Παραγοντική Ανάλυση

Διερευνητική με SPSS και επιβεβαιωτική με το LISREL και το AMOS+EQS + STATA

61,48 52,26

N-id: 1533 Κατηγορίες: , , , , , Σελίδες: 728 Σχήμα: 17 x 24 Xρονολογία: 2013 ISBN: 978-960-456-383-8 Κωδικός Ευδόξου: 12866632 Εκδόσεις: Εκδόσεις Ζήτη

Το βιβλίο συνοδεύεται από CD στο οποίο περιέχονται όλα τα αρχεία δεδομένων (Data Sets)

Τα φαινόμενα στο χώρο της κοινωνικής πραγματικότητας, στο χώρο της φύσης και της ζωής πολύ σπάνια συντίθενται από ένα μικρό αριθμό μεταβλητών/παραγόντων. Είναι πολυσύνθετα, πολυπαραγοντικά, με μικρότερες ή μεγαλύτερες αλληλεπιδράσεις ανάμεσα στις συμμετέχουσες μεταβλητές.
Δεν μπορούμε να απομονώσουμε αυθαίρετα μερικές από αυτές και να τις αναλύσουμε αποσπασματικά. Ωστόσο, για να μελετήσουμε ένα φαινόμενο, πρέπει να αναζητήσουμε ένα μοντέλο με συγκεκριμένο αριθμό παραγόντων, με συγκεκριμένη δομή και λειτουργία και με βάση πάντα μια θεωρία.
Αναγκαστικά τότε οι μεταβλητές θα χορέψουν το χορό του Ζαλόγγου, για να δούμε ποια χορεύει καλά, ποια δηλαδή έχει υψηλή συνεισφορά στο μοντέλο, οπότε θα την κρατήσουμε μέσα, και ποια είναι άχρηστη ώστε να την πετάξουμε έξω από αυτό.
Η μεθοδολογία κατασκευής ενός παραγοντικού μοντέλου είναι το κυρίαρχο μέλημα αυτού του βιβλίου, αλλά και τα διαθέσιμα εργαλεία κατασκευής και επιβεβαίωσής του, όπως θα δείτε, είναι μάλλον αρκετά για να κάνετε την έρευνά σας και να απαντήσετε τεκμηριωμένα στα διεθνή επιστημονικά περιοδικά.


Περιεχόμενα

Κεφάλαιο 1. Διερευνητική Παραγοντική Ανάλυση (Exploratory Factor Analysis) Εφαρμογή Ι

  1. Τι είναι και πότε κάνουμε διερευνητική ανάλυση παραγόντων
  2. Η εξίσωση του διερευνητικού παραγοντικού μοντέλου
  3. Οι Παραδοχές της Διερευνητικής Ανάλυσης Παραγόντων
  4. Μέθοδοι εξαγωγής παραγόντων
  5. Η περιστροφή (Rotation)
  6. Παράδειγμα – Πρόβλημα 1
  7. Συζήτηση-Τεκμηρίωση της Παραγοντικής Ανάλυσης
  8. Το τεστ Καλής Προσαρμογής (Goodness-of-Fit)
  9. Μια σημαντική προειδοποίηση (Warning) από το SPSS
  10. Ένας Μεθοδολογικός Αλγόριθμος για τη Διερευνητική Ανάλυση Παραγόντων
  11. Το πρόβλημα του μετασχηματισμού των δεδομένων μας

Κεφάλαιο 2. Διερευνητική Παραγοντική Ανάλυση (Exploratory Factor Analysis) Εφαρμογή ΙΙ

  1. Εισαγωγικά
  2. Η Εκτέλεση της Ανάλυσης Παραγόντων
  3. Αποτελέσματα

Κεφάλαιο 3. Ανάλυση Αξιοπιστίας (Reliability Analysis)

  1. Εισαγωγικά
  2. Συντελεστές-Μοντέλα Αξιοπιστίας
  3. Ο συντελεστής Cronbach’ Alpha
  4. Οι παραδοχές της Ανάλυσης Αξιοπιστίας
  5. Παράδειγμα – Πρόβλημα Ι: Μοντέλο Cronbach, εσωτερικής συνέπειας
  6. Παράδειγμα-Πρόβλημα ΙΙ: Μοντέλα Split-Half
  7. Το μοντέλο αξιοπιστίας Guttman και η ερμηνεία του
  8. Παράδειγμα-Πρόβλημα ΙΙΙ: Το τεστ του Tukey για τη μη-προσθετικότητα (Tukey’s Test of Nonadditivity)
  9. Παράδειγμα- Πρόβλημα IV: Μετρώντας την ομοφωνία. Ο συντελεστής ενδοταξικής συσχέτισης (Intraclass Correlation Coefficient)

Κεφάλαιο 4. Η Μετάβαση από την Παραγοντική Ανάλυση στην Ανάλυση Διασποράς (From Factor Analysis to ANOVA)

  1. Εισαγωγικά
  2. Από τη Factor Analysis στην ANOVA: Παράδειγμα Ι
  3. Από την Factor Analysis στην ANOVA: Παράδειγμα ΙΙ

Κεφάλαιο 5. Ανάλυση Εγκυρότητας (Validity Analysis)

  1. Εισαγωγικά
  2. Τρόποι ελέγχου της Εγκυρότητας
  3. Το ερωτηματολόγιο της έρευνας
  4. Το στατιστικό κριτήριο PAIRED T-TEST
  5. Το μη παραμετρικό κριτήριο και WILCOXON
  6. Το μη παραμετρικό στατιστικό κριτήριο McNemar
  7. Ο συντελεστής ομοφωνίας Cohen’s kappa

Κεφάλαιο 6. Περιβάλλον και Στατιστικές Διαδικασίες του Προγράμματος LISREL

  1. Εισαγωγικά-Συγκρότηση του LISREL
  2. Ταυτότητα αρχείων. Πώς αναγνωρίζουμε τα αρχεία του LISREL;
  3. Η εισαγωγή στο LISREL περιβάλλον
  4. Τι σημαίνει πολυδιάστατη κανονικότητα (Multivariate Normality) και πώς πραγματοποιούμε έλεγχο αυτής
  5. Πώς εισάγουμε ένα ξένο αρχείο σε περιβάλλον LISREL
  6. Τι είναι η ασυμπτωτική μήτρα συνδιασποράς (asymptotic covariance matrix), πώς την κατασκευάζουμε και που τη χρησιμοποιούμε

Κεφάλαιο 7. Επιβεβαιωτική Παραγοντική Ανάλυση (Confirmatory Factor Analysis) – Εφαρμογή Ι

  1. Η έννοια της Θεωρίας
  2. H Εξελικτική Διαδικασία της Οικοδόμησης των Δομικών Εξισώσεων
  3. Τα Διαδρομικά διαγράμματα (Path Diagrams)
  4. Η μετατροπή των path διαγραμμάτων σε δομικές εξισώσεις
  5. Οι παραδοχές στην οικοδόμηση των δομικών εξισώσεων
  6. Το μέγεθος του δείγματος στο χώρο των Δομικών Εξισώσεων
  7. Μέθοδοι εκτίμησης παραμέτρων στο χώρο των Δομικών Εξισώσεων
  8. Σύντομος σχολιασμός των μεθόδων IV και TSLS
  9. Η μέθοδος ULS
  10. Η μέθοδος GLS
  11. H μέθοδος ML
  12. H μέθοδος WLS
  13. Η μέθοδος DWLS
  14. Ποια μέθοδο εκτίμησης να επιλέξουμε;
  15. Οι δείκτες προσαρμογής (Goodness-of-Fit)
  16. Η Τροποποίηση του Μοντέλου (Model Modification)
  17. Τι είναι και πότε κάνουμε Επιβεβαιωτική Παραγοντική Ανάλυση (Confirmatory Factor Analysis)
  18. Επιβεβαιωτική Παραγοντική Ανάλυση-Παράδειγμα Ι

Κεφάλαιο 8. Επιβεβαιωτική Παραγοντική Ανάλυση (Confirmatory Factor Analysis) – Εφαρμογή ΙI

  1. Εισαγωγή
  2. Τρέχοντας Επιβεβαιωτική Παραγοντική Ανάλυση
  3. Η ερμηνεία του Path διαγράμματος
  4. Η οικοδόμηση των εξισώσεων από το Path διάγραμμα
  5. Οι προτεινόμενοι δείκτες τροποποίησης (modification indices)
  6. Οι t-τιμές (σπουδαιότητα των παραμέτρων)
  7. Οι υπόλοιποι δείκτες του μοντέλου μας

Κεφάλαιο 9. Έλεγχος Ισότητας Δύο Παραγοντικών Δομών (Testing Equality of Factor Structures Model)

  1. Παράδειγμα- Πρόβλημα Διερεύνησης Ισότητας Παραγοντικών Δομών
  2. Η εκτέλεση της LISREL διαδικασίας
  3. Η δομή του μοντέλου μας
  4. Η ερμηνεία του Path διαγράμματος
  5. Οι υπόλοιποι δείκτες του μοντέλου μας

Κεφάλαιο 10. Ισότητα ή Παραλληλία Δύο Παλίνδρομων Εξισώσεων (Equal or Parallel Regressions)

  1. Εισαγωγή
  2. Παράδειγμα – Πρόβλημα 1
  3. Τρέχοντας έλεγχο EQUAL REGRESSIONS
  4. Η ερμηνεία του Path Διαγράμματος για τα ίσα Regressions
  5. Οι καθολικοί στατιστικοί δείκτες προσαρμογής (Global Goodness Indices) για την περίπτωση της ισότητας
  6. Τρέχοντας έλεγχο PARALLEL REGRESSIONS
  7. Η Ερμηνεία του Path Διαγράμματος για τα παράλληλα Regressions
  8. Οι καθολικοί στατιστικοί δείκτες προσαρμογής (Global Goodness Indices) για την περίπτωση της παραλληλίας
  9. Ο κώδικας P_REGR.SPL. TESTING PARALLEL REGRESSIONS
  10. Οι εξισώσεις των παλινδρομικών μοντέλων

Κεφάλαιο 11. Τελικά Συμπεράσματα στο Σύνολο της Παραγοντικής (Διερευνητικής και Επιβεβαιωτικής) Ανάλυσης
Ξένη Βιβλιογραφία
Ελληνική Βιβλιογραφία

Κεφάλαιο 12. Μια Εισαγωγή στη Φιλοσοφία της Μοντελοποίησης των Δομικών Εξισώσεων (Structural Equation Modeling, Sem)

  1. Γενικά
  2. Ο ρόλος της Θεωρίας στο πλαίσιο των SEM
  3. Νόημα και περιεχόμενο των όρων των SEM
  4. Οι Κανόνες για τα μονοπάτια – Απαραίτητες Πρακτικές Λεπτομέρειες
  5. Οι Επιδράσεις Διαμεσολάβησης (Mediating Effects)
  6. Μεταβλητές Διαμεσολάβησης (Moderator Variables)
  7. Η διάκριση μεταξύ MEDIATORS και MODERATORS μεταβλητών
  8. Λεπτές διαμερίσεις μεταξύ MEDIATORS και MONTERATORS μεταβλητών. Νέοι ορισμοί
  9. Ακριβώς αναγνωρίσιμο (Just-identified) μοντέλο
  10. Υπέρ-αναγνωρίσιμο (Overidentified) μοντέλο
  11. Υπο-αναγνωρίσιμο (Underidentified) ή Μη-αναγνωρίσιμο (Unidentified) μοντέλο
  12. Η Αναγνωρισιμότητα (Identification) ενός SEM Μοντέλου
  13. Οι παραδοχές για την Ανάλυση με το AMOS
  14. Η αντιπαράθεση συνεχών και κατηγορικών μεταβλητών στο πλαίσιο των SEM. Οι συνέπειες
  15. Οι συνέπειες από τη θεώρηση και συνακόλουθα χρήση, ordinal τύπου δεδομένων, ως αυτά να ήταν συνεχή
  16. Οι συνέπειες από τη θεώρηση και συνακόλουθα χρήση, nominal τύπου δεδομένων, όπως είναι από τη φύση τους, δηλ. κατηγορικά
  17. Τα λάθη του AMOS-Σχεδιαστή
  18. Σχετικά με την απόρριψη ενός Μοντέλου…
  19. Η στρατηγική στην ανάπτυξη ενός SEM μοντέλου
  20. Παραξενιές, Προειδοποιητικά Μηνύματα, Εκπλήξεις και Απρόβλεπτος τερματισμός προγράμματος στην έξοδο με τα ΑΠΟΤΕΛΕΣΜΑΤΑ των προγραμμάτων SPSS, LISREL, AMOS, EQS και STATA

Κεφάλαιο 13. Μια Γενική Εισαγωγή στο AMOS

  1. Δομή, δυνατότητες και λειτουργία του SPSS AMOS
  2. Οι συνιστώσες του IBM SPSS AMOS
  3. Πώς μπαίνουμε στο Graphics περιβάλλον του IBM SPSS AMOS

Κεφάλαιο 14. Πλάθοντας Δομικές Εξισώσεις με το AMOS

  1. Στάδιο Α’. Εισαγωγή στο γραφιστικό περιβάλλον του AMOS
  2. Στάδιο Β’. Εντοπισμός και άνοιγμα της SPSS βάσης των δεδομένων μας
  3. Στάδιο Γ’. Οικοδόμηση του γραφήματος, στο γραφιστικό περιβάλλον του AMOS
  4. Στάδιο Δ’. Εκχώρηση ιδιοτήτων στα μαθηματικά αντικείμενα του σχεδίου μας
  5. Στάδιο Ε’. Επιλογές παραμέτρων εκτίμησης
  6. Στάδιο ΣΤ’. Τρέξιμο του προγράμματός μας
  7. Τα Αποτελέσματα της Ανάλυσης

Κεφάλαιο 15. Πλάθοντας Δομικές Εξισώσεις με το EQS

  1. Στάδιο Α’. Εισαγωγή στο EQS περιβάλλον
  2. Στάδιο Β’. Εντοπισμός και άνοιγμα της SPSS βάσης των δεδομένων μας
  3. Στάδιο Γ’. Οικοδόμηση του μοντέλου μας – Προσδιορισμός παραγόντων και συνδιασπορών
  4. Στάδιο Δ’. Ο προσδιορισμός των παραμέτρων του μοντέλου μας
  5. Στάδιο E’. Η κατασκευή του EQS κώδικα και η εκτέλεσή του
  6. Τα αποτελέσματα (Non Robust = ML, και Robust)

Κεφάλαιο 16. Μια Γενική Εισαγωγή στο Στατιστικό Πρόγραμμα STATA

  1. Τι είναι το STATA; Τι είναι το STATA GUI; Μια απλή είσοδος σε αυτά
  2. Η γραφική συνιστώσα GUI του STATA 12
  3. Πώς, το STATA TRANSFER, μεταφράζει για λογαριασμό του STATA αρχεία δεδομένων προερχόμενα από χίλια δυο format, άρα και αρχεία προερχόμενα από το SPSS;
  4. Τι είδους μεταβλητές αναγνωρίζουν τα SEM (Structural Equation Modeling) στο γραφιστικό περιβάλλον του GUI
  5. Πως πάμε από τα Διαγράμματα στις SEM εξισώσεις
  6. Η ταυτότητα του μοντέλου μας. Πότε είναι αναγνωρίσιμο; Πότε υπάρχουν ελπίδες να τρέξει;
  7. Είναι ευέλικτο εργαλείο το STATA; Ποιες πρόνοιες λαμβάνει για να οδηγηθούμε σε σύγκλιση-λύση;
  8. Ας δούμε πως, το STATA, κάνει έλεγχο για πολυδιάστατη κανονικότητα (multivariate normality)
  9. Παίζοντας στο γραφιστικό περιβάλλον GUI του STATA
  10. Πώς βάζουμε το STATA να διαβάσει δεδομένα από τριγωνική μήτρα. Η διαδικασία summary statistics data (ssd)

Κεφάλαιο 17. Εννοιολογικό Ξεκαθάρισμα της SEM Ορολογίας στο Πλαίσιο του Προγράμματος STATA

  1. Η έννοια της αμοιβαίας σχέσης (reciprocal relation)
  2. Η έννοια της κατασκευής (construct)
  3. Η έννοια του αναγωγικού ή συνδρομικού μοντέλου (Recursive Model)
  4. Η έννοια του μη-αναγωγικού ή μη-συνδρομικού μοντέλου (non-Recursive Model)
  5. Η έννοια της αιτιότητας (causality)
  6. Οι δρόμοι της αιτιότητας και η ανατομία των Path Διαγραμμάτων
  7. Βαθύτερα στην ανατομία των Path Διαγραμμάτων: Η σχέση παλινδρομικών και συντελεστών συσχέτισης
  8. Non Recursive μοντέλα: Αμαρτία ή επιστημονική πρόκληση;
  9. Τι είναι η Joint και τι η Conditional Normality; Ποια από τις δυο να εφαρμόσουμε;
  10. Ποιες Μεθόδους Εκτίμησης διαθέτει το STATA και πως αυτές αντιδρούν στην Conditional Normality;

Κεφάλαιο 18. Δείκτες Καλής Προσαρμογής (Goodness of it Indices) με το STATA

  1. Εφαρμογή Ι. Το SEM μοντέλο για την επιλόχεια κατάθλιψη
  2. Εφαρμογή Ι. Η ανάλυση των αποτελεσμάτων για την επιλόχεια κατάθλιψη με τη μέθοδο ADF
  3. Εφαρμογή Ι. Η ανάλυση των αποτελεσμάτων για την επιλόχεια κατάθλιψη με τη μέθοδο ML
  4. Τιμές συντελεστών, Σπουδαιότητα και Πρόβλεψη στο πλαίσιο της Τυποποιημένης Λύσης
  5. Η διαφορά των κουμπιών ‘ΟΚ’ και ‘Submit’

Κεφάλαιο 19. Φτωχή Προσαρμογή και Θεραπεία ή αλλιώς (Φτώχεια καλή καρδιά μα και γκρίνια…)

  1. Η οικοδόμηση του μοντέλου
  2. Ο καθορισμός των παραμέτρων
  3. Τα αποτελέσματα σχετικά με την προσαρμογή
  4. Πιθανές αιτίες και η θεραπεία για τα μοντέλα φτωχής προσαρμογής (poor goodness of fit)
  5. Ο έλεγχος της multivariate normality
  6. Το μοντέλο στην τυποποιημένη του (standardized) λύση

Κεφάλαιο 20. Το Εργοστάσιο των Μολυβιών, η Αγωνία του Ερευνητή και το Βαθύτερο Νόημα της Αξιοπιστίας

  1. Τα δεδομένα του Πειράματος
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα αποτελέσματα
  4. Η αξιοπιστία των παρατηρούμενων μεταβλητών
  5. Η γραφική αναπαράσταση του μοντέλου (standardized solution)
  6. Οι αλγεβρικές παράμετροι – εξισώσεις

Κεφάλαιο 21. Η τροποποίηση του Μοντέλου (Modification Indices), η συσχέτιση των Σφαλματικών Διασπορών (Error Terms), και η χρησιμότητα του Μοντέλου

  1. Το Παράδειγμα της Ευθανασίας
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα Αποτελέσματα
  4. Η τροποποίηση του αρχικού μας μοντέλου συμφώνως ‘προς τας υποδείξεις’…

Κεφάλαιο 22. Η τροποποίηση του Μοντέλου (Modification Indices) Η συσχέτιση των Σφαλματικών Διασπορών (Error Terms), Η Συμβολή και Αναβάθμιση της Θεωρίας ή αλλιώς «Ποιος είναι ο δρόμος για τα αστέρια…». Δομικά Παραγοντικά Μοντέλα Δεύτερης Τάξης (Second – Order CFA Models)

  1. Το Παράδειγμα της Ανομίας
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα Αποτελέσματα
  4. Η τροποποίηση του αρχικού μας μοντέλο συμφώνως ‘προς τας υποδείξεις’…
  5. Το μοντέλο που τελικά γίνεται αποδεκτό

Κεφάλαιο 23. Όταν η Αιτιότητα τρέχει Αμφίδρομα. Μη Αναγωγικά Μοντέλα (Non recursive models)

  1. To παράδειγμα των συνομηλίκων
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα αποτελέσματα

Κεφάλαιο 24. Μετρικοί και Δομικοί Περιορισμοί (Constraints) Παραμέτρων. Πως διαμορφώνεται η Προσαρμογή ενός Μοντέλου καθώς περιδιαβαίνουμε Ερευνητικές Υποομάδες

  1. Το παράδειγμα για την αυτοεκτίμηση με όλα τα ερευνητικά υποκείμενα, ανεξαρτήτως ομάδας
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα αποτελέσματα στο σύνολο των δεδομένων
  4. Τα αποτελέσματα με τη χρήση της Group () option
  5. Οι διαθέσιμες παραμετρικές ταξινομίες από το STATA που επιβάλλουν περιορισμούς στα groups

Κεφάλαιο 25. Η προσαρμογή ενός μοντέλου σε κάθε μια από τις ερευνητικές υποομάδες. Ξεχωριστές εκτιμήσεις

  1. Εργασία και πάλι με το παράδειγμα της αυτοεκτίμησης, αλλά σαν να είχαμε δυο ξένα μεταξύ τους δείγματα
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα αποτελέσματα

Κεφάλαιο 26. Τι να κάνουμε; Σε ποιες παραμέτρους λαθεμένα επιβάλλαμε περιορισμούς ισότητας (equality constraints), και σε ποιες, λαθεμένα πάλι, δεν επιβάλλαμε περιορισμούς ισότητας

  1. Εργασία και πάλι με το παράδειγμα της αυτοεκτίμησης, για να ελεγχθούν δυο στατιστικές υποθέσεις
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα αποτελέσματα της ginvariant επιλογής

Κεφάλαιο 27. MIMIC Παραγοντικά Μοντέλα

  1. Το παράδειγμα της υποκειμενικής ταυτότητας
  2. Η εκτέλεση της Στατιστικής Ανάλυσης
  3. Τα αποτελέσματα
  4. Τι έκανε ο Bollen;

Κεφάλαιο 28. SEM εναντίον Regression στο γήπεδο των τυπικών σφαλμάτων: Με ποιούς να πάμε και ποιούς να αφήσουμε

  1. H μη τυποποιημένη λύση (unstandardized solution) στο πλαίσιο των SEM
  2. Η μη τυποποιημένη λύση με το κλασικό γραμμικό Regression (linear Regression)
  3. H τυποποιημένη λύση (standardized solution ) στο πλαίσιο των SEM
  4. H αμερόληπτη, πεπερασμένου δείγματος regression λύση (beta coefficients)

Κεφάλαιο 29. Εγκυρότητα Κατασκευής (Construct Validity), Φαινομενικά Ασυσχέτιστη Παλινδρόμηση (Seemingly Unrelated Regression), ή Παλινδρόμηση δύο Σταδίων (two-Stage Regression)

  1. Εννοιολογικά προαπαιτούμενες έννοιες
  2. Γιατί είναι τόσο σπουδαία η Construct Validity και τι την υπονομεύει;
  3. Φαινομενικά ασυσχέτιστη παλινδρόμηση (Seemingly Unrelated Regression) ή αλλιώς Παλινδρόμηση δύο Σταδίων (two-stage Regression)
  4. Η διαδικασία SUREG του STATA που αφορά το φαινομενικά ασυσχέτιστο regression

Βιβλιογραφία
Ευρετήριο Όρων