spss segédanyag

7/22/2019 spss segdanyag

1/67

MARKETINGKUTATS II.Oktatsi segdanyag


2/67

Tartalomjegyzk

ELSZ ................................................................................................................................... 2

1 AZ SPSS-RL LTALBAN ........................................................................................3

1.1 DATA EDITOR.............................................................................................................. 31.2 VIEWER....................................................................................................................... 41.3 CHART EDITOR............................................................................................................ 4

2 ADATBEVITEL............................................................................................................... 52.1 ELSDLEGES ADATBEVITEL.........................................................................................52.2 MSODLAGOS ADATBEVITEL ...................................................................................... 5

3 ADATELKSZTS .................................................................................................... 6

3.1 SELECT (DATA >SELECT CASES)................................................................................ 63.2 COMPUTE (TRANSFORM >COMPUTE) ......................................................................... 6

3.3 COUNT (TRANSFORM >COUNT).................................................................................. 73.4 RECODE (TRANSFORM >RECODE) .............................................................................. 73.5 CATEGORIZE (TRANFORM >CATEGORIZE VARIABLES) .............................................. 7

4 EGY- S KTVLTOZS ELEMZSEK ..................................................................9

4.1 GYAKORISGI ELOSZLSOK........................................................................................94.2 KERESZTTBLK....................................................................................................... 144.3 PARAMTERES PRBK............................................................................................. 19

5 VARIANCIAELEMZS ............................................................................................... 23

5.1 EGYSZEMPONTOS VARIANCIAANALZIS ..................................................................... 235.2 TBBSZEMPONTOS VARIANCIAANALZIS ................................................................... 28

6 KORRELCIELEMZS........................................................................................... 31

6.1 PEARSON-FLE (SZORZAT-MOMENTUM)KORRELCI............................................... 316.2 PARCILIS KORRELCI ............................................................................................ 32

7 REGRESSZIELEMZS............................................................................................. 35

8 FAKTORELEMZS ..................................................................................................... 45

9 KLASZTERELEMZS................................................................................................. 59

9.1 AKLASZTEREK JELLEMZSE......................................................................................63


3/67

Elsz

Kedves Marketing Szakirnyos Hallgatk!

A segdanyag a Marketingkutats kvantitatv mdszerei tantrgy tanulsa sorn a Malhotra

knyv gyakorlati kiegsztseknt hasznlhat. A gyakorlatokon az egyes alapmdszereknek

az SPSS programcsomag segtsgvel trtn elsajttst segti. A segdanyag az azonos

helyrl letlthet, nyaralsi szoksokkal s magatartssal foglalkoz krdv megkrdezsealapjn elksztett adatbzison elvgzett szmtsokat s az eredmnyek rtelmezst segt

magyarzatokat tartalmazza. Nem tartalmazza az egyes mdszerek hasznlhatsgra

vonatkoz feltteleket, a mdszerek statisztikai bemutatst, vagyis mindazt, amit az egyes

mdszerekrl a Malhotra knyv tartalmaz.

A segdanyag eredmnyes hasznlathoz ajnljuk, hogy a gyakorlatok eltt olvassk el avonatkoz fejezeteket, ez knnyti a szeminriumi anyag megrtst. Ajnljuk, hogy a

kinyomtatott segdanyagot mind az eladsra, mind a gyakorlatokra vigyk magukkal. gy

lehetsg nylik az egyni jegyzetek belersra anlkl, hogy a szmtsokat mg egyszer le

kellene rni.

A szmtsok sorn, ha minden bellts a segdanyagban lertak szerint trtnik az SPSS11.0 programcsomaggal trtnmunka sorn, akkor az eredmnynek is meg kell egyeznie az

itt lertakkal. Ha mindezek ellenre nem ugyanez az eredmny, krjk, jelezzk szmunkra.

Mivel a segdanyag j, a korbbi vek segdanyagval nem egyezik meg, vagyis azzal nem

ptolhat a hasznlata. A korbbi segdanyagokhoz kpest nem csak a terjedelme bvlt,

hanem j adatbzist s az SPSS programnak jabb verzijt hasznlja.

Minden hiba feltrst s egyb szrevteleiket ksznettel fogadjuk!


4/67

1 Az SPSS-rl ltalban

Az SPSS hasznlatakor a jl megszokott Windows-os krnyezettel tallkozhatunk, teht

pldul az Office termkcsaldnl megismert mveletek az SPSS-ben is rendelkezsre llnak

(pl.: Copy/Cut Pasteparancsok), gy kezelse nem okozhat gondot. A gyors s hatkony

munkt a gyorsbillentyk, eszkzgombok s a jobb-klikk-pop-up menk is segtik.

Ugyanakkor zavar lehet, hogy az Office alkalmazsokkal ellenttben az SPSS csak alegutols mveletet tudja visszavonni fggetlenl a mentsi fzistl. Nagy segtsget jelent

viszont, hogy brmely eljrs, mvelet elvgzse sorn kitlttt prbeszdablakok mindaddig

megrzik tartalmukat, amg jra nem indtjuk az SPSS-t. gy egy-egy rosszul vagy hinyosan

elvgzett elemzs utn gyorsan javthatjuk a hinyossgot, mindemellett, ha mgis az res

prbeszdablakra van szksg, a Reset gombbal rthetjk a mezket.

Az SPSS klnfle nzeteivel fogunk tallkozni a munknk sorn:

1.1 Data Editor

Leginkbb egy Excel tblzatra (n. spreadsheet formtum) hasonlt, amely kt munkalapbl

ll, gymint Data Views Variable View, amelyek a bal als sarokban levflekre kattintva

vltogathatak.

1.1.1 Data View

Minden sor egy-egy megkrdezett lekdolt vlaszait tartalmazza (case), minden oszlop pedig

egy-egy vltozt (variable).

P: 4. sor 2. oszlopban lv1 jelentse: Az egyes sorszm krdv kitltje volt nyaralni az

elmlt nyron.

A tblzat meziben a kdszmokat ltjuk alaprtelmezsben, de a mensor View > Value

Labels kipiplsval a vltozk kdrtkeit is megjelenthetjk (feltve, hogy vannak

ilyenek) Ez hasznos lehet mindaddig amg ismerkednk az adatbzissal


5/67

oszlopok ezek tulajdonsgait tartalmazzk. Egy-egy adott cellra kattintva definilhatjuk az

aktulis vltoz nevt, tpust, mrett, kdrtkeit, stb. a felajnlott belltsok segtsgvel

(legrdl menk, nyilak, egyb opcik). Egy egsz vltozsor menedzselshez (trls,

beszrs, msols, stb.) a sor szln trtnjobb-klikkre felnyl menben frhetnk hozz.

F: Prbakppen definiljuk mg egyszer az elskrds vltozjt!

M: Jobb klikk > Insert Variable > Name: k1a, Width: 9, Values: {1=Igen, 2=Nem}

Vigyzat, ahogy az elbbi pldn is lthatjuk, egy j vltoz definilsa vagy egy rgi trlse

azonnali vltozst okoz az adattblban is!

1.2 Viewer

Funkcionalitst tekintve a Viewer az output tblk megjelentje. Automatikusan felnylik,

amikor lefuttatunk valamilyen vizsglatot. Kezelsben kiss hasonlt a Windows Intzre,

hiszen az ablakmez kt rszre osztott, s a baloldalon fa szerkezetben kezelhetk az

outputok. A kutats tulajdonkppeni elemzs rsze a Viewer segtsgvel trtnik.

1.3 Chart Editor

Klnbz diagrammok s brk megjelentst teszi lehetv, a Viewerben lv

diagrammon dupla kattintsra nylik fel. Alkalmas a diagrammok finomhangolsra, s a

chartok knnyen exportlhatk ms, npszerformtumba is (pl.: JPEG, TIF, BMP, WMF),

amely lehetsg elnyt jelent egy ltvnyos prezentci elksztsnl.

Az elzekben emltett nzeteken kvl ltezik mg Draft Viewer, Pivot Table Editor, Script

Editor, stb nzet, de ezekkel a flv sorn nem foglalkozunk behatbban.


6/67

2 Adatbevitel

Az adatbevitelnek alapveten kt mdja van, az elsdleges s a msodlagos adatbevitel.

Elsdleges adatbevitelnek nevezzk, amikor az adatokat kzvetlenl az SPSS programban

rgztjk, msodlagosnak, amikor egy msik alkalmazsban (pl.: Excel, dBase, MS Access)

rgztett adatokat importlunk az SPSS-be.

2.1 Elsdleges adatbevitel

Az adatbevitelhez szksg van a kdolsi tmutatra s az adatbeviv formra, vagyis hogy

milyen vltozkat definilunk. Vltozkat legegyszerbben a Variable View nzetben jobb

klikk- Insert Variableparanccsal adhatunk meg. Definilskor meghatrozhatjuk a vltoz

rvid nevt (Name), s megadhatjuk az rtkeit (Values), jelentst (Labels); ez hasznos,

mert ezutn az output tblkon is ezt hasznlja majd az SPSS, ami javtja az ttekinthetsget.

A vltoz tpusnak megadst az SPSS nem hasznlja semmire, ez csak a kutatnak nyjthat

segtsget (Measurement). A Missingoszlop lehetv teszi a hinyz vlaszok kezelst.

Az SPSS korbbi verziival ellenttben a vltozk egyszer Copy Paste parancsok

segtsgvel msolhatk Variable Viewnzetben a gyorsabb vltozdefinils rdekben.

2.2 Msodlagos adatbevitel

Az SPSS ms alkalmazsok adatbzisait is tudja kezelni, ehhez a funkcihoz a File men

OpenDatabase > New Query parancsval lehet hozzfrni. Ekkor egy szoksos Windows

varzsl segti az adatbzis SPSS ltal feldolgozhatv alaktst (pl.: otthon xls formtumban

bevitt adatbzisunkat knnyen importlhatjuk SPSS-be).

A msodlagos adatbevitelhez sorolhatjuk az adatbzisok egyestst is. A mensor Data >

Merge Files sorval rhetjk el az egyestsi lehetsgeket (Add Cases/Variables). Az

egyestsnl gyelni kell arra hogy azonos sorokat/oszlopokat egyestsnk ugyanis az SPSS


7/67

3 Adatelkszts

Az elemzsek elvgzse eltt sok esetben szksg van az eredeti adatok talaktsra,

adattiszttsra, sklatranszformcira illetve egyes vlaszok kizrsra. Az SPSS lehetsget

ad mindezekre, a Selects Transformmveletek alkalmazsval.

3.1 Select (Data > Select Cases)

A vlaszok kzl vlaszthatjuk ki azokat, amelyeket szeretnnk bevonni az adott elemzsbe

(illetve zrhatjuk ki a nem megfeleleket). Leggyakrabban az If lehetsget szoktuk

alkalmazni. Itt bellthat, hogy milyen felttel (akr fggvny is alkalmazhat) mellett

vlogasson az SPSS a mintban. A ki nem vlasztott eseteket trlhetjk, vagy kizrhatjuk az

elemzsbl (UnselectCasesAreDeleted/Filtered). Amennyiben a Filteredopcit jelljk

meg, a ki nem vlasztott elemek sorszmt thzssal fogja jellni az SPSS, illetve egy

mestersges vltozban (filter_$, utols oszlop) is rgzti az llapotukat. Ez a vltoz mindig

a legutols kivlasztsi llapotot tkrzi.

F: Vlasszuk ki azokat a vlaszadkat, akik legalbb 8 napot tltttek nyaralssal, s

replgppel utaztak!

M: Data>Select Cases>If k9>=8 & k7=1

21 ilyen vlaszad van, az elsa 9-es.

Ha valamilyen szelektlst alkalmazunk, azt egy Filter Onfelirat jelzi az als sttuszsv jobb

oldaln, ezt rdemes figyelemmel ksrni, mert egy elfelejtett filter gondokat okozhat a

tovbbi elemzs sorn. (Az eredeti minta a Select Cases > All Caseskijellssel llthat

vissza, ekkor eltnik a felirat.)

3.2 Compute (Transform > Compute)

A mvelet segtsgvel a meglv vltozkbl klnbz szmtsokkal j vltozkat


8/67

3.3 Count (Transform > Count)

Az eljrs hasonlt a Selecthez, de a Count nem filterezi a kijellt eseteket, csak egymestersges vltozban jelli meg azokat. Az rtkek s felttelek definilsa a fentiekhez

hasonlan trtnik.

3.4 Recode (Transform > Recode)

A Recodesegtsgvel knnyen s egyszeren alakthatjuk t vltozink kdolst. Ha aztalakts vgleges, s az eredeti vltozra mr nincs tbb szksgnk (ez elg ritka eset

teht legynk vatosak), vlasszuk az Into Same Variablesopcit, brmilyen ms esetben

pedig az Into Different Variables lehetsget (ekkor j vltozba kerlnek az jrakdolt

rtkek).

Ebben az esetben meg kell adnunk az j vltoz nevt s cmkjt (Output Variablemezk),majd definilnunk kell az jrakdolsi eljrst (Old and New Valuesgomb).

F: Tegyk fel, hogy a 7. krdsben a kutat valamilyen oknl fogva ssze akarja vonni a

vonat s autbusz vlaszokat a tovbbi elemzsek eltt. Vgezzk el az jrakdolst!

M: Tranform>Recode>Into Different Variables>Output Variable: k7uj

Old and New Values> 2 thru 3 -->27 -->2

ELSE -->Copy

rdemes mg megjegyezni, hogy az j vltoznk rtkeinek cmki nem rkldnek, hanem

jra meg kell adnunk (Variable View > Values).

3.5 Categorize (Tranform > Categorize Variables)

Akkor van szksg erre a mveletre, ha valamilyen alacsonyabb rang elemzs elvgzshez

az eredetileg metrikus vltoznkat ordinliss akarjuk alaktani. Mindehhez csak a

k t i l d lt (k) t k t ik t k ll d k SPSS lk ti


9/67

kategriaszmmal prblkozik, hogy javtsa az elemegyenslyt (ezt a megoldst a lenti pldn

lehet tanulmnyozni), vagy a Recodemvelet segtsgvel egyedi kategria meghatrozst

vgez (n. kzi vezrls).

P egyenletes eloszlsra: Kategorizljuk a havi meglhetsre klttt sszesen sszeget 4

osztlyba (23. krds), s vizsgljuk meg a kategrikat!

M: Transform>Categorize Variables>Create Categorize for k23_6; Number of categories: 4

(Eredmny: nk23_6 kategorizlt vltoz)

Analyze>Descriptive Statistics>Crosstabs>Rows: k23_6; Columns: nk23_6

A kereszttblban (1. tblzat) megfigyelhet, hogy az SPSS a kvetkez kategrikat

alaktotta ki:

1. tblzat

Kategria szma rtkek Kategria elemszma

1 -24 999 86

2 25 000-34 999 85

3 35 000-47 999 88

4 48 000- 87

P kategriaszm dntsre: Kategorizljuk a nyaralsi kltseket (13. krds)!

M: Az elbb bemutatott eljrs segtsgvel kialaktjuk, s vizsgljuk a kategrikat! Pldul

a szlls esetn (k13_2) rdemes 3-ra cskkenteni a kategrik szmt, hiszen a kereszttblt

vizsglva lthatjuk, hogy a kevesebb kategria egyenletesebb elosztst eredmnyez.

A szrakozsi kltseknl (k13_5) pp fordtott a helyzet, itt mg egy kategria felvtele

eredmnyezi az egyenletesebb elosztst.


10/67

4 Egy- s ktvltozs elemzsek

Ebben a fejezetben a gyakorisgi eloszlsok, a kereszttblk s a hipotzisvizsglat gyakorlati

megoldsaival fogunk foglalkozni; ezek a legegyszerbb, ugyanakkor nlklzhetetlen

adatfeldolgozsi mdszerek (tbbek kztt a minta sszettelt is ezekkel kell megvizsglni).

4.1 Gyakorisgi eloszlsok

Az SPSS-ben a gyakorisgi eloszlsok vizsglatt az Analyze > Descriptive Statistics >

Frequencies menpontban rhetjk el. A megnyl prbeszdablakban csak ki kell

vlasztanunk a vizsgland vltoz(ka)t, s mr indthatjuk is az elemzst. A Statistics

gombra klikkelssel mdunkban ll a kapcsolatos statisztikai mutatkat is lekrni

(helyzetmutatk: medin, mdusz, tlag, kvantilisek; szrdsi mutatk: szrs, variancia,

terjedelem; sszeg). A Charts lehetsget ad diagrammok megjelentsre (hisztogram,

illetve oszlop s torta diagramm formk), a Format alatt pedig bellthat a megjelens

mdja.

Ha csak az sszeststatisztikkra van szksgnk, akkor rdemes azAnalyze > Descriptive

Statistics > Descriptives menpontot hasznlni, mert sokkal hatkonyabb, hiszen nem

kszt gyakorisgi tblt. (Megjegyezzk: a Descriptives-ben elrhet statisztikk

mindegyike elkszthetFrequencies-ben is (Malhotra, (2002).)

F: Ksztsk el a minta sszettelt jellemz gyakorisgi eloszlsokat s alapstatisztikkat!

M: Csak a legfontosabbakat mutatjuk be, mint lakhely, tanulmnyi eredmnyek, nem.

Analyze>Descriptive Statistics>Frequencies>Variables: k20, k22, k28>Charts: Pie

2. tblzat

lland lakhelyed...

126 34 2 35 5 35 5Budapesten vanValidFrequency Percent

ValidPercent

CumulativePercent


11/67

mutatjk. Egy plda az rtelmezsre: a vlaszadink 35,5%-nak lland lakhelye Budapesten

van (ha a nem vlaszolk kztt is a vlaszolk eloszlst felttelezzk).

3. tblzat

Milyen volt a tanulmnyi eredmnyed az elmlt flvben az vfolyamtlaghozviszonytva?

212 57,6 57,9 57,9

115 31,3 31,4 89,3

39 10,6 10,7 100,0

366 99,5 100,0

2 ,5

368 100,0

Az tlag felett volt ( *)

Krlbell azvfolyam tlaga volt

Az tlag alatt volt

Total

Valid

SystemMissing

Total

Frequency PercentValid

PercentCumulative

Percent

A 3. tblzatban Az tlag felett volt eset utn tallhat (*) jelre hvnnk fel a figyelmet. Ez

azt hivatott jelezni, hogy az output tblk tetszlegesen alakthatak, formzhatak Viewer

nzetben, az objektumon egy dupla kattintssal lehet ehhez hozzfrni; termszetesen gy

kerlt oda a (*) szimblum is.

4. tblzat

Nemed?

147 39,9 39,9 39,9

221 60,1 60,1 100,0

368 100,0 100,0

Fi

Lny

Total

ValidFrequency Percent

ValidPercent

CumulativePercent

A 4. tblzat figyelmeztet minket arra, hogy a mintban fellreprezentltak a lnyok.


12/67

I. bra

lland lakhelyed...

Missing

Nem Budapesten van

Budapesten van

Az I. brn megtekinthetjk torta diagrammon is a lakhely szerinti eloszlst. A kutatsi

beszmol prezentlsakor ltvnyos s hasznos megolds ezeket alkalmazni (a szoksos jobb

klikk Copy objects > Pasteparanccsal illeszthetek be Power Point-ba).

II. bra

Milyen volt a tanulmnyi eredmnyed az elmlt flvben

az vfolyamtlaghoz kpest?

Missing

Az tlag alatt volt

Krlbell az vfoly

Az tlag felett volt


13/67

III. bra

Nemed?

Lny

Fi

A III. brn bemutatunk egy-kt brafinomtsi lehetsget, ami a Chart Editor-ral

elvgezhet(objektumon dupla klikkre nylik fel): tortaszeletek szthzsa, szeletek sznnek,

mintzatnak vltoztatsa, szeglyvonalak stlusa, szelet elrendezs vltoztatsa, stb. Szintn

a prezentci s az rsos beszmol sznvonalt, lvezhetsgt nveli. (Ne feledjk, fenn

kell tartani a hallgatk, olvask figyelmt!)

P: Ler statisztikk s gyakorisg eloszls segtsgvel vizsgljuk meg, hogy mennyire voltak

alanyaink elgedettek a nyarals sorn az elltssal (11. krds, 8. pont)!

M: Analyze>Descriptive Statistics>Frequencies>Variable: k11_8>

Statistics: Percentile Values: Quartiles

Central Tendency: minden

Dispersion: minden

Charts: Bar s Percentages


14/67

5. tblzat

Statistics

Mennyire voltl elgedett - Az elltssal (tkezs, stb.)344

24

5,3547

,08708

6,0000

7,00

1,615102,60855

6,00

1,00

7,00

1842,00

4,0000

6,0000

7,0000

Valid

Missing

N

Mean

Std. Error of Mean

Median

Mode

Std. DeviationVariance

Range

Minimum

Maximum

Sum

25

50

75

Percentiles

Az 5. tblzat tartalmazza a ler statisztikkat, s termszetesen az rvnyes s hinyz

vlaszok szmt is. Megtallhatjuk az tlagot, az tlag standard hibjt, a medint, mduszt,

szrst, variancit, a terjedelmet, a legkisebb s legnagyobb rtkeket, az sszeget, s a 25,

50, 75-s percentiliseket, vagyis az als s felskvartilist s a medint mg egyszer.6. tblzat

Mennyire voltl elgedett - Az elltssal (tkezs, stb.)

7 1,9 2,0 2,0

16 4,3 4,7 6,731 8,4 9,0 15,7

38 10,3 11,0 26,7

65 17,7 18,9 45,6

76 20,7 22,1 67,7

111 30 2 32 3 100 0

1,00

2,003,00

4,00

5,00

6,00

7 00

ValidFrequency Percent

ValidPercent

CumulativePercent


15/67

IV. bra



7,006,005,004,003,002,001,00Percent

40

30

20

10

0

32

22

19

119

52

Az brbl kitnik, hogy a vlaszadk igencsak elgedettek voltak az elltssal.

Az oszlopdiagramok is tetszlegesen csinosthatk a Chart Editor segtsgvel, rdemes

hasznlni pldul az oszlop cmkket (Bar Label Styles), s ne feledkezznk meg a fent

emltett exportlsi lehetsgrl sem.

4.2 Kereszttblk

A kereszttbla elemzs egyike a leggyakrabban hasznlt vizsglati mdszereknek, SPSS-ben

az Analyze > Descriptive Statistics > Crosstabs tvonalon rhet el. Br a program

brmilyen tpus adatra elvgzi az elemzst, a kereszttblk input vltozi nominlis vagy

ordinlis adatok kell, hogy legyenek.A Crosstabsprbeszdablakban vlaszthatjuk ki az elemzendvltozkat, rtelemszeren

az egyes vltozk a sorokban, illetve oszlopokban lesznek feltntetve. Mivel a kereszttbla

elemzs csak az sszefggs vizsglatra alkalmas, az irnyra nem mond semmit, gy a


16/67

A Cells gomb segtsgvel llthatjuk be a tblzat celliban megjelentend rtkeket,

egyrszt a gyakorisgra (Counts) vonatkozan (mrt (Observed) vagy becslt (Expected)

cellagyakorisg), msrszt a relatv gyakorisgra (Percentages) vonatkozan (szzalkos

mutatk sor (Row), oszlop (Column) vagy teljes minta (Total) szerint), harmadrszt a mrt

s becslt adat kzti klnbsgre (Residuals) vonatkozan. Mivel tl sok rtk esetn a

tblzat ttekinthetetlen lesz, rdemes tgondolni elszr, hogy melyik vltozt vlasztjuk

fggnek, s melyiket fggetlennek. Az ltalnos szably az, hogy a fggetlen vltoz szerint

szmtjuk a szzalkokat a fggvltozra (Malhotra, 2002).

A legtbb esetben ktvltozs kereszttblkat szoktunk kszteni, de van lehetsg arra, hogy

tbb vltozt is bevonjunk az elemzsbe, hiszen ez tbblet informcival lthat el minket (pl.:

kezdeti sszefggs hamis, sszefggs finomtsa, stb.) Tbbvltozs kereszttbla esetn a

harmadik, negyedik, stb. vltozt egyszeren bevonjuk a sorokba, oszlopokba ( >

Crosstabs > Rows/Columns), de vigyzni kell, mert ez minden esetben az ttekinthetsg

rovsra trtnik.

P: Kereszttbla elemzssel vizsgljuk meg, van-e sszefggs a hallgatk neme (28. krds)

s az egyetemen kvli Internet hozzfrs (26. krds, 2. pont) kztt!

M: Analyze>Descriptive Statistics>Crosstabs>Rows: k28, Columns: k26_2

Statistics: Chi-square

Phi and Cramers V

Cells: Counts: Observed

Percentages: Row, Column

7. tblzat

Case Processing Summary

Nemed? * A kvetkezkN Percent N Percent N Percent

Valid Missing Total

Cases


17/67

8. tblzat

Nemed? * A kvetkezk kzl melyekkel rendelkezel? - az egyetemen kvl

Internet-hozzfrs Crosstabulation

121 26 147

82,3% 17,7% 100,0%

43,7% 29,9% 40,4%

156 61 217

71,9% 28,1% 100,0%

56,3% 70,1% 59,6%

277 87 364

76,1% 23,9% 100,0%

100,0% 100,0% 100,0%

Count

% within Nemed?

% within A kvetkezk

kzl melyekkelrendelkezel? - azegyetemen kvlInternet-hozzfrs

Count

% within Nemed?

% within A kvetkezkkzl melyekkelrendelkezel? - azegyetemen kvl

Internet-hozzfrsCount

% within Nemed?

% within A kvetkezkkzl melyekkelrendelkezel? - azegyetemen kvlInternet-hozzfrs

Fi

Lny

Nemed?

Total

Igen Nem

A kvetkezk kzlmelyekkel

rendelkezel? - azegyetemen kvl

Internet-hozzfrs

Total

A kereszttblt soronknt elemezve kiderl, hogy a fik nagyobb arnyban (82,3%)

rendelkeznek egyetemen kvli Internet hozzfrssel, mint a lnyok (71,9%), de az

sszestett 76,1%-os arny is elg magasnak mondhat. Ha oszloponknt elemznk, akkor

elmondhatjuk, hogy az otthoni Internet kapcsolattal rendelkezk 56,3%-a lny, mg az

Internettel nem rendelkezk 70,1%-a lny. Tekintve, hogy a mintban 59,6% a lnyok arnya,

gy ugyanarra a kvetkeztetsre jutunk, mint az elbb.9. tblzat

Chi-Square Tests

Asymp.


18/67

A 2 teszt elrevezet a hipotzisvizsglathoz, hiszen a 9. tblzatban nem csak az rtkt

lthatjuk, hanem az ehhez tartoz szignifikanciaszintet is. Mieltt azonban ezt

megvizsglnnk, meg kell bizonyosodni arrl, hogy a kereszttblnk megfelel-e az elemzsi

kvetelmnyeknek (br ez inkbb nagyobb tblk esetn fontos).

(Emlkeztetl a kt felttel: 1. a vrhat rtk egy cellban sem lehet kisebb, mint 1 s 2.

azon cellk arnya, ahol a vrhat rtk kisebb, mint 5, nem lehet tbb mint 20%.)

A tbla alatt a bpontban olvashat megjegyzs szerint a feltteleknek megfelel a kereszttbla

(ahogy azt egy 22-es tbltl el is vrjuk).

A 2 teszt nullhipotzise szerint a becslt s mrt adatok megegyeznek, vagyis nincs

sszefggs a kt vltoz kztt. A 2 rtke 5,235, az ehhez tartoz szignifikanciaszint

0,022, ami azt jelenti, hogy a szoksos 95%-os biztonsg mellett (5%-os hibval) a

nullhipotzist elvetjk, teht a kt vltoz kztt sszefggs van.

10. tblzat

Symmetric Measures

,120 ,022

,120 ,022

364

Phi

Cramer's V

Nominal byNominal

N of Valid Cases

ValueApprox.

Sig.

Not assuming the null hypothesis.a.

Using the asymptotic standard error assuming the nullhypothesis.

b.

A egytthat nagyon ers statisztika 22-es tblk esetn. Ennek szignifikancija jelen

esetben 0,022, ami megerst minket az sszefggs ltt illeten.

P: Vizsgljuk meg, hogy van-e sszefggs a lakhely (20. krds) s a nyaralsi sszes kiads

(13 k d ) k !


19/67

11. tblzat


318 86,4% 50 13,6% 368 100,0%lland lakhelyed... *sszes kltsg kat.

N Percent N Percent N Percent

Valid Missing Total

Cases

Az 50 hinyz adat mellett is elg nagy marad a mintnk.

12. tblzat

lland lakhelyed... * sszes kltsg kat. Crosstabulation

27 21 28 32 108

27,2 27,5 26,2 27,2 108,0

25,0% 19,4% 25,9% 29,6% 100,0%

53 60 49 48 210

52,8 53,5 50,8 52,8 210,0

25,2% 28,6% 23,3% 22,9% 100,0%

80 81 77 80 318

80,0 81,0 77,0 80,0 318,0

25,2% 25,5% 24,2% 25,2% 100,0%

Count

Expected Count

% within llandlakhelyed...

Count

Expected Count


Count

Expected Count


Budapesten van

Nem Budapesten van

lland lakhelyed...

Total

12000 alatt12001-26

00026001-73

80073800felett

sszes kltsg kat.

Total

A vrhat s mrt cellagyakorisgok majdnem megegyeznek minden cellban (teht a 2

rtke kicsi lesz), gy mr sejthetjk, hogy nem tallunk sszefggst.

13. tblzat

Chi-Square Tests

3,832a 3 ,280

3 906 3 272

Pearson Chi-Square

Likelihood Ratio

Value df

Asymp.Sig.

(2-sided)


20/67

14. tblzat

Symmetric Measures

,110 ,280

,110 ,280

318

Phi

Cramer's V

Nominal byNominal

N of Valid Cases

ValueApprox.

Sig.

Not assuming the null hypothesis.a.

Using the asymptotic standard error assuming the null

hypothesis.

b.

A Cramer-fle V mutat is megersti ezt (0,28-as szignifikancia), teht a lakhely s a

nyarals alatti klts kztt nem mutathat ki sszefggs. (A egytthatt most nem

elemezhetjk, hiszen a tbla nem 22-es, a szmszermegegyezs a kpletbl addik (lsd

Malhotra (2002) 548-549.o.).

4.3 Paramteres prbk

Egyszerhipotzisvizsglatokat vgezhetnk el azAnalyze > Compare Meansmenpont

segtsgvel. A men lehetsgei kzl itt csak a t prbkat mutatjuk be, mert a Meanss a

One-Way ANOVAelrevezet a varianciaelemzshez.

rtelemszeren alkalmazhatjuk a One-Sample, az Independent-Samples s a Paired-

Samples T test pontokat egymints, kt fggetlen mints s pros mints t prbknl;

mindssze az elemzend metrikus(!) vltozkat (Test Variables) s a konfidencia

intervallumot (Options) kell belltanunk, illetve az egyszer t prbnl tesztstatisztika

rtkt (Test Value).F (egymints t prba): Tegyk, hogy szekunder kutatsbl rendelkezsnkre llnak adatok az

egyetemistk nyaralsi szoksairl a 2000-es vben. Ezek szerint tlagosan 11 napig tartott a

leghosszabb nyarals. Ezt figyelembe vve vizsgljuk meg, hogyan vltoztak a nyaralsi


21/67

Mint minden prbnl, gy itt is az alapadatokat megjelent tblzattal tallkozhatunk

elszr. Megfigyelhetjk, hogy a mintatlag (9,7522) jelentsen eltr a tesztrtktl (11).

16. tblzat

One-Sample Test

-2,774 346 ,006 -1,2478 -2,1326 -,3631Hny napig tartottez a nyarals?

t df

Sig.

(2-tailed)

Mean

Difference Lower Upper

95% ConfidenceInterval of the

Difference

Test Value = 11

A vrakozsnak megfelelen a t prba alapjn elvethetjk a nullhipotzist, hiszen a

szignifikanciaszint 5% alatt van (0,006), teht a mintatlag kisebb mint a tesztrtk, vagyis

2002-re az egyetemistk leghosszabb nyaralsnak tlagos idtartama cskkent 2000-hez

kpest.

F (kt fggetlen mints t prba): Tekintsk fggetlen rszmintnak a vlaszadinkat aszerint,

hogy A vagy B vltozat krdvet (source01) tltttek-e ki! Vizsgljuk meg, hogy van-e

klnbsg a kt minta kztt a nyarals irnti attitdk tekintetben, legyen a vizsglt llts

a kulturlis ticlra vonatkoz (k18_17)!

M: Analyze > Compare Means > Independent-Samples T Test > Test Variable: k18_17,

Grouping Variable: source01(0 1) (A csoportosts belltsa: Define Groups gomb)

17. tblzat

Group Statistics

176 3,8011 1,77287 ,13364

Melyik krdvettlttte ki?B-vltMennyire rtesz egyet

vele - Nem rdekelaz olyan ticl amely

N Mean Std. DeviationStd. Error

Mean


22/67

18. tblzat

Independent Samples Test

,020 ,888 1,096 361 ,274 ,2022 ,18457 -,16075 ,56517

1,095 358,822 ,274 ,2022 ,18466 -,16095 ,56536

Equal variancesassumed

Equal variancesnot assumed

Mennyire rtesz egyevele - Nem rdekelaz olyan ticl, amelynem szolgl kulturlisrdekessgekkel.

F Sig.

Levene's Test forEquality of Variances

t df Sig. (2-tailed)Mean

DifferenceStd. ErrorDifference Lower Upper


Difference

t-test for Equality of Means

A fenti tblzat nem csak egyszeren a t prbt tartalmazza, hanem szmos egyb fontos

dolgot is megtudhatunk belle. Mivel a t prba csak akkor vgezhetel tiszta lelkiismerettel,

ha a fggetlen mintk szrsa megegyezik, gy addik, hogy ezt a Levene teszt F prbjval

vizsgljuk. A Levene teszt az egyetlen vizsglat, amelynl a szignifikanciaszintet fordtva kell

rtelmezni, hiszen a H0 a kedvez alternatva, vagyis a magas rtk (minimum 0,1) amegfelel szmunkra. Ez egszen egyszeren a hipotzisek fellltsbl addik, hiszen a

Levene teszt F prbjnl a nullhipotzisben a szrsngyzetek egyenlsgt fogalmazzuk

meg, amit jelen esetben termszetesen nem szndkozunk elvetni, hiszen szmunkra ez

jelenti, hogy a mintk alkalmasak a t prbra.

A 18. tblzatban az F rtke kicsi (0,020), a szignifikanciaszint magas (0,888), tehtvizsglhatjuk a t statisztikkat (vagyis az els sor tartalmazza a relevns rtkeket, hiszen

teljesl a variancik egyenlsge felttel). A t prba szignifikancija az elfogadott 5%-os

hatr fl esik (0,274), gy nem vethetjk el a nullhipotzist, teht a kt mintban nincs eltrs

a kulturlis rdekessgek megtlsnek tekintetben. (A tbbi adat is errl tanskodik:

tlagok klnbsge, szrsok klnbsge, stb.)Az elbb megvizsglt fggetlen mintkon kvl rdekes lehet mg megvizsglni a nemek

szerinti rszmintkat, hiszen ez jellemzen elfordul a gyakorlatban. (Gyakorlskpp meg

lehet nzni a klnbz nyaralskltsek eltrst a nemek szerinti bontsban, mind t


23/67

19. tblzat

Paired Samples Statistics

3,4241 316 3,28980 ,18507

5,1551 316 1,37252 ,07721

rsznvonal - Norvgia

rsznvonal -Magyarorszg

Pair1

Mean N Std. DeviationStd. Error

Mean

A vlaszadk megtlse szerint Magyarorszg rsznvonala kedvezbb (5,1551-es tlag 7

fokozat Likert skln), mint Norvgi (3,4241), ugyanakkor Norvgia megtlsnl sokkalnagyobb szrst fedezhetnk fel, ami a vlaszadk vlemnynek soksznsgt jelzi.

20. tblzat

Paired Samples Test

-1,7310 3,76877 ,21201 -2,1481 -1,3139 -8,165 315 ,000rsznvonal - Norvgia- rsznvonal -Magyarorszg

Pair1

Mean Std. Deviation

Std. Error

Mean Lower Upper


Difference

Paired Differences

t df Sig. (2-tailed)

A pros mints t prba kiszmtshoz ki kellett szmtani egy j vltozt, amely a pronknti

klnbsgeket fejezi ki; ennek az tlagt (-1,7310) s szrst (3,73877) lthatjuk a

tblzatban, s ezt teszteli a t prba. Jelen esetben a t prba szignifikanciaszintje nullhozkzeli, teht elfogadhatjuk, hogy a magyar rsznvonal a vlaszadk szerint kedvezbb (rtsd:

alacsonyabb), mint a norvg.


24/67

5 Varianciaelemzs

A varianciaelemzs az egyik legjobban hasznlhat vizsglati mdszer, mindssze egy

dologra kell nagyon gyelni a hasznlatnl, mgpedig a fgg s fggetlen vltozk

megfelel megvlasztsra. Az SPSS ugyanis brmilyen tpus vltozkra lefuttatja az

elemzst, de a varianciaanalzisnek csak akkor van rtelme, ha a fggvltoz metrikus, a

fggetlen(ek) pedig kategorizltak. Mivel a kereszttblval ellenttben itt a kapcsolat

irnynak is van jelentsge, gy a fggs fggetlen vltozk megvlasztsa mr korntsem

nknyes.

5.1 Egyszempontos varianciaanalzis

Az SPSS-ben az egyszempontos varianciaanalzis kt mdszerrel is elvgezhet, mindkett

ms elnyket knl. Az egyik lehetsg az Analyze > Compare Means > Means ton

rhetel, ekkor a fggs fggetlen vltozk bevonsa utn, az Optionsmenben kipiplva

azAnova table and etalehetsget, az output tbla tartalmazni fogja az ANOVA-t is. Nagy

elnye, hogy a One-Way ANOVA-ban nem elrhet 2 szmtsra is lehetsget nyjt,

mindemellett az alapstatisztikk s a linearitsi teszt is rendelkezsnkre llnak.

AzAnalyze > Compare Means > One-Way ANOVAmen alatt elrhetvarianciaelemzs

szofisztikltabb elemzsi lehetsgeket knl (klnsen a Contrastss Post Hocgombok

alatt), amit mi ezek kzl megnznk, az a fggetlen mints t prbnl megismert Levene

teszt, hiszen ez az amiben szmunkra elnyt nyjt a Means-hez kpest. A Levene teszt az

Optionsmenben rhetel a Homogeneity-of-variancengyzet kipiplsval (itt llthatk

be egybknt a ler statisztikk is).

P: Vizsgljuk meg mindkt mdszerrel, hogy van-e sszefggs a nem (k28) s az emberek

vendgszeretetvel val elgedettsg (k11_7) kztt!

M1:Analyze>Compare Means>Means>Dependent List: k11 7 Independent List: k28


25/67

21. tblzat


347 94,3% 21 5,7% 368 100,0%

Mennyire voltlelgedett - Az emberekvendgszeretetvel *Nemed?

N Percent N Percent N Percent

Included Excluded Total

Cases

A 368 vlaszadbl 347-et tudunk bevonni a vizsglatba.

22. tblzat

Report

Mennyire voltl elgedett - Az emberek vendgszeretetvel

5,2754 138 1,423315,6699 209 1,25234

5,5130 347 1,33505

Nemed?

FiLny

Total

Mean N Std. Deviation

A mintban 138 fi s 209 lny van, vlaszaik szrsa csaknem megegyezik (1,42331 s

1,25234), a lnyok tlagosan elgedettebbek (5,6699) a vendglt orszg embereinek

vendgszeretetvel, mint a fik (5,2754).

23. tblzat

ANOVA Tablea

12,935 1 12,935 7,392 ,007

603,756 345 1,750

616,692 346

(Combined)Between Groups

Within Groups

Total

Mennyire voltlelgedett - Az emberek

vendgszeretetvel *Nemed?

Sum ofSquares df

MeanSquare F Sig.

With fewer than three groups, linearity measures for Mennyire voltl elgedett - Az emberek vendgszeretetvel *Nemed? cannot be computed.

a.


26/67

24. tblzat

Measures of Association

,145 ,021

Mennyire voltlelgedett - Az emberekvendgszeretetvel *Nemed?

EtaEta

Squared

Ugyanakkor lthat, hogy a kapcsolat nem tl ers, hiszen az 2rtke kzel van a nullhoz

(0,021).

M2: Analyze>Compare Means>One-Way ANOVA>Dependent List: k11_7, Factor: k28

Options: Statistics: Descriptives, Homogeneity-of-variance

25. tblzat

Descriptives


138 5,2754 1,42331 ,12116 5,0358 5,5149 1,00 7,00

209 5,6699 1,25234 ,08663 5,4991 5,8406 2,00 7,00347 5,5130 1,33505 ,07167 5,3720 5,6539 1,00 7,00

Fi

LnyTotal

N Mean Std. Deviation Std. Error Lower Bound Upper Bound

95% Confidence Interval forMean

Minimum Maximum

A ler tbla teljesen hasonl a Means Reporttbljhoz, a klnbsg, hogy a Reporttbla

tartalma az Optionsmenben tetszlegesen alakthat.

26. tblzat

Test of Homogeneity of Variances


309 1 345 578

LeveneStatistic df1 df2 Sig.


27/67

27. tblzat

ANOVA


12,935 1 12,935 7,392 ,007

603,756 345 1,750

616,692 346

Between Groups

Within Groups

Total

Sum ofSquares df

MeanSquare F Sig.

Visszatekintve a 23. tblzatra, szembetnik, hogy a kt tbla tartalmilag teljesen

megegyezik.

Gyakorlatilag teljesen ugyanazokat az outputokat kaptuk mindkt elemzs esetn, ennek

ellenre javasolt mindkettt elvgezni, hiszen az egyik a Levene tesztet, a msik az 2mutatt

nyjtja pluszban az elemznek, mrpedig mindkettrtkes lehet.

P: Vizsgljuk meg, van-e sszefggs a havi meglhetsi kiadsok (k23_6) s a csald

letsznvonala (k25) kztt! (A nyarals tmban nem visz elre a krds, viszont remekl

bemutathat rajta a homogenitsi problma egyik orvoslsi mdja.)

M: Analyze>Compare Means>One-Way ANOVA>Dependent List: k23_6, Factor: k25Options: Statistics: Descriptives, Homogeneity-of-variance

28. tblzat

Descriptives

A kvetkezkiadsi tteleket tekintve - SSZESEN

29 35617,93 15223,05046 2826,850 29827,3923 41408,4697 11000,00 79000,00

188 34983,67 17168,09952 1252,112 32513,5893 37453,7511 5000,00 105000,00

128 50230,47 72171,42635 6379,113 37607,3551 62853,5824 4000,00 790000,00

345 40693,77 46431,71288 2499,799 35776,9526 45610,5836 4000,00 790000,00

Az tlag alatt

tlagos

Az tlag felett

Total

N Mean Std. Deviation Std. Error Lower Bound Upper Bound

95% Confidence Interval forMean

Minimum Maximum


28/67

A Levene teszt igazolja flelmnket, a szrsok klnbzek, nem rdemes elemezni az

ANOVA tblt.

30. tblzat

ANOVA


1,85E+10 2 9259184443 4,379 ,013

7,23E+11 342 21143643097,42E+11 344

Between Groups

Within Groups

Total

Sum ofSquares df Mean Square F Sig.

Hiba mutat teht sszefggst az ANOVA, nem fogadjuk el az eredmnyt. Mit tehetnk

ilyenkor? A megolds: cskkentsk a mintt, szrjk ki a nagyon kiugr vlaszokat, s

futtassuk jra az elemzst!

M: Data>Select Cases>If k23_6


29/67

33. tblzat

ANOVA


1,14E+09 2 571886786,7 2,253 ,107

8,30E+10 327 253865866,7

8,42E+10 329

Between Groups

Within Groups

Total


Az F prba mr korntsem ersti meg olyan biztosan az sszefggs ltt, st a szoksos

szignifikanciszint (5%) mellett nem is fogadhatjuk el az alternatv hipotzist. Ez az eset

pldul szolgl szmunkra, hogy a variancia homogenitst rdemes komolyan venni, hiszen

ha lemondtunk volna a Levene tesztrl, akkor elfogadtunk volna egy olyan sszefggst, ami

nem mutathat ki.

5.2 Tbbszempontos varianciaanalzis

Az SPSS az Analyze > General Linear Model menpont alatt knlja a magasabb fok

varianciaelemzsi mdszereket, a Univariatealkalmas tbbszempontos varianciaelemzsre, a

Multivariate-tel tbb fggvltozt is kezelhetnk, a Repeated Measurespedig ismtelt

mrses varianciaelemzsre ad lehetsget. Ezek kzl az egyszer tbb szempontos

varianciaelemzssel fogunk megismerkedni.

Az emltett Univariatemenpontban a metrikus fggvltozt (Dependent Variable) s a

fggetlen vltozkat (Fixed Factors) kell megadni a tbbszempontos varianciaelemzs

modelljnek meghatrozshoz. A gombok a szoksos lehetsgeket knljk, a ler

statisztikk (Descriptive Statistics), az 2mutat (Estimates of effect size) s a Levene

teszt (Homogeneity tests) megjelentst az Optionsmenben tudjuk belltani. (Figyeljnk

arra, hogy az Estimated Marginal Means tbla csak akkor jelenik meg, ha az elemzend

vltozkat ttettk a Display Means for ablakba )


30/67

34. tblzat

Between-Subjects Factors

Magyarorszgon

178

Klfldn 146

0-6 nap 88

7 nap 76

8-10 nap 95

11-nl tbbnap

65

1,00

2,00

Hol nyaraltl azelmlt nyron?

1

2

3

4

Hnynapkategorizlva

Value Label N

A fggetlen vltozk szerinti gyakorisgokat lthatjuk a fenti tblban.

35. tblzat

Descriptive Statistics

Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?

18065,59 18312,46681 70

19561,11 14350,69245 45

19753,41 14937,31630 44

34352,89 54505,92978 19

20599,42 23697,03339 178

66494,44 69072,42978 18

87774,19 62605,09014 31

94321,57 92720,51836 51

191571,8 190801,25060 46

120141,1 134414,70058 146

27971,49 39802,25893 88

47384,87 53172,78440 76

59784,74 77924,66222 95

145615,5 177837,06840 6565454,62 104302,45851 324

Hnynap kategorizlva0-6 nap

7 nap

8-10 nap

11-nl tbb nap

Total

0-6 nap

7 nap

8-10 nap

11-nl tbb nap

Total

0-6 nap

7 nap

8-10 nap

11-nl tbb napTotal

Hol nyaraltl azMagyarorszgon

Klfldn

Total

Mean Std. Deviation N

A 2 4 csoporton belli tlagok s szrsok szemlevtelezsvel mr sejthetjk, hogy a

homogenits nem fog teljeslni.

36. tblzat

Levene's Test of Equality of Error Variancesa

Dependent Variable: Hozzvetlegesen mennyitkltttl sszesen?

16,649 7 316 ,000F df1 df2 Sig.

T t th ll h th i th t th i f


31/67

37. tblzat

Tests of Between-Subjects Effects


1,152E+12a 7 1,646E+11 22,014 ,000 ,328

1,174E+12 1 1,174E+12 157,031 ,000 ,332

5,037E+11 1 5,037E+11 67,385 ,000 ,176

1,684E+11 3 5,612E+10 7,508 ,000 ,067

9,686E+10 3 3,229E+10 4,319 ,005 ,039

2,362E+12 316 7474825130

4,902E+12 324

3,514E+12 323

SourceCorrected Model

Intercept

K3

K9_KAT

K3 * K9_KAT

Error

Total

Corrected Total

Type III Sumof Squares df Mean Square F Sig.

Partial EtaSquared

R Squared = ,328 (Adjusted R Squared = ,313)a.

A tblzatbl kiolvashat a varianciaelemzs Malhotra knyvbl megismert outputja (lsd

Malhotra (2002) 585/16.5. tblzat). Az egyes oszlopok rendre az eltrsngyzetsszegeket, a

szabadsgfokokat, az tlagos ngyzetsszegeket, az F rtkeket, ennek szignifikanciit s a

parcilis 2 mutatkat tartalmazzk a teljes modellre, a magyarz vltozkra s egyttes

hatsukra illetve az interakcira vonatkozan. Sajnos az ANOVA leggyakoribb mrszmt,

az 2-t az SPSS nem kalkullja, ha mgis szksgnk van r, akkor a tblzat adatait

felhasznlva magunknak kell a kplet segtsgvel kiszmtani (pldul Excelben).

Ha eltekintnk a Levene teszt szmunkra negatv eredmnytl, akkor a kvetkezkpp

elemezhetnnk a tblt: az ti cl s az eltlttt napok szma kln-kln s egytt is

befolysolja a nyaralskltst, hiszen az F prba szignifikanciaszintje nullhoz kzeli

mindegyik esetben, ugyanakkor a kt magyarz vltoz kztt ers interakci jelentsen

befolysolja az eredmnyt. A faktorok egyttes hatsa mindemellett kzepes (2= 0,328), s

az egyes faktorok parcilis hatsa is gyenge.

Az Estimated Marginal Meanstblk a belltsoknak megfelelen a fggvltoz tlagt

illetve rsztlagt tartalmazzk a kategorizlt magyarz vltozk szerinti csoportok szerint.


32/67

6 Korrelcielemzs

A korrelciszmts kt mdjt fogjuk megismerni az SPSS segtsgvel, a ktvltozs s a

parcilis korrelciszmtst. Mindkt elemzs esetn fontos megjegyezni, hogy csak a

vltozk kzti kapcsolat szorossgt s eljelt mrik, az irnyt nem (nincs jelentsge, hogy

melyik a fgg, s melyik a fggetlen vltoz). Radsul a nulla korrelcis egytthat csak a

lineris kapcsolatot cfolja, ugyanakkor nem zrja ki ms tpus kapcsolat ltezst.

6.1 Pearson-fle (szorzat-momentum) korrelci

A Pearson-fle korrelcis egytthat (r), amely kt metrikus vltoz kztti kapcsolat

erssgt mri, az SPSS Analyze > Correlate > Bivariate menpontjban rhet el. A

pronknt vizsglni kvnt vltozk beadsa utn (Variables) bellthatjuk, hogy a Pearson-

fle =0 nullhipotzist egy vagy kt oldalrl tesztelje a program (Test of Significance),

illetve lehetsg van az alapstatisztikk megjelentsre az Options gomb alatt. Nem

metrikus (rang) korrelcit is szmthatunk (sorrendi skln mrt vagy numerikus vltozk

esetn) a Correlation Coefficients opci Kendalls tau-b illetve Spearman kockinak

kipiplsval.

F: Vizsgljuk meg milyen szoros a kapcsolat a nyaralssal tlttt napok szma (k9) s az

sszes nyaralsi kiads (k13_s) kztt!

M: Analyze>Correlate>Bivariate>Variables: k9, k13_s; Correlation Coefficients: Pearson

Test of Significance: Two-tailed

Options: Statistics: mindkett

38. tblzat


9,7522 8,37915 347Hny napig tartott

l ?

Mean Std. Deviation N


33/67

39. tblzat

Correlations

1 ,558**

, ,000

24292,686 161059315,0

70,210 494046,978347 327

,558** 1

,000 ,

161059315 3,5259E+12

494046,978 10749668371

327 329

Pearson Correlation

Sig. (2-tailed)

Sum of Squares andCross-products

CovarianceN

Pearson Correlation

Sig. (2-tailed)

Sum of Squares andCross-products

Covariance

N

Hny napig tartottez a nyarals?

Hozzvetlegesenmennyit kltttlsszesen?

Hny napigtartott ez anyarals?

Hozzvetlegesen mennyit

kltttlsszesen?

Correlation is significant at the 0.01 level (2-tailed).**.

A megfelelvltozk sor-oszlop tallkozsnl kiolvashat a keresett r rtk, jelen esetben ez

0,558, ami kzepesen ers pozitv kapcsolatot jelez a nyarals idtartama s a kltsek kztt.

(Evidens: minl hosszabb a nyarals, annl tbbet klt az ember.)

A hipotzisvizsglat is megersti a kapcsolat ltt, hiszen a szignifikancia 0,000. A

tblzatban tallhat egyb adatok a korrelci szmts rszeredmnyei (pl.: kovariancia),

ezek az Optionsmen megfelelbelltsai mellett tnnek fel.

Hasonlan elemezhet adatokat kapunk rangkorrelci szmtsakor is, csak akkor a

Nonparametric Correlationstblt kell elemezni.

6.2 Parcilis korrelci

A parcilis korrelciszmts rtelemszeren azAnalyze > Correlate > Partialtvonalon

rhet el Kt vltoz kztti kapcsolat szorossgnak mrsre ad lehetsget egy vagy tbb


34/67

40. tblzat

Var i abl e Mean Standar d Dev Cases

K13_S 65345, 3642 104364, 4940 324

K9 9, 7438 8, 5601 324

K18_5 3, 5741 1, 6310 324

Az eddig megszokott output tblkhoz kpest ezek kicsit ms, egyszerbb felptsek, de

szerencsre ugyanolyan jl elemezhetk. Knyelmetlensget csak a vltozk azonostsa

okozhat.

41. tblzat

- - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S - -

-

Zer o Or der Par t i al s

K13_S K9 K18_5

K13_S 1, 0000 , 5582 , 0665

( 0) ( 322) ( 322)

P= , P= , 000 P= , 233

K9 , 5582 1, 0000 - , 0619( 322) ( 0) ( 322)

P= , 000 P= , P= , 266

K18 5 0665 - 0619 1 0000


35/67

A fenti tblzat az egyszer korrelcis egytthatkat (r rtkeket) tartalmazza;

megfigyelhetjk, hogy a megismert kapcsolat szorossgi mutatja ezttal is 0,558 (ez csak

akkor van gy, ha a vizsglt minta megegyezik).

42. tblzat

- - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S - -

-

Cont r ol l i ng f or . . K18_5

K13_S K9

K13_S 1, 0000 , 5647

( 0) ( 321)

P= , P= , 000

K9 , 5647 1, 0000

( 321) ( 0)

P= , 000 P= ,

( Coef f i ci ent / ( D. F. ) / 2- t ai l ed Si gni f i cance)

" , " i s pr i nt ed i f a coef f i ci ent cannot be comput ed

Ebbl a tblbl olvashat ki a szmunkra fontos parcilis korrelcis egytthat, amelynek

rtke (0,5647) azt jelzi, hogy az attitd kontrolllsnak viszonylag gyenge a hatsa a

kapcsolatra, hiszen az eredeti r rtkhez kpest csak kicsi nvekedst szlelhetnk.


36/67

7 Regresszielemzs

A regresszielemzs sorn egy metrikus fgg s tbb fggetlen vltoz kapcsolatt

vizsgljuk valamilyen becslfggvny illesztsvel. Az SPSS-ben lehetsg van klnfle

modellek felptsre, ezek kzl mi a lineris illesztssel fogunk megismerkedni. A kt- s a

tbbvltozs lineris regresszi ugyanazon menpontban rhetel, gy a Malhotra knyvvel

ellenttben most egytt trgyaljuk ezeket. Azonban elszr kvetve a regresszielemzs

folyamatt az ltalnos modellt kell meghatroznunk. Ehhez nyjt segtsget az Analyze >

Regression > Curve Estimation menpont, ahol a kapcsolat (jelen esetben a lineris

kapcsolat) megltt illeszkedsvizsglattal ellenrizhetjk. Az illeszkedsvizsglat

futtatshoz meg kell adnunk a fgg(Dependent) s fggetlen vltozkat (Independent).

A lineris regresszi vltozinak metrikusnak kell lennik, hogy alkalmasak legyenek a

modellbe illesztshez, ugyanakkor nem metrikus adatokat is lehet kezelni mestersges (n.

Dummy) vltozk ltrehozsval. Mivel most a lineris regresszival foglalkozunk, gy ki

kell jellni a lineris modellt (Models > Linear), illetve clszermg kipiplni az Include

constant in equation (konstans elem beptse a modellbe), a Plot models (a diagram

megjelentse) s a Display ANOVA tablelehetsgeket is.

F: Vizsgljuk tovbb a fenti kapcsolatot! Milyen lineris modellel becslhet a nyaralsi

klts (k13_s) az idtartam (k9) tekintetben?

M: Analyze > Regression > Curve Estimation >Dependent: k13_s, Independent/Variable: k9

Include constant in equation

Plot models

Models: Linear

Display ANOVA table


37/67

43. tblzat

MODEL: MOD_2._

Dependent var i abl e. . K13_S Method. . LI NEAR

Li st wi se Del et i on of Mi ssi ng Dat a

Mul t i pl e R , 55800R Square , 31137

Adj ust ed R Squar e , 30925Standar d Err or 86360, 79065

Anal ysi s of Var i ance:

DF Sumof Squar es Mean Squar e

Regr essi on 1 1095979398894 1095979398894Resi dual s 325 2423910502324 7458186161, 0

F = 146, 94986 Si gni f F = , 0000

- - - - - - - - - - - - - - - - - - - - Var i abl es i n t he Equat i on - - - - - - - - - - - - - - - - - - - -

Var i abl e B SE B Beta T Si g T

K9 6804, 818456 561, 347713 , 558003 12, 122 , 0000( Const ant ) - 1079, 062995 7260, 916436 - , 149 , 8820

A fenti tblzatban megtallhatjuk az R2rtkt (0,31137), ami a kzepesnl kicsit gyengbb

kapcsolatot jelez, egy F prbt, amelynek szignifikancija a kapcsolat ltt engedi sejtetni, s

t prbt a rtkekre, amelyek kzl a meredeksg szignifikancija kisebb, mint 5 %, gy azt

mondhatjuk, hogy az eltlttt idbefolysolja a nyaralskltst.

A lineris modellt is megtallhatjuk a tblban, amely a kvetkezkppen rhat fel:

Nyaralsklts = - 1079,063 + 6804,818 (nyaralssal tlttt napok szma)


38/67

V. bra

Hozzvetlegesen mennyit kltttl sszesen?

Hny napig tartott ez a nyarals?

100806040200

1200000

1000000

800000

600000

400000

200000

0

-200000

Observed

Linear

Az bra a fggvltoz (nyaralsklts) eredeti s becslt rtkeit tartalmazza a fggetlen

vltoz (nyaralssal tlttt napok szma) fggvnyben. Vilgosan ltszik, hogy az

illeszkeds nem tkletes, ugyanakkor valamifle lineris trend fellelhet.

Ezek utn tovbblphetnk a regresszielemzs folyamatnak kvetkez lpseire, vagyis

ellenrizhetjk az elrejelzs pontossgt, s megvizsglhatjuk a reziduumokat, illetve a

regressziszmts egyb elfeltteleinek teljeslst (pl.: vltozk normlis eloszlsa,

heteroszkedaszticits, autokorrelci, multikollinearits). Mindehhez az SPSS Analyze >

Regression > Linearmenpontja nyjt segtsget.

Az Curve Estimates-hez hasonlan itt is meg kell adnunk a fggvltozt (Dependent),

illetve a fggetlen vltozkat (Independents). A lineris regresszi vltozinak metrikusnak

kell lennik, hogy alkalmasak legyenek a modellbe illesztshez, ugyanakkor nem metrikus

adatokat is lehet kezelni mestersges (n. Dummy) vltozk ltrehozsval.

A regresszi felptsnek mdszert a Method sorban llthatjuk be, vlaszthatunk a

bevonsos, a lpsenknti, a forward s backward eljrsok kzl. A Selection Variable


39/67

vltozsnak mutatja a modellbe vont vltozk kivlasztshoz, egyszer, rsz- s parcilis

korrelcis egytthatk a kapcsolatok szorossgnak jellemzshez, kollinearits vizsglat a

multikollinearits kizrshoz, ler statisztikk, konfidencia intervallumok, kovariancia

rtkek stb. (rdemes ezeket kiprblgatni, tnyleg rengeteg rdekes adathoz juthatunk.)

A Plot men segtsgvel vizsglhatjuk meg a reziduumokat; a Scatter lehetv teszi

pontdiagrammok ksztst pldul a reziduumok (*ZRESID) s a becslt vltoz

(*ZPRED) kztti sszefggs vizsglatra, mg a Standardized Residual Plotsmezben

a Histogram s a Normal probability plot ngyzeteit kiikszelve lehetsg nylik a

hibatnyez normlis eloszlsra vonatkoz felttelezs tesztelsre. (A Plot minden

lehetsgt vigyzva alkalmazzuk, mert gyengbb gpeken fagyst okozhat!)

A Save s az Options gombok a szoksos lehetsgeket knljk, mindamellett rdekes

lehet, hogy a vltozk bevonshoz alkalmazott F prbt milyen paramterekkel teszteljk

(ezt az Options > Stepping Method Criteriamezben definilhatjuk).

F: Folytassuk a fenti modell vizsglatt! Ellenrizzk a modell pontossgt s a vizsgljuk a

regresszi elfeltevseinek teljeslst a nyaralsi klts (k13_s) az idtartam (k9) kztti

lineris sszefggsre?

M: Analyze>Regression>Linear>Dependent: k13_s, Independent: k9, Method: Enter

Statistics: Estimates

Model fit

Descriptives

Durbin-Watson

Plots: Scatter Y: *ZRESID

X: *ZPREDStandardized Residual Plots (mindkett)

Otipns: marad

44 tblzat


40/67

45. tblzat

Correlations

1,000 ,558

,558 1,000

, ,000

,000 ,

327 327

327 327





Hozzvetlegesenmennyit kltttl

sszesen?Hny napig tartottez a nyarals?

Pearson Correlation

Sig. (1-tailed)

N

Hozzvetlegesenmennyitkltttl

sszesen?


A korrelcivizsglat alkalmval mr megismert eredmnyeket itt is elrhetjk, egybknt a

korrelcis mtrixnak a tbbvltozs regresszi esetn van rtelme a multikollinearits

megllaptsa miatt.

46. tblzat

Variables Entered/Removedb


a , Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: Hozzvetlegesenb.


41/67

47. tblzat

Model Summaryb

,558a ,311 ,309 86360,79065 1,948Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Durbin-Watson

Predictors: (Constant), Hny napig tartott ez a nyarals?a.

Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?b.

Az elz elemzsben megismert R2

-t itt is azt jelzi, hogy a modellnk magyarz ereje akzepesnl gyengbb. A Durbin-Watson mutat rtke kzel 2, gy nem veszlyezteti a

modell rvnyessgt az autokorrelci.

48. tblzat

ANOVAb

1,10E+12 1 1,096E+12 146,950 ,000a

2,42E+12 325 7458186161

3,52E+12 326

Regression

Residual

Total

Model1


Predictors: (Constant), Hny napig tartott ez a nyarals?a.

Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?b.

Az ANOVA tbla is elkerlt mr a Curve Estimation-nl is.

49. tblzat

Coefficientsa

-1079,063 7260,916 -,149 ,882

6804,818 561,348 ,558 12,122 ,000

(Constant)


Model1

B Std. Error

UnstandardizedCoefficients

Beta

Standardized

Coefficients

t Sig.


42/67

VI. bra

Regression Standardized Residual

8,007,00

6,005,00

4,003,00

2,001,00

0,00-1,00

-2,00

-3,00

Histogram


Frequenc

y

140

120

100

80

60

40

20

0

Std. Dev = 1,00

Mean = 0,00

N = 327,00

Jelen esetben elgedettek lehetnk az brval, hiszen szp, normlis eloszlst mutatnak astandardizlt reziduumok.

VII. bra

Scatterplot


Regression Standardized Predicted Value

1086420-2Regres

sionStandardizedResidual

10

8

6

4

2

0

-2

-4


43/67

F (tbbvltozs regresszi): Nzzk meg, hogy felpthet-e lineris regresszis modell a

nyaralssal val ltalnos elgedettsg, mint fgg, s a napok szma illetve a nyarals

fontossga, mint fggetlen vltozk kztt!

M: Elszr tesztelnnk kell, hogy az egyes fggetlen vltozk lineris kapcsolatban vannak-e

a fgg vltozval, illetve milyen szoros a kapcsolat, megfelelnek-e a vltozk az

elfeltevseknek, stb. Ezt az elz feladatban rszletesen bemutatott Curve Estimate, illetve

Linear menpontokban vgezhetjk el, most eltekintnk ennek a lerstl.

Ezutn pthetjk fel a tbbvltozs modellt, szintn a Linear menpont alatt.

Analyze>Regression>Linear>Dependent: k12, Independents: k9, k18_15; Method: Enter

Statistics: Estimates

Covariance matrix

Model fit

DescriptivesDurbin-Watson

Csak azokat a tblkat nzzk meg, ahol szmottevjdonsg fedezhetfel.50. tblzat

Correlations

1,000 ,160 ,192

,160 1,000 ,195

,192 ,195 1,000

, ,001 ,000

,001 , ,000

,000 ,000 ,

sszessgbenmennyire voltl elgedettezzel a nyaralssal?

Hny napig tartott ez anyarals?

Mennyire rtesz egyetvele - A nyarals azletem egyik kzpontirsze.

sszessgbenmennyire voltl elgedettezzel a nyaralssal?

Hny napig tartott ez anyarals?

Mennyire rtesz egyetvele - A nyarals azletem egyik kzponti

Pearson Correlation

Sig. (1-tailed)

sszessgb

en mennyirevoltlelgedettezzel a

nyaralssal?


Mennyirertesz egyet

vele - Anyarals azletem egyik

kzpontirsze.


44/67

Pearson korrelci mindkt magyarz vltoz esetben alacsony, teht sejthetjk, hogy a

modell magyarz ereje is alacsony lesz.

51. tblzat

Model Summaryb

,229a ,052 ,047 ,92319 1,843Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Durbin-Watson

Predictors: (Constant), Mennyire rtesz egyet vele - A nyarals azletem egyik kzponti rsze., Hny napig tartott ez a nyarals?

a.

Dependent Variable: sszessgben mennyire voltl elgedettezzel a nyaralssal?

b.

A sejtst mris igazolja az R2-t tartalmaz tbla: a modell magyarz ereje nagyon gyenge

(R2=0,052), ezt a modellt a gyakorlatban nem elemeznnk tovbb, most csak azrt folytatjuk,

hogy bemutathassuk a tbbi tbla tartalmt. A Durbin-Watson egytthat rtke elfogadhat,

nagyon gyenge pozitv autokorrelcit jelez.

52. tblzat

Coefficientsa

5,389 ,133 40,461 ,000

1,427E-02 ,006 ,127 2,361 ,019

9,412E-02 ,030 ,167 3,109 ,002

(Constant)

Hny napig tartott eza nyarals?


Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: sszessgben mennyire voltl elgedett ezzel a nyaralssal?a.

A koefficiens mtrixbl kiolvashat (az egybknt gyenge magyarzerej modellnk),

vagyis:

Nyaralsi elgedettsg = 5,389 + 0,01427 (nyaralssal tlttt napok szma) + 0,09412

(nyarals fontossga)

Br a magyarzergyenge, de a t prba alapjn a konstans s az egytthatk szignifiknsan2


45/67

53. tblzat

Coefficient Correlationsa

1,000 -,195

-,195 1,000

9,164E-04 -3,575E-05

-3,575E-05 3,651E-05





Correlations

Covariances

Model1

Mennyirertesz egyetvele - A

nyarals azletem egyik

kzpontirsze.


Dependent Variable: sszessgben mennyire voltl elgedett ezzel anyaralssal?

a.

A koefficiens mtrix a mr megismert korrelcin kvl a kovariancia rtkeket is

tartalmazza.


46/67

8 Faktorelemzs

A faktorelemzs clja az, hogy a sok, nehezen kezelhet, ugyanakkor egymssal korrell

vltozbl integrlt mestersges vltozkat lltson el, gy jellemzen a klnfle rtkel

sklkkal (pl.: Likert skla) mrt attitdkrdsek a legmegfelelbb inputok szmra.

Statisztikai programunkban a faktoranalzis az Analyze > Data Reduction > Factor

menpontban tallhat. A felnyl Factor Analysis ablakban kell beadnunk a kiindul

vltozkat (Variables), s termszetesen itt is lehetsg nylik a vlaszadk kivlogatsra

(Selection Variable > Value).

Faktorelemzskor klnsen rdemes odafigyelni az opcik megadsra, mert az output

tblk risi mennyisg adatot tartalmaznak mr a legegyszerbb esetben is, teht fontos,

hogy tnyleg csak a hasznlni kvnt elemzseket lltsuk be, klnben knnyen

agyonnyomhat minket az adathalmaz. ppen ezrt, most a fontosakra fogunk koncentrlni.

A Descriptives gomb alatti lehetsgekbl a Statistics kzl kihagyhatatlan az Initial

solution, a Correlation Matrix-nl pedig a KMOs a Bartlett-prba. Hasznos lehet mg a

korrelcis egytthatk (Coefficients) s szignifikancijuk (Significance Levels), tovbb a

ler statisztikk (Univariate Descriptives) megjelentse is.

Az Extractionmenpontban llthatjuk be a faktorelemzs mdjt (Method), leggyakrabbana fkomponenst mdszert szoktuk alkalmazni (Principal components). A kzs faktorok

kivlasztsnak felttelt is itt tudjuk megvltoztatni (Extract); az alapllapot a Kaiser-

kritrium, ekkor az egynl nagyobb sajtrtkfaktorokat vlasztjuk ki (Eigenvalues over

1), de megadhat ms kszbrtk, vagy konkrt faktorszm is (Number of factors) kutati

dntstl fggen (a faktorok szmnak meghatrozsval ksbb bvebben foglalkozunk).Ugyanitt, a Displaymezben adhatjuk meg, hogy megjelenjen-e a rotls nlkli komponens

mtrix (Unrotated factor solution). A mez msik sora (Scree plot) a sajtrtkbra

j l t k l h t t bi t tj i t t k l h t f kt d t l


47/67

A Scoregomb a kapott eredmny elmentsre szolgl; ha megfelelnek a faktorok, vlasszuk

a Save as variables-t, gy tovbbi elemzsk al vonhatjuk ezeket (Method: Regression

marad).

Az Optionsgomb ltal felknlt lehetsgek kzl szmunkra a Coefficient Display Format

a fontosabb, itt rdemes a mret szerint cskkent belltani (Sorted by size), a faktorok

knnyebb rtelmezse s ttekintse rdekben. (Ha nagyon knyelmesek vagyunk, gy a

msik opci is segtsget jelenthet, ez eltnteti a valsznleg nem relevns rtkeket.)

F: A 18. krds remek lehetsget biztost szmunkra egy faktorelemzs elvgzshez.

M: Analyze>Data Reduction>Factor>Variables: k18_1 k18_17

Descriptives: Statistics: Initial solution

Correlation Matrix: Coefficients

Significance levelsKMO and Bartletts test

Extraction: Method: Principal components

Analyze: Correlation matrix

Display: Unrotated factor solution

Scree plotExtract: Eigenvalues over 1

Scores: egyelre semmi

Rotation: Varimax

Options: Coefficient Display Format: Sorted by size

Az elstblzat mr ismersnek tnhet, ez egy risi korrelcis mtrix, amely megmutatja avltozk kztti pronknti kapcsolat szorossgt. Akkor alkalmasak a kiindul adatok

faktoranalzisre, ha vannak abszolt rtelemben vett magas r rtkek, illetve nullhoz kzeli

szignifikancik a tblzatban


48/67

A KMO mr egy knnyebben kezelhetmutat a vltozk kzti korrelcira; jelen esetben az

rtke 0,725, ez nagyobb, mint 0,6, vagyis a vltozink alkalmasak a faktoranalzisre. A

Bartlett prba nullhipotzist is elvethetjk, miszerint a kiindul vltozk kztti korrelci

nulla.

55. tblzat

Communalities

1,000 ,594

1,000 ,423

1,000 ,567

1,000 ,594

1,000 ,525

1,000 ,462

1,000 ,691

1,000 ,559

1,000 ,353

1,000 ,577

1,000 ,636

1,000 ,490

1,000 ,592

Mennyire rtesz egyetvele - Nyaralskorelssorban lustlkodniakarok.

Mennyire rtesz egyetvele - Szereteknyaralsi terveket szni.

Mennyire rtesz egyetvele - A nyarals alattnagy hangslyt helyezeka trsasgra.

Mennyire rtesz egyetvele - A vlasztsnl atjnak, a krnyezetneknagy szerepe van.

Mennyire rtesz egyetvele - Nyaralskor nemfigyelek a pnzre.

Mennyire rtesz egyetvele - Egy elrontottnyarals nagyon tuddhteni.

Mennyire rtesz egyetvele - Nyaralskor sokfriss levegn valmozgsra vanszksgem.

Mennyire rtesz egyetvele - Nyaralskorfontosnak tartom aknyelmes szllst s aj vendgltst.

Mennyire rtesz egyetvele - A nyaralsmindenekeltt lmnytelilegyen.

Mennyire rtesz egyetvele - A nyarals sornszvesen aktivizlommagam csoportostevkenysgekben.

Mennyire rtesz egyetvele - Az ltalamkivlasztott dlhelykultrja s trtnelmenagyon fontos aszmomra.

Mennyire rtesz egyetvele - A nyaralsokrl,utazsokrl rkigtudnk beszlni.

Mennyire rtesz egyetvele - Nyaralskor anyugalmat s azegyedlltet keresem.

M i t t

Initial Extraction


49/67

A hossz kommunalitsi tbla a bemen s kijv kommunalits rtkeket mutatja a

faktorokra (kezdetben ez persze egy). A tblzat aljn a mdszert lthatjuk (jelen esetben

fkomponens mdszer).56. tblzat

Total Variance Explained

3,407 20,041 20,041 3,407 20,041 20,041 2,412 14,186 14,186

1,801 10,594 30,634 1,801 10,594 30,634 1,917 11,274 25,4601,527 8,983 39,617 1,527 8,983 39,617 1,754 10,320 35,780

1,280 7,530 47,147 1,280 7,530 47,147 1,682 9,894 45,674

1,262 7,426 54,573 1,262 7,426 54,573 1,513 8,899 54,573

,997 5,866 60,440

,849 4,996 65,435

,836 4,920 70,356

,777 4,569 74,925

,727 4,276 79,201

,627 3,688 82,889

,602 3,540 86,429,543 3,197 89,626

,497 2,924 92,550

,449 2,641 95,191

,415 2,442 97,633

,402 2,367 100,000

Component1

23

4

5

6

7

8

9

10

11

1213

14

15

16

17

Total% of

VarianceCumulativ

e % Total% of

VarianceCumulativ

e % Total% of

VarianceCumulativ

e %

Initial EigenvaluesExtraction Sums of Squared

Loadings Rotation Sums of Squared Loadings

Extraction Method: Principal Component Analysis.

A fkomponens mdszer lnyege, hogy azokat a faktorokat vlasztjuk ki, amelyek a legtbbvariancit magyarzzk, s ez pedig a fenti variancia tblzatban figyelhet meg. Az els

oszlop tartalmazza a kiindul vltozk szmt, a msodik foszlop a sajtrtkeket s

variancikat a fkomponens mdszer alkalmazsa utn, a harmadik ugyanezeket a kivlasztott

faktorokra, a negyedik pedig a rotls utni rtkeket. A foszlopokon bell az egyes

oszlopokban a sajtrtket, a magyarzott variancit s ennek kumullt rtkt lthatjuk. Jelenesetben a faktorszm meghatrozsnl a Kaiser kritriumot hasznltuk (emlkezznk, hogy az

Eigenvalues over 1 lehetsget lltottuk be), gy csak az 5 darab egynl nagyobb

jt tk k k lt ki l t (l d 2 f l 1 l ) E t f kt tt


50/67

VIII. bra

Scree Plot

Component Number

1716151413121110987654321Eigenvalue

4,0

3,5

3,0

2,5

2,0

1,5

1,0

,5

0,0

A fenti sajtrtkbrn knykpontokat kell keresni (n. elbow-kritrium), hiszen azokon a

helyeken romlik el hirtelen a magyarzott variancia nvekedse, ahol trs van a grbn.

Ezen az brn a 4, illetve 7 faktorszmnl tallhatunk knykpontokat, ezek kzl nyilvncsak a hetes a relevns, a magyarzott varianciahnyad nagysga miatt. A 7 faktorszmnl

lvtrs megerst minket abban, hogy a 6 faktoros megoldst rdemes vlasztanunk.

57 tbl t


51/67

57. tblzat

Component Matrixa

,640 ,352 -,127 ,170 ,128

,619 ,379 -,112 -,277 ,139

,593 -,122 ,214 -,279 -8,99E-03

,586 -,147 ,143 -,208 ,328

,565 -,405 -5,27E-02 ,287 9,574E-02

,535 -7,37E-02 4,351E-02 -,292 -,210

,513 -,116 -3,20E-02 1,573E-03 -,276

,462 ,281 -4,96E-02 -,453 ,121

,446 ,370 -1,67E-02 ,265 -,433

,414 -,380 ,144 ,372 ,305

,179 -,708 ,112 5,115E-02 -,139

-,115 ,563 ,261 ,203 ,391

-2,57E-02 ,222 ,705 5,957E-02 -9,58E-02

Mennyire rtesz egyetvele - Ha nyaralok, atermszet s azeredetisg lmnytkeresem.


Mennyire rtesz egyet

vele - A nyaralsokrl,utazsokrl rkigtudnk beszlni.




Mennyire rtesz egyetvele - A nyaralsmindenekeltt lmnytelilegyen.

Mennyire rtesz egyetvele - Nem rdekel azolyan ticl, amely nemszolgl kulturlisrdekessgekkel.


vele - A vlasztsnl atjnak, a krnyezetneknagy szerepe van.

Mennyire rtesz egyetvele - Szvesenismerkedem meg jemberekkel az dlssorn.


Mennyire rtesz egyetvele - Nyaralskor anyugalmat s azegyedlltet keresem.

Mennyire rtesz egyetvele - Nyaralskorfontosnak tartom aknyelmes szllst s aj d lt t

1 2 3 4 5

Component

A k t i bl l h tj k ki h l ik lt l ik f kt t j ll i


52/67

A komponens mtrixbl olvashatjuk ki, hogy melyik vltoz melyik faktort jellemzi

leginkbb. Pldul az elssorban lvvltoz (eredetisg, termszet szpsgnek keresse)

leginkbb az egyes faktort jellemzi, mert itt van a legnagyobb, abszolt rtkben 0,5 felettifaktorsly (0,640). Megfigyelhetjk, hogy a fkomponens mdszer a legtbb vltozt az

egyes faktorhoz sorolja, ami az rtelmezst nehzkess teszi, ezrt van szksg a vltozk

forgatsra. A faktorok kialaktsnl teht mindig a rotlt komponens mtrixot kell

rtelmezni.

58 tblzat


53/67

58. tblzat

Rotated Component Matrix a

,736 ,237 -1,09E-02 -,146 -,132

,706 7,125E-03 -8,26E-02 -8,14E-02 -5,12E-02

,573 6,554E-02 ,246 ,262 ,171

,566 -3,43E-02 ,458 6,899E-02 -8,77E-03

,518 ,140 2,249E-02 ,357 8,440E-02

-3,01E-02 ,787 ,244 -,103 2,852E-02

,184 ,720 -,165 6,456E-02 9,939E-02

,460 ,531 ,175 -,187 -,188

1,505E-02 ,171 ,722 ,113 -6,36E-02

,135 ,284 ,575 ,334 -,188

8,613E-02 -,271 ,565 -,264 ,234

6,241E-04 ,109 6,423E-02 -,740 ,169

-,105 -9,88E-02 ,398 ,620 5,964E-02

295 335 8 773E 02 383 5 670E 03




vele - A nyaralsokrl,utazsokrl rkigtudnk beszlni.



Mennyire rtesz egyetvele - Nyaralskor sokfriss levegn val

mozgsra vanszksgem.



Mennyire rtesz egyetvele - Szvesen

ismerkedem meg jemberekkel az dlssorn.



Mennyire rtesz egyetvele - Nyaralskor a

nyugalmat s azegyedlltet keresem.


Mennyire rtesz egyetvele - A nyarals

1 2 3 4 5

Component

Az 5 faktorra Varimax rotlst alkalmazva a faktorok sokkal knnyebben elemezhetbb


54/67

Az 5 faktorra Varimax rotlst alkalmazva a faktorok sokkal knnyebben elemezhetbb

vltak. A faktorsly nagysg szerinti rendezs hatsra a tblzat oszlopaiban fellrl lefel

haladva knnyedn megtallhatk az abszolt rtkben 0,5-nl nagyobb szmok. Ezek alapjnaz egyes faktorokhoz a kvetkezvltozk tartoznak:

59. tblzat

Faktor Vltoz lltsaVltoz

kdja

Faktorsly

rtk

Az ltalam kivlasztott dlhely kultrja s trtnelme nagyon fontos a

szmomra.

k18_11 0,736

Nem rdekel az olyan ti cl, amely nem szolgl kulturlis rdekessgekkel. k18_17 0,706

A nyaralsokrl, utazsokrl rkig tudnk beszlni. k18_12 0,573

A nyarals az letem egyik kzponti rsze. k18_15 0,566

F1

Szeretek nyaralsi terveket szni. k18_2 0,518

Nyaralskor sok friss levegn valmozgsra van szksgem. k18_7 0,787

A vlasztsnl a tjnak, a krnyezetnek nagy szerepe van. k18_4 0,720F2

Ha nyaralok, a termszet s az eredetisg lmnyt keresem. k18_16 0,531

Szvesen ismerkedem meg j emberekkel az dls sorn. k18_14 0,722

A nyarals sorn szvesen aktivizlom magam csoportos tevkenysgekben. k18_10 0,575F3

Nyaralskor nem figyelek a pnzre. k18_5 0,565

Nyaralskor a nyugalmat s az egyedlltet keresem. (-) k18_13 -0,740

A nyarals alatt nagy hangslyt helyezek a trsasgra. k18_3 0,620F4

A nyarals mindenekeltt lmnyteli legyen. (0) k18_9 0,383

Nyaralskor fontosnak tartom a knyelmes szllst s a j vendgltst. k18_8 0,709

Nyaralskor elssorban lustlkodni akarok. k18_1 0,708F5

Egy elrontott nyarals nagyon tud dhteni. k18_6 0,528

A faktorokat a fenti tblzat alapjn lehet rtelmezni, elnevezni, de mivel mr fent

eldntttk, hogy idelisabb lenne a 6 faktoros megoldssal dolgozni, gy most ettl

eltekintnk, ehelyett megvizsgljuk a 6 faktoros esetet.



55/67


Display: Unrotated factor solution

Extract: Number of factors: 6Rotation: Varimax

Scores: Save as variables (Method: Regression)

Options: Coefficient Display Format: Sorted by size

Csak azokat a tblkat elemzzk, ahol rdemi vltozs trtnt.

60. tblzat

Total Variance Explained

3,407 20,041 20,041 3,407 20,041 20,041 1,944 11,437 11,437

1,801 10,594 30,634 1,801 10,594 30,634 1,846 10,858 22,295

1,527 8,983 39,617 1,527 8,983 39,617 1,786 10,507 32,802

1,280 7,530 47,147 1,280 7,530 47,147 1,737 10,219 43,0211,262 7,426 54,573 1,262 7,426 54,573 1,482 8,720 51,740

,997 5,866 60,440 ,997 5,866 60,440 1,479 8,699 60,440

,849 4,996 65,435

,836 4,920 70,356

,777 4,569 74,925

,727 4,276 79,201

,627 3,688 82,889

,602 3,540 86,429

,543 3,197 89,626

,497 2,924 92,550,449 2,641 95,191

,415 2,442 97,633

,402 2,367 100,000

Component1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

Total% of

VarianceCumulativ

e % Total% of

VarianceCumulativ

e % Total% of

VarianceCumulativ

e %

Initial EigenvaluesExtraction Sums of Squared

Loadings Rotation Sums of Squared Loadings

Extraction Method: Principal Component Analysis.

A varianciatblban lthatjuk, hogy ezttal 6 faktort vlasztottunk ki, s ezek a teljes

variancia 60,440%-t magyarzzk.

61. tblzat


56/67

Rotated Component Matrix a

,699 6,809E-02 ,168 ,156 8,532E-02 6,137E-02

,695 ,160 9,262E-02 -6,65E-02 -2,06E-02 ,154

,631 -3,33E-02 ,216 ,361 -8,46E-02 -,128

-,101 ,762 7,480E-02 ,312 7,762E-02 -2,35E-02

,265 ,749 1,995E-02 -,183 4,434E-02 8,980E-03

,275 ,534 ,378 ,171 -,196 -,193

,138 -4,75E-02 ,815 -8,17E-04 5,671E-02 ,106

,279 ,210 ,732 2,655E-02 -7,94E-02 -4,42E-02

3,030E-02 ,107 3,611E-02 ,767 -7,04E-03 ,110

,256 ,240 -2,25E-03 ,595 -,182 ,259

,113 -,285 2,504E-02 ,504 ,224 -,356

-,158 5,786E-02 ,153 ,112 ,787 -9,30E-02

3,699E-02 -,175 -,295 -,181 ,656 -,148

Mennyire rtesz egyetvele - A nyaralsokrl,utazsokrl rkigtudnk beszlni.




vele - Nyaralskor sokfriss levegn valmozgsra vanszksgem.





Mennyire rtesz egyetvele - Szvesenismerkedem meg j

emberekkel az dlssorn.



Mennyire rtesz egyetvele - Nyaralskorfontosnak tartom a

knyelmes szllst s aj vendgltst.

Mennyire rtesz egyetvele - Nyaralskorelssorban lustlkodniakarok.

Mennyire rtesz egyetvele - Egy elrontott

1 2 3 4 5 6

Component

Termszetesen csak a rotlt faktor mtrix a relevns szmunkra, ez alapjn elkszthetjk a


57/67

, pj j

faktorainkat jellemztblzatunkat.

62. tblzat

Faktor Vltoz lltsaVltoz

kdja

Faktorsly

rtk

A nyaralsokrl, utazsokrl rkig tudnk beszlni k18_12 0,699

Szeretek nyaralsi terveket szni. k18_2 0,695F1

A nyarals az letem egyik kzponti rsze. k18_15 0,631

Nyaralskor sok friss levegn valmozgsra van szksgem. k18_7 0,762A vlasztsnl a tjnak, a krnyezetnek nagy szerepe van. k18_4 0,749F2

Ha nyaralok, a termszet s az eredetisg lmnyt keresem. k18_16 0,534

Nem rdekel az olyan ti cl, amely nem szolgl kulturlis rdekessgekkel. k18_17 0,815

F3 Az ltalam kivlasztott dlhely kultrja s trtnelme nagyon fontos a

szmomra.k18_11 0,732

Szvesen ismerkedem meg j emberekkel az dls sorn. k18_14 0,767A nyarals sorn szvesen aktivizlom magam csoportos tevkenysgekben. k18_10 0,595F4

Nyaralskor nem figyelek a pnzre. k18_5 0,504

Nyaralskor fontosnak tartom a knyelmes szllst s a j vendgltst. k18_8 0,787

Nyaralskor elssorban lustlkodni akarok. k18_1 0,656F5

Egy elrontott nyarals nagyon tud dhteni. k18_6 0,509

Nyaralskor a nyugalmat s az egyedlltet keresem. (-) k18_13 -0,806A nyarals mindenekeltt lmnyteli legyen. k18_9 0,497F6

A nyarals alatt nagy hangslyt helyezek a trsasgra. k18_3 0,445

A tblzat alapjn el tudjuk nevezni a 6 faktort (ne feledjk, hogy ezek attitdket jellnek),

s mivel ezeket elmentettk a vltozk kz, gy rdemes elltni az j vltozkat (fac1_1, ,

fac1_6) cmkvel is.

F1 (fac1_1): fontos a nyarals

F2 (fac2 1): termszet- s mozgsorientltsg

63. tblzat


58/67


337 -2,79639 2,56464 ,0000000 1,00000000

337 -3,93629 2,45399 ,0000000 1,00000000

337 -2,81293 2,68820 ,0000000 1,00000000

337 -3,26322 3,35619 ,0000000 1,00000000

337 -2,84320 2,48126 ,0000000 1,00000000

337 -2,81555 1,96126 ,0000000 1,00000000

337

Faktor: fontos a nyarals

Faktor: termszet smozgs

Faktor: kultra

Faktor: trsasg skiads

Faktor: komfort s

knyelemFaktor: lmnyek

Valid N (listwise)

N Minimum Maximum Mean Std. Deviation

Minthogy a faktorok standardizlt vltozk, az tlaguk nulla, a szrsuk 1, ezt igazolja a

tblzat is.

F: Vizsgljuk meg, hogy az els20 vlaszadra milyen rtkekkel rendelkeznek a faktorok, s

jellemezzk a 15. elemet!

M: Analyze>Report>Case Summaries>Variables: fac1_1, , fac6_1

Display cases

Limit cases to first 20

Show only valid cases

Show case numbers

64. tblzat


59/67

Case Summariesa

1 -,32220 -,44763 1,49027 -,44772 ,59914 -1,74464

2 ,10439 ,17210 -,51451 ,46469 ,00666 ,04874

3 -2,09989 ,66861 2,09574 1,55166 ,33588 -,28199

4 1,45928 -1,12860 ,26350 1,08668 -1,28934 -1,44797

5 -,27775 -,74854 -,06184 ,19132 ,40193 ,10111

6 1,73643 -,08853 ,69687 1,07864 ,35258 ,45704

7 -,03400 -2,65006 1,33604 -,28541 -,83721 1,08986

8 -,12411 -1,43300 1,71789 -1,19862 -,80693 ,42969

9 ,81350 -,22644 ,25553 ,36305 1,01478 -,56236

10 ,92965 -,24212 1,56380 -,64397 ,92437 -,36369

11 ,36306 -,32608 1,25062 1,31767 ,05815 1,51967

12 ,51969 -1,07285 -,49521 ,88164 -,28668 1,11780

13 ,04386 -2,36989 ,40764 -,70871 ,29227 -,33348

14 -,14211 ,70954 1,22283 -1,46278 -,10219 -,83781

15 -,19680 -,63622 -,86387 -,34892 1,67514 -2,34621

16 ,43316 1,57528 -,10973 ,89987 -1,14150 ,21083

17 ,81967 -2,63720 -2,29962 ,05655 -2,84320 -1,36368

18 -,38129 ,46533 -,39262 -,14029 ,98764 -,47571

19 ,04502 -,56651 ,70352 1,25699 -,15892 ,63802

20 -,26533 -,80001 -,46967 -,46833 ,69613 ,6459620 20 20 20 20 20

1

2

3

4

5

6

7

8

9

1011

12

13

14

15

16

17

18

19

20NTotal

CaseNumber

Faktor:

fontos anyarals

Faktor:

termszets mozgs Faktor:kultra

Faktor:

trsasgs kiads

Faktor:

komfort sknyelem Faktor:lmnyek

Limited to first 20 cases.a.

Egy egyszerReport-tal megvizsglhatjuk az els20 eset rtkeit. A 15. vlaszad tipikus

passzv pihen: nem fontos szmra a termszet s a mozgs (-0,63622), a kultra (-0,86387),

az lmnyek (-2,34621), viszont fontos a knyelem s a komfort (1,67514).

9 Kl t l


60/67

9 Klaszterelemzs

A klaszterelemzs clja, hogy a megfigyelt eseteket homogn csoportokba rendezze akivlasztott vltozk szerint. Flves tanulmnyaink sorn a metrikus vltozkra

alkalmazhat hierarchikus klasztermdszerrel ismerkednk meg, ezt az SPSS az Analyze >

Classify > Hierarchical Cluster menpontban teszi elrhetv. A klaszterkpzshez

mindenekeltt meg kell adnunk a csoportost vltozkat (Variables), amelyeknek

metrikusaknak kell lennik. A Clustermezben a Casesopcit kell kijellnnk, ugyanis ezjelenti a vlaszadk csoportostst (a Variables a vltozk csoportostsra szolgl, ez a

faktoranalzishez hasonlt eljrs, de ezzel nem foglalkozunk). A Display mezlehetsgeit

kipiplva lesz aktv a kt gomb (Statistics, Plots). Kt dologra kell gyelni: 1) ha nem

jellnk ki semmit, akkor nem lesz output tblja az elemzsnek (erre figyelmeztet is az

SPSS); 2) a Plots opci nagyobb bri knnyen lefagyst okozhatnak gyengbb gpeken.sszegezve: a gyakorlatban ltalban csak a Statisticsopcit hasznljuk. Nzzk meg, hogy

mit lehet belltani ebben az opciban!

AzAgglomeration schedulekipiplsval megjelenthetjk az sszevonsi sma tblzatt

(mint Malhotra (2002) 708/20.2. tblzat), a Proximity matrix kijellsvel pedig az

elemtvolsg mtrixot. A Cluster Membership alatt bellthatjuk, hogy milyenklaszterszm megoldsokat kvnunk megjelenteni.

A Plotsmenpont alatt rhetel a dendrogram (Malhotra (2002) 711/20.8. bra) s a jgcsap

diagram (Icicle), klnbz tjolssal (Horizontal/Vertical); klnsen ez utbbi kiratsa

okozhat fennakadst a program futsban (radsul igencsak hely s memriaignyes).

A Methodgomb lenyomsakor felnyl ablakban llthatjuk be a klaszterelemzs mdszert.A Ward-fle eljrs (Wards method) a Cluster Method, az euklideszi tvolsgmrtk

(Squared Euclidean distance) pedig a Measure > Interval legrdl menjben

l th t ki t bbi kb tk k (T f V l ) tk k

Statistics: Agglomeration schedule


61/67

Cluster Membership: None

Method: Wards methodMeasure>Interval: Squared Euclidean distance

Save: egyelre None

65. tblzat

Case Processing Summarya,b

337 91,6 31 8,4 368 100,0N Percent N Percent N Percent

Valid Missing Total

Cases

Squared Euclidean Distance useda.

Ward Linkageb.

Az elemzsbe 337 esetet tudtunk bevonni. A megjegyzsekben lthatjuk, hogy milyentvolsgmrtket s eljrst alkalmaztunk.

66. tblzat

Agglomeration Schedule

59 60 ,000 0 0 13621 49 ,000 0 0 322

101 159 ,069 0 0 77

229 315 ,162 0 0 39

58 72 ,282 0 0 54

96 149 ,406 0 0 40

56 312 ,565 0 0 80

225 329 ,730 0 0 112

18 80 ,903 0 0 109

26 222 1,089 0 0 20

... ... ... ... ... ...2 3 935,867 315 296 325

21 31 965,350 2 318 332

7 38 1000,297 307 297 333

1 28 1036,301 310 319 329

2 18 1072,359 321 283 328

Stage

12

3

4

5

6

7

8

9

10

...321

322

323

324

325

Cluster 1 Cluster 2

Cluster Combined Coefficients Cluster 1 Cluster 2

Stage Cluster FirstAppears

Next Stage

Az sszevonsi sma tblzata a legfontosabb szmunkra a klaszterelemzs output tbli


62/67

kzl, hiszen ez alapjn hozhatunk dntst a klaszterek szmt illeten. A koefficiens oszlop

adatai alapjn alkalmazhatjuk a knyk-kritriumot, vagy az 50%-os szablyt, de bizonyosesetekben egyedi kutati dntsre is hagyatkozhatunk. Jelen helyzetben az 50%-os szably

irrelisan sok klasztert eredmnyezne (akr 14 dara

spss segédanyag

Documents