| 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 |