is kur reikia imti rezultatu paklaida?
tarkime vaikai pirmo testavimo metu i toli nusoko vidutiniskai nusoko 1.81m±...
vel as cia
is kur reikia imti rezultatu paklaida?
tarkime vaikai pirmo testavimo metu i toli nusoko vidutiniskai nusoko 1.81m±...
is kur reikia imti rezultatu paklaida?
tarkime vaikai pirmo testavimo metu i toli nusoko vidutiniskai nusoko 1.81m±...
QUOTE(egliosha @ 2013 05 23, 11:30)
vel as cia
is kur reikia imti rezultatu paklaida?
tarkime vaikai pirmo testavimo metu i toli nusoko vidutiniskai nusoko 1.81m±...
is kur reikia imti rezultatu paklaida?
tarkime vaikai pirmo testavimo metu i toli nusoko vidutiniskai nusoko 1.81m±...
Tai butų ne paklaida, o standartinis nuokrypis, jis yra Std. Deviation. Tai butų 1.81 plius minus 0.20
QUOTE(kokajarazneca @ 2013 05 26, 13:18)
Sveikos, mano skirstinys yra pasiskirstes nenormaliai, duomenys ranginiai. Nesuprantu ar man galima taikyti chi kvadrato suderinamumo kriteriju? ar reikia anova( ir kuria anova tada)? ir tiriant koreliacija tirti Spearmano budu?
Aciu uz atsakymus is anksto
Aciu uz atsakymus is anksto
Chi-kvadrat kriterijui nereikia normaliskumo tikrinti, tad galite naudoti, jei reikia
Koreliacija Spearman reikia naudoti, o ANOVA Jums netinka nes jis skirtas normaliai pasiskirsciusiems duomenims.
QUOTE(laputaitexxx @ 2013 05 22, 15:55)
Pradėsiu gal taip:
Kintamuju matavimo skales yra trys: intervalu, rangine ir nominali. Nominalios skales kintamasis yra kokybinio tipo nes tai yra pavadinimai, rūsys ir pan. Intervalu ir ranginio (tvarkos) tipo kintamieji yra kiekybinio tipo nes yra skaitines reikšmės.
Likerto skale yra ranginio tipo, naujo kintamojo, susumavus arba išvedus vidurkį iš ranginio tipo kintamuju, tai butų intervalu skale, bet vistiek bet kuriuo atveju tai kiekybiniai.
Ar dabar aiškiau?
Kintamuju matavimo skales yra trys: intervalu, rangine ir nominali. Nominalios skales kintamasis yra kokybinio tipo nes tai yra pavadinimai, rūsys ir pan. Intervalu ir ranginio (tvarkos) tipo kintamieji yra kiekybinio tipo nes yra skaitines reikšmės.
Likerto skale yra ranginio tipo, naujo kintamojo, susumavus arba išvedus vidurkį iš ranginio tipo kintamuju, tai butų intervalu skale, bet vistiek bet kuriuo atveju tai kiekybiniai.
Ar dabar aiškiau?
Dabar tikrai aisku!
Dar vadovelyj pasiskaiciau,kol turejau laiko, tai jau sie klausimai issisprende
QUOTE(laputaitexxx @ 2013 05 26, 16:45)
Chi-kvadrat kriterijui nereikia normaliskumo tikrinti, tad galite naudoti, jei reikia
Koreliacija Spearman reikia naudoti, o ANOVA Jums netinka nes jis skirtas normaliai pasiskirsciusiems duomenims.
Koreliacija Spearman reikia naudoti, o ANOVA Jums netinka nes jis skirtas normaliai pasiskirsciusiems duomenims.
dėkoju
Sveikos, klausimas ne apie SPSS, tačiau gal kas žinosite.
Reikia paskaičiuoti regresiją neparametriniams duomenims. Kiek žinau yra galimybė naudoti xlstat programą. Galbūt yra galinčių pamokint, pakonsultuot? Jei reiktų - ir atsilyginčiau už pamokinimą (kad ir skype).
Programa man nebūtinai xlstat, tačiau SPSS nėra tokių dalykų, kiek man žinoma.
Reikia paskaičiuoti regresiją neparametriniams duomenims. Kiek žinau yra galimybė naudoti xlstat programą. Galbūt yra galinčių pamokint, pakonsultuot? Jei reiktų - ir atsilyginčiau už pamokinimą (kad ir skype).
Programa man nebūtinai xlstat, tačiau SPSS nėra tokių dalykų, kiek man žinoma.
Labas,
Turiu tokį klausimėlį, kadangi su SPSS anksčiau neesu nieko dariusi, rašant darbą teko nemažai padirbėti. Analizuodama duomenis panaudojau chi kvadrata, nes mano anketoje visi duomenys buvo nominaliniai (nera nei likerto, nei rangu skaliu), tiesiog respondentams reikėjo pasirinkti jiems tinkamą atsakymo variantą. Lyginau duomenis pagal keletą kriterijų (lytis, amžius ir pan.) ir visur tiesiog skaičiavau chi kvadrato ir p reikšmes. Dabar gavau pastabą, kad darbe nėra gilesnės tyrimo duomenų analizės, panaudojant matematinius metodus. Mano akimis žiūrint, be chi kvadrato daugiau nieko ir negalima padaryti su nominaliais duomenimis, bet dabar jau pasimečiau.... Tai, kaipgi yra iš tikrųjų? 
Turiu tokį klausimėlį, kadangi su SPSS anksčiau neesu nieko dariusi, rašant darbą teko nemažai padirbėti. Analizuodama duomenis panaudojau chi kvadrata, nes mano anketoje visi duomenys buvo nominaliniai (nera nei likerto, nei rangu skaliu), tiesiog respondentams reikėjo pasirinkti jiems tinkamą atsakymo variantą. Lyginau duomenis pagal keletą kriterijų (lytis, amžius ir pan.) ir visur tiesiog skaičiavau chi kvadrato ir p reikšmes. Dabar gavau pastabą, kad darbe nėra gilesnės tyrimo duomenų analizės, panaudojant matematinius metodus. Mano akimis žiūrint, be chi kvadrato daugiau nieko ir negalima padaryti su nominaliais duomenimis, bet dabar jau pasimečiau....
Tai, kaipgi yra iš tikrųjų?
QUOTE(Egluzee12 @ 2013 05 30, 00:07)
Labas,
Turiu tokį klausimėlį, kadangi su SPSS anksčiau neesu nieko dariusi, rašant darbą teko nemažai padirbėti. Analizuodama duomenis panaudojau chi kvadrata, nes mano anketoje visi duomenys buvo nominaliniai (nera nei likerto, nei rangu skaliu), tiesiog respondentams reikėjo pasirinkti jiems tinkamą atsakymo variantą. Lyginau duomenis pagal keletą kriterijų (lytis, amžius ir pan.) ir visur tiesiog skaičiavau chi kvadrato ir p reikšmes. Dabar gavau pastabą, kad darbe nėra gilesnės tyrimo duomenų analizės, panaudojant matematinius metodus. Mano akimis žiūrint, be chi kvadrato daugiau nieko ir negalima padaryti su nominaliais duomenimis, bet dabar jau pasimečiau.... Tai, kaipgi yra iš tikrųjų?
Turiu tokį klausimėlį, kadangi su SPSS anksčiau neesu nieko dariusi, rašant darbą teko nemažai padirbėti. Analizuodama duomenis panaudojau chi kvadrata, nes mano anketoje visi duomenys buvo nominaliniai (nera nei likerto, nei rangu skaliu), tiesiog respondentams reikėjo pasirinkti jiems tinkamą atsakymo variantą. Lyginau duomenis pagal keletą kriterijų (lytis, amžius ir pan.) ir visur tiesiog skaičiavau chi kvadrato ir p reikšmes. Dabar gavau pastabą, kad darbe nėra gilesnės tyrimo duomenų analizės, panaudojant matematinius metodus. Mano akimis žiūrint, be chi kvadrato daugiau nieko ir negalima padaryti su nominaliais duomenimis, bet dabar jau pasimečiau....
Tai, kaipgi yra iš tikrųjų? As irgi taip manau, kad nominaliem kintamiesiems galima tik chi-kvadrat pritaikyti, norint kažkokius ryšius tarp jų nustatyti. Taip ir apsiginkite :-)
QUOTE(laputaitexxx @ 2013 05 30, 08:02)
As irgi taip manau, kad nominaliem kintamiesiems galima tik chi-kvadrat pritaikyti, norint kažkokius ryšius tarp jų nustatyti. Taip ir apsiginkite :-)
Ačiū, vadinasi be reikalo jaudinuosi
, dar kiek žinau galima skaičiuoti Fisheri, bet tik kai lentele 2 ant 2. Beje, ką reiškia ta chi - kvadrato reikšmė, pvz. vienur ji 37,467, kitur tik 11,419? Ką parodo šie skaičiai 
QUOTE(Egluzee12 @ 2013 05 30, 08:50)
Ačiū, vadinasi be reikalo jaudinuosi , dar kiek žinau galima skaičiuoti Fisheri, bet tik kai lentele 2 ant 2. Beje, ką reiškia ta chi - kvadrato reikšmė, pvz. vienur ji 37,467, kitur tik 11,419? Ką parodo šie skaičiai
, dar kiek žinau galima skaičiuoti Fisheri, bet tik kai lentele 2 ant 2. Beje, ką reiškia ta chi - kvadrato reikšmė, pvz. vienur ji 37,467, kitur tik 11,419? Ką parodo šie skaičiai Kai nominalus kintamieji nieko daug neprigalvosi, kai yra intervalu skale, T.y. skaitines reikšmės, tai galima ir daugiau metodu pritaikyti: koreliacija, regresija ir pan.
Chi kvadrat reiksme yra tiesiog to kriterijaus statistikos reikšmė, ji gali būti reikalinga tada jei mes lygintume jas su statistikos knygose esančiomis Chi kvadrat skirstinio reiksmemis su atitinkamu laisvės laipsniu, tada jei mūsų gauta chi kvadrat reikšmė yra didesne už reikšmė iš lenteles (kurios jau yra paskaiciuotos), tai skirtumai statistiskai reikšmingi, bet kadangi mes turime p reikšme, kuri mums ir parodo ta statistini reiksminguma, tai mums lyginti nieko nebereikia :-)
QUOTE(laputaitexxx @ 2013 05 30, 11:06)
Kai nominalus kintamieji nieko daug neprigalvosi, kai yra intervalu skale, T.y. skaitines reikšmės, tai galima ir daugiau metodu pritaikyti: koreliacija, regresija ir pan.
Chi kvadrat reiksme yra tiesiog to kriterijaus statistikos reikšmė, ji gali būti reikalinga tada jei mes lygintume jas su statistikos knygose esančiomis Chi kvadrat skirstinio reiksmemis su atitinkamu laisvės laipsniu, tada jei mūsų gauta chi kvadrat reikšmė yra didesne už reikšmė iš lenteles (kurios jau yra paskaiciuotos), tai skirtumai statistiskai reikšmingi, bet kadangi mes turime p reikšme, kuri mums ir parodo ta statistini reiksminguma, tai mums lyginti nieko nebereikia :-)
Chi kvadrat reiksme yra tiesiog to kriterijaus statistikos reikšmė, ji gali būti reikalinga tada jei mes lygintume jas su statistikos knygose esančiomis Chi kvadrat skirstinio reiksmemis su atitinkamu laisvės laipsniu, tada jei mūsų gauta chi kvadrat reikšmė yra didesne už reikšmė iš lenteles (kurios jau yra paskaiciuotos), tai skirtumai statistiskai reikšmingi, bet kadangi mes turime p reikšme, kuri mums ir parodo ta statistini reiksminguma, tai mums lyginti nieko nebereikia :-)
Dar kartelį ačiū, eisiu į gynimą ramia sąžine
