1

CíleCíle::

1.1. Vysvětlíme co je mnohorozměrná analýza a k čemu Vysvětlíme co je mnohorozměrná analýza a k čemu jsou dobré její aplikacejsou dobré její aplikace..

2.2. Vymezíme specifické techniky mnohorozměrné Vymezíme specifické techniky mnohorozměrné analýzyanalýzy..

3.3. Určíme pro jaké úkoly jsou vhodné jednotlivé technikyUrčíme pro jaké úkoly jsou vhodné jednotlivé techniky..

4.4. DisDiskutujeme podstatu měření, typy proměnných a kutujeme podstatu měření, typy proměnných a vztah k mnohorozměrným technikámvztah k mnohorozměrným technikám..

5.5. Popisujeme koncepční a statistické aspekty Popisujeme koncepční a statistické aspekty mnohorozměrné analýzymnohorozměrné analýzy..

11 ÚvodÚvod11 ÚvodÚvod

2

Základní informaceZákladní informace::

1.1. Povinnosti – úkoly, prezentace, zkouškaPovinnosti – úkoly, prezentace, zkouška

2.2. SylabusSylabus

3.3. Literatura – viz dáleLiteratura – viz dále

4.4. Související kurzy JSM031 a JSM152Související kurzy JSM031 a JSM152

5.5. Organizace kurzuOrganizace kurzu

Analýza kvantitativních datAnalýza kvantitativních datAnalýza kvantitativních datAnalýza kvantitativních dat

3

• Hendl J. Přehled statistických metod zpracování dat. 2.vyd. Praha: Hendl J. Přehled statistických metod zpracování dat. 2.vyd. Praha: Portál, 2009.Portál, 2009.

• Hebák, P. a kol. Vícerozměrné statistické metody 1-3. Praha : Hebák, P. a kol. Vícerozměrné statistické metody 1-3. Praha : Informatorium, 2004.Informatorium, 2004.

• Urbánek T. (2000): Strukturální modelování v psychologii. Urbánek T. (2000): Strukturální modelování v psychologii. Psychologický ústav AV ČR a Nakladatelství Pavel Křepela, Brno. Psychologický ústav AV ČR a Nakladatelství Pavel Křepela, Brno.

• Tarling, R. 2009Tarling, R. 2009:: Statistical modeling for social researchers. Statistical modeling for social researchers. Routledge. Routledge.

• Norusis. 2005. SPSS 13. Statistical procedures companion. Prentice Norusis. 2005. SPSS 13. Statistical procedures companion. Prentice Hall. Hall.

• StatSoft, Inc. (2004). Electronic Statistics Textbook. Tulsa, OK: StatSoft, Inc. (2004). Electronic Statistics Textbook. Tulsa, OK: StatSoft. StatSoft.

http://www.statsoft.com/textbook/stathome.htmlhttp://www.statsoft.com/textbook/stathome.html

Další nepřeberné množství knih a článků a WWW stránek (články budou Další nepřeberné množství knih a článků a WWW stránek (články budou průběžně doporučovány)průběžně doporučovány)

LiteraturaLiteraturaLiteraturaLiteratura

4

• Co to jeCo to je? ? Mnohorozměrná analýza dat Mnohorozměrná analýza dat ((Multivariate Data Analysis Multivariate Data Analysis )) = = jsou jsou všechny statistické metody, které všechny statistické metody, které simultánně analyzují více proměnných simultánně analyzují více proměnných měřených na jedincích nebo objektech měřených na jedincích nebo objektech sledovánísledování..

• Proč je používatProč je používat?? MěřeníMěření ExplanaExplanacece & & predikcepredikce Testování hypotézTestování hypotéz

Co je mnohorozměrná Co je mnohorozměrná analýzaanalýza??

Co je mnohorozměrná Co je mnohorozměrná analýzaanalýza??

5

• ProměnnáProměnná

• Škály měřeníŠkály měření NNemetrickéemetrické MetMetrickérické

• MMnohorozměrná měřenínohorozměrná měření

• Chyba měřeníChyba měření

• Druhy technikDruhy technik

Základní koncepty mnohorozměrné analýzyZákladní koncepty mnohorozměrné analýzyZákladní koncepty mnohorozměrné analýzyZákladní koncepty mnohorozměrné analýzy

6

TypTypy dat a škál měřeníy dat a škál měření

DataData

MetricMetrickákánebonebo

KvantitativníKvantitativní

NNemetrickáemetrickánebonebo

KvalitativníKvalitativní

NominNominální ální škálaškála

OrdinOrdinálníálníškálaškála

IntervalInterval..škálaškála

Poměr.Poměr.škálaškála

7

• NNemetrické škályemetrické škályo NominNominálníální – – označení číslem nemá vztah k žádné označení číslem nemá vztah k žádné

velikosti.velikosti.o OrdinOrdináállníní – – existuje řazeníexistuje řazení..

• MetricMetrické škályké škályo IntervalIntervalovéové– – má vlastnosti ordinální škály a jsou zde má vlastnosti ordinální škály a jsou zde

stejné diference mezi jednotlivými body škálystejné diference mezi jednotlivými body škály..o PoměrovéPoměrové – – má vlastnosti intervalové škála+přirozená má vlastnosti intervalové škála+přirozená

nulanula..

PoznámkaPoznámka: : Typ škály je mnohdy kritický při určování Typ škály je mnohdy kritický při určování správné statistické technikysprávné statistické techniky

Škála měřeníŠkála měřeníŠkála měřeníŠkála měření

8

• Všechny proměnné jsou zatížen nějakou Všechny proměnné jsou zatížen nějakou chybouchybou. . Jaké jsou zdroje chybJaké jsou zdroje chyb??

• Chyba měřeníChyba měření = = zkresluje pozorovaný zkresluje pozorovaný vztah a znehodnocuje výsledky analýzyvztah a znehodnocuje výsledky analýzy..

• Výzkumníci používají součtové škály a Výzkumníci používají součtové škály a vytvářejí kompositní reprezentace vytvářejí kompositní reprezentace konceptů.konceptů.

Chyba měřeníChyba měřeníChyba měřeníChyba měření

9

Při posuzováníPři posuzování chyb měření si všímáme dvou chyb měření si všímáme dvou charakteristik měřenícharakteristik měření::

• ValiditValiditaa = = stupeň, jak dobře měří stupeň, jak dobře měří proměnná to, co má měřitproměnná to, co má měřit..

• ReliabilitReliabilitaa = = stupeň, jak postup měří stupeň, jak postup měří spolehlivě (bez náhodné chyby)spolehlivě (bez náhodné chyby)..

Chyba měřeníChyba měřeníChyba měřeníChyba měření

10

StatisticStatistická významnost a síla testuká významnost a síla testu

• ChybaChyba I I.. druhudruhu. Hodnota. Hodnota je pravděpodobnost je pravděpodobnost zamítnutí nulové hypotézy za předpokladu, že ona zamítnutí nulové hypotézy za předpokladu, že ona platíplatí..

• Chyba Chyba II II. druhu. . druhu. HodnotaHodnota je pravděpodobnost je pravděpodobnost nezamítnutí nulové hypotézy za předpokladu, že ona nezamítnutí nulové hypotézy za předpokladu, že ona neplatíneplatí..

• Síla testu Síla testu nebo-linebo-li 1-1- je pravděpodobnost zamítnutí je pravděpodobnost zamítnutí nulové hypotézy za předpokladu, že ona neplatínulové hypotézy za předpokladu, že ona neplatí..

HH00 platíplatí HH00 neplatí neplatí

NezamítneNezamítne H H00 1-1- Chyba II. druhuChyba II. druhu

ZamítneZamítne H H00 Chyba I. druhuChyba I. druhu

1-1-SílaSíla

11

Síla je určena třemi faktorySíla je určena třemi faktory::

• Velikostí účinku (ES)Velikostí účinku (ES):: aktuální hodnota aktuální hodnota efektuefektu ( (např.např. rozdíl mezi průměry nebo rozdíl mezi průměry nebo velikost korelace mezi proměnnýmivelikost korelace mezi proměnnými).).

• AlAlfa fa (():): nasadíme malou hodnotu, čím menší nasadíme malou hodnotu, čím menší tak zmenšujeme sílutak zmenšujeme sílu. Typic. Typickyky = = 00.05..05.

• Velikost výběruVelikost výběru:: jak rozsah výběru se jak rozsah výběru se zvětšuje, tak se zvětšuje síla.zvětšuje, tak se zvětšuje síla. Při velkých Při velkých výběrech i malou odchylku hodnotíme jako výběrech i malou odchylku hodnotíme jako statisticky významnoustatisticky významnou..

12

Na obrázku je vztah mezi silou (Y) a velikostí Na obrázku je vztah mezi silou (Y) a velikostí výběru (X)výběru (X)

13

Síla testu, statistická významnost, Síla testu, statistická významnost, nesprávné užívánínesprávné užívání

• Literatura : Literatura : částečně viz Hendlčástečně viz Hendl

• Článek: Článek: Soukup 2010Soukup 2010 ( (http://archiv.soc.cas.cz/articles/cz/73/Data-a-http://archiv.soc.cas.cz/articles/cz/73/Data-a-vyzkum.html#artID413vyzkum.html#artID413) ) a pomůcky naa pomůcky na http://samba.fsv.cuni.cz/~soukup/stat_vyznahttp://samba.fsv.cuni.cz/~soukup/stat_vyznamnost_clanek/mnost_clanek/

14

TypTypy mnohorozměrných techniky mnohorozměrných technik

• Techniky analýzy závislostíTechniky analýzy závislostí:: proměnná nebo proměnná nebo více proměnných se považují za závisle více proměnných se považují za závisle proměnné. Vysvětlují se pomocí množiny proměnné. Vysvětlují se pomocí množiny nezávislých proměnných.nezávislých proměnných.

o MMnohonásobná regresenohonásobná regreseo Mnohonásobná diskriminační analýzaMnohonásobná diskriminační analýzao LogitLogitováová//llogisticogistická regreseká regreseo Mnohonásobná analýza rozptylu a kovarianceMnohonásobná analýza rozptylu a kovarianceo KKanonicanonická korelační analýzaká korelační analýzao StruStrukturální modelováníkturální modelování (SEM) (SEM)

15

• Techniky pro hledání podobnostíTechniky pro hledání podobností (interrelací)(interrelací) bez rozlišení na závislé a bez rozlišení na závislé a nezávislé proměnné, více proměnnýchnezávislé proměnné, více proměnných..

o Metoda hlavních komponent a faktorová Metoda hlavních komponent a faktorová analýzaanalýza

o Shluková analýzaShluková analýzao Mnohorozměrné škálováníMnohorozměrné škálovánío KKorespondenorespondenční analýzační analýza

TypTypy mnohorozměrných techniky mnohorozměrných technik

16

Výběr technik mnohorozměrné Výběr technik mnohorozměrné analýzyanalýzy

1.1. Jaký typ vztahu se zkoumáJaký typ vztahu se zkoumá– – závislosti nebo závislosti nebo interrelaceinterrelace??

2.2. Vztah závislostiVztah závislosti: : Kolik proměnných se Kolik proměnných se predikujepredikuje?? Jaká je škála proměnných závisle Jaká je škála proměnných závisle

proměnnýchproměnných?? Jaká je škála nezávisle proměnnýchJaká je škála nezávisle proměnných??

3.3. Interdependence: Interdependence: Zkoumáme vztahy Zkoumáme vztahy (podobnosti) mezi proměnnými, respondenty (podobnosti) mezi proměnnými, respondenty nebo objektynebo objekty??

17

Mnohonásobná regreseMnohonásobná regrese

Jednoduchá metrická Jednoduchá metrická

závisle proměnná závisle proměnná

predikovaná několika predikovaná několika

nezávisle proměnnými nezávisle proměnnými

(metrickými)(metrickými)..

Bude v kurzu JSM 034Bude v kurzu JSM 034

18

Nemetrická (nominální) závisle Nemetrická (nominální) závisle

proměnná je predikována proměnná je predikována

několika metrickými nezávisle několika metrickými nezávisle

proměnnýmiproměnnými..

Bude v kurzu JSM 034Bude v kurzu JSM 034 Příklady

• Pohlaví – Muž resp. žena

• Těžký případ nemoci, lehký případ nemoci

• Kreditní důvěra, kreditní nedůvěra

• Člen nebo nečlen

DisDiskriminační analýzakriminační analýza

19

LogisticLogistická regreseká regrese

Jednoduchá závisle nemetrická proměnná Jednoduchá závisle nemetrická proměnná

je predikovaná několika metrickými je predikovaná několika metrickými

nezávisle proměnnýminezávisle proměnnými . Tato technika je . Tato technika je

podobná diskriminační analýze, ale podobná diskriminační analýze, ale

výpočty jsou trochu jiné, podobné regresi.výpočty jsou trochu jiné, podobné regresi.

Bude v kurzu JSM 034Bude v kurzu JSM 034

20

MANOVAMANOVA

Několik metrických proměnných je Několik metrických proměnných je

predikováno několika kategoriálními predikováno několika kategoriálními

nezávisle proměnnými nezávisle proměnnými

(nemetrickými)(nemetrickými)..

21

Kanonická korelační Kanonická korelační analýzaanalýza

Několik metrických závisle Několik metrických závisle proměnných je predikováno několika proměnných je predikováno několika metrickými nezávisle proměnnými.metrickými nezávisle proměnnými.

22

StruStrukturální modelováníkturální modelování (SEM) (SEM)

Hodnotí se několik provázaných Hodnotí se několik provázaných závislostí, vychází se ze dvou modelůzávislostí, vychází se ze dvou modelů::

1.1. StruStrukturální modelkturální model

2.2. ModelModel měření měření

Bude v kurzu JSM 034Bude v kurzu JSM 034

23

. . . .. . . . AnalyzAnalyzují se struktury ují se struktury vztahů mezi velkou množinou vztahů mezi velkou množinou proměnných, aby bylo možno určit proměnných, aby bylo možno určit společné faktoryspolečné faktory.. De facto hledáme De facto hledáme podobné proměnné. (viz JSB 029 a podobné proměnné. (viz JSB 029 a JSM031)JSM031)

Faktorová analýza

24

. . . .. . . . Skupina objektůSkupina objektů (respondent (respondentii, , produproduktykty, firm, firmy atd.y atd.) ) se analyzuje pomocí se analyzuje pomocí měr vzdáleností a určují se kategorie měr vzdáleností a určují se kategorie objektů (shluky)objektů (shluky).. De facto hledáme De facto hledáme podobné případy. (viz JSM 031)podobné případy. (viz JSM 031)

Shluková analýzaShluková analýza

25

MMnohorozměrné škálovánínohorozměrné škálování

. . .. . . IdentifiIdentifikují se nerozpoznané kují se nerozpoznané dimenze, které diferencují objekty zájmu dimenze, které diferencují objekty zájmu pomocípomocí::

• podobnostípodobností nebonebo

• preferencpreferencíí

Opět hledáme podobné případy (viz Opět hledáme podobné případy (viz

JSM 031)JSM 031)

26

Korespondenční analýzaKorespondenční analýza

. . .. . . Používá nemetrická data a Používá nemetrická data a

vyhodnocuje lineární nebo nelineární vyhodnocuje lineární nebo nelineární

vztahy, aby bylo možné nalézt asociace vztahy, aby bylo možné nalézt asociace

mezi objekty a určit popisné mezi objekty a určit popisné

charakteristiky objektůcharakteristiky objektů..

Hledáme vazby mezi řádky a sloupci Hledáme vazby mezi řádky a sloupci

kontingenční tabulky (viz JSM 152).kontingenční tabulky (viz JSM 152).

27

Pokyny pro provedení Pokyny pro provedení mnohorozměrné analýzymnohorozměrné analýzy

• Určujeme věcné a statistické Určujeme věcné a statistické významnostivýznamnosti

• Velikost souboru určuje výsledek Velikost souboru určuje výsledek (nadto potřebujeme zpravidla (nadto potřebujeme zpravidla dostatečně velká data)dostatečně velká data)

• Poznáváme dataPoznáváme data

• Hledáme úsporný popisHledáme úsporný popis

• Posouzení chyb a opomenutíPosouzení chyb a opomenutí

• ValidValidizace výsledkůizace výsledků

28

Fáze 1:Fáze 1: Určíme výzkumný problém, cíle Určíme výzkumný problém, cíle a mnohorozměrnou techniku a mnohorozměrnou techniku

Fáze 2:Fáze 2: Navrhneme plán analýzyNavrhneme plán analýzy

Fáze 3:Fáze 3: Vyhodnotíme předpoklady technikyVyhodnotíme předpoklady techniky

Fáze 4:Fáze 4: Odhadujeme parametry modelu Odhadujeme parametry modelu a vyhodnocujeme kvalitu proložení a vyhodnocujeme kvalitu proložení

Fáze 5:Fáze 5: Interpretujeme získané výsledkyInterpretujeme získané výsledky

Fáze 6:Fáze 6: ValidValidizujeme získaný modelizujeme získaný model

Poznámka: Často zpracováváme sekundárně data, Poznámka: Často zpracováváme sekundárně data, pak odpadá bod 2.pak odpadá bod 2.

Strukturovaný přístup k MA při Strukturovaný přístup k MA při tvoření modelutvoření modelu

29

Kontrolní otázkyKontrolní otázky

1.1. Co je mnohorozměrná analýzaCo je mnohorozměrná analýza??

2.2. Proč používáme mnohorozměrnou Proč používáme mnohorozměrnou analýzuanalýzu??

3.3. Proč je znalost škály důležitá v Proč je znalost škály důležitá v mnohorozměrné analýzemnohorozměrné analýze??

4.4. Jaké základní aspekty musíme Jaké základní aspekty musíme posuzovat v mnohorozměrné analýzeposuzovat v mnohorozměrné analýze??

5.5. Popište proces aplikace Popište proces aplikace mnohorozměrné analýzy ?mnohorozměrné analýzy ?