ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης"

Transcript

1 ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης

2 Παραδείγματα στο Amos Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 2

3 Περιεχόμενα Παράδειγμα (επιβεβαιωτική παραγοντική ανάλυση με δύο παράγοντες) Παράδειγμα 2 (επιβεβαιωτική παραγοντική ανάλυση δύο επιπέδων) Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 3

4 Παράδειγμα Έχουμε έξι μεταβλητές V,.. V 6. Κάνοντας διερευνητική παραγοντική ανάλυση με το spss παίρνουμε τα παρακάτω αποτελέσματα (αρχείο exa.sav). KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig., ,344 5,000 Anti-image Covariance Anti-image Correlation V V a. Measures of Sampling Adequacy (MSA) Total Variance Explained Anti-image Matrices V,676 -,234 -,78 -,02,00 -,00 -,234,620 -,246,08 -,008,025 -,78 -,246,660 -,00,033 -,046 -,02,08 -,00,773 -,243 -,74,00 -,008,033 -,243,729 -,242 -,00,025 -,046 -,74 -,242,772,70 a -,362 -,266 -,07,04 -,04 -,362,666 a -,384,026 -,02,037 -,266 -,384,695 a -,00,047 -,064 -,07,026 -,00,673 a -,323 -,226,04 -,02,047 -,323,637 a -,322 -,04,037 -,064 -,226 -,322,666 a Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulativ e % Total % of Variance Cumulativ e % Total % of Variance Cumulativ e % 2,027 33,790 33,790 2,027 33,790 33,790 2,02 33,680 33,680,82 30,96 63,986,82 30,96 63,986,88 30,306 63,986,633 0,55 74,537,558 9,297 83,834,525 8,743 92,577,445 7,423 00,000 Extraction Method: Principal Component Analy sis. V Communalities Initial Extraction,000,65,000,704,000,664,000,588,000,644,000,588 Extraction Method: Principal Component Analysis. V Component Matrix a Component 2,793,832,80,752,78,76 Extraction Method: Principal Component Analysis. a. 2 components extracted. Rotated Component Matrix a Component 2,807,838,85,767,80,766 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 4 V Extraction Method: Principal Component Analy sis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.

5 Παράδειγμα Από τα αποτελέσματα της παραγοντικής ανάλυσης βλέπουμε ότι τα δεδομένα είναι κατάλληλα για παραγοντική ανάλυση και ότι σχηματίζονται δύο παράγοντες. Επομένως σχηματικά έχουμε το παρακάτω μοντέλο e e2 e3 e4 e5 V f f2 Όπου οι μετρήσιμες μεταβλητές V,...,V 3 σχηματίζουν τον πρώτο παράγοντα F και οι μεταβλητές V 2,,V 6 καθορίζουν τον δεύτερο παράγοντα F 2. Ας ελέγξουμε την αξιοπιστία, την εγκυρότητα καθώς και την ορθότητα του μοντέλου χρησιμοποιώντας επιβεβαιωτική παραγοντική ανάλυση με το Amos e6 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 5

6 Παράδειγμα Εκκίνηση του Amos Graphics : Start Programs Amos Amos Graphics Από την μπάρα εντολών επιλέγουμε File New για την δημιουργία ενός νέου μοντέλου Από την μπάρα εντολών επιλέγουμε File Data Files και στην συνέχεια από την θυρίδα διαλόγου που εμφανίζεται επιλέγουμε File Name. Από την νέα θυρίδα διαλόγου μπορείτε πλέον επιλέξετε το αρχείο το οποίο περιέχει τα δεδομένα. Από την μπάρα εντολών επιλέγουμε File Save για να δώσουμε ένα όνομα στο e V μοντέλο μας η πατάμε το αντίστοιχο εικονίδιο. e2 f Από την μπάρα εργαλείων επιλέγοντας Diagram Draw e3 Unobserved ή πατώντας το αντίστοιχο εικονίδιο e4 σχηματίζουμε την πρώτη κρυφή μεταβλητή. Πατώντας το e5 f2 αντίστοιχο εικονίδιο και κάνοντας κλικ μέσα στην e6 μεταβλητή προστίθενται οι προσδιοριστικές μεταβλητές με τα αντίστοιχα λάθη μέτρησης. Χρησιμοποιώντας το πλήκτρο το οποίο εμφανίζει τις προσδιοριστικές μεταβλητές του αρχείου δεδομένων σέρνεται αυτές που θέλετε στο αντίστοιχο σχέδιο Στην συνέχεια χρησιμοποιώντας τα εργαλεία μορφοποίησης μπορείτε να μορφοποιήσετε το σχήμα Τέλος για να μην ξανακάνετε όλη την διαδικασία για την σχηματική αναπαράσταση της δεύτερης μεταβλητής μπορείτε να χρησιμοποιήσετε την αντιγραφή (φωτοτυπία) Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 6

7 Παράδειγμα Το επόμενο βήμα μετά τον σχεδιασμό είναι να επιλεχτούν οι επιθυμητές προδιαγραφές ανάλυσης. Για την επιλογή των ιδιοτήτων της ανάλυσης μπορείτε να κάνετε κλικ στο αντίστοιχο κουμπί εντολών ή από την μπάρα εργαλείων επιλέγοντας View Analysis Proprieties. Με την επιλογή εμφανίζεται ένα παράθυρο διαλόγου το οποίο περιέχει έξι καρτέλες οι οποίες περιέχουν πολλές επιλογές οι οποίες θα βοηθήσουν στα διάφορα είδη αναλύσεων τα οποία μπορούμε να εκτελέσουμε με το πρόγραμμα. Για την συγκεκριμένη περίπτωση πηγαίνουμε στην καρτέλα output και επιλέγουμε όλες τις επιλογές Επίσης από την μπάρα μενού Diagram Figure Caption μπορείτε να προσθέσετε τίτλους. Ένας χρήσιμος τίτλος πολλές φορές είναι αυτός ο οποίος περιέχει τους κυριότερους δείκτες CMIN=\cmin (df \df), CMIN/DF=\cmindf, CFI=\cfi, GFI=\gfi, RMSEA=\rmsea, RMR=\rmr, TLI=\tli Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 7

8 Παράδειγμα Εκτελώντας την ανάλυση παίρνουμε τα παρακάτω αποτελέσματα e e2 V,46,59,77,68 d f,00 CMIN=4,227 (df 9) CMIN/DF=,470 CFI=,000 GFI=,997 RMSEA=,000 RMR=,034 TLI=,04,70,48 e3,37 e4,6 d2 e5,50,7 f2,00,6,37 e6 Για αναλυτικότερη περιγραφή των αποτελεσμάτων από την μπάρα μενού View Text output ή πατώντας το αντίστοιχο εικονίδιο Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 8

9 Παράδειγμα Σημαντικές πληροφορίες για τα αποτελέσματα της ανάλυσης υπάρχουν στο Estimates όπου βρίσκονται όλα τα βάρη παλινδρόμησης ή οι παραγοντικές φορτίσεις, στο Modification Indices όπου βρίσκονται διάφορες υποδείξεις για την καλύτερη προσαρμογή του μοντέλου και τέλος στο Model Fit όπου βρίσκονται όλοι οι δείκτες προσαρμοστικότητας Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 9

10 Παράδειγμα Για το έλεγχο της αξιοπιστίας του μοντέλου ελέγχουμε τον συντελεστή Cronbach alpha, την σύνθετη αξιοπιστία (ένα μέτρο της εσωτερικής συνέπειας των δεικτών της δομής) και την υπολογισμένη διακύμανση (ένα μέτρο που απεικονίζει το γενικό ποσό της διακύμανσης των δεικτών που υπολογίστηκε για τις αφανείς δομές) για τους σχηματιζόμενους παράγοντες. Για τον υπολογισμό του συντελεστή Cronbach alpha από το κεντρικό μενού του SPSS επιλέγουμε Analyze Scale Reliability analysis και μεταφέρουμε στο πλαίσιο Items τις μεταβλητές π.χ. που σχηματίζουν τον πρώτο παράγοντα. Στην συνέχεια με το πλήκτρο Statistics ενεργοποιούμε τα όποια στατιστικά μέτρα νομίζουμε ότι θα μας βοηθήσουν στην ανάλυση (π.χ. scale if item deleted το οποίο μας δείχνει τον συντελεστή άλφα αν διαγραφεί η συγκεκριμένη προσδιοριστική μεταβλητή,inter item correlation ο οποίος θα μας δώσει τις συσχετίσεις μεταξύ των μεταβλητών καθώς και τις συσχετίσεις κάθε μεταβλητής με τον διορθωμένο μέσο όρο του υποτιθέμενου παράγοντα που σχηματίζουν. Για τον υπολογισμό της σύνθετης αξιοπιστίας και της υπολογιζόμενης διακύμανσης χρησιμοποιούμε τους τύπους : CR ( ( ) i ) 2 i 2 i VA 2 i Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 0 2 i όπου λi είναι οι τυποποιημένες φορτίσεις και εi (= -λi 2 )το σφάλμα μέτρησης για κάθε δείκτη i

11 Παράδειγμα Παράγοντας Cronbach alpha Σύνθετη Αξιοπιστία Υπολογιζόμενη διακύμανση F F Συνθήκη >0.70 >0.70 >0.50 Από τους παραπάνω υπολογισμούς βλέπουμε ότι υπάρχει κάποιο πρόβλημα για την μέτρηση του δεύτερου παράγοντα Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια

12 Παράδειγμα Μία μεθοδολογία που μπορούμε επίσης να χρησιμοποιήσουμε όσο αφορά το μετρικό μέρος ενός συστήματος δομικών εξισώσεων είναι αυτή των Anderson και Gerbin (988), η οποία επισημάνει ότι η αξιολόγηση των ψυχομετρικών ιδιοτήτων της μέτρησης περιλαμβάνει: α)τη μέτρηση της αξιοπιστίας των μεταβλητών (item reliability: Για τη μέτρηση της χρησιμοποιείται το τετράγωνο των παραγοντικών φορτίσεων (SFLs) των μεταβλητών, οι οποίες αντιπροσωπεύουν το ποσοστό συνεισφοράς των στην εξήγηση της διακύμανσης του παράγοντα. Σύμφωνα με τους Fornell και Larcker (98), τιμές μεγαλύτερες του 0,50 υποδηλώνουν υψηλό βαθμό αξιοπιστίας για τις μεταβλητές, β)της σύνθετης αξιοπιστίας (composite reliability), και γ)της υπολογισμένης διακύμανσης (variance extracted). Ο δείκτης μέτρησης της σύνθετης αξιοπιστίας είναι παρόμοιος με το δείκτη alpha του Cronbach, αλλά λαμβάνονται υπόψη οι πραγματικές φορτώσεις των μεταβλητών αντί της υπόθεσης ότι κάθε μεταβλητή είναι εξίσου σταθμισμένη (Perugini και Bagozzi, 200). Σύμφωνα με τον Nunnakkt (978), για τη σύνθετη αξιοπιστία τιμές κοντά στο 0,9 υποδηλώνουν υψηλό επίπεδο συνέπειας, τιμές κοντά στο 0,70 δείχνουν αποδεκτό επίπεδο συνέπειας και τέλος τιμές γύρω στο 0,30 δεν είναι αποδεκτές. Οι Hung et al. (2002) υποστηρίζουν ότι, για τις τεχνολογικές - κοινωνικές επιστήμες ο δείκτης της σύνθετης αξιοπιστίας πρέπει να είναι μεγαλύτερος του 0,7. Τέλος, η υπολογιζόμενη διακύμανση αναφέρεται στο ποσοστό της διακύμανσης που συλλαμβάνεται από το μοντέλο μέτρησης εναντίον του ποσοστού που οφείλεται στο λάθος της μέτρησης. Οι Barclay et al. (995) συνιστούν ότι, ο δείκτης της υπολογιζόμενης διακύμανσης πρέπει να έχει τιμή μεγαλύτερη του 0,5. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 2

13 Παράδειγμα 2 V f Το παράδειγμα το οποίο θα εξεταστεί είναι μια παραγοντική ανάλυση δευτέρου επιπέδου όπως εμφανίζεται στο διπλανό σχήμα. Η f μετριέται από f2 f5 τις y, y2, και y3 η f2 από τις y4, y5,και y6 η f3 από τις y7, y8, and y9 και η f4 V7 από τις y0, y, και y2. Τέλος ο V8 f3 παράγοντας δευτέρου επιπέδου f5 από V9 τους παράγοντες f, f2, f3, και f4. Πιο V0 συγκεκριμένα οι παράγοντες του V f4 πρώτου επιπέδου αποτελούν προσδιοριστικές μεταβλητές για το δεύτερο επίπεδο. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 3

14 Παράδειγμα 2 Για να έχουμε μια σύγκριση των αποτελεσμάτων αρχικά εκτελούμε παραγοντική ανάλυση σε όλες τις προσδιοριστικές μεταβλητές (y,, y2) λαμβάνοντας υπόψη τα αποτελέσματα, στην συνέχεια υπολογίζουμε τον συντελεστή Cronbach alpha για κάθε παράγοντα. Στην συνέχεια σχηματίζουμε το σχήμα στο Amos και εκτελούμε την ανάλυση λαμβάνοντας υπόψη όλα τα αποτελέσματα. Τέλος υπολογίζουμε την σύνθετη αξιοπιστία καθώς και την υπολογιζόμενη διακύμανση για όλους τους παράγοντες πρώτου και δευτέρου βαθμού. Συγκρίνουμε τα αποτελέσματα και καταλήγουμε στα συμπεράσματα μας Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 4

15 Παράδειγμα 2 (αποτελέσματα ου βήματος) Component Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulativ e % Total % of Variance Cumulativ e % Total % of Variance Cumulativ e % 4,555 37,954 37,954 4,555 37,954 37,954 2,550 2,253 2,253 2,07 6,82 54,767 2,07 6,82 54,767 2,509 20,9 42,64,753 4,6 69,378,753 4,6 69,378 2,484 20,699 62,863,694 4,7 83,495,694 4,7 83,495 2,476 20,632 83,495,322 2,684 86,80,32 2,603 88,782,28 2,342 9,24,252 2,02 93,225,229,9 95,36,203,695 96,83,98,650 98,48,82,59 00,000 Extraction Method: Principal Component Analy sis. V V7 V8 V9 V0 V Rotated Component Matrix a Component 2 3 4,884,887,883,893,895,877,905,895,885,908,903,879 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 4 iterations. KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Component Approx. Chi-Square df Sig. Component Transformation Matrix, ,228 66, ,543,460,486,508 -,94,794 -,575,038,66,348,370 -,845 -,800,9,545,60 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. F F2 F3 F4 Cronbach alpha 0,885 0,885 0,903 0,890 V V7 V8 V9 V0 V Communalities Initial Extraction,000,843,000,835,000,805,000,845,000,830,000,805,000,877,000,84,000,835,000,856,000,84,000,806 Extraction Method: Principal Component Analysis. Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 5

16 Παράδειγμα 2,80 e e2 e3 e4 V,76,66,80,89,87,8,89 d f d2,34 CMIN=46,650 (df 50) CMIN/DF=,933 CFI=,000 GFI=,985 RMSEA=,000 RMR=,024 TLI=,00,58 e5,74,86,83 f2,29,53 e6,68 f5 e7 V7,86,93 d3,63 e8 V8,74,74,86,86 f3,39,47 e9 e0 e V9,8 V0,76 V,90,87 d4 f4,22 F F2 F3 F4 F5 Cronbach alpha 0,885 0,885 0,903 0,890 0,848 Σύνθετη Αξιοπιστία 0,89 0,90 0,9 0,90 0,7 Υπολογιζόμενη Διακύμανση 0,74 0,74 0,78 0,75 0,39,83,68 e2 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 6

17 Regression Weights: (Group number - Default model) Estimate S.E. C.R. P Label f <--- f5,728,0992 7,870 *** par_3 f2 <--- f5,6322,0877 7,2055 *** par_4 f3 <--- f5,809,20 7,62 *** par_5 f4 <--- f5,5282,078 6,7648 *** par_6 <--- f,6390,0394 6,2240 *** par_ <--- f,7266,042 7,245 *** par_2 V <--- f,9557,0540 7,694 *** par_3 <--- f2,759,0400 7,988 *** par_4 <--- f2,7307,0396 8,4725 *** par_5 <--- f2,076,0527 9,3239 *** par_6 V9 <--- f3,6859,0435 5,7606 *** par_7 V8 <--- f3,6967,0443 5,7295 *** par_8 V7 <--- f3,992,0603 6,4604 *** par_9 <--- f4,7370,0382 9,2967 *** par_0 V <--- f4,867, ,472 *** par_ V0 <--- f4,02,0522 2,26 *** par_2 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 7

18 Modification Indices (Group number - Default model) Covariances: (Group number - Default model) M.I. Par Change e6 <--> e9 4,0405,0347 e <--> d3 4,7477,0884 e <--> e5 4,6237,0440 e2 <--> e8 4,2874 -,0336 e3 <--> e4 5,5499,053 e3 <--> e5 8,3969 -,0495 Variances: (Group number - Default model) M.I. Par Change Regression Weights: (Group number - Default model) M.I. Par Change <--- 4,2205 -,0578 V <--- V8 4,8550,074 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 8

19 Model NPAR CMIN DF P CMIN/DF Default model 28 46, ,6086,9330 Saturated model 78, Independence model ,009 66, ,6668 Model RMR GFI AGFI PGFI Default model,0239,9848,9763,633 Saturated model,0000,0000 Independence model,4579,3838,277,3247 Model NFI RFI IFI TLI CFI Default model,9883,9846,0008,00,0000 Saturated model,0000,0000,0000 Independence model,0000,0000,0000,0000,0000 Model RMSEA LO 90 HI 90 PCLOSE Default model,0000,0000,0256,0000 Independence model,3458,3367,3549,0000 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 9

20 Παράδειγμα 2,9 e V,5 e2,2,44 e3,39 e4,6,34,4,4 e5,37 e6 e7,5,79 V7,39,89,84 f5 e8 V8,70,85,35 e9 e0,72 V9,2 V0,33,34 CMIN=257,087 (df 54) CMIN/DF=46,63 CFI=,375 GFI=,530 RMSEA=,302 RMR=,274 TLI=,236, e V, e2 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 20

21 Παράδειγμα 2 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 2 f,66 e3,8,76 e2,87,80 V e,89 f2,69 e6,74 e5,80 e4,83,86,89 f3,74 V9 e9,74 V8 e8,86 V7 e7,86,86,93 f4,68 e2,76 V e,8 V0 e0,83,87,90,3,35,29,35,23,29 MIN=45,688 (df 48) CMIN/DF=,952 CFI=,000 GFI=,985 RMSEA=,000 RMR=,02 TLI=,00,34 f,66 e3,8,76 e2,87,80 V e,89,29 f2,68 e6,74 e5,80 e4,83,86,89,39 f3,74 V9 e9,74 V8 e8,86 V7 e7,86,86,93,22 f4,68 e2,76 V e,8 V0 e0,83,87,90 f5,58,53,63,47 d d2 d3 d4 CMIN=46,650 (df 50) CMIN/DF=,933 CFI=,000 GFI=,985 RMSEA=,000 RMR=,024 TLI=,00

22 Παράδειγμα 3 V f f2 V9 V8 V7 f4 f3 Θέλουμε να εξετάσουμε το παραπάνω μοντέλο στο οποίο οι προσδιοριστικές μεταβλητές V,, καθορίζουν την κρυφή μεταβλητή Fοι,, καθορίζουν την κρυφή μεταβλητή F2, οι V7,V8,V9 καθορίζουν την κρυφή μεταβλητή F3 και οι V0,V, καθορίζουν τον παράγοντα F3 (αρχείο exa3.sav). V0 V Στόχος του συγκεκριμένου παραδείγματος είναι εφόσον ελέγξουμε την εγκυρότητα και την αξιοπιστία του συγκεκριμένου μοντέλου να απαντήσουμε στις ερευνητικές υποθέσεις οι οποίες πηγάζουν από τις σχέσεις μεταξύ των κρυφών μεταβλητών. (πρώτα ελέγχουμε το μετρικό μέρος του μοντέλου στην συνέχεια κάνουμε τις αναγκαίες τροποποιήσεις και ελέγχουμε τους δείκτες προσαρμοστικότητας και στην συνέχεια ελέγχουμε το δομικό μέρος του μοντέλου) Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 22

23 Παράδειγμα 3 (Παραγοντική ανάλυση) Πριν την εξέταση του μοντέλου με το Amos μπορούμε να τρέξουμε μια παραγοντική ανάλυση όλων των μεταβλητών οριοθετώντας σε τέσσερις τους εξαγόμενους παράγοντες και στην συνέχεια να υπολογίσουμε και τον συντελεστή Cronbach alpha για κάθε παράγοντα. Τα αποτελέσματα από αυτές τις αναλύσεις θα τα χρησιμοποιήσουμε στην συνέχεια. KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx. Chi-Square df Sig. Rotated Component Matrix a,86 506,69 66,000 Component Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulativ e % Total % of Variance Cumulativ e % Total % of Variance Cumulativ e % 3,583 29,858 29,858 3,583 29,858 29,858 2,07 6,8 6,8,988 6,563 46,42,988 6,563 46,42,987 6,557 33,368,277 0,644 57,065,277 0,644 57,065,885 5,70 49,078,799 6,659 63,724,799 6,659 63,724,758 4,646 63,724,734 6,7 69,84,649 5,406 75,246,627 5,227 80,473,568 4,736 85,209,48 4,02 89,22,462 3,852 93,073,49 3,493 96,566,42 3,434 00,000 Extraction Method: Principal Component Analy sis. V V7 V8 V9 V0 V Component 2 3 4,736,836,80,746,798,726,773,794,734,743,793,660 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations. Reliability Statistics Cronbach's Alpha N of Items,739 3 Reliability Statistics Cronbach's Alpha N of Items,784 3 Reliability Statistics Cronbach's Alpha N of Items,680 3 Reliability Statistics Cronbach's Alpha N of Items,69 3 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 23

24 Παράδειγμα 3 (μετρικό μέρος) e9 e8 e7,54,52,59,46 V9 V8 V7 e V,68,74,72,77 e2 e3,6,4,78,64 f -,03,45 f3,59,59 d3 e4 e5,44,4,66,64 f2,64 f4 d4,35 e6,40,63 MIN=53,596 (df 50) CMIN/DF=,072 CFI=,998 GFI=,983 RMSEA=,02 RMR=,054 TLI=,997 F F2 F3 F4 Cronbach alpha 0,739 0,680 0,784 0,69,65 V0 e0,42,62,39 V e,52 e2,27 Σύνθετη Αξιοπιστία 0,74 0,68 0,79 0,63 Υπολογιζόμενη Διακύμανση 0,49 0,42 0,55 0,36 Σύμφωνα με την παραπάνω ανάλυση παρατηρούμε ότι υπάρχει πρόβλημα όσο αφορά το μετρικό μέρος του μοντέλου (SFLs, σύνθετη αξιοπιστία, υπολογιζόμενη διακύμανση, συντελεστής Cronbach alpha ). Γεγονός το οποίο υπό κανονικές συνθήκες έπρεπε να μας αποτρέψει στην περεταίρω ανάλυση δηλαδή τον έλεγχο του δομικού μέρους του μοντέλου (υποθέσεις) Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 24

25 Παράδειγμα 3 (δομικό μέρος) Estimate S.E. C.R. P Label f3 <--- f,735,04 6,852 *** par_2 f3 <--- f2,0040,279 7,8480 *** par_6 f4 <--- f3,470,0673 6,9940 *** par_5 <--- f,884,064 3,7574 *** par_ <--- f,7,0663 6,7720 *** par_2 V <--- f,940,0650 4,4533 *** par_3 <--- f2,8395,0644 3,0335 *** par_4 <--- f2,896,066 3,327 *** par_5 <--- f2,9424,069 3,6464 *** par_6 V <--- f4,65,0597 0,3093 *** par_7 V9 <--- f3,6545,0548,9445 *** par_8 V7 <--- f3,747,0623,9092 *** par_9 V0 <--- f4,7449,0688 0,834 *** par_0 <--- f4,5079,0540 9,432 *** par_ V8 <--- f3,6466,0555,6564 *** par_4 Estimate S.E. C.R. P Label f2 <--> f -,0340,0624 -,5446,5860 par_3 Σύμφωνα με τα παραπάνω αποτελέσματα επιβεβαιώνονται οι υποθέσεις F F3 (δηλαδή η F έχει θετική επίδραση στην διαμόρφωση της F3), F2 F3, F3 F4 ενώ η αλληλεπίδραση της F με την F2 δεν επιβεβαιώνεται Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 25

26 Standardized Total Effects (Group number - Default model) Παράδειγμα 3 (Επιδράσεις) Direct Effect f f2 f3 f4 f3,454,6390,0000,0000 f4,0000,0000,5949,0000 Indirect Effect f f2 f3 f4 f3,0000,0000,0000,0000 f4,2702,380,0000,0000 Total Effect f f2 f3 f4 f3,454,6390,0000,0000 f4,2702,380,5949,0000 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 26

27 Παράδειγμα 3 (Δείκτες τροποποίησης) Covariances: (Group number - Default model) M.I. Par Change e6 <--> e9 4,30,093 e <--> d3 4,7609,578 e2 <--> e8 5,4657 -,257 e3 <--> e5 6,5869 -,445 Regression Weights: (Group number - Default model) M.I. Par Change <--- 6,073 -,0864 <--- 5,423 -,0949 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 27

28 Παράδειγμα 3 (δείκτες καταλληλότητας) Model NPAR CMIN DF P CMIN/DF Default model 40 53, ,338,079 Saturated model 90, Independence model 24 52, , ,0508 Model NFI RFI IFI TLI CFI Default model,9648,9535,9976,9967,9975 Saturated model,0000,0000,0000 Independence model,0000,0000,0000,0000,0000 Model RMSEA LO 90 HI 90 PCLOSE Default model,020,0000,039,9999 Independence model,202,20,294,0000 Δρ. Βασίλης Π. Αγγελίδης Ανάλυση Δεδομένων (Εργαστήριο) Διαφάνεια 28

Διερεύνηση της Αξιοπιστίας και της Εγκυρότητας Ψυχομετρικής Κλίμακας με το λογισμικό SPSS

Διερεύνηση της Αξιοπιστίας και της Εγκυρότητας Ψυχομετρικής Κλίμακας με το λογισμικό SPSS Διερεύνηση της Αξιοπιστίας και της Εγκυρότητας Ψυχομετρικής Κλίμακας με το λογισμικό SPSS 1. Εισαγωγή Άγγελος Μάρκος Αλεξανδρούπολη, 04.04.2013 Η μέτρηση στις επιστήμες της συμπεριφοράς συχνά στοχεύει

Διαβάστε περισσότερα

ΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

ΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΜΑΘΗΜΑ: Ανάλυση Πολυδιάστατων (Πολυμεταβλητών) Δεδομένων και Συστήματα Εξόρυξης Δεδομένων (Multivariate Data

Διαβάστε περισσότερα

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 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

Διαβάστε περισσότερα

ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΣΕ ΔΕΔΟΜΕΝΑ ΑΠΟ ΕΡΕΥΝΑ ΑΓΟΡΑΣ

ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΣΕ ΔΕΔΟΜΕΝΑ ΑΠΟ ΕΡΕΥΝΑ ΑΓΟΡΑΣ Τ.Ε.Ι ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ & ΘΡΑΚΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΑΧΕΙΡΙΣΗΣ ΠΛΗΡΟΦΟΡΙΩΝ ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΣΕ ΔΕΔΟΜΕΝΑ ΑΠΟ ΕΡΕΥΝΑ ΑΓΟΡΑΣ Αστέριος Μαντζούκης Κυριάκος Παπαντωνίου ΟΚΤΩΒΡΙΟΣ 2014

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 3 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Η ΜΕΣΗ ΤΙΜΗ ΚΑΙ Η ΔΙΑΜΕΣΟΣ... 29

ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 3 ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Η ΜΕΣΗ ΤΙΜΗ ΚΑΙ Η ΔΙΑΜΕΣΟΣ... 29 ΠΕΡΙΕΧΟΜΕΝΑ 1 ΕΙΣΑΓΩΓΗ... 1 Μεταβλητές...5 Πληθυσμός, δείγμα...7 Το ευρύτερο γραμμικό μοντέλο...8 Αναφορές στη βιβλιογραφία... 11 2 ΤΟ PASW ΜΕ ΜΙΑ ΜΑΤΙΑ... 13 Περίληψη... 13 Εισαγωγή... 13 Με μια ματιά...

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 1 ο ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΚΑΙ ΑΝΑΛΥΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΜΕ ΧΡΗΣΗ ΕΛΕΓΧΩΝ (STUDENT S T).. 21

ΚΕΦΑΛΑΙΟ 1 ο ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΚΑΙ ΑΝΑΛΥΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΜΕ ΧΡΗΣΗ ΕΛΕΓΧΩΝ (STUDENT S T).. 21 Πίνακας Περιεχομένων Πρόλογος... 17 ΚΕΦΑΛΑΙΟ 1 ο ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΔΕΙΓΜΑΤΟΛΗΨΙΑΣ ΚΑΙ ΑΝΑΛΥΣΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΜΕ ΧΡΗΣΗ ΕΛΕΓΧΩΝ (STUDENT S T).. 21 (Basic Sampling Techniques and Questionnaire Analysis using

Διαβάστε περισσότερα

Ανάπτυξη Ερωτηματολογίου

Ανάπτυξη Ερωτηματολογίου Τίτλος πράξης: Κατηγορία Πράξης: Ενέργεια: Μέτρο: Επιστ. Υπεύθυνος: "Επιμόρφωση Πιστοποίηση Γυναικών Αρχικής Επαγγελματικής Εκπαίδευσης & Κατάρτισης σε Δεξιότητες Πληροφορικής Επιχειρηματικού Σεναρίου"

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΤΩΝ ΒΑΘΜΟΛΟΓΙΩΝ ΟΙ ΣΥΝΙΣΤΩΣΕΣ ΤΗΣ ΜΑΘΗΤΙΚΗΣ ΕΠΙ ΟΣΗΣ

ΚΕΦΑΛΑΙΟ 6 ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΤΩΝ ΒΑΘΜΟΛΟΓΙΩΝ ΟΙ ΣΥΝΙΣΤΩΣΕΣ ΤΗΣ ΜΑΘΗΤΙΚΗΣ ΕΠΙ ΟΣΗΣ ΚΕΦΑΛΑΙΟ 6 ΠΑΡΑΓΟΝΤΙΚΗ ΑΝΑΛΥΣΗ ΤΩΝ ΒΑΘΜΟΛΟΓΙΩΝ ΟΙ ΣΥΝΙΣΤΩΣΕΣ ΤΗΣ ΜΑΘΗΤΙΚΗΣ ΕΠΙ ΟΣΗΣ Εισαγωγή Στο κεφάλαιο αυτό επιχειρούµε να εξάγουµε τις συνιστώσες της µαθητικής επίδοσης, χρησιµοποιώντας παραγοντική

Διαβάστε περισσότερα

ιερεύνηση της Συµβολής της Περιβαλλοντικής Εκπαίδευσης στην Πορεία προς την Εκπαίδευση για την Αειφόρο Ανάπτυξη σε Σχολεία του Νοµού Αττικής

ιερεύνηση της Συµβολής της Περιβαλλοντικής Εκπαίδευσης στην Πορεία προς την Εκπαίδευση για την Αειφόρο Ανάπτυξη σε Σχολεία του Νοµού Αττικής ιερεύνηση της Συµβολής της Περιβαλλοντικής Εκπαίδευσης στην Πορεία προς την Εκπαίδευση για την Αειφόρο Ανάπτυξη σε Σχολεία του Νοµού Αττικής ηµήτριος ικαιάκος 1, Μιχαήλ Σκούλλος 2 1. Υποψήφιος ιδάκτωρ,

Διαβάστε περισσότερα

Στατιστικό κριτήριο χ 2

Στατιστικό κριτήριο χ 2 18 Μεθοδολογία Επιστηµονικής Έρευνας & Στατιστική Στατιστικό κριτήριο χ 2 Ο υπολογισµός του κριτηρίου χ 2 γίνεται µέσω του µενού [Statistics => Summarize => Crosstabs...]. Κατά τη συγκεκριµένη διαδικασία

Διαβάστε περισσότερα

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 ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Στόχοι Ο κύριος στόχος του μαθήματος είναι να βοηθήσει τους φοιτητές να αναπτύξουν πρακτικές

Διαβάστε περισσότερα

SPSS Statistical Package for the Social Sciences

SPSS Statistical Package for the Social Sciences SPSS Statistical Package for the Social Sciences Ξεκινώντας την εφαρμογή Εισαγωγή εδομένων Ορισμός Μεταβλητών Εισαγωγή περίπτωσης και μεταβλητής ιαγραφή περιπτώσεων ή και μεταβλητών ΣΤΑΤΙΣΤΙΚΗ Αθανάσιος

Διαβάστε περισσότερα

ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ EUROSTAT

ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ EUROSTAT ηµοσιεύθηκε στην Επιστηµονική Επετηρίδα Εφαρµοσµένης Έρευνας vol. XII no., 007 σελ. 0- ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ EUROSTAT Μιλτιάδης Χαλικιάς Τµήµα ιοίκησης Επιχειρήσεων, ΤΕΙ Πειραιά ΠΕΡΙΛΗΨΗ

Διαβάστε περισσότερα

1: 1.1. 5 1.2. 5 1.3... 6. 2: 2.1 8 2.2 online. 9. 3: 3.1... 11 3.2. 14 3.3 Fast Food 15 4: 4.1 24 4.2... 24 4.3.. 25 5: - 5.1 27 5.2.. 33..

1: 1.1. 5 1.2. 5 1.3... 6. 2: 2.1 8 2.2 online. 9. 3: 3.1... 11 3.2. 14 3.3 Fast Food 15 4: 4.1 24 4.2... 24 4.3.. 25 5: - 5.1 27 5.2.. 33.. , - :. : 2014 .. 3.. 4 1: 1.1. 5 1.2. 5 1.3... 6 2: 2.1 8 2.2 online. 9 3: 3.1... 11 3.2. 14 3.3 Fast Food 15 4: 4.1 24 4.2... 24 4.3.. 25 5: - 5.1 27 5.2.. 33.. 39.... 41 42 44 2 ,.,.,...,.,.,,,. 3 ,..

Διαβάστε περισσότερα

Πως θα κατασκευάσω το πρώτο πρόγραμμα;

Πως θα κατασκευάσω το πρώτο πρόγραμμα; Εργαστήριο Δομημένος Προγραμματισμός (C#) Τμήμα Μηχανολογίας Νικόλαος Ζ. Ζάχαρης Καθηγητής Εφαρμογών Σκοπός Να γίνει εξοικείωση το μαθητών με τον ΗΥ και το λειτουργικό σύστημα. - Επίδειξη του My Computer

Διαβάστε περισσότερα

Άσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F

Άσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό

Διαβάστε περισσότερα

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για τους Μέσους - Εξαρτημένα Δείγματα (Paired samples t-test) Το κριτήριο Paired samples t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε

Διαβάστε περισσότερα

ΑΚΑΔΗΜΙΑ ΤΩΝ ΠΟΛΙΤΩΝ

ΑΚΑΔΗΜΙΑ ΤΩΝ ΠΟΛΙΤΩΝ ΑΚΑΔΗΜΙΑ ΤΩΝ ΠΟΛΙΤΩΝ Αστική Μη Κερδοσκοπική Εταιρεία- ISO 9001 Σαπφούς 3, 81100 Μυτιλήνη (1ος Όροφος) 2251054739 (09:00-14:30) academy@aigaion.org civilacademy.ucoz.org «ΠΡΟΓΡΑΜΜΑ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΡΕΥΝΑΣ

Διαβάστε περισσότερα

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑΠΡΟΤΥΠΑΜΑΘΗΜΑ4ο-5ο-6 ο (β) ΠΟΛΛΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ- ΕΡΓΑΣΤΗΡΙΟ PASW 18 Δρ. Κουνετάς Η Κωνσταντίνος Ακαδημαϊκό Έτος 2011-2012 ΕΠΙΧ

Διαβάστε περισσότερα

Η ΕΠΙΔΡΑΣΗ ΤΟΥ Τ.Ε.Ι ΚΑΒΑΛΑΣ ΣΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΑΝΑΠΤΥΞΗ ΤΗΣ ΠΟΛΗΣ ΤΗΣ ΚΑΒΑΛΑΣ

Η ΕΠΙΔΡΑΣΗ ΤΟΥ Τ.Ε.Ι ΚΑΒΑΛΑΣ ΣΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΑΝΑΠΤΥΞΗ ΤΗΣ ΠΟΛΗΣ ΤΗΣ ΚΑΒΑΛΑΣ Η ΕΠΙΔΡΑΣΗ ΤΟΥ Τ.Ε.Ι ΚΑΒΑΛΑΣ ΣΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΑΝΑΠΤΥΞΗ ΤΗΣ ΠΟΛΗΣ ΤΗΣ ΚΑΒΑΛΑΣ Ευστάθιος Δημητριάδης 1, Πρόδρομος Χατζόγλου 2, Νικόλαος Θερίου 1, Δημήτριος Μαδυτινός 1, Βασίλειος Αγγελίδης 1. 1. Τ.Ε.Ι Καβάλας,

Διαβάστε περισσότερα

ΤΕΙ ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΛΟΓΟΘΕΡΑΠΕΙΑΣ. Μεγγίσογλου Ευθυμία Ξενογιώργη Αικατερίνη Σβολιανίτη Χριστίνα

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

Διαβάστε περισσότερα

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών

Διαβάστε περισσότερα

2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ

2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ 1. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS Το SPSS είναι ένα στατιστικό πρόγραμμα γενικής στατιστικής ανάλυσης αρκετά εύκολο στη λειτουργία του. Για να πραγματοποιηθεί ανάλυση χρονοσειρών με τη βοήθεια του SPSS θα πρέπει απαραίτητα

Διαβάστε περισσότερα

Εργαστήριο Δομημένος Προγραμματισμός (C#) Τμήμα Μηχανολογίας Νικόλαος Ζ. Ζάχαρης Καθηγητής Εφαρμογών

Εργαστήριο Δομημένος Προγραμματισμός (C#) Τμήμα Μηχανολογίας Νικόλαος Ζ. Ζάχαρης Καθηγητής Εφαρμογών Εργαστήριο Δομημένος Προγραμματισμός (C#) Τμήμα Μηχανολογίας Νικόλαος Ζ. Ζάχαρης Καθηγητής Εφαρμογών Σκοπός Να αναπτύξουν ένα πρόγραμμα όπου θα επαναλάβουν τα βήματα ανάπτυξης μιας παραθυρικής εφαρμογής.

Διαβάστε περισσότερα

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών

Διαβάστε περισσότερα

Εισαγωγή στο SPSS. ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας

Εισαγωγή στο SPSS. ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας Εισαγωγή στο SPSS ΚΕΔΙΜΑ 28/9/2013 Γεώργιος Σπανούδης (spanouod@ucy.ac.cy) Τμήμα Ψυχολογίας Στόχος του μαθήματος Τα τέσσερα παράθυρα του SPSS Η διαχείριση των αρχείων δεδομένων Βασικά στοιχεία ανάλυσης

Διαβάστε περισσότερα

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)

ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για την Μέση Τιμή ενός Δείγματος (One Sample t-test) Το κριτήριο One sample t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε τον αριθμητικό

Διαβάστε περισσότερα

POWERPOINT 2003. Είναι το δημοφιλέστερο πρόγραμμα παρουσιάσεων.

POWERPOINT 2003. Είναι το δημοφιλέστερο πρόγραμμα παρουσιάσεων. POWERPOINT 2003 1. Τι είναι το PowerPoint (ppt)? Είναι το δημοφιλέστερο πρόγραμμα παρουσιάσεων. 2. Τι δυνατότητες έχει? Δημιουργία παρουσίασης. Μορφοποίηση παρουσίασης. Δημιουργία γραφικών. Δημιουργία

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ Δ.Π.Μ.Σ: «Εφαρμοσμένες Μαθηματικές Επιστήμες» 2008

Διαβάστε περισσότερα

Visual Basic Γλώσσα οπτικού

Visual Basic Γλώσσα οπτικού Visual Basi Γλώσσα οπτικού προγραµµατισµού «Η αρχή είναι το ήµισυ του παντός» Κουλλάς Χρίστος www.oullas.om oullas 2 Στόχοι Μαθήµατος Οι µαθητές να µπορούν: να εξηγούν τι είναι η Visual Basi. ναεξηγούνταστάδιαδηµιουργίας

Διαβάστε περισσότερα

Εταιρικοί δικτυακοί τόποι: Λειτουργία και Χρησιµότητα

Εταιρικοί δικτυακοί τόποι: Λειτουργία και Χρησιµότητα Εταιρικοί δικτυακοί τόποι: Λειτουργία και Χρησιµότητα Στέλεχος του Εργαστηρίου Πολυµέσων Επικοινωνίας του Οικονοµικού Πανεπιστηµίου Αθηνών Οκτώβριος 2007 1. Σκοπός της έρευνας Ποιοι είναι οι σηµαντικότεροι

Διαβάστε περισσότερα

ROWPVT & EOWPVT 3 rd Edition (Μια συνδυαστική πιλοτική μεταφορά και αξιολόγηση τους στην ηλικιακή ομάδα των 2 ετών έως 2 ετών και 11 μηνών)

ROWPVT & EOWPVT 3 rd Edition (Μια συνδυαστική πιλοτική μεταφορά και αξιολόγηση τους στην ηλικιακή ομάδα των 2 ετών έως 2 ετών και 11 μηνών) ΠΑΡΟΥΣΙΑΣΗ ΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ: ROWPVT & EOWPVT 3 rd Edition (Μια συνδυαστική πιλοτική μεταφορά και αξιολόγηση τους στην ηλικιακή ομάδα των 2 ετών έως 2 ετών και 11 μηνών) Κουμούλλη Τσαμπίκα (Α.Μ.: 10155)

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS. Θα επιλέξουμε Type in data ώστε να εισάγουμε νέα στοιχεία και θα επιλέξουμε ΟΚ.

ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS. Θα επιλέξουμε Type in data ώστε να εισάγουμε νέα στοιχεία και θα επιλέξουμε ΟΚ. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS To SPSS είναι ένα πακέτο για γενικές στατιστικές αναλύσεις το οποίο από την σκοπιά του οικονομολόγου προσφέρει δυνατότητες που είναι ενδιάμεσα στο Excel και στο Eviews. Θα αρχίσουμε διαβάζοντας

Διαβάστε περισσότερα

Το πρόγραμμα συγχρηματοδοτείται 75% από το Ευρωπαϊκό κοινωνικό ταμείο και 25% από εθνικούς πόρους.

Το πρόγραμμα συγχρηματοδοτείται 75% από το Ευρωπαϊκό κοινωνικό ταμείο και 25% από εθνικούς πόρους. Το πρόγραμμα συγχρηματοδοτείται 75% από το Ευρωπαϊκό κοινωνικό ταμείο και 25% από εθνικούς πόρους. ΓΕΝΙΚΟ ΤΜΗΜΑ ΦΥΣΙΚΗΣ, ΧΗΜΕΙΑΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΥΛΙΚΩΝ ΕΡΓΑΣΤΗΡΙΑ ΦΥΣΙΚΗΣ ORIGIN ΕΙΣΑΓΩΓΙΚΟ ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ

Διαβάστε περισσότερα

ειγµατοληπτική έρευνα: Υποκλοπή προσωπικών δεδοµένων στο ιαδίκτυο

ειγµατοληπτική έρευνα: Υποκλοπή προσωπικών δεδοµένων στο ιαδίκτυο ΤΕΤΡΑ ΙΑ ΑΝΑΛΥΣΗΣ Ε ΟΜΕΝΩΝ, ΤΕΥΧΟΣ 15 (σσ. 54-65) DATA ANALYSIS BULLETIN, ISSUE 15 (pp. 54-65) ειγµατοληπτική έρευνα: Υποκλοπή προσωπικών δεδοµένων στο ιαδίκτυο Νικόλαος Φαρµάκης και Ιωάννα Παπατσούµα

Διαβάστε περισσότερα

Ανάλυση εικόνων DSLR με το πρόγραμμα IRIS

Ανάλυση εικόνων DSLR με το πρόγραμμα IRIS Δεκέμβριος 2014: Θεματικός Μήνας Μεταβλητών Άστρων Μαραβέλιας Γρηγόρης Ανάλυση εικόνων DSLR με το πρόγραμμα IRIS v1.0 Πηγές Το υλικό προέρχεται από τις ακόλουθες πηγές (τις οποίες μπορείτε να συμβουλευτείτε

Διαβάστε περισσότερα

Θέµα 2: Φασµατογράφηµα στενής και ευρείας ζώνης, ενός σήµατος οµιλίας. Προέµφαση της οµιλίας. Παράµετροι οµιλίας (Ενέργεια, Pitch, Formants, LPC.

Θέµα 2: Φασµατογράφηµα στενής και ευρείας ζώνης, ενός σήµατος οµιλίας. Προέµφαση της οµιλίας. Παράµετροι οµιλίας (Ενέργεια, Pitch, Formants, LPC. Θέµα 2: Φασµατογράφηµα στενής και ευρείας ζώνης, ενός σήµατος οµιλίας. Προέµφαση της οµιλίας. Παράµετροι οµιλίας (Ενέργεια, Pitch, Formants, LPC.) Άσκηση 1: Φασµατογράφηµα στενής και ευρείας ζώνης, σηµάτων

Διαβάστε περισσότερα

Εταιρικοί δικτυακοί τόποι: Είναι χρήσιμοι;

Εταιρικοί δικτυακοί τόποι: Είναι χρήσιμοι; Εταιρικοί δικτυακοί τόποι Είναι χρήσιμοι; Στέλεχος του Εργαστηρίου Πολυμέσων Επικοινωνίας του Οικονομικού Πανεπιστημίου Αθηνών. Σκοπός της έρευνας Ποιοι είναι οι σημαντικότεροι παράγοντες που επηρεάζουν

Διαβάστε περισσότερα

ΟΙ ΕΠΙΠΤΩΣΕΙΣ ΤΟΥ ΤΟΥΡΙΣΜΟΥ ΣΕ ΜΙΚΡΕΣ ΚΟΙΝΩΝΙΕΣ: ΠΕΡΙΠΤΩΣΙΟΛΟΓΙΚΗ ΜΕΛΕΤΗ ΝΗΣΟΥ ΘΑΣΟΥ, ΛΙΜΝΗΣ ΠΛΑΣΤΗΡΑ ΚΑΙ ΑΓΙΑΣ ΝΑΠΑΣ (ΚΥΠΡΟΣ)

ΟΙ ΕΠΙΠΤΩΣΕΙΣ ΤΟΥ ΤΟΥΡΙΣΜΟΥ ΣΕ ΜΙΚΡΕΣ ΚΟΙΝΩΝΙΕΣ: ΠΕΡΙΠΤΩΣΙΟΛΟΓΙΚΗ ΜΕΛΕΤΗ ΝΗΣΟΥ ΘΑΣΟΥ, ΛΙΜΝΗΣ ΠΛΑΣΤΗΡΑ ΚΑΙ ΑΓΙΑΣ ΝΑΠΑΣ (ΚΥΠΡΟΣ) Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 20 ου Πανελληνίου Συνεδρίου Στατιστικής (2007), σελ 147-154 ΟΙ ΕΠΙΠΤΩΣΕΙΣ ΤΟΥ ΤΟΥΡΙΣΜΟΥ ΣΕ ΜΙΚΡΕΣ ΚΟΙΝΩΝΙΕΣ: ΠΕΡΙΠΤΩΣΙΟΛΟΓΙΚΗ ΜΕΛΕΤΗ ΝΗΣΟΥ ΘΑΣΟΥ, ΛΙΜΝΗΣ ΠΛΑΣΤΗΡΑ

Διαβάστε περισσότερα

Νικόλαος Τσιγγίλης Τμήμα Δημοσιογραφίας και ΜΜΕ, ΑΠΘ ntsigilis@jour.auth.gr

Νικόλαος Τσιγγίλης Τμήμα Δημοσιογραφίας και ΜΜΕ, ΑΠΘ ntsigilis@jour.auth.gr Εφαρμογές της Θεωρίας Απόκρισης Ερωτήματος (Item Response Theory) για την εξέταση των ψυχομετρικών ιδιοτήτων ερωτηματολογίων και κλιμάκων μέτρησης στις κοινωνικές επιστήμες Νικόλαος Τσιγγίλης Τμήμα Δημοσιογραφίας

Διαβάστε περισσότερα

Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.

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

Διαβάστε περισσότερα

Στόχος µαθήµατος: ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. 1. Απλή γραµµική παλινδρόµηση. 1.2 Παράδειγµα 6 (συνέχεια)

Στόχος µαθήµατος: ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. 1. Απλή γραµµική παλινδρόµηση. 1.2 Παράδειγµα 6 (συνέχεια) ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. Απλή γραµµική παλινδρόµηση Παράδειγµα 6: Χρόνος παράδοσης φορτίου ΜΑΘΗΜΑ

Διαβάστε περισσότερα

Mobile Marketing: Οι Παράγοντες Αποδοχής του SMS των Ελλήνων Καταναλωτών

Mobile Marketing: Οι Παράγοντες Αποδοχής του SMS των Ελλήνων Καταναλωτών Mobile Marketing: Οι Παράγοντες Αποδοχής του SMS των Ελλήνων Καταναλωτών Ονοματεπώνυμο: Πατεράκη Σοφία Σειρά: 8 η Επιβλέπουσα Καθηγήτρια: κα. Άννα Ζαρκάδα Δεκέμβριος 2011 Περιεχόμενα Βιβλιογραφία Μοντέλο

Διαβάστε περισσότερα

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 8 ο 8.1 Συντελεστές συσχέτισης: 8.1.1 Συσχέτιση Pearson, και ρ του Spearman 8.1.2 Υπολογισµός του συντελεστή

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ 3: Προγραμματιστικά Περιβάλλοντα και το Πρώτο Πρόγραμμα C

ΕΡΓΑΣΤΗΡΙΟ 3: Προγραμματιστικά Περιβάλλοντα και το Πρώτο Πρόγραμμα C ΕΡΓΑΣΤΗΡΙΟ 3: Προγραμματιστικά Περιβάλλοντα και το Πρώτο Πρόγραμμα C Στο εργαστήριο αυτό, θα ασχοληθούμε με δύο προγραμματιστικά περιβάλλοντα για τη γλώσσα C: τον gcc μεταγλωττιστή της C σε περιβάλλον

Διαβάστε περισσότερα

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis)

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η μέθοδος PCA (Ανάλυση Κύριων Συνιστωσών), αποτελεί μία γραμμική μέθοδο συμπίεσης Δεδομένων η οποία συνίσταται από τον επαναπροσδιορισμό των συντεταγμένων ενός

Διαβάστε περισσότερα

Περιεχόμενα. Πρόλογος... v

Περιεχόμενα. Πρόλογος... v Περιεχόμενα Πρόλογος... v 1 Χρήση της έκδοσης 10 του SPSS για Windows και καταχώριση δεδομένων... 1 2 Περιγραφή μεταβλητών: πίνακες και γραφήματα... 19 3 Περιγραφή μεταβλητών αριθμητικά: μέσοι όροι, διακύμανση,

Διαβάστε περισσότερα

Γνωρίστε το χώρο εργασίας του PowerPoint

Γνωρίστε το χώρο εργασίας του PowerPoint Γνωρίστε το χώρο εργασίας του PowerPoint Για να εκκινήσουμε το Office PowerPoint 2007 ακολουθούμε τα εξής βήματα: Έναρξη à Όλα τα προγράμματα PowerPoint 2007. à Microsoft Office à Microsoft Office Όταν

Διαβάστε περισσότερα

Ποιοτική και ποσοτική ανάλυση ιατρικών δεδομένων

Ποιοτική και ποσοτική ανάλυση ιατρικών δεδομένων Ποιοτική και ποσοτική ανάλυση ιατρικών δεδομένων Κωνσταντίνος Τζιόμαλος Επίκουρος Καθηγητής Παθολογίας ΑΠΘ Α Προπαιδευτική Παθολογική Κλινική, Νοσοκομείο ΑΧΕΠΑ 1 ο βήμα : καταγραφή δεδομένων Το πιο πρακτικό

Διαβάστε περισσότερα

Πώς εισάγουμε μια νέα έννοια χρησιμοποιώντας το εργαλείο Create

Πώς εισάγουμε μια νέα έννοια χρησιμοποιώντας το εργαλείο Create Inspiration 8 IE Β ήμα προς Βήμα Για μαθητές Έναρξη Προγράμματος Inspiration 1. Κάνουμε κλικ στο κουμπί Start, επιλέγουμε Programs και κάνουμε κλικ στο Inspiration 8 IE. 2. Στην αρχική οθόνη του προγράμματος

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2 013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ

Διαβάστε περισσότερα

Εργασία. στα. Γενικευμένα Γραμμικά Μοντέλα

Εργασία. στα. Γενικευμένα Γραμμικά Μοντέλα Εργασία στα Γενικευμένα Γραμμικά Μοντέλα Μ. Παρζακώνης ΜΕΣ/ 06015 Ο παρακάτω πίνακας δίνει τα αποτελέσματα 800 αιτήσεων για δάνειο σε μία τράπεζα. Ο πίνακας παρουσιάζει τον αριθμό των δανείων που εγκρίθηκαν,

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 7. Παλινδρόµηση Γενικά Επέκταση της έννοιας της συσχέτισης: Πώς µπορούµε να προβλέπουµε τη µια µεταβλητή από την άλλη; Απλή παλινδρόµηση (simple regression): Κατασκευή µοντέλου πρόβλεψης

Διαβάστε περισσότερα

Σπουδαστές Γιαννουλάκης Αντρέας Α.Μ. 11796 Τσουρουνάκης 'Αγγελος Α.Μ. 12133 Μουτουσίδου Πόπη Α.Μ. 12279 Εισηγητής: Ταφιάδης Χρ.

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

Διαβάστε περισσότερα

9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis)

9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis) 1 9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis) Προαπαιτούμενα: MULTISPEC και η πολυφασματική εικόνα του φακέλου \Multispec_tutorial_Files\Images and Files \ salamina_multispectral.tiff Σκοπός:

Διαβάστε περισσότερα

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της

Διαβάστε περισσότερα

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 9 ο 9.1 ηµιουργία µοντέλων πρόβλεψης 9.2 Απλή Γραµµική Παλινδρόµηση 9.3 Αναλυτικά για το ιάγραµµα ιασποράς

Διαβάστε περισσότερα

Κεφάλαιο 16 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση

Κεφάλαιο 16 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση Κεφάλαιο 16 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση Copyright 2009 Cengage Learning 16.1 Ανάλυση Παλινδρόμησης Σκοπός του προβλήματος είναι η ανάλυση της σχέσης μεταξύ συνεχών μεταβλητών. Η ανάλυση παλινδρόμησης

Διαβάστε περισσότερα

Βήματα για την επίλυση ενός προβλήματος

Βήματα για την επίλυση ενός προβλήματος ΜΑΘΗΜΑ 2ο Βήματα για την επίλυση ενός προβλήματος 1. Κατανόηση του προβλήματος με τη σχετική επιστήμη (όπως οικονομία, διοίκηση, γενικές επιστήμες) π.χ το πρόβλημα της κατανάλωσης κάποιας περιοχής σε σχέση

Διαβάστε περισσότερα

To Microsoft Excel XP

To Microsoft Excel XP To Microsoft Excel XP ΚΑΡΤΕΛΑ ΕΡΓΑΣΙΑΣ 1 Το Microsoft Excel XP είναι ένα πρόγραμμα που μπορεί να σε βοηθήσει να φτιάξεις μεγάλους πίνακες, να κάνεις μαθηματικές πράξεις με αριθμούς, ακόμα και να φτιάξεις

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΙ ΑΝΑΛΟΓΙΩΝ ΔΥΟ

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΙ ΑΝΑΛΟΓΙΩΝ ΔΥΟ ΚΕΦΑΛΑΙΟ 19 ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΓΙΑ ΤΗΝ ΣΥΓΚΡΙΣΗ ΜΕΣΩΝ ΤΙΜΩΝ ΚΑΙ ΑΝΑΛΟΓΙΩΝ ΔΥΟ ΚΑΝΟΝΙΚΩΝ ΠΛΗΘΥΣΜΩΝ Όταν ενδιαφερόμαστε να συγκρίνουμε δύο πληθυσμούς, η φυσιολογική προσέγγιση είναι να προσπαθήσουμε να συγκρίνουμε

Διαβάστε περισσότερα

Συστήματα Μικροεπεξεργαστών

Συστήματα Μικροεπεξεργαστών Εργαστήριο 1 ο Εισαγωγή στον AVR Περίγραμμα Εργαστηριακής Άσκησης Εισαγωγή... 2 Κατηγορίες μικροελεγκτών AVR... 2 Εξοικείωση με το περιβάλλον AVR Studio 4... 3 Βήμα 1ο: Δημιουργία νέου έργου (project)...

Διαβάστε περισσότερα

Οδηγίες για προσθήκη Web Frames Tools to the Quick Access Bar σε μεταγενέστερη έκδοση του Word

Οδηγίες για προσθήκη Web Frames Tools to the Quick Access Bar σε μεταγενέστερη έκδοση του Word Οδηγίες για προσθήκη Web Frames Tools to the Quick Access Bar σε μεταγενέστερη έκδοση του Word Επειδή οι μεταγενέστερες εκδόσεις του Word δεν περιλαμβάνουν στο μενού τη δυνατότητα δημιουργίας πολλαπλών

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ

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...

Διαβάστε περισσότερα

2. Δημιουργία και Διαχείριση Πολυφασματικών εικόνων

2. Δημιουργία και Διαχείριση Πολυφασματικών εικόνων 1 2. Δημιουργία και Διαχείριση Πολυφασματικών εικόνων Προαπαιτούμενα: MULTISPEC και οι εικόνες του φακέλου «Multispec_tutorial_files\ Images and Files Σκοπός: Η προσαρμογή της χωρικής ανάλυσης διαφορετικών

Διαβάστε περισσότερα

ΤΟ MICROSOFT POWERPOINT XP

ΤΟ MICROSOFT POWERPOINT XP ΚΑΡΤΕΛΑ ΕΡΓΑΣΙΑΣ 1 ΤΟ MICROSOFT POWERPOINT XP Το Microsoft PowerPoint είναι ένα πρόγραμμα δημιουργίας παρουσιάσεων σε μορφή διαφανειών (slides). Πώς ξεκιινάς το πρόγραμμα κουμπί Start. 2. Βάλε το δείκτη

Διαβάστε περισσότερα

Η δημιουργία και η πιλοτική εφαρμογή ενός πρωτοκόλλου αξιολόγησης νευρογενών διαταραχών κατάποσης.

Η δημιουργία και η πιλοτική εφαρμογή ενός πρωτοκόλλου αξιολόγησης νευρογενών διαταραχών κατάποσης. Α.Τ.Ε.Ι. ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΛΟΓΟΘΕΡΑΠΕΙΑΣ Η δημιουργία και η πιλοτική εφαρμογή ενός πρωτοκόλλου αξιολόγησης νευρογενών διαταραχών κατάποσης. Σπουδαστές: Κάτανα Ελευθερία

Διαβάστε περισσότερα

T-tests One Way Anova

T-tests One Way Anova William S. Gosset Student s t Sir Ronald Fisher T-tests One Way Anova ΣΤΑΤΙΣΤΙΚΗ Νίκος Ζουρμπάνος Ρούσσος, Π.Λ., & Τσαούσης, Γ. (2002). Στατιστική εφαρμοσμένη στις κοινωνικές επιστήμες. Αθήνα: Ελληνικά

Διαβάστε περισσότερα

Η προθυμία ανάληψης του κόστους της προστασίας του περιβάλλοντος ως συνάρτηση της περιβαλλοντικής ευαισθητοποίησης των πολιτών

Η προθυμία ανάληψης του κόστους της προστασίας του περιβάλλοντος ως συνάρτηση της περιβαλλοντικής ευαισθητοποίησης των πολιτών Η προθυμία ανάληψης του κόστους της προστασίας του περιβάλλοντος ως συνάρτηση της περιβαλλοντικής ευαισθητοποίησης των πολιτών Στέφανος Οικονόμου Υπ. Διδάκτορας Τμήμα Διεθνών Οικονομικών Σχέσεων Δημοκρίτειο

Διαβάστε περισσότερα

ΔΗ Μ Ι Ο ΥΡ Γ Ι Α W I K I με τ η χρήση τ η ς υπ ηρεσίας h t t p : /www.wik id ot.com /

ΔΗ Μ Ι Ο ΥΡ Γ Ι Α W I K I με τ η χρήση τ η ς υπ ηρεσίας h t t p : /www.wik id ot.com / ΔΗ Μ Ι Ο ΥΡ Γ Ι Α W I K I με τ η χρήση τ η ς υπ ηρεσίας h t t p : /www.wik id ot.com / 1. Τι είναι το wikidot Το wikidot είναι ένας δικτυακός τόπος στον οποίο κάθε χρήστης έχει το δικαίωμα να δημιουργήσει

Διαβάστε περισσότερα

Μέρος 1 Εισαγωγή στο SPSS 37. 1 Βασικές αρχές καταχώρισης δεδομένων και στατιστικής ανάλυσης με το SPSS 39

Μέρος 1 Εισαγωγή στο SPSS 37. 1 Βασικές αρχές καταχώρισης δεδομένων και στατιστικής ανάλυσης με το SPSS 39 41 Περιεχόμενα Ξενάγηση στο βιβλίο 25 Ξενάγηση στο συνοδευτικό CD 27 Εισαγωγή 29 Ευχαριστίες 33 Οι βασικές διαφορές μεταξύ του SPSS 16 και των προηγούμενων εκδόσεων 35 Μέρος 1 Εισαγωγή στο SPSS 37 1 Βασικές

Διαβάστε περισσότερα

Χρόνοι Μετάδοσης και Διάδοσης

Χρόνοι Μετάδοσης και Διάδοσης Εργαστήριο 2 ΑΤΕΙ ΘΕΣΣΑΛΟΝΙΚΗΣ - ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ: ΤΗΛΕΠΙΚΟΙΝΩΝΙΕΣ ΚΑΙ ΔΙΚΤΥΑ Η/Υ Χρόνοι Μετάδοσης και Διάδοσης Στόχος Ο στόχος του σημερινού εργαστηρίου είναι η εξοικείωση με τις βασικές

Διαβάστε περισσότερα

Οδηγός εγκατάστασης προγράμματος TestDrive του Υ.Μ.Ε.

Οδηγός εγκατάστασης προγράμματος TestDrive του Υ.Μ.Ε. [Επιλέξτε ημερομηνία] Οδηγός εγκατάστασης προγράμματος TestDrive του Υ.Μ.Ε. Για Windows Xp Κουϊρουκίδης Γεράσιμος Συντάκτης: Κουϊρουκίδης Γεράσιμος Οδηγός Εγκατάστασης προγράμματος TestDrive του Υ.Μ.Ε.

Διαβάστε περισσότερα

Φύλλο εργασίας 1 Εισαγωγή στη Ρομποτική

Φύλλο εργασίας 1 Εισαγωγή στη Ρομποτική Φύλλο εργασίας 1 Εισαγωγή στη Ρομποτική Χωριστείτε σε ομάδες 2-3 ατόμων και απαντήστε στις ερωτήσεις του φύλλου εργασίας. Δραστηριότητα 1 Συζητήστε με τα μέλη της ομάδας σας και γράψτε μια λίστα με ρομποτικές

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΠΡΟΗΓΜΕΝΗ ΝΟΣΗΛΕΥΤΙΚΗ ΚΑΙ ΦΡΟΝΤΙΔΑ ΥΓΕΙΑΣ ΣΤΗΝ ΚΟΙΝΟΤΗΤΑ ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΑΤΡΙΒΗ Αξιολόγηση της αποδιδόμενης

Διαβάστε περισσότερα

Αν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.

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

Διαβάστε περισσότερα

Προϋποθέσεις : ! Και οι δύο µεταβλητές να κατανέµονται κανονικά και να έχουν επιλεγεί τυχαία.

Προϋποθέσεις : ! Και οι δύο µεταβλητές να κατανέµονται κανονικά και να έχουν επιλεγεί τυχαία. . ΣΤΑΤΙΣΤΙΚΗ ΣΥΣΧΕΤΙΣΗ. Υπολογισµός συντελεστών συσχέτισης Προκειµένου να ελέγξουµε την ύπαρξη γραµµικής σχέσης µεταξύ δύο ποσοτικών µεταβλητών, χρησιµοποιούµε συνήθως τον παραµετρικό συντελεστή συσχέτισης

Διαβάστε περισσότερα

Θεοδωράκη Ελένη-Μαρία elma.theodoraki@aegean.gr

Θεοδωράκη Ελένη-Μαρία elma.theodoraki@aegean.gr Εισαγωγή στην πληροφορική με εφαρμογές στη Στατιστική Εισαγωγή στο Ms Excel 2007 Θεοδωράκη Ελένη-Μαρία elma.theodoraki@aegean.gr -> Webmail Εισαγωγή στο Ms Excel 2007 http://www.actuar.aegean.gr/ Webmail

Διαβάστε περισσότερα

4.1.1.στ: "Θετικές Ενέργειες Υπέρ των Γυναικών" Έκθεση Εσωτερικής Αξιολόγησης

4.1.1.στ: Θετικές Ενέργειες Υπέρ των Γυναικών Έκθεση Εσωτερικής Αξιολόγησης Τίτλος πράξης: "Επιμόρφωση Πιστοποίηση Γυναικών Αρχικής Επαγγελματικής Εκπαίδευσης & Κατάρτισης σε Δεξιότητες Πληροφορικής Επιχειρηματικού Σεναρίου" του ΕΠΕΑΕΚ 2000-2006 που συγχρηματοδοτείται από το Ευρωπαϊκό

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04

ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04 ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04 Μαρί-Νοέλ Ντυκέν Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες

Διαβάστε περισσότερα

Η αυθεντική ηγεσία και ο ρόλος της στις αλλαγές. Ονοματεπώνυμο: Μουμτζής Ευάγγελος- Δημήτριος Σειρά: 9 Επιβλέπων Καθηγητής: Ολίβια Κυριακίδου

Η αυθεντική ηγεσία και ο ρόλος της στις αλλαγές. Ονοματεπώνυμο: Μουμτζής Ευάγγελος- Δημήτριος Σειρά: 9 Επιβλέπων Καθηγητής: Ολίβια Κυριακίδου Η αυθεντική ηγεσία και ο ρόλος της στις αλλαγές Ονοματεπώνυμο: Μουμτζής Ευάγγελος- Δημήτριος Σειρά: 9 Επιβλέπων Καθηγητής: Ολίβια Κυριακίδου Δεκέμβριος 2012 Στόχος Έρευνας Στόχος της έρευνας είναι να σκιαγραφηθούν

Διαβάστε περισσότερα

Εγχειρίδιο Invest i. Εγχειρίδιο Invest

Εγχειρίδιο Invest i. Εγχειρίδιο Invest i Εγχειρίδιο Invest ii Copyright 2004, 2005 Raphael Slinckx Copyright 2007 Terrence Hall Δίνεται άδεια για αντιγραφή, διανομή και/ή τροποποίηση του εγγράφου υπό τους ""όρους της Ελεύθερης Άδειας Τεκμηρίωσης

Διαβάστε περισσότερα

1. Γνωριμία Με Το Περιβάλλον Του Ηλεκτρονικού Υπολογιστή

1. Γνωριμία Με Το Περιβάλλον Του Ηλεκτρονικού Υπολογιστή WINDOWS ΣΤΟΧΟΙ: 1. Γνωριμία Με Το Περιβάλλον Του Ηλεκτρονικού Υπολογιστή 2. Γνωριμία Με Την Επιφάνεια Εργασίας (Desktop) 3. Ta Βασικά Εικονίδια Της Επιφάνειας Εργασίας (Desktop) 4. Κουμπιά Παραθύρων 5.

Διαβάστε περισσότερα

1. Τα τμήματα της επιφάνειας εργασίας των Windows

1. Τα τμήματα της επιφάνειας εργασίας των Windows 1. Τα τμήματα της επιφάνειας εργασίας των Windows Εικονίδια συντομεύσεων (αρχείου-φακέλου) Εικονίδια Ανενεργά Ενεργό Επιφάνεια (αρχείου-φακέλου) παράθυρα παράθυρο εργασίας Γραμμή μενού Γραμμή εργαλείων

Διαβάστε περισσότερα

Εγχειρίδιο Χρήσης του «Ταξινομούμε»

Εγχειρίδιο Χρήσης του «Ταξινομούμε» Εργαστήριο Εκπαιδευτικής Τεχνολογίας Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Φιλοσοφική Σχολή Τμήμα Φ.Π.Ψ., Τομέας Παιδαγωγικής Διευθυντής: Καθ. Χ. Κυνηγός Εγχειρίδιο Χρήσης του «Ταξινομούμε» Περιεχόμενα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΕΝΟΤΗΤΕΣ 1. ΓΕΝΙΚΗ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ 3. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΗΣ ΠΡΟΟΔΕΥΤΙΚΗΣ ΠΡΟΣΘΗΚΗΣ

Διαβάστε περισσότερα

Στόχος µαθήµατος: ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. 1. Πολλαπλή γραµµική παλινδρόµηση. 1.2 Παράδειγµα 7 (συνέχεια)

Στόχος µαθήµατος: ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. 1. Πολλαπλή γραµµική παλινδρόµηση. 1.2 Παράδειγµα 7 (συνέχεια) ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ ΜΑΘΗΜΑ 12β ΕΡΓΑΣΤΗΡΙΟ 4β ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ ΜΕ ΤΗΝ ΧΡΗΣΗ SPSS

Διαβάστε περισσότερα

Επίλυση της πρωτοβάθμιας εξίσωσης με χρήση πλαισίων κειμένου και κουμπιών. Με το σετ αυτών των 4 εντολών τι κάνω ; Διαβάζω τις 2 μεταβλητές α και β.

Επίλυση της πρωτοβάθμιας εξίσωσης με χρήση πλαισίων κειμένου και κουμπιών. Με το σετ αυτών των 4 εντολών τι κάνω ; Διαβάζω τις 2 μεταβλητές α και β. Επίλυση της πρωτοβάθμιας εξίσωσης με χρήση πλαισίων κειμένου και κουμπιών. Οι βασικές εντολές επίλυσης της πρωτοβάθμιας εξίσωσης είναι: 1. Ερώτηση [δώσε το α] 2. Κάνε α απάντηση 3. Ερώτηση [δώσε το β]

Διαβάστε περισσότερα

ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ ΔΕΟ 13 ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ 3 η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ ΣΤΑΤΙΣΤΙΚΗ ΘΕΜΑΤΑ

ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ ΔΕΟ 13 ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ 3 η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ ΣΤΑΤΙΣΤΙΚΗ ΘΕΜΑΤΑ ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ ΔΕΟ 13 ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ 3 η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ ΣΤΑΤΙΣΤΙΚΗ ΘΕΜΑΤΑ ΘΕΜΑ 1 ο Τα δεδομένα της στήλης Grade (Αρχείο Excel, Φύλλο Ask1) αναφέρονται στη βαθμολογία 63 φοιτητών που έλαβαν μέρος σε

Διαβάστε περισσότερα

Αρχειοθέτηση ηλεκτρονικών μηνυμάτων με το. Outlook. Τομέας Συστημάτων Υπηρεσία Πληροφορικών Συστημάτων ΥΠΣ-ΕΔ087 10/03/ 2014.

Αρχειοθέτηση ηλεκτρονικών μηνυμάτων με το. Outlook. Τομέας Συστημάτων Υπηρεσία Πληροφορικών Συστημάτων ΥΠΣ-ΕΔ087 10/03/ 2014. Αρχειοθέτηση ηλεκτρονικών μηνυμάτων με το Outlook Τομέας Συστημάτων Υπηρεσία Πληροφορικών Συστημάτων ΥΠΣ-ΕΔ087 10/03/ 2014 Σελίδα 1 Πίνακας περιεχομένων 1. Εισαγωγή... 3 2. Αρχειοθέτηση ηλεκτρονικών μηνυμάτων...

Διαβάστε περισσότερα

Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS

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

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΟΥ PSPP

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΟΥ PSPP Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Μηχανικών Πληροφορικής (ΤΕ) Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΟΥ PSPP

Διαβάστε περισσότερα

Άσκηση 10 η Φωτισμός. Στόχος της άσκησης

Άσκηση 10 η Φωτισμός. Στόχος της άσκησης Άσκηση 10 η Φωτισμός Στόχος της άσκησης Ο φωτισμός μιας σκηνής αποτελεί ένα από τα πιο βασικά στοιχεία ρεαλισμού. Στην παρούσα άσκηση θα προσπαθήσουμε να εξοικειωθούμε με τη χρήση κάποιων τυπικών πηγών

Διαβάστε περισσότερα

Επεξεργασία πολλαπλών φύλλων εργασίας - Γραφημάτων Excel

Επεξεργασία πολλαπλών φύλλων εργασίας - Γραφημάτων Excel Επεξεργασία πολλαπλών φύλλων εργασίας - Γραφημάτων Excel 11.1. Πολλαπλά φύλλα εργασίας Στο προηγούμενο κεφάλαιο δημιουργήσαμε ένα φύλλο εργασίας με τον προϋπολογισμό δαπανών του προσωπικού που θα συμμετάσχει

Διαβάστε περισσότερα

Εισαγωγή στη Στατιστική Επεξεργασία Δεδομένων με το SPSS for Windows

Εισαγωγή στη Στατιστική Επεξεργασία Δεδομένων με το SPSS for Windows Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Φιλοσοφίας, Παιδαγωγικής και Ψυχολογίας Τομέας Ψυχολογίας Εισαγωγή στη Στατιστική Επεξεργασία Δεδομένων με το SPSS for Windows Επιμέλεια: Λέκτορας Βασίλης

Διαβάστε περισσότερα

Περιγραφή του βασικού παραθύρου του Cubase SE3. Εικόνα 1

Περιγραφή του βασικού παραθύρου του Cubase SE3. Εικόνα 1 Περιγραφή του βασικού παραθύρου του Cubase SE3 Εικόνα 1 Transport panel Προετοιμασία και εκτέλεση ηχογράφησης σε ένα κανάλι MIDI και Quantize 1. Ανοίγουμε το Cubase, πηγαίνουμε στο μενού File και επιλέγουμε

Διαβάστε περισσότερα

1. PHOTOMOD Montage Desktop (βασικό πρόγραμμα)

1. PHOTOMOD Montage Desktop (βασικό πρόγραμμα) PHOTOMOD 4.4 Lite Προσοχή: Πριν από την εκκίνηση του PHOTOMOD πρέπει να ενεργοποιηθεί η λειτουργία PHOTOMOD System Monitor (παρουσιάζεται με το εικονίδιο ) με την εντολή: START Programs PHOTOMOD Utility

Διαβάστε περισσότερα

Μενού Προβολή. Προβολές εγγράφου

Μενού Προβολή. Προβολές εγγράφου Μενού Προβολή Προβολές εγγράφου Το Word παρέχει πέντε διαφορετικού είδους προβολές στον χρήστη, οι οποίες και βρίσκονται στο μενού Προβολή (View). Εναλλακτικά μπορούμε να επιλέξουμε το είδος προβολής που

Διαβάστε περισσότερα

Oικονομικές και Mαθηματικές Eφαρμογές

Oικονομικές και Mαθηματικές Eφαρμογές Το πακέτο ΕXCEL: Oικονομικές και Mαθηματικές Eφαρμογές Eπιμέλεια των σημειώσεων και διδασκαλία: Ευαγγελία Χαλιώτη* Θέματα ανάλυσης: - Συναρτήσεις / Γραφικές απεικονίσεις - Πράξεις πινάκων - Συστήματα εξισώσεων

Διαβάστε περισσότερα

Σ ΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΡΜΗΝΕΙΑ ΑΠΟΤΕΛΕΣΜΑΤΩΝ

Σ ΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΡΜΗΝΕΙΑ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Σ ΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΡΜΗΝΕΙΑ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΩΝ ΕΞΕΤΑΣΕΩΝ Μ ΑΪΟΥ 2002 2004 Δ ΕΥΤΕΡΟ ΜΕΡΟΣ Π ΕΡΙΛΗΨΗ: Η μελέτη αυτή έχει σκοπό να παρουσιάσει και να ερμηνεύσει τα ευρήματα που προέκυψαν από τη στατιστική

Διαβάστε περισσότερα