řady Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Měření v sociálních vědách „Měřit všechno, co je měřitelné, a snažit se učitnit měřitelným vše, co dosud měřitelné není“. (Galileo Galilei)
TESTY א 2 (CHÍ-kvadrát) TEST DOBRÉ SHODY TEST DOBRÉ SHODY TEST NEZÁVISLOSTI TEST NEZÁVISLOSTI Testy pro kategoriální veličiny Testy pro kategoriální veličiny.
Zdravotnické ukazatele v ČR. Kromě zcela obecných ekonomických ukazatelů je měření a hodnocení kvality zdravotní péče typické výskytem zcela specifických.
Analýza a vyhodnocení zdravotního stavu obyvatel města TÁBOR MUDr. Stanislav Wasserbauer MUDr. Miloslav Kodl Hana Pokorná Zdravá Vysočina, o.s. ve spolupráci.
INDUKTIVNÍ STATISTIKA
Varianty výzkumu Kroky výzkumu Výběrový soubor
Výběrové šetření pracovních sil (VŠPS)
Testování hypotéz párový test
Induktivní statistika
Indexní analýza Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
- váhy jednotlivých studií
Demografické ukazatele
Rutinní zdravotnická statistika
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Plánování přesnosti měření v IG Úvod – základní nástroje TCHAVP
7. Kontingenční tabulky a χ2 test
Induktivní statistika
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Základy popisné statistiky
Transkript prezentace:

Analýza kvantitativních dat II. Standardizace intenzitních ukazatelů Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace UK FHS Historická sociologie (LS 2011)

Standardizace intenzitních ukazatelů Mnoho sociálních jevů se mění v závislosti na strukturálních poměrech (věk, pohlaví, životní, institucionální podmínky apod.) Vypočítaný intenzitní ukazatel je tedy nejen vlastní mírou intenzity jevu, ale vyjadřuje i strukturu souboru, který je jeho nositelem. Standardizace

Standardizace intenzitních ukazatelů Chceme-li vzájemně srovnávat intenzitní ukazatele, jejichž velikost je ve vztahu k určitému strukturálnímu uspořádání, musíme je „očistit“ od vlivu tohoto strukturálního faktoru. Provádíme to pomocí standardizace - Přímou - Nepřímou Např. odstranění vlivu věkové struktury → srovnání různých populací

Přímá standardizace Použijeme jako standard populační strukturu, kterou považujeme za „normální“ obměnu znaku, jenž ovlivňuje intenzitu zkoumaného jevu. Na tuto standardní strukturu pak aplikujeme jednotlivé intenzitní ukazatele parciální, tj. ukazatele vypočtené pro takové skupiny, které odpovídají třídění standardní populace. Výsledný standardizovaný ukazatel představuje celkovou intenzitu zkoumaného jevu, které by bylo dosaženo v populaci, jejíž strukturální uspořádání by bylo shodné se strukturou standardu.

Příklad přímé standardizace: Sebevražednost mužů v Československu v letech 1949/1950 a 1960/1961 Standardem je věková skladba z roku Zdroj: [Lamser, Růžička 1970: ] Porovnáme nestandardizované a standardizované rozdíl je 2,537

Příklad přímé standardizace: interpretace Specifické úmrtnosti (na mužů) pro období 1949/1950 a 1960/1961 ukazuji, že ve všech věkových stupních výjimkou nejstarších mužů se sebevražednost zvýšila. Standardizujeme: za standard bereme věkovou skladbu Násobením příslušných relativních četností P specifickou úmrtností q, pro jednotlivá období dostáváme relativní počty sebevražd na mužů (sloupec 5 a 6 tabulky). Tyto počty se vztahují k populaci, která bude mít věkové složení standardu P. Oba ukazatelé jsou nyní srovnatelné. Rozdíl mezi sebevražedností mužů v období 1949/ /1961 není ve skutečnosti tak veliký, jak se zdá z původních nestandardizovaných ukazatelů. V období 1960/1961 byla úmrtnost mužů pro sebevraždy 42,046 (na mužů) → hrubá míra, při neměnné věkové skladbě pouze 39,509 → čistá míra. Rozdíl 2,537 je způsoben zhoršením věkové skladby (zvýšení podílu starších mužů). (Pozor v knize je na str. 202 chybně 3,537) [Lamser, Růžička 1970: ]

Volba standardu Při určení standardů dbáme, aby zvolená standardní struktura nebo standardní intenzita vyjadřovala určitý stav, který považujeme za daných podmínek za „normální“. Např. faktor ovlivňující intenzitu jevu věk: Zvolíme za standard strukturu oběma srovnávaným populacím nadřazenou (porovnání mezi okresy → struktura kraje; mezi kraji → struktura celostátní apod.). Když ne máme údaje, zvolíme součet nebo průměr strukturálního uspořádání obou srovnávaných populací. Není vhodné, je-li jedna ze srovnávaných populací podstatně větší než druhá (např. okres se 70 tis. obyvatel a kraj s 1,5 mil. obyvatel). (Standardizace součtem nebo průměrem by se projevila prakticky stejně, jako kdybychom zvolili za standard větší z obou populací.) Při mezinárodním srovnávání → Hypotetická věková struktura (kombinace skutečných věkových struktur populací; Světová zdravotnická organizace) [Lamser, Růžička 1970: ]

Výhody a nevýhody přímé standardizace Výhoda Přímá standardizace je jednoduchá a její výsledek snadno pochopitelný. Nevýhody Potřebujeme znát skutečnou skladbu populace, ale podklady, které potřebujeme, získáváme často obtížně. → specifické intenzity sledovaného jevu (intenzitní ukazatele uspořádané podle třídění strukturálního faktoru). Velmi silně se zde uplatňuje vliv náhodných výkyvů intenzitního ukazatele. V malých souborech dochází totiž velmi často k takovým náhodným výkyvům, jejich závažnost se pak při standardizaci zvětšuje uplatněním takové intenzity ve zvolené standardní populaci.

Nepřímá standardizace Vynecháme, viz Lamser, V., L. Růžička str

Literatura Lamser, V., L. Růžička Základy statistiky pro sociology. Praha : Svoboda. Rosenberg, Morris „Test Factor Standardization as a Method of Interpretation“. Social Forces 41 (1):