Statisztikai teszteknél a szignifikancia-szint legyen alfa = 0,05. 

Olvassuk be a FELMÉRÉS adatállományt! 

1. Többszörös lineáris regresszióval állapítsuk meg, hogyan hatnak az ISKOLA, APAISK, ANYAISK, KOR változók a STÁTUSZ változóra. Értelmezzük a kapott eredményt!

Melyik statisztikára (szignifikancia-értékre) alapoztuk a válaszainkat? 
 

→Analyze

→Regression

→Linear 

1. Melyik független változóknak van szignifikáns hatásuk?

H-null: nincs szignifikáns hatás

(szig < ALFA, akkor H-null elvetve

szig > ALFA, akkor H-null megtartva)

      egy változóra hogyan hat több változó? 

          Dependent  (függő változó) 

          Method: Enter/Backward 

           Independent 

Coeffitients táblázatot nézzük

A 3. modellt, tehát az  uccsó sort  - eze belül is a Sign-t. 

Döntés: Sign    alfa    kapcsolata 

Egyenlet: Y(kalap) = bx + c

Standardizáltban: B oszlopot nézzük. 

Y= 2,55x₁ + 0,124x₂ + 4,385

       Iskola         kor         konstans 
 

Függő/Magyarázó változó/dependent: STÁTUSZ

      Független/magyarázott/independent: másik négy

      (method /változószelektálás módszerei:

     enter:   egyszerre minden változó belép a modellbe

            forward:  egyesével lépteti be a magyarázó változókat

            backward:  utólag kidobálja a nem szignifikáns változókat) 

Coefficients tábla: azoknak van szignifikáns hatásuk, melyeknek a szignifikancia-értékük kisebb, mint 0,05. Ezekben az esetekben H-nullt elvetjük, tehát szignifikáns a hatása az elvégzett osztályok számának és az életkornak. 

2. A szignifikáns változók egymáshoz viszonyítva mennyire fontosak a regresszió szempontjából?

Az elvégzett osztályok száma fontosabb, mint az életkor mert annak nagyobb a BETA-ja (Coefficients tábla). 
 

Beta oszlopot kell nézni, ahol Beta értéke a legnagyobb.

Uccsó sorban: az elvégzett osztályok száma, mert Beta= 0,531 
 

3. A független változók a függő változó szórásnégyzetének hány %-át magyarázzák meg?

27,2 %-át (Modell Summary: R Square = 0,272, ezt szorozzuk 100-zal) HA több érték van, akkor az alsót kell nézni! 

Model Summary táblázatot nézzük. Az R²  értékét. Ez= 0,272  , tehát 27,2 %-át magyarázzák meg ! 

Olvassuk be a JAZZ adatállományt! 

2. A) Határozzuk meg, hogy a változók között hol találunk lineáris kapcsolatot? 

   →Analyze 

   →Correlate 

   →Bivariate, 
 

             Variables: 

    Kipipálni: Pearson 

1. Milyen statisztikát használunk: Pearson statisztika (korreláció)

R-statisztikát! 

Correlation táblázatot nézni! 

Itt midegyiknél a Pearson-hoztartozó értékeket!, minden párosítást, ésdöntünk Sign és alfa kapcsolatával kapcsolatban. 
 

2. Mi a H-null: nincs kapcsolat

     Variables táblába: népzene, pop, operett. Pearson-t kipipálni!

      Népzene-operett: stat érték(Pearson):-0,05, szig érték:0,947>0,05, ezért nincs kapcsolat, H-nullt megtartjuk

      Népzene-pop: stat érték:-0,039, szig érték:0,636, nincs kapcsolat, megtartjuk

      Operett-pop: stat érték:0,185, szig érték:0,022<0,05, van kapcsolat, H-nullt elvetjük. 

B) Számítsuk ki a parciális korrelációs együtthatókat a KOR mint kontrollváltozó hatásának kiszűrésével! 
 

H-null: nincs kapcsolat 
 

→Analyze 

→Correlate 

→Partial 
 

      Variable: 

        Controlling:

2 változó kapcsolata mennyire tudható be egy 3.nak. 
 

      Népzene-operett: stat érték:-0,007, szig érték:0,928>0,05, nincs kapcsolat, megtartjuk

      Népzene-pop: stat érték:-0,033, szig érték:0,691>0,05, nincs kapcsolat, megtartjuk

      Operett-pop: stat érték:0,184, szig érték:0,024<0,05, van kapcsolat, elvetjük 

      Mire következtethetünk az eredményekből? 

Össze kell hasonlítani az a, és a b, eredményeit, ha alig van változás, Kor változónak alig van hatása

      A kor nem befolyásolja, hogy ki milyen zenét szeret. 
 
 

3.

a,   A megfelelő statisztikai módszer alkalmazásával teszteljük, hogy a KOR változó átlaga szignifikánsan különbözik-e az ÉRZÉKI ( ez érzékiség eszébe jut-e a jazzről)  és a NEM változó által együtt és külön-külön képzett csoportosításokban. 
 

→Analyze 

→General Linear M. 

→Univariate 
 
 

Dependent Variable 

Fixed Factors 

Plots:    Horizontal

              Seperate Lines 

Add 

Paste 
 

Táblázatból: 

Megnézzük ennél a 3nál a következő értékeket (F érték, Sign, Alfa)b, és mindegyik esetében döntünk sign. és alfa kapcsolatárol 

H₀: nincs különbség  (mindegyiknél)

Ha sign < alfa, akkor elvetjük H₀-t, tehát van különbség

Ha sign. >  alfa, akkor H₀-t megtartjuk, tehát nincs különbség 
 

b,  Van-e interakció a 2 változó között? 

Ezt  kell nézni a táblázatból: 
 

H₀: nincs interakció 

Ismét döntünk sign és alfa kapcsolatáról

Sign >  alfa, tehát megtartjuk H₀-t, így van interakciós kapcsolat.  
 
 

c,  Többszörös vonaldiagrammal ábrázoljuk a csoportátlagokat! A hiányzó adatok csoportjához tartozó átlagokat nem jelenítsük meg.

Mit olvashatunk le a diagrammról?? 
 

Fent már megcsináltuk a diagramot: a Plots-nál. 

Eredmény: 2 párhuzamos vonal.  Ez azt jelenti, hogy nincs interakciós hatás köztük, tehát függetlenek.

Ha nem lennének párhuzamosak: van hatás.

5. Illeszkedés vizsgálattal ellenőrizzük azt a hipotézist, hogy az iskolai végzettség (ISKOLA) három kategóriája azonos arányban fordul elő!  

• illeszkedés vizsgálat (a szövegben a kulcsszó: az azonos arány)
• Hipotézis: a változó kategóriák azonos arányban fordulnak elő

→Analyze

→Non parametric 

→Chi Square 

  Test Variable :

Kipipálni:  All Categories-t 

Paste 
 

TÁBLÁZAT:   Test Statisc 

  a,Milyen sat-ot használunk? 

Chi Square statisztikát használunk, ezért a statisztika értékét a táblázat e rubrikájához tartozó adatát olvassuk le, majd az ehhez tartozó szignifikancia értékkel állapítjuk meg a DÖNTÉST!! 
 

EREDMÉNY: alfa: 0,05          Sig: 0,00, mivel alfa a nagyobb, ezért ELVETJÜK 

HIPOTÉZIS: a változó kategóriáink nem azonos arányban fordulnak elő!! 

9. Binominális teszttel ellenőrizzük, hogy a férfiak aránya 50%-nak tekinthető-e a sokaságban! (a NEM változót kell használnunk) 

-Hipotézis: a férfiak arány a sokaságban 50% 

→Analyze 

→ Non parametric 

→Binomial 

      Test Variables

Test proportion:  0,50 

PASTE 
 

TÁBLÁZAT: a Binominál Test táblázat kell

                                                            -a hozzátartozó valószínűséget a táblázat Sig rubrikájánál kell leolvasni (az utolsó oszlop), majd DÖNTENI: Sig: 0.094                 alfa:0.05, mivel alfa kisebb ezért megtartjuk a HIPOTÉZIST!!!