Κοινωνική Στατιστική και Μεθοδολογία Έρευνας με το SPSS

63,60 54,06

N-id: 1443 Κατηγορίες: , , , Σελίδες: 840 Σχήμα: 17 x 24 Xρονολογία: 2011 ISBN: 978-960-456-279-4 Κωδικός Ευδόξου: 12583950 Έκδοση: 2η έκδοση Εκδόσεις: Εκδόσεις Ζήτη

Συνοδεύεται από CD με όλα τα αρχεία δεδομένων (Data Sets) και το νέο Module Bootstrapping του SPSS

Το βασικό μέλημα αυτού του βιβλίου είναι η αναζήτηση τρόπων και μέσων που θα υπηρετήσουν, με τον καλύτερο δυνατό τρόπο τη Στατιστική Ανάλυση των στοιχείων που προέρχονται από τις Κοινωνικές Επιστήμες. Με άλλα λόγια, στόχος του βιβλίου είναι η ανάπτυξη Στατιστικών Τεχνικών Μοντέλων, αλλά και ολοκληρωμένων Μεθόδων, που θα λειτουργήσουν ως αποτελεσματικά εργαλεία έρευνας στα χέρια του Κοινωνικού Επιστήμονα, για περισσότερη, βαθύτερη και ακριβέστερη πληροφορία.
Η Στατιστική Ανάλυση, έτσι όπως εκτελείται στο πλαίσιο αυτού του βιβλίου, περιλαμβάνει τα παρακάτω βήματα:

  • Καθορισμός του προβλήματος.
  • Οικοδόμηση βάσης δεδομένων στο SPSS.
  • Κωδικοποίηση και άμεση εισαγωγή δεδομένων στο SPSS.
  • Επιστράτευση της κατάλληλης στατιστικής διαδικασίας.
  • Παραδοχές γι’ αυτή τη στατιστική διαδικασία.
  • Έλεγχος των παραδοχών.
  • Εναλλακτικές λύσεις σε περίπτωση μη ικανοποίησης των παραδοχών.
  • Εκτέλεση της παραπάνω διαδικασίας.
  • Διατύπωση μηδενικής και εναλλακτικής υπόθεσης.
  • Στατιστικό Συμπέρασμα.
  • Τελικό Συμπέρασμα για τη συγκεκριμένη Κοινωνική Επιστήμη, από την οποία προέρχονται τα δεδομένα.

Στην παρούσα δεύτερη έκδοση του βιβλίου, δόθηκε ιδιαίτερη έμφαση στη Μεθοδολογία Έρευνας και συμπεριλαμβάνεται το νέο module του IBM SPSS Bootstrapping, που οπωσδήποτε οδηγεί σε ακριβέστερες αναλύσεις. Τέλος, υπάρχει σημαντική βελτίωση στο κεφάλαιο της Δειγματοληψίας.


Περιεχόμενα

Κεφάλαιο 1: Βασικές Στατιστικές Έννοιες

  1. Η έννοια της μεταβλητής
  2. Είδη μεταβλητών
  3. Τι εννοούμε με τον όρο παρατηρησιακή μονάδα
  4. Πληθυσμός και Δείγμα
  5. Κλίμακες μέτρησης
  6. Η κατανόηση των κλιμάκων μέτρησης μέσα από την κωδικοποίηση
  7. Αξιοπιστία (Reliability) και Εγκυρότητα (Validity)

Κεφάλαιο 2: Βασικές Έννοιες και Διαδικασίες του SPSS

  1. Ξεκίνημα
  2. Τι είναι και πώς δημιουργούμε μια βάση δεδομένων στο SPSS
  3. Επιλογή μεταβλητών και cases
  4. Διαγραφή ή Παρεμβολή μεταβλητών και cases
  5. Πού βρίσκεται κάποια τιμή που είναι λάθος ή μας ενδιαφέρει
  6. Επανακωδικοποίηση των δεδομένων μας (η διαδικασία Recode)
  7. Μετασχηματισμοί δεδομένων (η διαδικασία Compute)
  8. Η ταξινόμηση των δεδομένων μας (Sort Cases)
  9. Επιλέγοντας περιπτώσεις (Select cases)
  10. Μετακινώντας μεταβλητές (Moving Variables)
  11. Καταμετρώντας τιμές από σύνολα μεταβλητών (η διαδικασία Count)
  12. Ο έλεγχος τυχαιότητας του δείγματός μας
  13. Πώς λαμβάνουμε ένα μικρότερο σύνολο δεδομένων από ένα μεγαλύτερο, ή ισοδύναμα, πώς τεμαχίζουμε, με τυχαίο τρόπο, μια βάση δεδομένων του SPSS. Η διαδικασία Random Sample
  14. Πώς κάνουμε Αυτόματη Επανακωδικοποίηση των δεδομένων μας (Automatic Recode)…
  15. Πώς κάνουμε αντικατάσταση των ελλειπουσών τιμών (Replace Missing Values)
  16. Πώς ενώνουμε επιμέρους βάσεις δεδομένων σε μια ενιαία βάση
  17. Πώς συνενώνουμε βάσεις δεδομένων του SPSS, παράλληλα
  18. Πώς εισάγουμε στο SPSS αρχεία προερχόμενα από άλλες βάσεις δεδομένων ή λογιστικά φύλλα, όπως η Dbase ή το Excel
  19. Πώς γίνεται η αναδόμηση (Restructure) μιας βάσης δεδομένων
  20. Πώς οι διάφορες μεταβλητές γίνονται κατηγορίες μιας καθολικής μεταβλητής (Multiple Response Analysis)

Κεφάλαιο 3: Περιγραφική Στατιστική

  1. Δείκτες κεντρικής τάσης (measures of central tendency)
  2. Τα ζητούμενα ‘χαρίσματα’ από τους δείκτες κεντρικής τάσης
  3. Η αλγεβρική σχέση των δεικτών κεντρικής τάσης
  4. Δείκτες διασποράς (measures of variation), ή μεταβλητότητας (variability), ή διασκόρπισης (dispersion)
  5. Συζήτηση
  6. Μέτρα ασυμμετρίας
  7. Δείκτες ομοιογένειας
  8. Η προϊδέαση της κανονικής κατανομής
  9. Παράδειγμα – Πρόβλημα 1
  10. Ομαδοποιημένα δεδομένα
  11. Ασκήσεις Περιγραφικής Στατιστικής που επιλύονται αλγεβρικά, δηλ. χωρίς τη βοήθεια υπολογιστή
  12. Bootstrapping
  13. Η διαμόρφωση των δεικτών κεντρικής τάσης και των ποσοστών στο πλαίσιο Bootstrapping
  14. Τα αποτελέσματα του Bootstrapping
  15. Το νόημα της ένδειξης Set seed for Mersenne Twister
  16. Το νόημα του stratified Sampling

Κεφάλαιο 4: Στοιχεία από τη Θεωρία Πιθανοτήτων

  1. Εισαγωγή
  2. Η έννοια του πειράματος τύχης
  3. Η έννοια του δειγματόχωρου ή δειγματικού χώρου
  4. Η έννοια του ενδεχομένου
  5. Πράξεις με ενδεχόμενα
  6. Ασυμβίβαστα ενδεχόμενα
  7. Κλασικός ορισμός πιθανότητας
  8. Κανόνες λογισμού πιθανοτήτων
  9. Ασκήσεις
  10. Ανεξάρτητα ενδεχόμενα
  11. Ασκήσεις
  12. Δεσμευμένη πιθανότητα
  13. Ασκήσεις

Κεφάλαιο 5: Η Κανονική Κατανομή

    (Normal Distribution)

  1. Εισαγωγικές έννοιες
  2. Ορισμός της κανονικής κατανομής
  3. Η αξία και η χρησιμότητα της κανονικής κατανομής – Σύντομη ιστορική αναδρομή
  4. Οι ιδιότητες της κανονικής κατανομής
  5. Η μετατροπή των τιμών της κανονικής κατανομής σε z-τιμές
  6. Πώς το SPSS δημιουργεί z-τιμές
  7. Ιδιότητες της τυπικής ή τυποποιημένης κανονικής κατανομής (Standardized Normal Distribution)
  8. Η συνάρτηση αθροιστικής κατανομής της τυπικής κανονικής κατανομής
  9. Σύγκριση τιμών που ανήκουν σε διαφορετικές κανονικές κατανομές
  10. Δειγματοληπτικές κατανομές. Η κατανομή του μέσου όρου
  11. Το Θεώρημα του Κεντρικού Ορίου
  12. Γενικές Ασκήσεις

Κεφάλαιο 6: Έλεγχοι Υποθέσεων και Διαστήματα Εμπιστοσύνης

  1. Εισαγωγικά. Η μηδενική και η εναλλακτική υπόθεση
  2. Παραδείγματα μηδενικών και εναλλακτικών υποθέσεων
  3. Μονόπλευρος και αμφίπλευρος έλεγχος υποθέσεων
  4. Σφάλματα στους ελέγχους υποθέσεων
  5. Η διαφοροποιητική δύναμη ενός στατιστικού κριτηρίου (Power)
  6. Το περιεχόμενο των όρων ‘στατιστικώς σημαντική διαφορά’, ‘στατιστικώς ασήμαντη διαφορά’ και ‘σπουδαιότητα’
  7. Η έννοια του διαστήματος εμπιστοσύνης
  8. Η κατασκευή διαστήματος εμπιστοσύνης για τον άγνωστο μέσο όρο μ ενός πληθυσμού με τη βοήθεια ενός τυχαίου δείγματος

Κεφάλαιο 7: Έλεγχοι Κανονικότητας

  1. Εισαγωγικά
  2. Έλεγχος κανονικότητας με τη βοήθεια στατιστικών κριτηρίων
  3. Έλεγχος κανονικότητας με τη βοήθεια γραφικών αναπαραστάσεων
  4. Ο έλεγχος σημαντικότητας με τη βοήθεια περιγραφικών στατιστικών δεικτών
  5. Τελικές Επισημάνσεις

Κεφάλαιο 8: Γραφικές Αναπαραστάσεις

  1. Εισαγωγικά
  2. Απλά γραφήματα σκέδασης (Simple Scatter Plots)
  3. Τα γραφήματα γραμμής (Line Charts)
  4. Τα ραβδογράμματα σφάλματος (Error Bar Charts)
  5. Τα διαγράμματα PARETO
  6. Η οπτικοποίηση (visualization) στο πλαίσιο του SPSS GRAPH

Κεφάλαιο 9: Απλή Τυχαία Δειγματοληψία

  1. Εισαγωγικά
  2. Βασικές έννοιες και ορισμοί
  3. Το μέγεθος του δείγματος
  4. Απλή τυχαία δειγματοληψία για την εκτίμηση της μέσης τιμής μ ενός πεπερασμένου ή άπειρου κανονικού πληθυσμού, με γνωστή διασπορά σ2
  5. Απλή τυχαία δειγματοληψία για την εκτίμηση ποσοστού
  6. Τελικά ποιο δείγμα θα πάρουμε σε μια πραγματική έρευνα και με ποιο τρόπο;
  7. Τι κάνουμε στην περίπτωση μιας πολυτομικής-κατηγορικής (polychotomous-categorical) μεταβλητή
  8. Οι ‘αρετές’ ενός ερωτηματολογίου έρευνας: περιεχόμενο, δομή, εμφάνιση

Κεφάλαιο 10: Η Δοκιμασία Χ2

  1. Εισαγωγικά
  2. Η δοκιμασία X2 ως τεστ ομοιογένειας
  3. Η δοκιμασία X2 ως τεστ ανεξαρτησίας
  4. Πότε το X2, ως τεστ ανεξαρτησίας ή ως τεστ ομοιογένειας, δεν εφαρμόζεται;
  5. Η δοκιμασία X2 ως τεστ καλής προσαρμογής
  6. Πλεονεκτήματα του κριτηρίου των K–S έναντι του μη παραμετρικού X2
  7. Τι είναι τα Exact tests, πότε τα εφαρμόζουμε, και πόσο φερέγγυα είναι, αναφορικά με το X2
  8. Πώς αντιμετωπίζεται η παραβίαση της παραδοχής του 20%, με τη μέθοδο της ενοποίησης των κατηγοριών των κατηγορικών μεταβλητών. Η παρέμβαση της εντολής Recode
  9. Τελικά τι κάνουμε; Σκέψεις και σύνοψη στρατηγικών και εναλλακτικών λύσεων
  10. To Bootstrapping στο πλαίσιο της παραμετρικής X2 διαδικασίας
  11. Ο δείκτης RISK στο πλαίσιο της διαδικασίας CROSSTABS και του Bootstrapping
  12. Τα στατιστικά κριτήρια Cochran’s και Mantel-Haenzel στο πλαίσιο της διαδικασίας CROSSTABS…
  13. To Z-test στο πλαίσιο της διαδικασίας CROSTABS

Κεφάλαιο 11: Το Στατιστικό Κριτήριο T-Test

  1. Γενικές παραδοχές για όλες τις μορφές T-Test
  2. T-Test για δύο ανεξάρτητα δείγματα (Two independent samples T-Test)
  3. T-test για ένα δείγμα (one sample T-test)
  4. H στατιστική διαδικασία t-test στη σκιά του Bootstrapping – Παράδειγμα – Πρόβλημα 3

Κεφάλαιο 12: Γραμμική Διμεταβλητή Συσχέτιση

    (Linear Bivariate Correlation)

  1. Το νόημα και το περιεχόμενο της συσχέτισης
  2. Οι παραδοχές για την Διμεταβλητή Ανάλυση Συσχέτισης
  3. Στοιχεία για το συντελεστή συσχέτισης του Pearson
  4. Ο έλεγχος της κανονικότητας
  5. Ο έλεγχος της Γραμμικότητας (Linearity) και της Ομοσκεδαστικότητας (Homoscedasticity)
  6. Ο συντελεστής ρ του Spearman και οι εναλλακτικές λύσεις στην περίπτωση που η κατά Pearson Ανάλυση Συσχέτισης είναι αδιέξοδη
  7. H απλή Correlation Analysis στον Αστερισμό του Bootstrapping
  8. Η πολλαπλή Correlation Analysis στον Αστερισμό του Bootstrapping

Κεφάλαιο 13: Μερική Συσχέτιση

    (Partial Correlation)

  1. Σκοπός και περιεχόμενο της ανάλυσης μερικής συσχέτισης
  2. Η τάξη της ανάλυσης μερικής συσχέτισης (order of partial correlation)
  3. Οι παραδοχές
  4. Τρέχοντας ταυτόχρονα Zero-order correlation analysis και First-order partial correlation analysis, με μεταβλητή ελέγχου τη μεταβλητή EXPER
  5. Τρέχοντας ταυτόχρονα Zero-order correlation analysis και First-order partial correlation analysis, με μεταβλητή ελέγχου τη μεταβλητή AGE
  6. Τρέχοντας ταυτόχρονα Zero-order correlation analysis και Second-order partial correlation analysis, με δύο μεταβλητές ελέγχου, EXPER και AGE
  7. Το Bootstrapping στις παρυφές της Partial Correlation Analysis

Κεφάλαιο 14: Απλή Γραμμική Παλινδρόμηση

    (Simple Linear Regression)

  1. Εισαγωγικά
  2. Τι είναι η ευθεία παλινδρόμησης (regression line)
  3. Πώς κατασκευάζεται η ευθεία παλινδρόμησης
  4. Η γραφική αναπαράσταση της ευθείας παλινδρόμησης
  5. Οι παραδοχές για την Απλή Παλινδρομική Ανάλυση
  6. Το νόημα και η σπουδαιότητα των υπολοίπων ή καταλοίπων (residuals)
  7. Τρέχοντας απλή παλινδρομική ανάλυση
  8. Τα αποτελέσματα της παλινδρομικής ανάλυσης
  9. Η γραφική αναπαράσταση της εξίσωσης παλινδρόμησης
  10. Ο έλεγχος της παραδοχής της ανεξαρτησίας
  11. Ο έλεγχος της παραδοχής της κανονικότητας
  12. Ο έλεγχος της παραδοχής της γραμμικότητας
  13. Ο έλεγχος της παραδοχής της ισότητας των διασπορών
  14. Η φροντίδα των ακραίων ή επιδραστικών τιμών (Outliers or Influential Points)
  15. Η ενισχυτική παρέμβαση του Bootstrapping στην Απλή Ανάλυση Παλινδρόμησης

Κεφάλαιο 15: Πολλαπλή Γραμμική Παλινδρόμηση

    (Multiple Linear Regression)

  1. Νόημα και σκοπός της πολλαπλής παλινδρόμησης
  2. Οι παραδοχές της πολλαπλής παλινδρομικής ανάλυσης
  3. Η εκτέλεση της ανάλυσης παλινδρόμησης
  4. Τα αποτελέσματα της ανάλυσης παλινδρόμησης
  5. Ο έλεγχος των παραδοχών
  6. Οι παραβιάσεις των παραδοχών, οι ‘θεραπείες’ και οι εναλλακτικές λύσεις
  7. Η επιλογή της μεθόδου στο πλαίσιο της πολλαπλής γραμμικής παλινδρόμησης
  8. Η επικύρωση του παλινδρομικού μας μοντέλου (model validation)
  9. Με ποια σειρά εισάγουμε τις μεταβλητές σε ένα παλινδρομικό μοντέλο;
  10. Ο Πίνακας ANOVA και η ερμηνεία του
  11. Η ερμηνεία λογαριθμικής παλινδρομικής εξίσωσης
  12. Πώς εισάγουμε κατηγορικές μεταβλητές μέσα σε ένα γραμμικό παλινδρομικό μοντέλο
  13. Bootstrapping στο πλαίσιο της πολλαπλής παλινδρόμησης
  14. Συζήτηση – Γενικά συμπεράσματα

Κεφάλαιο 16: Απλή Ανάλυση Διασποράς με Ένα Παράγοντα

    (One Way Analysis of Variance)

  1. Νόημα και σκοπός της ανάλυσης διασποράς
  2. Πόσο ακριβώς είναι το λάθος στην ANOVA, και ποιες είναι οι πηγές του
  3. Παραδείγματα Απλής Ανάλυσης Διασποράς
  4. Ένα παράδειγμα Ανάλυσης Διασποράς με χαρτί και μολύβι
  5. Οι συνιστώσες της συνολικής διασποράς- Γενικές Εξισώσεις
  6. Οι συλλογισμοί γύρω από τη διαδικασία oneway ANOVA
  7. Οι γενικές σχέσεις που διέπουν τη διαδικασία ONEWAY ANOVA
  8. Οι παραδοχές της απλής ανάλυσης διασποράς
  9. Παράδειγμα – Πρόβλημα 1
  10. Τα αποτελέσματα της ανάλυσης
  11. Οι γραφικές αναπαραστάσεις
  12. Ο έλεγχος των παραδοχών
  13. Παράδειγμα-Πρόβλημα ΙΙ – Γραμμικές Αντιθέσεις (Contrasts)
  14. Το απαύγασμα. Παρατηρήσεις πάνω στις μεθόδους πολλαπλών συγκρίσεων (Tukey, Bonferroni, Scheffe, Dunnett, Brown-Forsyth, Welch, κ.τ.λ.) Τι να κάνουμε…

Κεφάλαιο 17: Μη Παραμετρικά Στατιστικά Κριτήρια

    (Nonparametric Statistics)

  1. Γενικά
  2. Το μη παραμετρικό κριτήριο των Mann-Witney και τα συναφή, για δύο ανεξάρτητα δείγματα, κριτήρια Kolmogorov-Smirnov Z, Moses extreme reactions, και Wald-Wolfowitz runs
  3. Τα συναφή με το Mann-Whitney τεστ
  4. Το μη παραμετρικό κριτήριο των Kruskal-Wallis
  5. Τα συναφή με το Kruskal-Wallis στατιστικά κριτήρια
  6. Το διωνυμικό κριτήριο (Binomial Test)

Κεφάλαιο 18: Kaplan-Meier Ανάλυση Επιβίωσης

    (Kaplan-Meier Survival Analysis)

  1. Γενικά
  2. Τι είναι οι censored cases και πως διαφοροποιούν τα Kaplan-Meier μοντέλα, έναντι των παραδοσιακών στατιστικών μοντέλων
  3. Η συνάρτηση επιβίωσης (survival function)
  4. Πότε χρησιμοποιούμε μοντέλα Kaplan-Meier – Ερευνητικές Υποθέσεις
  5. Η δομή ενός μοντέλου Kaplan-Meier
  6. Οι παραδοχές για το Kaplan-Meier στατιστικό μοντέλο
  7. Στατιστικά τεστ σύγκρισης καμπυλών επιβίωσης, στο πλαίσιο των Kaplan-Meier στατιστικών μοντέλων
  8. Ποιο νόημα έχουν η μέση τιμή, η διάμεσος, και το τυπικό σφάλμα στα Kaplan-Meier μοντέλα

Βιβλιογραφία
Ελληνική βιβλιογραφία
Ξενόγλωσση βιβλιογραφία

Παράρτημα
Στατιστικοί πίνακες

Ευρετήριο Όρων