AKD 1 (7/5) Transformace – vytváření nových proměnných: COMPUTE → SUMA celkový počet knih Konstanta → Student FHS COUNT → knihomol (2 x III. Tercil)

Prezentace na téma: "AKD 1 (7/5) Transformace – vytváření nových proměnných: COMPUTE → SUMA celkový počet knih Konstanta → Student FHS COUNT → knihomol (2 x III. Tercil)"— Transkript prezentace:

1 AKD 1 (7/5) Transformace – vytváření nových proměnných: COMPUTE → SUMA celkový počet knih Konstanta → Student FHS COUNT → knihomol (2 x III. Tercil)

2 K úkolu: Třídění 3.stupně DATA: FHS2013_TVaKnihy.sav Existuje vztah mezi celkovým počtem přečtených knih [knihy_celk] a oborem/formou studia [Studium3k] ? Pokud ano, platí tento vztah (tj. rozdíly v počtu přečtených knih) stejně pro muže a ženy v rámci tří oborů/formy studia, a nebo existují genderové odlišnosti intenzity čtení knih uvnitř oborů?

3 Postup řešení: 1. Základní bivariátní vztah Nejprve budeme řešit jako proměnné: závislá kardinální [knihy_celk] →průměry × kategoriální [Studium3t] × kategoriální [pohlavi]. 1.Vztah Celkový počet knih [knihy_celk] a obor [Studium3k] → z minulého semináře:

4 Zároveň ale víme, a)že počet přečtených knih souvisí s genderem: ženy čtou více než muži: b)a také, že obor/typ studia je částečně genderové specifický: Postup řešení: 2. Další (možné) bivariátní vztahy

5 Postup řešení: 3. Třídění 3.stupně → kontrola faktoru (pohlaví) Souvislost mezi počtem přečtených knih a genderem není v rámci oborů/typu studia stejná: Zatímco na KŘS rozdíly mezi muži a ženami nejsou, tak na HiSo AKD je vztah obrácený: v denním studiu čtou více ženy (asi o 7 knih), ale v kombinovaném studiu je tomu naopak – více knih přečetli muži (asi o 3 knihy). Nicméně zde při interpretaci pozor na nízké četnosti (i když zde jde o celou populaci nikoliv výběr), také věcné rozdíly (v počtu přečtených knih) jsou poměrně malé.

6 Syntax v SPSS *Bivariátní vztahy - třídění 2.stupně. MEANS knihy_celk BY Studium3k. MEANS knihy_celk BY pohlavi. CROSSTABS Studium3k BY pohlavi /CEL COL. *Samotné třídění 3.stupně. MEANS knihy_celk BY Studium3k BY pohlavi/ STATIST ANOVA. Poznámka: poslední specifikace ANOVA nám mj. spočítá koef. EtaSq → podíl vysvětlené variance závislé proměnné kategoriemi nezávislé – kategoriální proměnné (velikost „effect size“ v F-testu).

7 Malý exkurz do vícerozměrné analýzy (rozptylu - ANOVA) Hodnota dílčích koeficientů EtaSq nám říká, že oborem studia vysvětlíme asi 6 % z celkově modelem vysvětlené variance v počtu přečtených knih, pohlavím „skoro nic“ (0,3 %) a kombinací (interakcí) Oboru/typu studia a pohlavím 2,8 %. Celkově model vysvětluje 9,5 % variance v počtu přečtených knih (Adj. Rsq). Zajímavé je, že kombinací Oboru/typu studia a pohlavím vysvětlíme „ještě něco navíc“ v počtu celkově přečtených knih, než jen bivariátně pouhým Oborem/typem studia. Viz graf, který naznačuje interakci mezi oborem studia a genderem.

8 V SPSS: Zadání vícerozměrné analýzy rozptylu ANOVA (v GLM) UNIANOVA knihy_celk BY Studium3k pohlavi /METHOD = SSTYPE(3) /INTERCEPT = INCLUDE /PLOT = PROFILE( Studium3k*pohlavi ) /PRINT = DESCRIPTIVE ETASQ /CRITERIA = ALPHA(.05) /DESIGN = Studium3k pohlavi Studium3k*pohlavi. Poznámka: zde se nejedná o výběrová data, proto nezávislé proměnné (studium a pohlaví) zadáváme jako „Fixed- effects factors“ (protože všechny jejich hodnoty jsou v datech zastoupeny).