Bevezetés |
11 |
A hasznos véletlen hiba |
13 |
Adatredukciós módszerek |
17 |
Főkomponens-elemzés |
18 |
A főkomponens jelentése |
25 |
Mikor használjunk főkomponens-elemzést? |
25 |
A puding próbája |
28 |
Az egyenlő teherviselés |
30 |
Faktorelemzés |
40 |
A modell javítgatása |
49 |
Lássunk tisztán! A rotálás |
53 |
Mentsük, ami menthető: a faktorszkópok létrehozása |
60 |
Amiért fáradotzunk: létrejöttek a látens változók |
62 |
A hiányzó adatok kezelése |
64 |
A faktorelemzés buktatói |
65 |
A Kaiser-Meyer-Olkin mutató és a Bartlett-teszt |
66 |
Amikor a faktorok 100 százaléknál többet magyaráznak |
71 |
A legnagyobb kommunalitású változó kihagyása |
71 |
A rosszul interpretálható változók kihagyása |
78 |
Az egyeduralomra törő változók esete |
82 |
Vissza az elágazási ponthoz |
85 |
A változók tartalma és a faktorok jelentése |
89 |
A konfirmációs modell |
91 |
Amikor minden reménytelen |
96 |
Kétségbeesett kísérlet |
101 |
Feladás helyett: visszahátrálás a főkomponensbe |
103 |
Szezon és fazon |
108 |
Klaszterelemzés |
109 |
Tudás versus anyagi javak |
109 |
Hierarchikus klaszterek |
115 |
A hierarchikus klaszterezés módszerei |
119 |
A legközelebbi, illetve a legtávolabbi szomszéd |
119 |
Klaszterek távolsága mint a klaszterelemek távolságainak átlaga |
122 |
Klaszterek távolságának meghatározása a klaszterközéppontok segítségével |
125 |
Miben mérjük a távolságot? |
129 |
Euklideszi távolság |
129 |
Az euklideszi távolság négyzete |
130 |
Asszociáción alapuló közelség-távolság |
130 |
Sok hűhó majdnem semmiért |
132 |
Klaszterezés nagy file-okon |
133 |
Iniciális klaszterközéppontok |
133 |
Útban a tökéletesség felé: iterálás |
137 |
A klaszterek interpretálása |
138 |
Kendőzetlen őszinteség versus a standardizálás álcája |
141 |
Kilépés az életbe: típuskeresés klaszterekkel |
143 |
És megint elölről: iterálás több lépésben |
145 |
Névadás: klaszterek interpretálása |
148 |
Adjunk-e profilt a bizonytalankodóknak? A hiányzó adatok kezelése |
150 |
Egy tautológia két jelentése: ANOVA egy kicsit másképpen |
154 |
Minden út Rómába vezet? Változtassunk a kezdőpontokon! |
157 |
A magunk ásta verem és a kiút |
159 |
Tanulságok |
163 |
Magyarázó modellek |
164 |
Variancia-analízis |
166 |
Egyutas variancia-analízis |
167 |
Kétutas variancia-analízis |
175 |
Az interakció |
176 |
Az interakcióról bővebben |
178 |
A négyzetösszegek értelmezése a kétutas ANOVA-ban |
180 |
Az interferencia |
182 |
A hierarchikus ANOVA |
188 |
Korlátozó feltételek |
192 |
Normalitás-vizsgálat |
194 |
Lineáris regresszióanalízis |
204 |
A regressziós egyenes egyenlete |
205 |
Egyszerű példa a lineáris regresszióra |
209 |
Illeszkedés: mennyire vehetjük komolyan a regressziós egyenest? |
211 |
Lineáris regressziónalaízis "élesben" - egyszerű modell |
214 |
A "deviánsokról" |
217 |
Vissza az output-hoz |
220 |
Kétváltozós regressziós modell |
222 |
Kétértékű vagy dummy változók |
222 |
Modellépítés |
223 |
Még egy kicsit a dummy változókról |
226 |
Többváltozós regressziós modell |
227 |
Ordinális független változók |
227 |
A Lazarsfeld-paradigma és a regresszió |
230 |
Interferencia a regresszióban: a változószelektálás módszerei |
234 |
A Forward módszer |
235 |
A Backward módszer |
238 |
A Stepwise módszer |
241 |
Az Enter módszer |
244 |
Nominális mérési szintű változók becsempészése a regrssziós modellbe: dummyzás |
246 |
Összefüggő független változók: a multikollinearitás |
252 |
Függvényszerű multikollinearitás |
252 |
A baj nem jár egyedül: magas mérési szintű és dummy változók a regressziós modellben |
259 |
Amikor csak a gondolkodás segít - dummyzzunk másként |
266 |
Szabaduljunk meg a nominális változóktól |
269 |
Függvnyszerű kapcsolat - sztochasztikus multikollinearitás |
271 |
Miért félünk a sztochasztikus multikollinearitástól? |
274 |
Barátságosabb út a multikollinearitás meghatározására - kétféle mérőszám |
277 |
Hogyan védekezzünk a sztochasztikus multikollinearitás ellen? |
282 |
Hab a tortán: a homoszkedaszticitás és az elsőrendű autokorreláció |
289 |
Biztos, ami biztos: a regressziós modellek validitása |
296 |
Útmodellek |
301 |
Az utak erőssége |
302 |
Közvetlen és közvetett hatások |
308 |
Gondolkodási sémák |
310 |
Mi az ők, és mi az okozat? |
313 |
A modell továbbépítése |
314 |
A modell interpretációja |
317 |
Az útmodell korlátai |
318 |
Diszkriminancia-analízis |
320 |
A romák lehetséges beilleszkedése a többségi társadalomba: ahogyan a többség látja |
320 |
Sok kicsi sokra megy? |
324 |
A magyarázó változók együttes jelentése: a diszkrimináló függvények |
327 |
Az üdvözlendő diszkrimináció |
333 |
Sose lehetünk elég óvatosak - átlagok és eloszlások összehasonlítása |
334 |
Lássuk a medvét! |
338 |
Komplex modell |
340 |
Antiszemitizmus és cigányellenesség |
341 |
Státus és attitűdök: együttes magyarázat |
347 |
Többdimenziós skálázás |
352 |
Kisebbségek egy rokonszenv-térképen |
353 |
Többdiemnziós skálázás az SPSS-ben |
356 |
Meddig mehetünk el? A dimenziócsökkentés határai |
359 |
Etnikai csoportok az egymásról alkotott vélemények terében |
366 |
Logisztikus regresszió |
374 |
A "sztahanovista" lineáris regresszió. Miért van szükség logisztikus regresszióra? |
375 |
A legfontosabb fogalmak |
378 |
A valószínűség és az esély |
379 |
Az esélyhányados |
379 |
Út a logisztikus regresszióanalízis felé |
380 |
Egy egyszerű modell |
384 |
A likelihood függvényről |
386 |
Az output érdemi része |
389 |
A modell magyarázóereje |
391 |
Találatmátrix a logisztikus regresszióban |
394 |
A független változó hatása |
396 |
A modell bővítése |
398 |
Összemérhető hatások: a standardizált regressziós együttható |
401 |
Kategoriális független változó a logisztikus regresszióban |
404 |
Mindent bele! Sokváltozós modell |
410 |
Ugyanaz másképpen |
419 |
Melléklet |
425 |
A parancsikonok használata: Főkomponens- és faktorelemzés |
425 |
A parancsikonok használata: Klaszteremzés |
430 |
Hierarchikus klaszterezés |
430 |
K-Means klaszterezés |
434 |
A parancsikonok használata: Variancia-analízis |
438 |
A parancsikonok használata: A lineáris regresszióanalízis |
438 |
A parancsikonok használata: Diszkriminancia-analízis |
442 |
A parancsikonok használata: A többdimenziós skálázás |
446 |
A parancsikonok használata: A logisztikus regresszió |
449 |
Felhasznált irodalom |
452 |