!# # v "6c. ,ι ιι ι "ι ηι ιι ιι. # ι α αα+ 0+!α/,. * η ι ι ιη ηι ι η ι η ι ιι ι ι ι ι η ιη ι ι ιι ηι.
|
|
|
- Ξάνθος Γερμανού
- 7 χρόνια πριν
- Προβολές:
Transcript
1 !# # v "6c #,ι ιι ι "ι ηι ιι ιι. # ι α αα+ 0+!α/,. * η ι ι ιη ηι ι η ι η ι ιι ι ι ι ι η ιη ι ι ιι ηι. $ι ιι η ι ι ι η ηι ι ιι ιι chi-square ι 0 2 ι ι ι! α (measures of association. ο,,,--,ο& 632ε/+ ιι ιι x 2 η : «ι ι η!η! ;» $ι η η! ι ι η η η η η η ηι ι ι '50 ι '60. 6 "η η ι ι ι η η ι ι ι η ι ιι ηι ( 1962 ι η $ι ι η ι η # η ηιι ι. # ι 0αα!α1α! 2 $ι η ι #η ι 2 $ι ηιι ι ι ι ι ι 4 $ι, η η ι 393 η. #ι η (ηι ι 1962.sav: *!" # " 1962 ε υε &υ" η &ε % &η % % &υ" η &ε % &η % % &υ" η &ε % &η % % ε" *ηη 1962 ' $ ε" ,3% 27,7% 100,0% 45,7% 58,2% 48,6% 35,1% 13,5% 48,6% ,2% 18,8% 100,0% 54,3% 41,8% 51,4% 41,7% 9,7% 51,4% ,8% 23,2% 100,0% 100,0% 100,0% 100,0% 76,8% 23,2% 100,0% η ι 393 ι ι η # ι ηιι ι. ι : η η 393 η ι ιι ι 1962 ι ι $ η # ι $ ηιι ι ( η η 59
2 ; * η η ι ι ιη', η. ι ι ι! $ ι ι ι ; ( ι ηι ι ι η ι ηη ι ; # ι ι ηι η (η. η ι η ι ηι ι (expected η ι ι η ι ι ι η.,ι ηι η 5 ι "ι!: - ι%!ι ',% ι* i % ',! w -εο0b,η ι η ηι η ι ιι $ι η # 1962 "ι!: c ε2 w xεy VcPjP 146k8 VjV &, " η ι ( ι ηη (observed η ηι, ι η, η η ι η η. ι ι ι ι ηι η ι : *!" # " 1962 ε υε " + υ" η,εωη υ" η + υ" η,εωη υ" η + υ" η,εωη υ" η ε" *ηη 1962 ' $ ε" #" ,8 44,2 191, ,2 46,8 202, ,0 91,0 393,0 2 η ι ι ι ι ι ηι η ι. # ι ι η η ι ι ι ι η $ ι # ι ι ι ι ι ι ιη' (ι η. ι η ιη' ι ι η ι η η ι ηι. $ι ι ιι ι ι ι ι ι ι ηι η ι ι 2x2 ι ι ι ι η! η η (ι, ι ι η η! η η ι ι ι ι ι ι ι η "ι, ηι ι α + x 2. * ι, η ιι ιι ι η!ιηη η ι ι ι ι ι -η ι x 2. x 2 ι η ι ιι!ιι η η
3 αα+ ι η ι. $ι 2x2 (η 2 η 2 η η ι " Pearson x 2 Pearson chi-square. Pearson chisquare ι ι ηι ι x 2. 3 Karl Pearson ( ι η η ιι ιη, η " ιι" ι η η!ι!η ι ι η ιι η, ι ι ι ι!ι η ι ι η ι. *ι ιη η ι η η η ηι ι ιι "ι η η, ι ι η. # ι ι, 2 ι Pearson r! ι ι ι ιι η ηι ι ι ιι ιη. # ι*! ι ι ι '% η ιη η η!+ - ι ι!: $ ι 1962, ιι ι η ι η (# ηιι ι. *ι αα+ - ι η η: $ ι 1962, ιι ι η ι η (# ηιι ι. 5ι ', 2 $ι η ιι ιη x 2 ι ι ιι ι % ι: 5% 1:,ι η ι!η!. 5% 2:,ι -η ι η ι ι ι!. 5% 3:,ι ηι η ι η ι ι (<5 1. # ηι ι ι. $ι ιι ιι!" ι ηιι ι ηι % η ι ι ιι ι ι ι ι ι. *ι η ι ι % η ι ι ι ι. ι ηι!ι η. & η ι ι ιη ιηι ( ιη 200 ιη ι. # η ι ι ηι 11 ι ι ιι ι. /η ηι η ηι η ι η. ι ι η ι!η!, η. ι ι η ι η!ι η ι ι η η η ι ιι η % η 1. & η ι -η ι η ι ι ι! ι η η η ι -η η ι ιι η % η 2., η ι 4 ι ι 5 ηι, ι ι ι ιι ι η η % η. +% ' ι* ', 2 & ι ιι ι % ι η ι ιι ιη x 2 ι η ηι η. - ι% ', ( / W.G. Cochran, Some methods for strengthening the common chi-square tests, Biometrics,.10, 1954,
4 $ι η ι x 2 : 3, ι (. " η ηι η 5. #ι ι η η η ι η ι η ηι (3-5. ι ' ( /ιι ' ι 5. 3 ι ι. ι η ι ιι ιη x 2. η ι, η ι,! "ι. * η ι η 2 ι ι 4,4. $" ι η ι 2 ι η η! η η. 3 ι ι 2. 3, η ι, η 2 ι ι ηι η η!ι (degrees of freedom -df ι ι ι : - ι% " ' >Wtd+εOpPed+,ηOpPe ι ( - ι ηη (# - ηιι ι ( η"ι 2x2 ι ι: df= (2-1(2-1= 1 ( $" ι η 2 ι ι αα -α+ 0 2 αα+ ( ι η 2 ι ι 5. # ι η 2 ι ι df=1 ι ι ι ι ιι ηιη 5% ( p=0,05 ι 1% ( p=0,01 ι, ι 3,84146 ι 6, df\ ι, ι ( 2 =4,4 ι η η ιη ι 5% (.η 0,050. ι, η ηι η ι ι!η η ι ηη (# ηιι ι ι $ 1962 ι. (ι η ι η ι ι ηι η ι η (! η η η η ι ηι ι η ι + ι"ι η ι. 62
5 &! ιι ι% ι ', 2 $ι ι η η ι 2 ι ' ι ι ηι η ι η η. FtkP6t/&%ιι7'*+*!$*ι!ee'*ι**%.$,*υ.υ\'*%4,,5%*ι$%$5/, %ι4,*+\>*ι/υ*'$+,%ι'*ι+*+,%+$&.$+/,%$$*ι,%*8+*.,%$υ,8% */*&+ $%! '*υ&!ee %4,*%/ ι,%*8+*.%ι %=/*+*%,%*=*υ> % υ*2*+%*ω$+,,%.&υ,% %*2 %,ι$*$+ '*ι * *%.$,*/, %.υ\ '4ω $5/,* $*+ %ι4,*+\> m*$ι *υ,%*+,+%ι2 υ'7%$+'*ι ι,%*8+*.%ι %=/*+*%,%*=*υ ι υι7%*,%*+%*ι2υ'7%$+'*ιι,%*8+*..&υ$&.$+,%*=*υ$*+7υ$,'>*%.$,*/,%ι$**ι$*ι-$+,*ι/$%%%%,ι$*$+""y> Ftk[6t/&%ιι7'*+*q$*ι!ee'*ι**%.$,*υ.υ\'*%4,,5%*ι$%$5/, %ι4,*+\>υ*'$+,%ι'*ι+*+,%+$&.$+/,%$$*ι,%*8+*.,%$υ,8%*/*&+ $%q'!ee*υ&%4,*%/ι,%*8+*.%ι%=/*+*%,%*=*υ> %υ*2*+%*ω$+,,%.&υ,% %*2%,ι$*$+'*ι* *%.$,*/, %.υ\ '4ω $5/,* $*+ %ι4,*+\> m*$ι *υ,% *+,+%ι2 υ'7%$+ '*ι ι,%*8+*. %ι %=/*+*%,%*= *υ ι υι7%*,% *+ %*ι2 υ'7%$+'*ι ι,%*8+*..&υ $&.$+,%*=*υ $*+7υ$,'> *%.$,*/,%ι $**ι$*ι-$+,*ι/$%%%%,ι$*$+"qy> Ftk[6t/&%ιι7'*+*[q$*ι!ee'*ι**%.$,*υ.υ\'*%4,,5%*ι$%$5/, %ι4,*+\>υ*'$+,%ι'*ι+*+,%+$&.$+/,%$$*ι,%*8+*.,%$υ,8%*/*&+ $% [q '!ee *υ& %4,* %/ ι,%*8+*. %ι %=/*+*%,%*= *υ> % υ*2 *+ %*ω$+ * *%.$,*/, % &' ( &*+,-ω /', 0-, +%> m*$ι %,,% \υ,% *+,+%ι2 υ'7%$+ '*ι ι,%*8+*. %ι %=/*+*%,%*= *υ> * ι*υ-$υ,% ι5%*ι/e7,%'*ι**%.$,*/,0% '%01 234> #ε.-,ε(2ε 3' ιι ιι 2 η ι ι η η η ι η η η η.,ι ι η ι ι ι η η η η. ι ι η ι!ι ηι η ηη η η ( ι ηι ι ι ι ηι η. ι ι ι PYBde, η ι + "ι η ι 2 ι ηι ιι ι η ι ( ι η ηι η -η ( 2x2. 2 η ι η ι + η ι η ι! η. ι + ι η ι " η ι x 2 ι ι. - ι% ' 'ι 2 $ι η ι η + ι ι ( x 2 =4,4 ι =393, : 63
6 2 = 4,4 = 0, = 0, &., ε ε 2007 K;?_:;z9A 2 η ι ι -η ι ι ι η ( 3x3 ηι ιι η Cramer's V ("ι ι η ι x 2. ι Cramer's V ι 0 ι ι% ' 'ι Cramer's V V 2 ( k 1 k ι ι -ηι η η η ι ι ι -η. $ι ι 3x4 η ι k ι 3. $ι 2x2 η ι k ι 2 k-1=1. ι, η ι Cramer s V ι 2x2 ι ι η ι η ι +., η η η ι ι: +ι, < 0.1 #η > 0.1 < 0.2 *ι >0.2 < 0.3 ι > 0.3 / 6ι ι!, x 2 ι ι ι ιι ηι η ι η ι ηη (# ηιι ι ι $ 1962 (p<0,05, η η η η ι η ι η ι + ι ι η. KD8<B8^:8ESED:WWBEB:8<dKKeP:?;9D8{9K, η "ι η ι 2 ι ηι ιι η ι η ι ηι ιη ι ι ι η ι ι - η ι ι η η ι 5x5. - ι% ' CC CC 2 2 η η ι ι η ιη ι ι ι 1!ι. $ι ι η ιη ι CC ι 4x4 ι 0,87. # ηιι CC ι η ιη! ι ιι.,ι ι ι ι +, Cramer's V ι CC!ι ι ι η!ηη ι ι!ηη. #, ι ι ι η ι ι η!ηη. I?_J>?de, η "ι ι ιι ι 2., η "ι η ι ι ι η 'η η ι ι η ( (!ηη " η ι η η 9 (!ηη. ι!ι ι ι η!ηη ι ι!ηη. *ι ι = 0,15 ηι ι! 15% η 'η η ι η!ηη η 'η η ι η!ηη. 64
7 - ι% ' 'ι...&., ε ε 2007 P(1 P(2 (1 P(1 ι η ιη ι η 'η η ι η!ηη η 'η η!ηη ι 6(2 η ιη ι η 'η η ι η!ηη η 'η η ι η!ηη. $ι ι ηι ι "ι P(1 ι P(2 ι" ι. ι ι η ι 191 ι ι ι η η ι!ηη ι η % η ι ι ι ι ι ι "ι.,ι ι ι ιη η ": $% & '$( %$* % ι 80,17% 19,83% 100% *%+$ % ι 16,00% 84,00% 100% '$( % ι 54,97% 45,03% 100% ( ι η ι η " (!ηη η ι ι ι η η (!ηη η. # ' ι ι η η, ι ι η ιη ' η «.#1» ι η ηη ι η η η (54,97%. # ι 45,03% ι η «,91». 6ι 0(1, η ιη ι η 'η η ι η!ηη η 'η η!ηη, ι 0,45. & 'η η ι ιιη ι ι ' ι ηη! η ιη 'η ι ι η «.#1» ( 80,17% ι ι " ι η «,91» ( 84% ". # η η η ' ι ι 23 ι η «,91» ι 12 "ι η «.#1». 6ι, η ιη 0(2 ι η 'η η ι η!ηη η 'η η ι η !ηη ι 0, * η η ι ι: P(1 P(2 (1 0,45 0,18 0,45 0,27 0,45 0, 6 ι 0,6 ι ι η ι η 'η ηη ι ι 6% 'η η ι ιιη ι. #ι 45% ιη ι η ι 45-6= 39% 'η η ι ιιη. #, η η, η ηη!ηη ι η ι ιιη "!ηη η ι ιι. 65
8 mdd>_?8 K;H9n?GT?H, η Goodman & Kruskal Tau ι ι ι ηι ι ι η η '.,ι ι ι η ι 0 ηι ηι η η ' η!ηη η " η ι η!ηη, 1 ηι 100% ι η 'η. - ι% ' 'ι Goodman & Kruskal Tau P p, P $ι " η! ι :, #" >50! /+ε ε &ε η &"ε $ " ι"ι ι η ι 498 ι ιη ηιι η ι ιι η ( ι ι η η ηι η η η ". ( ι η ηιι η η ι η"ι ι ι ι ι η ηι. η η η ι Goodman & Kruskal Tau ι ι " η ηιι η ' η ηι η η η ". $ι ι η Goodman & Kruskal Tau " η ι & 1 ι ι : E 1 B ε2 c ε2 ι : ε2 ε2 E1 B cε2 - $! #" -$! #"! ,793 81,696 /+ε , ,070 0ε ,845 65,094 &ε ,867 57,253 +η ,979 9,799 &"ε ,909 40,933 = 498 & 1 =373,85 ι -. ι ι ι "η ', " η ηιι η η ι η (η, η ι 66
9 η!ηη η, η!ι (ι ηι η (η. η ι η!ηη. η η ι 103 ι ι ι 395,... ε2 ι η ι ' ι η. $ι ι, ι η η!ι (ι ι 79,3% ι η 'η ( ι ι 20,7%. #, ι η! 60% ι,... ι & 1i η η η ι ι! η η 'η. $ι ι, ι 81,7 103! η!ι η 'η, η. ι! η!ι ι!ι ι η... η ι & 1 "ι ι ι ι ι η 'η ι! η ι! ι, 'η η ι η!ηη η, η. ι ηιι η. η η,! ι 373,85 498! # ι ι ι 'ι ι η!ηη 'η ι ι η!ηη. ι & 2i α - + "ι : E 2 B W -εο0b cw -εο0b &" η η η :, W -εο0b W-εο0B E2B cw-εο0b - f $!"-f! , , /+ε , , ε , , &ε , , η , , &"ε , , " = 68,25 η η W -εο0 η ι ι ι η ιη ι 'η ι η ηι ι η!ηη η ι " η ηιι η ι, η. " η ι η!ηη η. 6ι ι 89 ηι 18-30! η!ι η ηι, 95% 89 ι. #ι, ι η 67,4% ι,... η η η ι ι ι ι ι ηι ι η 'η ι " ι ι ηι ι ι 3,8 4! η!ι, ι " ι ηι 18-30,! η '. η ι & "ι ι ι ι ηι ι η 'η " η ι η!ηη η. η η,! ι 68, $ι η ηιι η ι ι: 67
10 , W -εο0b W-εο0B E2B cw-εο0b - f $!"-f! , , /+ε , , ε , , &ε , , η , , &"ε , , " =87,76 2 " η ι & 2 ι ι ηιι η:, W -εο0b W-εο0B E2 B cw-εο0b - f $!"-f! , , /+ε , , ε , , &ε , , η , , &"ε , , " =80,59, W -εο0b W-εο0B >50 E2B cw-εο0b - f $!"-f! , , /+ε , , ε , , &ε , , η &"ε , , " 181 >50=121,76 * η : & 2 = & & & & >50 = 68, ,76+ 80, ,76= 358,36 '", " ι η 'η ηι ι 373, & " η ι η!ηη ιι ι 'ι ι 358,36. /η 15,49 ι 'ι. #ι ι ι 'ι ιι: P p, P V Vki[pV[ikV` V Vki[ P[kXj V Vki[ 0,04 η " η ηιι η ι ι η ιη η 'η ηι η η η " 0,4%, η ι! ι ι ιι ι 68
11 $F:?;_?8;YD &ι η η ι ι η ι ι ι ι ι " ι!η (ι ι η ι ι ι. * ι ι η η η ι η ι ι ι ι -1 (ηι ι +1 (ι ι. 2 η ι ηι"ι ±1 ιη ι η ι, ηι"ι 0 ι ι. 3 η η, ι ι η ι ι! η ι!η ι! η η ι α + ι ι( ι: m??d/e, η "ι ηι ι ιι ι " " (>, "ι " (< ι " " (= ι " ηι ιη " "" (tied -, ι (concordant -P ι η ι (discordant -Q (ι ι ι ι " ι ι!ιι η ι ι ι ι η. ι ι ι ι ι " (0 ι ι η ι " (Q ι η ι., η ι ι ι =-1 ηι ι ι ι ι ηι η ι η ι =+1. 2 =0 ι ι 2 η "ι!. $ι ι, ι ι =.61 ι ι ι η η η 9 ι η η (. K:8>?GGz9<?HE, η ι ιι ι ι ι ι ι ι η ι ηι ι ι ι ι ι ι ι ι η ι ". K:8>?GGz9<?HJ, η ι ιι ι ι ι ιη ι «"η» (tied ι ι η. $D_:;9z>, η ι ι ηη η tau b ι ι ιιη! η!ηη ι!ηη η., Somers' d ιι tau b ι ηι ι ι ιη ι " "η" η!ηη η. 'ι Kappa ι, ιι * ι" η ιι ιη ι η ιι ι"ι ηι ( ι ι ι, η, ι, ηιι, ηι η.., ι η ηη (!ι ι η ηη, ι,.., η η ι η ι. 3ι η ι ι Berelson (1952,.519 ι ι ι η ιιι, ηι, ι ι "" ιη ι ι ιι. &η ι ι ι ιη ι η η ι ι ι η (, η ι ι ι!ι, ι, ι ι ι η, ηι, ι ι ι ι ι ιι. 2 ι ιη, η!ι ι η ι ηη ι, η ι ι!:!ι ι ι η ; 2 η euendorf (2002, ι η η ι ι ι ι 'ι ι ιιι ( ι ι ιι ηιι "ι" ι η η, η!ι ι ι ηη, η. η "ι" ( η -.. η!η, η η, η ι η, ι!ιι ηι. # η ι 69
12 !ι ι ηι ι ι "" ( ι ι ιι.,ι ι,!!ι ι ι η ι ηη ι η η η ι η, ι "η ηι ι η "ι" η ι η ι ηη. # ιι ι! η ι ηη ι ιι (.. 20 ι ι 1000 η ι η ι ηη ι. 2 ι η ι ι!η "ι" ι η ι ηη ι!ι ι.!ι ι ηι ι!ιι ηι ι ι η ι!ι ι ι η ιηι. 6 ηι ι ι η!ι ι ηι ι ι ι η η!ι ι! ι (intercoder reliability. u32ε/+ε+ο/,ο(k?ff?,η2(η3εε&ο+ο( $ι η η η Kappa ι!ι ι! ι ι ι" ι. # ι η ηι η ι η '70 ι ιι ηι ι ι ι ι ι ι ιι η ι ηι ι η: η 1. "ηι ι ιι ι ι" η 2. "ηι ιι ι ι" η 3. "ηι ιι" η 4. "ηι ιιι ι ι" η 5. "ηι ι ιιι ι ι" η ι,!ι ι ιι! η ι!ι ηι ι ιι ηι ι ι η ι η '70; * ι η ηι ι η ι ιι ;, ι ι η η!ι ι! ι (intercoder reliability ι ιι η. * η, 86, ηι!ι, "η "ι" ι ι, ιι ι!η, ι ι η ι ( kappa.sav. η ι ι ι ι ι ι ι!ι ι ιι! ι ηι ι ηι... 6 η!ι ι! ι ηι ιι ι ι ι ι Cohen's kappa (k., η kappa ι η! 2 ι 'η η 'ι η ι (. ηι η ι". # "ι. 3οο/+,ο(K?FF? η ι ι ι η Kappa ι ηι. ι 9 ι ηι ι ι η ι 1, η. ηη η ιι "ηι ι ιι ι ι". # 86 ι ηι, 2 ι 1 η ι 1 ι ι 2 η ι 2 η. ι "ηι ι ιι ι ι" ι ι 2 "ηι ιι ι ι". 70
13 1 *# 1εε %υεε 1εε *# *# " 1 * " 2 1εε 2 1εε *# %υεε η ι " η ηι ι η η ι, ι ι ι ι x 2. w -εο0b,η * η η ηι η ι ι ι ι η 9, ι: c ε2 w -εο0b PcP` 1k9 i` ι ι : 1 *# 1εε %υεε 1εε *# " 1 * " 2 2 *# 1εε %υεε 1εε *# +. υ" ,εω. υ". 1,9 2,0 2,8 5,0 4,3 16,0 +. υ" ,εω. υ". 1,7 1,9 2,6 4,7 4,0 15,0 +. υ" ,εω. υ". 1,7 1,9 2,6 4,7 4,0 15,0 +. υ" ,εω. υ". 2,8 3,1 4,2 7,5 6,4 24,0 +. υ" ,εω. υ". 1,9 2,0 2,8 5,0 4,3 16,0 +. υ" ,εω. υ". 10,0 11,0 15,0 27,0 23,0 86,0 3ι ι ηι η ι ι η ι ' η ι ( η ι ι ηι ι η ηι. * η, ι η ι η kappa ι : - ι% ' 'ι kappa pw n pw 71
14 = ι ι ιι ι 7= ηι ι ιι ι ι /= ι, η ι. * η = =65 7= 1,9+1,9+2,6+7,5+4,3=18,2 ι /= 86 ( " η ι η kappa ιι ι ι: n `[ppik i`ppik X`ki ` ki 0k69 ι η ι Kappa ι 0,69. ι ι η ι ι! ι η ι ηη "η 86 η ιι ι' ι η; $ι η ηι ι ι ιι Landis ι Koch (1977 η ι: +ι Kappa 0% '! * ι" 0 0,0-0,19 &ιη 0,20-0,39 *ι 0,4-0,59 *ι 0,6-0,79 ηι 0,8-1 η η η ι ι η ι Kappa ι ι «ηι»! ι. η ι! ι ιι ιι Chi-Square ι ι η η SPSS. 3οο/+,ο(c -ε-,o(2ε,ο$p$$ ι η ι ι ηι ηι η η SPSS (, 1962.sav. η ιη η! η ι '% ι $ ι 1962, ιι ι η ι η (# ηιι ι. ι '% ι η η: $ ι 1962, ιι ι η ι η (# ηιι ι. 2 η ι η ιι ιη x 2 ι ι ιι ι % ι, ι, η η ι. $ι η η SPSS ι η ιι ιη x 2 : PQA8?GS9:T:9E;BF<BM:$<?<B9<BE9K;D99<?J9Z%,5D%*ι+/*#8>%',%+$%(> >u+$ι,ι-**8%/ι,%*5.υ,%*ι,%*8+*.v5vιv%ι&25*+$+v$*% 9fD=9:# %ι.(ι9kdgh_89:# *2%(*$*ι&> VQι.4υ,%9TB9FG?SEGH9<:;:>J?;EY?;<9:%5'$%ι7υ,,%+,ιυ4+7%ι.$7%*ιω*' 72
15 ι/4,,28'4,,>...&., ε ε 2007 XQ*/,%*υ,9$<?<B9<BE9:4ι$ι$υ,%*+$**ι$*ι2/υ$+υ%ι7υ,,%4ι*ι[υ*.,%*8+*.>,5D%*ι+%',%+/* [Qι.4υ,%*+%ι429KYBp9UH?;:: 4ι*υ4ι$,'*+*ι,2*υZ [ > *+ ι2/**+,%'*ι,,%%ι.=υ,%-$*% υ4ι$*%+*ι,2,ι$%ι/%ι*- $υ/5%ι'υ*υυ$ι/$,% $*7%ω+*ι',.*ω$+,%ι-$%ω> *'7υ4$υ,%,'* Z [ > `Q*/,%*υ,9KD8<B8H::> 73
16 Q *+&ι2/*9k;d99<?j9:*/,%*υ, 9K:GG9:>,5D%*ι+/*%=ι/ iq *$ι9kdh8<9:# υ&'*+*%(%ι.4υ,% 9OJ9:;M:>:#4,*ι.$υ&'*+*%(ι 9EcF:E<:>:#,%',%%27%ω+*ι.$υ&'*+*%(> *.=*%$*ι$+,%ι-$%ι*υ7%ω+*ι,.υ4ι ι8/$%*%**'υ4ι$,*ω7%ω+*ι- $υ&*2*ωι*+$+,$*υ> jq *$ι9p:;e:8<?^:9:%ι.=*%9fd=:e 9KDGH_8:ι9TD<?G:4ι%,5ι$*$* $υ&*2*ω*$$*/$%ι-e$*+-ι $υι/> PQ*/,%*υ,9KD8<B8H::> PPQ *+&ι2/**/,%9ok:>...&., ε ε 2007 (Output : *!" # " 1962 Crosstabulation Total ε υε Row % Column % Total % Row % Column % Total % Row % Column % Total % ε" *ηη 1962 ' $ ε" Total ,3% 27,7% 100,0% 45,7% 58,2% 48,6% 35,1% 13,5% 48,6% ,2% 18,8% 100,0% 54,3% 41,8% 51,4% 41,7% 9,7% 51,4% ,8% 23,2% 100,0% 100,0% 100,0% 100,0% 76,8% 23,2% 100,0%, ι"ι ι ι η ( ι ι ι ηη ' η. & η ι"ι ι ηι η (Expected ι 2x2 ι ι ι ηι η (η. η ι η. 3η ι ι ι ι ι η η η # ι 138, η ηι ι 146,8. 2 ηι, ι ι η η ι ι ι ι η $ ι # ι ι ι ι ι ι ιη' (ι η. ι η ιη' ι ι η ι η η ι ηι. $ι ι ιι ι ι ι ι ι ι η ι 2x2 ι ι ι ι η! η η (ι, ι ι η η! η η ι ι ι ι ι ι ι η "ι, η ι x 2 ι"ι : 74
17 ι ιι ιη Pearson Chi-Square ι 4,407 ι ι df=1, ι ι ηι ηι. η Asymp.Sig (2-sided η ι η ιη ι η ι x 2 (4,407 ι 'ι ιη'. ι, p=0,036 (η.p<0,05, ι ιη η ηη η ι η ι ηη η 3,6 100 ι η ι!η!. η η ιη ι ' η ιη'. 6ι η ηι η ι $ ι 1962, ιι ι η ι η (# ηιι ι. (ι ι η ι $ ι 1962, ιι ι η ι η (# ηιι ι. ι ιι ηι ιη 95%. SPSS η ι Pearson Chi-Square ι ι ι ι ι ι ι. $ι., η ι «Continuity Correction» ι η Yates correction., η ι ι ι ι η ιη η ηι ιη ι x 2 ι ι η η!" ι ι (ι 5. η ιη η η ιη ι η ι 0,5 η ι ι ηι η ι ηι ι ι 0,5 η ι ι ι (. ι x 2 η. #! η η η η ι ηι ι 'ι (Phi ι"ι η ι. ι ' 2, η ι + "ι η ι x 2 ι ηι ιι ι η ι ( ι η ηι η η ( 2x2. 2 η ι η ι + η ι η ι! η. SPSS 1 ι 11 ι"ι ι ι x 2 SPSS ι η. η ι 5, ι «Phi and Cramer's V». : 75
18 ι η ι + (Phi ι -0,106. 3ι,, η ι + ι η ι " η ι x 2 ι ι. ι +=0,106 ι ι ' ι ι ι η ι η ι ηη, η η η η ι ι ι α!α. ι! ι" Kendall s tau-b ι c, Gamma ι Somers d $ι ηι ι ι η Kendall s tau-b ι c, Gamma ι Somers d! ι. 5! η η η ι η η ι η ηιι η ι ι ι 474.,ι η ι ι ι ι. «!» Crosstabs ι η ι Statistics ι! ι η η Ordinal. SPSS :, * υ Crosstabulation ' η+ Total 1ω ω ευ εε εευη ε ε!ευ" Total Symmetric Measures Ordinal by Ordinal of Valid Cases Kendall's tau-b Kendall's tau-c Gamma a. ot assuming the null hypothesis. Asymp. Value Std. Error a Approx. T b Approx. Sig. -,141,040-3,443,001 -,144,042-3,443,001 -,199,057-3,443, b. Using the asymptotic standard error assuming the null hypothesis. 76
19 Ordinal by Ordinal Somers' d a. ot assuming the null hypothesis. Directional Measures Symmetric ' η+ Dependent ευ εε Dependent b. Using the asymptotic standard error assuming the null hypothesis....&., ε ε 2007 Asymp. Value Std. Error a Approx. T b Approx. Sig. -,141,040-3,443,001 -,136,039-3,443,001 -,146,042-3,443,001 2 η, ι ι Kendall s tau-b ι c ι η Gamma ι"ι Symmetric Measures. # ι ιιη ι ι η!ηη ι ι η!ηη η. # η ι Somers d ι η ιιη ι ι ι η ι ι η ( Directional Measures.! Symmetric Measures. 2 η η ι η ιι ηιη (p<0,01 ( η Approx. Sig. ι ι ι ιι ηι η η η ηιι η ι ιι. ι ι ι -1 ι +1 ( η Value.,ι ηι ι η ι ηι η ι ι ι ι ι η. η η ι ι ι ι ι -0,141, η ηι ι. # ι ι! η ι ιι ηι η, η η η η! ι ι η. #! Directional Measures, ιι η Somers d. 3η ι ι ι η ι ιι ηιη (p<.01 ( η Approx. Sig. ι ι ι ιι ηι η η η ηιι η ι ιι. ; ι η ι Somers d!ηη η ιι ι -0,141, η η... # η ι ι! η ι ιι ηι η, η η η η! ι ι η. ι ' Kappa 9ηι ι ι η ι ι ηι ηι (. Kappa.sav. SPSS 1 ι 11 ι"ι ι ι x 2 SPSS ι η. η ι 5, ι «Kappa». (Output : 77
20 " 1 * " 2 1 Total *# 1εε %υεε 1εε *# Expected count Expected count Expected count Expected count Expected count Expected count 2 1εε *# *# 1εε %υεε Total ,9 2,0 2,8 5,0 4,3 16, ,7 1,9 2,6 4,7 4,0 15, ,7 1,9 2,6 4,7 4,0 15, ,8 3,1 4,2 7,5 6,4 24, ,9 2,0 2,8 5,0 4,3 16, ,0 11,0 15,0 27,0 23,0 86,0 3η ι ιι ι ι ( ι ηι η (Expected ι. ι η Kappa ι"ι : 2 Kappa=0,69. & ι!ι ι! 2 ι ι ι ι ι ι η ι ηη ι ιι ηι ι ι! ηι ι 5 η! ι!ι ι. # ι appa=1 ι ι ι 2!ηι ι η! ι η ηι ηη ι 86 ηι ι η ηι η ι!ι ι. ι ι η ι η ι η ηι ηη ηι ιι ι η. # η η ι Kappa=0 ι ι ι ι 2!ηι ι ηι η 86 ηι ι η ' ι ηι ι ηι η η. & η ηι η ι!ι ι. ι ι η η! ι ηι ιη ι ι!ι ι. &ι η ι ι!ι ι ι ι ι ιι η ηι ηη. ι ι ι η"ι ιηι, η ι!ι ηι ιηι, ι ι Kappa > 0,7 ι!ι ι! ι ι η ιηι ιη. 78
ο),,),--,ο< $ι ιι!η ι ηι ι ιι ιι t (t-test): ι ι η ι ι. $ι ι η ι ι ι 2 x s ι ι η η ιη ι η η SE x
η &, ε ε 007!# # # ι, ι, η ιι ι ι ι ι η (.. ι, η ι η, ι & ι!ι η 50, ι ηιη 000 ι, ι, ',!,! )!η. (, ηι, ι ι ι ι "!η. #, ι "ι!η ι, ηι, ι ι ι η. ι, ι ι, ' ι ι ι η ι ι ι ι # ι ι ι ι ι 7. ο),,),--,ο< $ι ιι!η
Media Monitoring. Ενότητα 7: Εισαγωγή & Ανάλυση δεδομένων με το SPSS. Σταμάτης Πουλακιδάκος Σχολή ΟΠΕ Τμήμα ΕΜΜΕ
Media Monitoring Ενότητα 7: Εισαγωγή & Ανάλυση δεδομένων με το SPSS Σταμάτης Πουλακιδάκος Σχολή ΟΠΕ Τμήμα ΕΜΜΕ Output Είναι ο όρος που χρησιμοποιείται για να περιγράψει τα αποτελέσματα από αναλύσεις που
α + α+ α! (=+9 [1] ι «Analyze-Regression-Linear». «Dependent» ι η η η!ηη ι «Independent(s)» η!ηη. # ι ι ι!η " ι ιηη, ι!" ι ηιι. 1 SPSS ι η η ι ιηη ι η
![α + α+ α! (=+9 [1] ι «Analyze-Regression-Linear». «Dependent» ι η η η!ηη ι «Independent(s)» η!ηη. # ι ι ι!η ι ιηη, ι! ι ηιι. 1 SPSS ι η η ι ιηη ι η](/thumbs/27/10478719.jpg "α + α+ α! (=+9 [1] ι «Analyze-Regression-Linear». «Dependent» ι η η η!ηη ι «Independent(s)» η!ηη. # ι ι ι!η ι ιηη, ι! ι ηιι. 1 SPSS ι η η ι ιηη ι η")
# η &, ε ε 007, ιη Pearson r "η η ι ι ι η ι!ι ι ι η ι η!ηη ι ι!ηη. η ι ιηη ι" η ι!"ι 0 ι η ( α ι ι α η 9 ( ι ι / + -predctor varable). * ι ι ι ι η ι ι ι!ηη η "ι ι ι ι!ηη η ι ι η η ι 'ι ι ι (η ) ι η ( "
$ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η.
η &, 7!# v # $ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η. - ι% ιι* ι' F ι ι ι% MS F MS between within MS MS
EDUCAT &ι'ι% Measurement Level: Ordinal Value Label 1,00 7ι η 2,00 -ι 3,00 3 ιι 4,00 * ι. Measurement Level: Scale
## ι ι ι ι η ιι ι ηι ιι η ι η ι ι. ηι ι ι ι ηι ιη 474 " ι ( «work.sav» η ι ) η η ι ι. ι ι"ι ι ιι ι ι ι η ( ηιη ι ι: File Display Data File InformationWorking File). ID!ι% Measurement Level: Scale Column
ι η ιι η η ι η η η ι ιη () ι η η η ιη Pearson r ι η!η ιι η η η ι ιηη. $ιη ηι ι η " ι η ι (ι) ι. 6 ι- ι ι ι η ι ι ι η η,!ι!ι ι η η, ι ι!
! # " ι η ιι η η ι η η η ι ιη () ι η η η ιη Pearson r ι η!η ιι η η η ι ιηη. $ιη ηι ι η " ι η ι (ι) ι. 6 ι- ι ι ι η ι ι ι η η,!ι!ι ι η η, ι ι!ι η η ιι: ι ι" η η ι ι ηι η ιη!"ι ι. & ι ι ι ι η ι ι ηι" ι ι
Έλεγχος ανεξαρτησίας μεταξύ δύο ποιοτικών μεταβλητών (Crosstabs - Chi-Square Tests)
Έλεγχος ανεξαρτησίας μεταξύ δύο ποιοτικών μεταβλητών (Crosstabs - Chi-Square Tests) Σε αρκετές περιπτώσεις απαιτείται να ελεγχθεί αν η συχνότητα εμφάνισης κάποιων συγκεκριμένων τιμών (κατηγοριών) μιας
τατιστική στην Εκπαίδευση II
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΣΙΑ ΠΑΝΕΠΙΣΗΜΙΟ ΚΡΗΣΗ τατιστική στην Εκπαίδευση II Λφση επαναληπτικής άσκησης Διδάσκων: Μιχάλης Λιναρδάκης ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ Άδειες Χρήσης Το
ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 5Α: ΠΑΡΑΜΕΤΡΙΚΟ Χ 2 Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Άδειες Χρήσης
Viola adorata X ± 2s 1 344 320 2 348 316 3 224 232 4 372 364 5 336 308 6 372 328 7 292 296 8 316 264 AT1 AT2 1 344 320 342.25 272.25 2 348 316 506.25 156.25 3 224 232 10302.25 5112.25 4 372 364
Στατιστική και Θεωρία Πιθανοτήτων (ΓΓ04) ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Εαρινό Εξάμηνο
Εαρινό εξάμηνο 2009-2010 Στατιστική και Θεωρία Πιθανοτήτων (ΓΓ04) ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Εαρινό Εξάμηνο 2009-2010 Στατιστική και Θεωρία Πιθανοτήτων users.att.sch.gr/abouras abouras@sch.gr sch.gr abouras@uth.gr
Ενότητα 6 η :Επαγωγική Στατιστική Ι. Ανάλυση δύο μεταβλητών. Δημήτριος Σταμοβλάσης Φιλοσοφίας Παιδαγωγικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εισαγωγή στην Ανάλυση Ερευνητικών Δεδομένων στις Κοινωνικές Επιστήμες Με χρήση των λογισμικών IBM/SPSS και LISREL Ενότητα 6 η :Επαγωγική
ΤΕΙ ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΛΟΓΟΘΕΡΑΠΕΙΑΣ. Μεγγίσογλου Ευθυμία Ξενογιώργη Αικατερίνη Σβολιανίτη Χριστίνα
ΤΕΙ ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΛΟΓΟΘΕΡΑΠΕΙΑΣ Σπουδάστριες Γιαννιού Λαμπρινή Μεγγίσογλου Ευθυμία Ξενογιώργη Αικατερίνη Σβολιανίτη Χριστίνα Εισηγητής Ταφιάδης Χρ.Διονύσης «Η γλώσσα
ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ
Α εξάμηνο 2011-2012 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Ποιοτικές και Ποσοτικές Μέθοδοι και Προσεγγίσεις για την Επιστημονική Έρευνα ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ
Η Σχέση Της Επιχειρηματικής Στρατηγικής Και Της Καινοτομικής Επίδοσης: Μια Εμπειρική Διερεύνηση Σε 2000 Ελληνικές Επιχειρήσεις
Η Σχέση Της Επιχειρηματικής Στρατηγικής Και Της Καινοτομικής Επίδοσης: Μια Εμπειρική Διερεύνηση Σε 2000 Ελληνικές Επιχειρήσεις Άγγελος Τσακανίκας, Επίκουρος Καθηγητής ΕΜΠ Γεώργιος Σιώκας, Υποψήφιος Διδάκτορας
«ΘΥΜΑΤΟΠΟΙΗΣΗ ΚΑΙ ΦΟΒΟΣ ΤΟΥ ΕΓΚΛΗΜΑΤΟΣ ΣΤΟ ΔΙΑΔΙΚΤΥΟ»
Ελληνική Εταιρεία Μελέτης της Διαταραχής Εθισμού στο Διαδίκτυο 3ο Πανελλήνιο Διεπιστημονικό Συνέδριο E-LIFE 2013 Κινηματογράφος ΔΑΝΑΟΣ - Αθήνα, 1-2 Νοεμβρίου 2013 «ΘΥΜΑΤΟΠΟΙΗΣΗ ΚΑΙ ΦΟΒΟΣ ΤΟΥ ΕΓΚΛΗΜΑΤΟΣ
Μαντζούνη, Πιπερίγκου, Χατζή. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,...,Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ ) S σ Τ ( Χ,Y)
Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov.
A. ΈΛΕΓΧΟΣ ΚΑΝΟΝΙΚΟΤΗΤΑΣ A 1. Έλεγχος κανονικότητας Kolmogorov-Smirnov. Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov. Μηδενική υπόθεση:
Μεθοδολογία των επιστημών του Ανθρώπου: Στατιστική Ι
Μεθοδολογία των επιστημών του Ανθρώπου: Στατιστική Ι Εργαστήριο 9 1. Να χρησιμοποιηθεί το αρχείο data_kids. Τα δεδομένα του προέρχονται από την έρευνα των Chase και Dummer (1992), μελέτησαν τον ρόλο των
Μενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο ανεξάρτητα δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,..., Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ )
3 ι ηι ιι η ι -ηι. ι ι ι ι. «η» η ι ι ι ι η ι.,ι ι ι ι ι "ι η ι % ι ι "η ι ι ι η ι ιι. ι ηι ι η ι «ιι ι»
# v ## 3 ι ηι ιι η ι -ηι ι ι ι ιι, ιι ιι-'ι ι, η ι ι ι ι ι, ι ι η η!ιι. ι ιι ι ι «ι» ι «η» ι ι ιι ( 2 ι) η ι η. * ι ι ι ι ι ι ηιι. 6ι η η ηη ι «ι ι» η ι. ιι η ιι η ι ιηι ι η η η ιι ιι ι ι ι ι «η» η ι ι
ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ
A εξάμηνο 2009-2010 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ Μεθοδολογία Έρευνας και Στατιστική ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Χειμερινό Εξάμηνο 2009-2010 Ποιοτικές και Ποσοτικές
Κεφάλαιο 16. Σύγκριση συχνοτήτων κατηγοριών: το στατιστικό κριτήριο χ 2. Προϋποθέσεις για τη χρήση του τεστ. ιαφορές ή συσχέτιση.
Κεφάλαιο 16 Σύγκριση συχνοτήτων κατηγοριών: το στατιστικό κριτήριο χ 1 Προϋποθέσεις για τη χρήση του τεστ ιαφορές ή συσχέτιση Κλίµακα µέτρησης Σχεδιασµός Σηµείωση ιαφορές Κατηγορική Ανεξάρτητα δείγµατα
ΠΕΠΟΙΘΗΣΕΙΣ ΕΠΑΡΚΕΙΑΣ ΤΩΝ ΚΑΘΗΓΗΤΩΝ ΚΑΙ Η ΣΧΕΣΗ ΤΟΥΣ ΜΕ ΤΗ ΣΤΑΣΗ ΤΩΝ ΚΑΘΗΓΗΤΩΝ ΑΠΕΝΑΝΤΙ ΣΤΗΝ ΑΞΙΟΛΟΓΗΣΗ ΕΙΣΑΓΩΓΗ
ΠΕΠΟΙΘΗΣΕΙΣ ΕΠΑΡΚΕΙΑΣ ΤΩΝ ΚΑΘΗΓΗΤΩΝ ΚΑΙ Η ΣΧΕΣΗ ΤΟΥΣ ΜΕ ΤΗ ΣΤΑΣΗ ΤΩΝ ΚΑΘΗΓΗΤΩΝ ΑΠΕΝΑΝΤΙ ΣΤΗΝ ΑΞΙΟΛΟΓΗΣΗ Χ. Τζελέπης - Δ. Βαγενά Αθήνα ΕΙΣΑΓΩΓΗ Η εργασία που ακολουθεί ξεκίνησε με αφορμή τις διαλέξεις του
Ποσοτικές Μέθοδοι Ανάλυσης στις Κοινωνικές Επιστήμες
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ποσοτικές Μέθοδοι Ανάλυσης στις Κοινωνικές Επιστήμες Ενότητα 9 : Περιγραφή του ελέγχου Χ 2 Θεόδωρος Χατζηπαντελής Άδειες Χρήσης Το παρόν
Μεθοδολογία της Έρευνας και Εφαρμοσμένη Στατιστική
Μεθοδολογία της Έρευνας και Εφαρμοσμένη Στατιστική Μη παραμετρικοί στατιστικοί έλεγχοι Καθηγητής ΔΠΘ Κων/νος Τσαγκαράκης Δευτέρα 6 Μαρτίου 13:00-16:00 Ώρα για εξ αποστάσεως συνεργασία Τρίτη 7 Μαρτίου 12:00-14:00
Ασκήσεις Εξετάσεων. Μεταπτυχιακό Πρόγραμμα Σπουδών στη. Διοίκηση των Επιχειρήσεων
Ασκήσεις Εξετάσεων Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων ΑΣΚΗΣΗ 1: Έλεγχος για τη μέση τιμή ενός πληθυσμού Η αντικαπνιστική νομοθεσία υποχρεώνει τους καπνιστές που εργάζονται σε
Συνάφεια μεταξύ ποιοτικών μεταβλητών. Εκδ. #3,
Συνάφεια μεταξύ ποιοτικών μεταβλητών Εκδ. #3, 19.03.2016 Ο έλεγχος ανεξαρτησίας χ 2 Ο έλεγχος ανεξαρτησίας χ 2 εφαρμόζεται για να εξετάσουμε τη συνάφεια μεταξύ δύο ποιοτικών μεταβλητών με την έννοια της
ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 3. Στατιστική Συµπερασµατολογία για ποιοτικές µεταβλητές
ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 3. Στατιστική Συµπερασµατολογία για ποιοτικές µεταβλητές Η έννοια της Στατιστικής Συµπερασµατολογίας (Statistical Inference) Συµπερασµατολογία (Inference): εξαγωγή συµπεράσµατος µε βάση
1. Ιστόγραμμα. Προκειμένου να αλλάξουμε το εύρος των bins κάνουμε διπλό κλικ οπουδήποτε στο ιστόγραμμα και μετά
1. Ιστόγραμμα Δεδομένα από το αρχείο Data_for_SPSS.xls Αλλαγή σε Variable View (Κάτω αριστερά) και μετονομασία της μεταβλητής σε NormData, Type: numeric και Measure: scale Αλλαγή πάλι σε Data View. Graphs
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Άσκηση 1 η Ένας παραγωγός σταφυλιών ισχυρίζεται ότι τα κιβώτια σταφυλιών που συσκευάζει
Η εύρεση της πιθανής σχέσης μεταξύ δύο ποιοτικών μεταβλητών επιτυγχάνεται
ΚΕΦΑΛΑΙΟ ΤΡΙΤΟ Εξέταση της σχέσης δυο μεταβλητών Μία στατιστική ανάλυση δεν περιορίζεται ποτέ στη μελέτη μίας μεταβλητής, αλλά πάντοτε απαιτείται η μελέτη της σχέσης μεταξύ δύο ή και περισσότερων μεταβλητών.
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Στόχοι: (a) να δοθεί µια εισαγωγή στη θεωρία της στατιστικής συµπερασµατολογίας ελέγχων υποθέσεων, (b) να παρουσιάσει τις βασικές εφαρµογές αυτών των ελέγχων: µέσης τιµής, ποσοστού
τατιστική στην Εκπαίδευση II
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΣΙΑ ΠΑΝΕΠΙΣΗΜΙΟ ΚΡΗΣΗ τατιστική στην Εκπαίδευση II Επαναληπτικζς ασκήσεις Διδάσκων: Μιχάλης Λιναρδάκης ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ Άδειες Χρήσης Το παρόν
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ. Στατιστική. 7 ο Μάθημα: Ο Έλεγχος Χ 2. Γεώργιος Μενεξές Τμήμα Γεωπονίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Στατιστική 7 ο Μάθημα: Ο Έλεγχος Χ 2 Γεώργιος Μενεξές Τμήμα Γεωπονίας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Σπουδαστές Γιαννουλάκης Αντρέας Α.Μ. 11796 Τσουρουνάκης 'Αγγελος Α.Μ. 12133 Μουτουσίδου Πόπη Α.Μ. 12279 Εισηγητής: Ταφιάδης Χρ.
ΤΕΙ ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΛΟΓΟΘΕΡΑΠΕΙΑΣ Σπουδαστές Γιαννουλάκης Αντρέας Α.Μ. 11796 Τσουρουνάκης 'Αγγελος Α.Μ. 12133 Μουτουσίδου Πόπη Α.Μ. 12279 Εισηγητής: Ταφιάδης Χρ. Διονύσης
ΕΞΕΤΑΣΗ ΤΗΣ ΣΧΕΣΗΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ
ΕΞΕΤΑΣΗ ΤΗΣ ΣΧΕΣΗΣ ΔΥΟ ΜΕΤΑΒΛΗΤΩΝ ΔΥΟ ΠΟΙΟΤΙΚΕΣ ΠΙΝΑΚΕΣ ΣΥΝΑΦΕΙΑΣ ΕΞΕΤΑΣΗ ΤΗΣ ΥΠΑΡΞΗΣ Ή ΟΧΙ ΣΧΕΣΗΣ ΕΝΤΑΣΗ ΚΑΙ ΦΥΣΗ ΤΗΣ ΣΧΕΣΗΣ ΔΥΟ ΠΟΙΟΤΙΚΕΣ ΔΙΑΔΙΚΑΣΙΑ CROSSTABS ΠΙΝΑΚΑΣ ΣΥΝΑΦΕΙΑΣ Ο πίνακας συνάφειας είναι
Μη Παραμετρικοί Έλεγχοι & Η Δοκιμασία Χ 2
Μη Παραμετρικοί Έλεγχοι & Η Δοκιμασία Χ 2. Μη Παραμετρικοί Έλεγχοι Παραμετρικοί είναι οι κλασικοί έλεγχοι υποθέσεων της Στατιστικής οι οποίοι διεξάγονται κάτω από κάποιες προϋποθέσεις για τις παραμέτρους
ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ. Παιεάο Δπζηξάηηνο
ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ Παιεάο Δπζηξάηηνο ΑΘΗΝΑ 2014 1 ΠΔΡΙΔΥΟΜΔΝΑ 1) Δηζαγσγή 2) Πεξηγξαθηθή Αλάιπζε 3) ρέζεηο Μεηαβιεηώλ αλά 2 4) Πξνβιεπηηθά / Δξκελεπηηθά Μνληέια
Βοήθημα Εξετάσεων. Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων
Βοήθημα Εξετάσεων Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων 2 1. Περιγραφική Στατιστική Θα δίνονται το ιστόγραμμα των σχετικών συχνοτήτων και τα στατιστικά. 1. Να μπορείτε να εξάγετε
Επαγωγική Στατιστική
Στατιστικό πακέτο SPSS Επαγωγική Στατιστική users.auth.gr/agpapana/spss_stat_inference.pdf Παπάνα Αγγελική, ρ. papanagel@yahoo.gr, agpapana@gen.auth.gr Η επαγωγική στατιστική αποτελείται μία σειρά μεθόδων
ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ 1 Παλινδρόµηση Έλεγχοι Υποθέσεων ΙI ΕΠΙΜΕΛΕΙΑ ΣΗΜEΙΩΣΕΩΝ: ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ ΗΜΗΤΡΙΟΥ ΒΑΣΙΛΕΙΟΣ
Karl Pearson (27 March April 1936)
ar a t a d o l a Vio 2 Karl Pearson (27 March 1857 27 April 1936) F1 1 2 3 4 1 11 6 9 14 40 2 7 6 7 9 29 3 14 5 7 11 37 4 11 4 7 20 42 5 22 2 12 16 52 65 23 42 70 200 r 1 n c 1 συχν τητα κελιο 100
ήέώήίςές ύό ά όόίςόςύς ές
ήέώήίςές ήέώή ίςές έςάς ός όή όίίς ήή ός άίί ήά ήήςές ήή ήύ ήή ώή ίίςύς όόίςόςύς ές ήέώήίςές ύό ά όόίςόςύς ές ήέώήίςές ή όώήύς ά έέςής άέάά όόίςόςύς ές ήέώήίςές ός ήώή έέό όςύςό ύςύςόές όόίςόςύς ές ήέώήίςές
ΣΧΕΔΙΑΣΜΟΣ. ΠΟΛΥΞΕΝΗ ΗΛΙΟΠΟΥΛΟΥ Αγρονόμος-Τοπογράφος Μηχ. Δρ. Γεωγραφίας Καθηγήτρια Τμ. Τοπογραφίας ΤΕΙ ΑΘΗΝΑΣ piliop@teiath.gr
ΧΩΡΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΠΟΛΥΞΕΝΗ ΗΛΙΟΠΟΥΛΟΥ Αγρονόμος-Τοπογράφος Μηχ. Δρ. Γεωγραφίας Καθηγήτρια Τμ. Τοπογραφίας ΤΕΙ ΑΘΗΝΑΣ piliop@teiath.gr ΘΕΜΑΤΑ ΜΕΘΟΔΟΛΟΓΙΑΣ Η Χωρική Ανάλυση άυση(spatiala Analysis)
Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές. Εργαστήριο Γεωργίας. Viola adorata
One-way ANOVA µε το SPSS Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata To call in a statistician after the experiment is
Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.
Σημειώσεις για το μάθημα Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S. Παπάνα Αγγελική E mail: papanagel@yahoo.gr, agpapana@gen.auth.gr Α.Τ.Ε.Ι. Θεσσαλονίκης ΠΑΡΑΡΤΗΜΑ ΚΑΤΕΡΙΝΗΣ Τμήμα Τυποποίησης και
Στατιστική. 10 ο Μάθημα: Προσομοίωση Εξέτασης στο μάθημα της Στατιστικής (Λυμένα και Άλυτα Θέματα) Γεώργιος Μενεξές Τμήμα Γεωπονίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Στατιστική 10 ο Μάθημα: Προσομοίωση Εξέτασης στο μάθημα της Στατιστικής (Λυμένα και Άλυτα Θέματα) Γεώργιος Μενεξές Τμήμα Γεωπονίας Άδειες
των Αποφοίτων του ΤΕΙ Κρήτης στην Αγορά Εργασίας
2015 Η απορρόφηση των Αποφοίτων του ΤΕΙ Κρήτης στην Αγορά Εργασίας (Απόφοιτοι 2010-2013) Γραφείο Διασύνδεσης ΤΕΙ ΚΡΗΤΗΣ Ομάδα υλοποίησης μελέτης: Επιστημονικός Υπεύθυνος: Γεώργιος Παπαδουράκης, PhD, Καθηγητής
Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων
Τίτλος Μαθήματος: Στατιστική Ανάλυση Δεδομένων Ενότητα: Εξέταση της σχέσης δυο μεταβλητών Διδάσκων: Επίκ. Καθ. Απόστολος Μπατσίδης Τμήμα: Μαθηματικών ΚΕΦΑΛΑΙΟ ΤΡΙΤΟ Εξέταση της σχέσης δυο μεταβλητών Μία
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ Περιεχόμενα 1. ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ...
Εισαγωγή στην Ανάλυση Διακύμανσης
Εισαγωγή στην Ανάλυση Διακύμανσης 1 Η Ανάλυση Διακύμανσης Από τα πιο συχνά χρησιμοποιούμενα στατιστικά κριτήρια στην κοινωνική έρευνα Γιατί; 1. Ενώ αναφέρεται σε διαφορές μέσων όρων, όπως και το κριτήριο
ΚΕΦΑΛΑΙΟ 5 ο. 5.1 Εντολή EXPLORE 5.2 Εντολή CROSSTABS 5.3 Εντολή RAΤΙΟ STΑTISTIC 5.4 Εντολή OLAP CUBES. Daily calorie intake
----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 5 ο 5.1 Εντολή EXPLORE 5.2 Εντολή CROSSTABS 5.3 Εντολή RAΤΙΟ STΑTISTIC 5.4 Εντολή OLAP CUBES 5000 Daily calorie
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική Ενότητα 4
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική Ενότητα 4: Μη-παραμετρικές δοκιμασίες Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Έλεγχος ανεξαρτησίας (συσχέτισης) 2 κατηγορικών μεταβλητών
Έλεγχος καλής προσαρμογής για μια ποιοτική μεταβλητή (Nonparametric Tests Chi-Square)
Έλεγχος καλής προσαρμογής για μια ποιοτική μεταβλητή (Nonparametric Tests Chi-Square) Το Chi Square τεστ αποτελεί ένα μη παραμετρικό τεστ και εφαρμόζεται σε ονομαστικές μεταβλητές, βάσει των οποίων τα
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία
Ενότητα 4: Μη-παραμετρικές δοκιμασίες
ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΣΜΕΝΗ ΝΕΥΡΟΑΝΑΤΟΜΙΑ» «Βιοστατιστική, Μεθοδολογία και Συγγραφή Επιστημονικής Μελέτης», Ενότητα 4: Μη-παραμετρικές
Lampiran 1 Output SPSS MODEL I
67 Variables Entered/Removed(b) Lampiran 1 Output SPSS MODEL I Model Variables Entered Variables Removed Method 1 CFO, ACCOTHER, ACCPAID, ACCDEPAMOR,. Enter ACCREC, ACCINV(a) a All requested variables
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΑΜΥΝΑΣ ΑΞΙΟΛΟΓΗΣΗ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΣΥΝΕΙΔΗΣΗΣ ΠΡΟΣΩΠΙΚΟΥ ΕΝΟΠΛΩΝ ΔΥΝΑΜΕΩΝ (ΕΔ) ΜΕΣΩ ΕΙΔΙΚΟΥ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΕΚΘΕΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΑΜΥΝΑΣ ΑΞΙΟΛΟΓΗΣΗ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΣΥΝΕΙΔΗΣΗΣ ΠΡΟΣΩΠΙΚΟΥ ΕΝΟΠΛΩΝ ΔΥΝΑΜΕΩΝ (ΕΔ) ΜΕΣΩ ΕΙΔΙΚΟΥ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ ΕΚΘΕΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Αθήνα, 2016 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΚΘΕΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ
8. ΠΙΝΑΚΕΣ ΣΥΝΑΦΕΙΑΣ ΜΙΑ ΕΝΔΙΑΦΕΡΟΥΣΑ ΕΙΔΙΚΗ ΠΕΡΙΠΤΩΣΗ Οι rc πίνακες συναφείας που εξετάσθηκαν στην προηγούμενη ενότητα, αποτελούν εν γένει μία παράθεση φυσικών αριθμών ταξινομημένων σε r γραμμές και c
ΑΝΑΛΥΣΗ ΠΟΙΟΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ: Συγκρίσεις μεταξύ ομάδων. Η σύγκριση 2 ποιοτικών μεταβλητών με >2 ομάδες.
2010-11 4. ΑΝΑΛΥΣΗ ΠΟΙΟΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ: Συγκρίσεις μεταξύ ομάδων Εισαγωγή Διαξονικοί πίνακες συχνοτήτων Μέθοδοι ανάλυσης ερωτήματα Μέθοδοι σύγκρισης 2 ποσοστών Mε ανεξάρτητες ομάδες. Με ομάδες που σχετίζονται.
ά ς ά ς ώ ς ί ς ά ς ί ς ής ύ ή ς ί ί
ίςέςέςές άςάςώς ίς άςίς ήςύής ί ί άήύέςίί ύίίςόά ίά ίό έ ί ύίςίήό ύ ώήύ ήάί ί ήί ός ώςάώί όώύύςώςή άςύς ί όόόάί έό έώςίςάς έςάςέςίςές όςάί ςάςίςίςώ ός ς ής ίς ά ί όςάά Άς ίς ήάέ άςύήί ί ί ύ ή ίάς όήός
Α.Σ.ΠΑΙ.Τ.Ε. Π.Ε.ΣΥ.Π. ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΤΟΥΣ ΣΚΟΠΟΥΣ ΣΥΕΠ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΤΟ SPSS
Eigenvalue Α.Σ.ΠΑΙ.Τ.Ε. Π.Ε.ΣΥ.Π. ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ ΓΙΑ ΤΟΥΣ ΣΚΟΠΟΥΣ ΣΥΕΠ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΤΟ SPSS ΔΡ ΚΟΡΡΕΣ ΚΩΝΣΤΑΝΤΙΝΟΣ ΑΘΗΝΑ 2017 6 5 4 3 2 1 0 Scree Plot 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Κεφάλαιο 17. Σύγκριση συχνοτήτων κατηγοριών: Το στατιστικό κριτήριο χ 2 17.1. ΠΡΟΫΠΟΘΕΣΕΙΣ ΓΙΑ ΤΗ ΧΡΗΣΗ ΤΟΥ ΚΡΙΤΗΡΙΟΥ 17.2.
Κεφάλαιο 17 Σύγκριση συχνοτήτων κατηγοριών: Το στατιστικό κριτήριο χ 2 17.1. ΠΡΟΫΠΟΘΕΣΕΙΣ ΓΙΑ ΤΗ ΧΡΗΣΗ ΤΟΥ ΚΡΙΤΗΡΙΟΥ 17.2. ΕΙΣΑΓΩΓΗ 17.3. ΤΟ χ 2 ΓΙΑ ΜΙΑ ΠΟΙΟΤΙΚΗ ΜΕΤΑΒΛΗΤΗ 17.3.1. Ένα ερευνητικό παράδειγμα
Στατιστικές Υποθέσεις
Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Στατιστικές Υποθέσεις Δρ. Αγγελίδης Π. Βασίλειος 2 Εισαγωγή Ίσως το σπουδαιότερο μέρος της Στατιστικής επιστήμης. Εξαγωγή συμπερασμάτων για τις τιμές των παραμέτρων
τατιςτική ςτην Εκπαίδευςη II
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΣΙΑ ΠΑΝΕΠΙΣΗΜΙΟ ΚΡΗΣΗ τατιςτική ςτην Εκπαίδευςη II Αρχείο αποτελεςμάτων Διδάσκων: Μιχάλης Λιναρδάκης ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ Άδειες Χρήσης Το παρόν
ΠΑΡΑΡΣΗΜΑ 11 ΤΠΟΤΡΓΔΙΟ ΠΑΙΓΔΙΑ ΚΑΙ ΠΟΛΙΣΙΜΟΤ ΓΙΔΤΘΤΝΗ ΜΔΗ ΣΔΥΝΙΚΗ ΚΑΙ ΔΠΑΓΓΔΛΜΑΣΙΙΚΗ ΔΚΠΑΙΓΔΤΗ
263 555604 ΣΔΥΝΗΚΖ ΥΟΛΖ ΛΑΡΝΑΚΑ Α001:Μεραλνπξγείν/Δθαξκνζηήξην 57,0 215 575555 Α' ΣΔΥΝΗΚΖ ΥΟΛΖ ΛΔΜΔΟΤ Α001:Μεραλνπξγείν/Δθαξκνζηήξην 54,5 215 575555 ΣΔΥΝΗΚΖ ΥΟΛΖ ΠΑΦΟΤ Α001:Μεραλνπξγείν/Δθαξκνζηήξην 54,5
ΕΚΠΑΙΔΕΥΤΙΚΗ ΕΡΕΥΝΑ 1. ΜΕΡΟΣ Α - ΕΡΕΥΝΑ ΑΠΟΣΑΦΗΝΙΣΗ ΠΕΔΙΟΥ 2. ΜΕΡΟΣ Β ΣΧΕΔΙΑΣΜΟΣ - ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ 3. ΜΕΡΟΣ Γ ΑΝΑΛΥΣΗ-ΕΠΕΞΕΡΓΑΣΙΑ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ
ΕΚΠΑΙΔΕΥΤΙΚΗ ΕΡΕΥΝΑ 1. ΜΕΡΟΣ Α - ΕΡΕΥΝΑ ΑΠΟΣΑΦΗΝΙΣΗ ΠΕΔΙΟΥ 2. ΜΕΡΟΣ Β ΣΧΕΔΙΑΣΜΟΣ - ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ 3. ΜΕΡΟΣ Γ ΑΝΑΛΥΣΗ-ΕΠΕΞΕΡΓΑΣΙΑ ΕΡΩΤΗΜΑΤΟΛΟΓΙΟΥ Πληροφορικής ΠΕ19 1 ΜΕΡΟΣ Α Η φύση της έρευνας Η αναζήτηση
ΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ «ΦΡΟΝΤΙ Α ΣΤΟ ΣΑΚΧΑΡΩ Η ΙΑΒΗΤΗ» ΑΝΑΛΥΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ «ΦΡΟΝΤΙ Α ΣΤΟ ΣΑΚΧΑΡΩ Η ΙΑΒΗΤΗ» ΑΝΑΛΥΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Γκριζιώτη Μαρία ΜSc Ιατρικής Ερευνητικής Μεθοδολογίας Αναλυτική στατιστική Σύγκριση ποιοτικών
Περιγραφική Ανάλυση ποσοτικών μεταβλητών
Περιγραφική Ανάλυση ποσοτικών μεταβλητών Στο data file Worldsales.sav (αρχείο υποθετικών πωλήσεων ανά ήπειρο και προϊόν) Analyze Descriptive Statistics Frequencies Επιλογή μεταβλητής Revenue Πατάμε στο
1. Hasil Pengukuran Kadar TNF-α. DATA PENGAMATAN ABSORBANSI STANDAR TNF α PADA PANJANG GELOMBANG 450 nm
HASIL PENELITIAN 1. Hasil Pengukuran Kadar TNF-α DATA PENGAMATAN ABSORBANSI STANDAR TNF α PADA PANJANG GELOMBANG 450 nm NO KADAR ( pg/ml) ABSORBANSI 1. 0 0.055 2. 15.6 0.207 3. 31.5 0.368 4. 62.5 0.624
Δρ Κορρές Κωνσταντίνος
Δρ Κορρές Κωνσταντίνος ΑΘΗΝΑ 2016 Διδάσκων: Δρ Κορρές Κωνσταντίνος Περιεχόµενο ενότητας Στατιστική ανάλυση µε τη βοήθεια του SPSS y Περιγραφική στατιστική ανάλυση y Έλεγχος αξιοπιστίας y Επαγωγική στατιστική
Ι Ο Λ Ο Γ Ι Μ Ο - Α Π Ο Λ Ο Γ Ι Μ Ο Μ Η Ν Ο Γ Δ Κ Δ Μ Β Ρ Ι Ο Υ 2 0 1 5
Μ Ρ : 0 9 / 0 1 / 2 0 1 6 Ρ. Ρ Ω. : 7 Λ Γ Μ - Λ Γ Μ Μ Η Γ Δ Κ Δ Μ Β Ρ Υ 2 0 1 5 Δ Γ Ρ Ϋ Λ Γ Θ Δ ΚΔ Μ Β Δ Β Ω Θ Δ Δ Ρ Υ Θ Δ 0111 Χ / Γ Δ Θ Μ Θ Δ Ρ Ω Κ - - - 0112 Χ / Γ Λ Ρ Γ Κ Δ 2 3. 2 1 3. 0 0 0, 0 0-2
1991 US Social Survey.sav
Παραδείγµατα στατιστικής συµπερασµατολογίας µε ένα δείγµα Στα παραδείγµατα χρησιµοποιείται απλό τυχαίο δείγµα µεγέθους 1 από το αρχείο δεδοµένων 1991 US Social Survey.sav Το δείγµα λαµβάνεται µε την διαδικασία
ΕΝ ΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΑΣΚΗΣΗΣ 2 (Εργαστήρια µαθήµατος «Στατιστικά Προγράµµατα», τµ. Στατ. & Ασφ. Επιστ., 04-05) (Επιµέλεια: Ελευθεράκη Αναστασία)
ΕΝ ΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΑΣΚΗΣΗΣ (Εργαστήρια µαθήµατος «Στατιστικά Προγράµµατα», τµ. Στατ. & Ασφ. Επιστ., -) (Επιµέλεια: Ελευθεράκη Αναστασία) Άσκηση (Εργαστήριο #) Στις εξετάσεις Φεβρουαρίου του µαθήµατος
14PROC
14PROC002397155 2014-11-12 1-0. &, 6/11/2014 &...70360.. 166 10!. "ι"! $%& 2108916307 FAX 2108916384 E-mail d11e@hcaa.gr.. 11//34959/22339 06/2014 ( '', ). (CPV 32344210-1) ( 5 5&,0+4! 0+&,05 5 +!. 5 5&
Αν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.
ΣΤ. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (ANALYSIS OF VARIANCE - ANOVA) ΣΤ 1. Ανάλυση ιασποράς κατά µία κατεύθυνση. Όπως έχουµε δει στη παράγραφο Β 2, όταν θέλουµε να ελέγξουµε, αν η µέση τιµή µιας ποσοτικής µεταβλητής διαφέρει
ROEHAMPTON UNIVERSITY MA IN EDUCATION Ρ ΚΟΡΡEΣ ΚΩΝΣΤΑΝΤIΝΟΣ ΑΘΗΝΑ 2011
Ι.Τ.Ε. ROEHAMPTON UNIVERSITY MA IN EDUCATION ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΤΟ SPSS Ρ ΚΟΡΡEΣ ΚΩΝΣΤΑΝΤIΝΟΣ ΑΘΗΝΑ 2011 ΕΚΚΙΝΗΣΗ ΤΟΥ SPSS Από την Έναρξη των Windows, επιλέγουµε: Προγράµµατα SPSS for Windows SPSS *.*
PENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI
155 Lampiran 6 Yayan Sumaryana, 2014 PENGARUHKEPEMIMPINANINSTRUKSIONAL KEPALASEKOLAHDAN MOTIVASI BERPRESTASI GURU TERHADAP KINERJA MENGAJAR GURU SD NEGERI DI KOTA SUKABUMI Universitas Pendidikan Indonesia
Στατιστικοί έλεγχοι του Χ 2
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-015 Στατιστικοί έλεγχοι του Χ ΠΟΛΥΩΝΥΜΙΚΗ ΚΑΤΑΝΟΜΗ Αν. Καθ. Μαρί-Νοέλ Ντυκέν ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-015 1. Στατιστικός έλεγχος του Χ Ανάλυση με μια κατηγορική μεταβλητή
ΔΕΛΤΙΟ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΔΕΙΚΤΗ ENV07-COMP3: ΣΥΝΘΕΤΙΚΟΣ ΔΕΙΚΤΗΣ ΠΙΕΣΕΩΝ ΜΕΤΑΒΟΛΗΣ ΧΡΗΣΕΩΝ ΓΗΣ
ΟΡΙΣΜΟΣ ΣΚΟΠΙΜΟΤΗΤΑ Ο συνθετικός δείκτης COMP3 αφορά στη μεταβολή Φυσικής και Αγροτικής Γης σε Τεχνητές Επιφάνειες (ENV07) σε σχέση με την απόσταση από τον κόμβο (κέντρο του κόμβου). Η σκοπιμότητα των
Σύντομο Εγχειρίδιο SPSS 16.0. Πέτρος Ρούσσος & Γιώργος Ευσταθίου Πρόγραμμα Ψυχολογίας, Τμήμα ΦΠΨ, ΕΚΠΑ
Πέτρος Ρούσσος & Γιώργος Ευσταθίου Πρόγραμμα Ψυχολογίας, Τμήμα ΦΠΨ, ΕΚΠΑ ΑΘΗΝΑ 2008 [2] Περιεχόμενα Δυο λόγια εισαγωγικά... 3 1.0 Το περιβάλλον του SPSS... 3 2.0 Εισαγωγή και διαχείριση δεδομένων... 6
«W i -F i & Τ ο π ι κ ή α υ τ ο δ ι ο ί κ η σ η Κ ο ι τ ά ζ ο ν τ α ς π ί σ ω α π ό τ η ν υ π ο δ ο µ ή Γρηγόρης Γκ ότ σσ ης ΥΥ ππ εε ύύ θθ υυ νν οο ς ΈΈ ργο υυ .γ γ ιι αα ττ ίί νν αα εε ππ εε νν δδ ύύ
ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ SPSS
ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ SPSS ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ Κωνσταντίνος Ζαφειρόπουλος Τμήμα Διεθνών και Ευρωπαϊκών Σπουδών Ανοικτά Ακαδημαϊκά Μαθήματα στο Πανεπιστήμιο Μακεδονίας Άδειες Χρήσης Το παρόν
Παράγοντες που Συμβάλλουν στην Ικανοποίηση του Τραπεζικού Πελάτη
Παράγοντες που Συμβάλλουν στην Ικανοποίηση του Τραπεζικού Πελάτη Βερβερίδου Φανή, Βλασοπούλου Ασπασία, Ζιάκα Σταματία Πανεπιστήμιο Αιγαίου, Μεταπτυχιακό Διοίκησης Επιχειρήσεων(ΜΒΑ) mba09034@ba.aegean.gr,
ΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ «ΦΡΟΝΤΙ Α ΣΤΟ ΣΑΚΧΑΡΩ Η ΙΑΒΗΤΗ» 2 ο Μάθηµα
ΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ «ΦΡΟΝΤΙ Α ΣΤΟ ΣΑΚΧΑΡΩ Η ΙΑΒΗΤΗ» 2 ο Μάθηµα Γκριζιώτη Μαρία ΜSc Ιατρικής Ερευνητικής Μεθοδολογίας Όταν ανοίγουµε µία βάση στο SPSS η πρώτη εικόνα που
6.4. LOGLINEAR 90 8.5 (MANOVA) 121
Φ Γ SPSS Dr. υ υ α α Θ α 2012 2 1. Γ SPSS 19.0 1.1 Φ Γ SPSS 4 1.2 Φ Γ 7 1.3 9 1.4 Φ 10 1.5 Pτ ΘHKH IAΓPAΦH 16 1.6 16 1.7 17 1.8 20 1.9 22 1.10 Γ 23 1.11 Γ Φ 25 1.12 Γ 27 1.13 Θ 28 2. Γ Φ 2.1 Θ, Γ, Γ 29
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Περιεχόμενα Εισαγωγή Το πρόβλημα - Συντελεστής συσχέτισης Μοντέλο απλής γραμμικής παλινδρόμησης
Οι νέοι και το περιβάλλον: Περιβαλλοντικές στάσεις και συµπεριφορά µαθητών Λυκείων και ΤΕΕ του Ν. Ροδόπης
Οι νέοι και το περιβάλλον: Περιβαλλοντικές στάσεις και συµπεριφορά µαθητών Λυκείων και ΤΕΕ του Ν. Ροδόπης Ευρ. Παπαδηµητρίου, Λέκτορας Κοινωνιολογίας Τµήµα Κοινωνικής ιοίκησης, ηµοκρίτειο Πανεπιστήµιο
Κωνικές τομές. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Άλγεβρα Κεφάλαιο ασκήσεις. εκδόσεις. Καλό πήξιμο / 8 /
Κωνικές τομές Κώστας Γλυκός ΙΙ Ι δδ ιι ι αα ίί ί ττ εε ρρ αα μμ αα θθ ήή μμ αα ττ αα 6 9 7. 3 0 0. 8 8. 8 8 Kgllkos..gr 8 / 8 / 0 8 Άλγεβρα Κεφάλαιο 3 57 ασκήσεις και τεχνικές σε σελίδες εκδόσεις Καλό
ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4Β: Έλεγχοι Κανονικότητας Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Άδειες
α α α α α α α α α α α α α α α α α α α α α α α α α α α α β χ δ ε φ γ η ι ϕ κ λ µ ν ο π θ ρ σ τ υ ϖ ω ξ ψ ζ αα ββ χχ δδ εε φφ γγ ηη ιι ϕϕ κκ λλ µµ νν οο
6 / 4 / Βιοστατιστικός, MSc, PhD
Ανάλυση εδοµένων µε το SPSS Μάθηµα 2 6 / 4 / 2012 ΚριτσωτάκηςΙ. Ευάγγελος Βιοστατιστικός, MSc, PhD ekritsot@yahoo.gr Μάθηµα 2 -Θεµατολογία Παραγωγήπινάκων συχνοτήτων και πινάκων συνάφειας. Παραγωγή και
ΐ;ΧΟΛΗ ΔΙΟΙΚΗΙΜΕ RAI ΟΙΚΟΝ ΛΙΙΑΣ. ΤΜΗΜΑ AOriCTIKH. ΘΕΜΑ : ΚΟΣΤΟΣ ΙΙΑΡΑΓϋΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ ΜΙΑΣ ΒΙ(»1ΗΧΑΗΙΚΗΣ ΕΠΙΧΕΙΡΗΣΗΣ. .
ΐ;ΧΟΛΗ ΔΙΟΙΚΗΙΜΕ RAI ΟΙΚΟΝ ΛΙΙΑΣ ΤΜΗΜΑ AOriCTIKH Π Τ Υ Χ Ι Α Κ Η Ε Ρ Γ Α Σ Ι Α ΘΕΜΑ : ΚΟΣΤΟΣ ΙΙΑΡΑΓϋΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ ΜΙΑΣ ΒΙ(»1ΗΧΑΗΙΚΗΣ ΕΠΙΧΕΙΡΗΣΗΣ. ^ΒΙΣΗΓΗΤΡΙΑ_ ΣΟΤΗΡΙΑΔΟΥ Δ ^ Η Α.TQM ΣΠΟΥΔΑΣΤΡΙΟΗ ΗΙΤΣΟηΟΥΑΟΥ
ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ,
ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, -- Άσκηση. Δίνονται τα παρακάτω δεδομένα 5 7 8 9 5 X 8 5 5 5 9 7 Y. 5.. 7..7.7.9.. 5.... 8.. α) Να γίνει το διάγραμμα διασποράς β) εξετάστε τα μοντέλα Υ = β + β Χ + ε, (linear),
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΚΛΙΝΙΚΑ ΚΑΙ ΔΗΜΟΓΡΑΦΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΑΣΘΕΝΩΝ ΜΕ ΝΟΣΟ ΠΑΡΚΙΝΣΟΝ ΠΟΥ ΥΠΟΒΑΛΛΟΝΤΑΙ
Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις
Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις Οι παρούσες σημειώσεις επιχειρούν να αποτελέσουν μια βοήθεια τόσο στην παρακολούθηση της διάλεξης όσο και στη μελέτη κάποιων εκ των θεμάτων της Γραμμικής
Α θ ή ν α, 7 Α π ρ ι λ ί ο υ
Α θ ή ν α, 7 Α π ρ ι λ ί ο υ 2 0 1 6 Τ ε ύ χ ο ς Δ ι α κ ή ρ υ ξ η ς Α ν ο ι κ τ ο ύ Δ ι ε θ ν ο ύ ς Δ ι α γ ω ν ι σ μ ο ύ 0 1 / 2 0 1 6 μ ε κ ρ ι τ ή ρ ι ο κ α τ α κ ύ ρ ω σ η ς τ η ν π λ έ ο ν σ υ μ
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα. Copyright: Δαφέρμος Βασίλης, Eκδόσεις Zήτη, Μάϊος 2005, Θεσσαλονίκη
Kάθε γνήσιο αντίτυπο φέρει την υπογραφή του συγγραφέα ISBN 960-431-960-4 Copyright: Δαφέρμος Βασίλης, Eκδόσεις Zήτη, Μάϊος 2005, Θεσσαλονίκη SPSS SPSS Inc., http://www.spss.com/ Tο παρόν έργο πνευματικής