Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych

Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych.

Statystyka, podobnie jak numerologia, jest traktowana przez studentów jak wiedza tajemna, wymagająca wtajemniczenia, a analizy statystyczne mają dla wielu status podobny do wróżenia z fusów. Książka Statystyczny drogowskaz 3. Sylwii Bedyńskiej i Moniki Książek skutecznie walczy z tymi poglądami. Statystyczne analizy wielowymiarowe zostały przedstawione w sposób jasny, przejrzysty, pozwalający nawet humaniście zrozumieć sposób ich wykonywania i ich sens.

Dodatkowo, książka oferuje jasne wskazówki jak krok po kroku wykonać obliczenia w jednym z popularnych pakietów statystycznych wykorzystywanych przez uczelnie i wiele firm badawczych – IBM SPSS Statistics. Autorki, mając za sobą długoletnie doświadczenie w pracy ze studentami i doktorantami, prezentują nie tylko wiedzę dotyczącą metod poszukiwania zależności statystycznych, ale dzielą się praktycznymi wskazówkami, które pozwalają przeprowadzić efektywnie proces analizy zebranych danych.

Książka jest adresowana do studentów psychologii i nauk pokrewnych, którzy w ramach studiów wykonują badania i analizują dane prawie na każdym roku studiów. Zaawansowane treści przedstawione w książce rozszerzą krąg jej odbiorców o doktorantów i naukowców zajmujących się badaniami psychologicznymi, jak również badaczy, których prace dotyczą zagadnień socjologicznych czy pedagogicznych. Ponadto jest kierowana do wszystkich, którzy – choćby hobbistycznie – zajmują się badaniami naukowymi.

Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych – jest kontynuacją podręcznika Statystyczny drogowskaz. Praktyczny poradnik analizy danych w naukach społecznych na przykładach z psychologii, wydanego pod redakcją naukową Sylwii Bedyńskiej i Anety Brzezickiej.

Spis treści:

CZĘŚĆ I MODELE REGRESJI

ROZDZIAŁ 1 Regresja prosta
Wprowadzenie                     16
Kowariancja i korelacja jako miary współzmienności 17
Jednozmiennowa analiza regresji 21
Dopasowanie linii regresji metodą najmniejszych kwadratów 21
Równanie linii prostej – parametry modelu             
Przykład: relacja temperatury i samopoczucia

ROZDZIAŁ 2 Regresja wielokrotna                      
Wprowadzenie 36
Analiza regresji wielozmiennowej w programie IBM SPSS Statistics 38
Korelacja cząstkowa i semicząstkowa w analizie regresji 40
Różne metody wprowadzania predyktorów w analizie regresji 43
Regresja krokowa 45
Regresja hierarchiczna                         49

ROZDZIAŁ 3 Testowanie założeńDiagnostyka w analizie regresji                          
Wprowadzenie
Statystyczny drogowskaz 2
Założenia analizy regresji
Homoscedastyczność
Brak korelacji składników losowych
Brak skorelowania predyktorów                           64
Normalność rozkładu zmiennych oraz normalność rozkładu reszt 67
Jak policzyć statystyki diagnostyczne w programie
IBM SPSS Statistics

ROZDZIAŁ 4 Zmienne jakościowe jako predyktory w analizie regresji
Wprowadzenie
Tworzenie zmiennych instrumentalnych dla jakościowego
predyktora niedychotomicznego                         
Kodowanie zero-jedynkowe                             95
Kodowanie quasi-eksperymentalne                         
Kodowanie ortogonalne                 

ROZDZIAŁ 5 Analiza mediacyjna w regresji
Poszukiwanie zmiennych pośredniczących
Wprowadzenie                   
Klasyczne podejście Barona i Kenny’ego                         
Model mediacji Cohena i Cohen                   
Przykład 1Model mediacyjny z ilościową zmienną niezależną 112
Krok 1 – relacja między zmienną niezależną a zależną
Krok 2 – relacja między zmienną niezależną a mediatorem
Krok 3 – relacja zmiennej niezależnej i mediatora ze zmienną zależną
Testy: Sobela, Aroiana i Goodmana testujące istotność
mediacji częściowej                         
Opis wyników               
Przykład 2Model mediacyjny z dychotomiczną zmienną niezależną 120
Trudności w poszukiwaniu mediacji                              

ROZDZIAŁ 6 W poszukiwaniu interakcjiModeratory w analizie regresji
Wprowadzenie                   
Poszukiwanie interakcji – kolejne kroki                
Interakcja z dychotomicznym moderatorem                 
Interakcja z moderatorem ilościowym                     
Interakcja trzech zmiennych
Poszukiwanie interakcji między zmiennymi jakościowymi
o większej liczbie wartości niż dwie

CZĘŚĆ II MODELOWANIE STRUKTURALNE

ROZDZIAŁ 7 Modele strukturalne zmiennych obserwowalnych
Wprowadzenie                  
Specyfikacja modelu strukturalnego zmiennych
obserwowalnych 163
Interpretacja parametrów                       
Model regresji wielorakiej
Model ścieżkowy z kowariancją i zależnościami pośrednimi
Estymacja modeli strukturalnych
Założenia                      
Metody estymacji                    
Ocena jakości modelu                        
Test dopasowania modelu 183
Miary dopasowania do populacyjnej macierzy wariancji-kowariancji 186
Indeksy dopasowania                        
Kryteria informacyjne
Modyfikowanie modelu
Badanie istotności parametrów
Indeksy modyfikacji              

ROZDZIAŁ 8 Modele strukturalne w podgrupach
Wprowadzenie           
Specyfikacja i estymacja             
Porówanywanie pojedynczych parametrów między grupami
Weryfikacja złożonych hipotez dotyczących równości
parametrów między grupami               

ROZDZIAŁ 9 Modelowanie strukturalne ze zmiennymi ukrytymi
Wprowadzenie
Specyfikacja modelu strukturalnego ze zmiennymi ukrytymi
Część strukturalna modelu 219
Część pomiarowa modelu
Konfirmacyjna analiza czynnikowa jako narzędzie weryfikacji
modelu pomiarowego
Estymacja i interpretacja modelu strukturalnego
ze zmiennymi ukrytymi

ROZDZIAŁ 10 Krótkie wprowadzenie do IBM SPSS Statistics AMOS