Testų analizės metodai socialiniuose moksluose: teorija, praktika ir programinė įranga

Šiame elektroniniame vadovėlyje aptariami regresijos modeliai bei jų apibendrinimai, naudojant socialinių tyrimų pavyzdžius. Tyrimų technika lieka ta pati ir nagrinėjant ekonominius, medicininius ir kt. klausimus. Pagrindinis tikslas - padėti įgyti tinkamų praktinių regresinio modeliavimo ir analizės įgūdžių, o LiDA duomenys daro įtaką investicijų sprendimų socialiniams, teisiniams ir ekonominiams veiksniams pamatui identifikuoti.

Regresijos modeliai socialiniuose moksluose: klasika ir išplėstinės formos

Šiame straipsnyje aptariami įvairūs regresijos modeliai ir jų apibendrinimai, įskaitant: Tiesinė regresija; Stabilizuotų liekamųjų paklaidų regresija; Atsparioji regresija; Medianos regresija; Netiesinė regresija; Dvinarė logistinė regresija; Daugianarė logistinė regresija; Ranginė logistinė regresija; Puasono regresija; Neigiama Puasono regresija; Perteklinių nulių modeliai; Probit regresija.

Taip pat apžvelgiama teorinis įvadas, apimantis konceptualų ir matematinį aprašymą, o praktiniai pavyzdžiai iliustruojami naudojant SPSS ir Stata programinius paketus, įskaitant grafinių ir sintaksinių analizės žingsnių aprašą. Aptariamų modelių taikymo pavyzdžiuose bus naudojami LiDA duomenys, siekiant išanalizuoti investicijų sprendimus ir jų veiksnius ekonominėje, socialinėje, teisinėje ir kitose srityse.

Statistiniai pagrindai ir regresijos tipai

1) Tiesinė regresija - dažnai pirmasis žingsnis modeliuojant priklausomąją kintamąją nuo vieno arba kelių nepriklausomųjų kintamųjų. 2) Atsparioji regresija - tinka esant išskirtinėms reikšmėms duomenyse, kai atsakymai gali būti paveikti retų, bet svarbių atvejų. 3) Medianos regresija - naudinga, kai duomenys pasižymi dideliu nešvarumu ar asimetrija. 4) Netiesinė regresija - taikoma kai ryšiai nėra linijiniai ir reikalinga lankstesnė modelio forma. 5) Dvinarė logistinė regresija - naudinga prognozuojant dvejopu atsakymu (pvz., sėkmė/nesėkmė). 6) Daugianarė logistinė regresija - kai turi būti modeliuojami keli kategoriniai atsakymai. 7) Ranginė logistinė regresija - taikoma kai priklausomasis kintamasis yra ranginis. 8) Puasono regresija - skirta skaitiniams duomenims, kurių reikšmės yra įvykiai. 9) Neigiama Puasono regresija - alternatyva kai skaičiai mažėja su tam tikrais veiksniais. 10) Perteklinių nulių modeliai - kai duomenyse daug nulių reikšmių. 11) Probit regresija - panaši į logistinę, bet naudojama su normalia tikimybių paskirstymo taikymo sąlyga.

Taip pat vadovėlyje pateikiamas praktinis požiūris į modelių taikymą SPSS ir Stata programinėje aplinkoje, pateikiant žingsnį po žingsnio grafinius ir sintaksinius analizės etapus. Pavyzdžiai remiasi LiDA duomenimis, kuriai skirta įvertinti investuotojų elgseną ir institucijų sprendimus investuoti į tam tikras sritis.

Taip pat skaitykite: Ugdymo Strategijos vaikams su PUPP

Statistikos raida ir socialinių tyrimų metodologija

1) Statistikos mokslo raida: XVII-XVIII amžiai; XIX amžius - metodologijos raida; XIX-XX amžių sandūra - kryptys; XX a. - stochastinė teorija; 2) Statistikos metodologijų sistema socialiniuose moksluose: humanitarinių ir socialinių mokslų specifika; ekonomikos mokslų metodologija; 3) Ekonometriniai modeliai ir jų taikymas socialiniuose tyrimuose; 4) Duomenų masyvų analizė, indeksai, koreliacija, regresija; 5) Gyvenimo lygio ir vartojimo tyrimai; 6) Vidurkiai, sklaida, klasifikavimas; 7) Gamybinės funkcijos ir jų efektyvumo analizė; 8) Prognozavimas ir dinaminės eilutės; 9) Masiniai procesai ir didžiųjų skaičių dėsnis socialiniuose tyrimuose.

Statistikos mokslo plėtra apima ekonominę raidos analizę, įskaitant indeksų metodus, koreliaciją, regresiją, ekonometrinius modelius ir jų sistemas. Tuo tarpu socialiniuose tyrimuose statistika - platus, sudėtingas įrankis, apimantis regresinę analizę, lyginamosios analizės metodus, gyvenimo lygio ir vartojimo tyrimus, bei daugybę kitų sričių. Pateikiamos istorijos ir kontekstai, įskaitant tarptautinę literatūrą ir archyvinius duomenis, atsako į klausimus apie duomenų rinkimo ir analizės pasirinkimą, hipotezių formavimą ir rezultatų interpretavimą SPSS bei Stata programomis.

Tyrimo metodologijų pasirinkimas socialiniuose moksluose

Tyrimo metodologijos pasirinkimas priklauso nuo tyrimo tikslo, uždavinių, klausimų ir turimų išteklių. Tyrimo sandara dažnai susidaro iš teorinės ir empirinių dalių, kurios glaudžiai sąveikauja. Kiekybinė metodologija remiasi skaičiais, statistika, išmatuotais pokyčiais ir hipotezių patikrinimu, o kokybinė - siekia giliau suprasti reiškinių kontekstą, motyvus ir patirtis.

• Kiekybiniai tyrimai: apklausos, testai, struktūruoti interviu, eksperimentai; analizės metodai - deskriptivioji statistika, inferencinė statistika (t-testai, ANOVA, koreliacija, regresija).
• Kokybiniai tyrimai: nestruktūruoti interviu, stebėjimas, dokumentų analizė, fokus grupės; analizė - teminė, turinio, naratyvinė, fenomenologinė.
• Mišrūs metodai: derinant kiekybinę ir kokybinę formas, siekiant išsamiau suvokti tyrimo reiškinį.

Apklausos kokybė priklauso nuo klausimų formulavimo, imties atspindėjimo visumai ir respondentų atsakymų patikimumo. Tyrimai dažnai skirstomi į pirminius ir antrinius duomenų rinkimo būdus. Pirminiai tyrimai renka naują informaciją (anketos, interviu, eksperimentai), o antriniai - analizuoja jau esančius duomenis (literatūra, antra informacija, bazės).

Duomenų rinkimo ir analizės derinimas socialiniuose tyrimuose

Kiekybiniai tyrimai dažniausiai valdomi atsitiktinumo ir reprezentatyvumo principais, o jų rezultatų interpretavimas priklauso nuo išanalizuotų statistinių duomenų ir hipotezių. Kokybiniai tyrimai suteikia gilų kontekstą, kuris gali padėti suformuluoti ar patikslinti hipotezes. Mišrios technikos leidžia derinti abu požiūrius, siekiant išsamesnio supratimo.

Taip pat skaitykite: 10 klasės socialinių mokslų egzamino užduotys

Šiame straipsnyje taip pat išskiriama praktinė dalis: investicijų ir ekonominės politikos klausimai, LiDA duomenų taikymas, bei analitiniai pavyzdžiai SPSS ir Stata programose, pritaikant įvairius regresijos modelius socialiniams tyrimams.

Priklausomybė tarp investicijų ir įvairių veiksnių: praktiniai pavyzdžiai

Šalies ekonomikai didelę įtaką daro investicijos, todėl svarbu identifikuoti veiksnius, lemiančius investuotojų pasirinkimus investuoti į tam tikras sritis. Tai reiškia, kad reikia numatyti, kaip sukurti palankias investavimo sąlygas, susijusias su ekonominiais, socialiniais, teisiniais ir kitais aspektais, siekiant pritraukti investicijų. Akcijų rinkų situacija COVID-19 metu parodė, koks svarbus vaidmuo tenka akcijų rinkoms valstybės ekonomikai.

Šiame kontekste socialiniai tyrimai gali padėti suprasti investuotojų nuostatas, elgseną bei politikų reguliavimo efektus. Tyrimų analizė gali būti grindžiama įvairių regresijos modelių taikymu: nuo paprastos tiesinės regresijos iki daugiatikslės logistinės regresijos arba Poisson modelių, priklausomai nuo priklausomojo kintamojo pobūdžio. LiDA duomenų analizei gali būti taikomos skirtingos metodikos, atsižvelgiant į duomenų pobūdį ir tyrimo klausimą.

Duomenų analizė socialiniuose tyrimuose: praktiniai įgūdžiai

Statistikos raida padeda geriau suprasti, kaip rinkti ir analizuoti duomenis socialiniuose tyrimuose. SPSS ir Stata turi įrankius visoms minėtoms regresijos rūšims, įskaitant hipotezių formavimą, savitą duomenų paruošimą, jų įverčinius modelius ir rezultatų interpretaciją. Hipotezių formulavimas ir jų įvertinimas - įgūdžiai, kurių mokomasi šiame vadovėlyje. Taip pat svarbu įsisavinti, kaip teisingai pateikti rezultatus - p reikšmes, efektų dydžius, konfidencialus intervalus ir atitinkamą interpretaciją H0 ir H1.