.

0 (hodnocen0 x )

BK

EB

1. vydání

Brno : Masarykova univerzita, 2022

285 stran : barevné ilustrace ; 23 cm

ISBN 978-80-210-9935-7 (brožováno)

ISBN 978-80-210-9936-4 (online ; pdf)

Obsahuje bibliografie, bibliografické odkazy a rejstřík

Kniha navazuje na úspěšný titul Statistická analýza sociálněvědních dat prostřednictvím SPSS (Masarykova univerzita, 2019). Kniha představuje čtenáři vybrané pokročilé statistické techniky, které se užívají v sociálněvědní oblasti. Konkrétně se kniha věnuje nejdříve strukturním modelům (specificky úsekové analýze a konfirmační faktorové analýze), posléze víceúrovňovým modelům (lineárním i nelineárním) a v závěru pak postupům pro zpracování kategoriálních dat (korespondenční analýze a analýze latentních tříd). Kromě teoretického výkladu jednotlivých technik je pozornost zaměřena na jejich aplikaci na reálných sociálněvědních datových souborech. Základní výpočty jsou v knize prováděny v IBM SPSS Statistics a IBM SPSS AMOS. Ke knize je přirpavena i webová stránka, která obsahuje kromě všech použitých datových souborů a zadání jednotlivých analýz též další materiály, konkrétně postupy analýz v dalších statistických programech (MPlus, JASP či R). Materiály na doprovodném webu budou dále doplňovány, částečně dle požadavků čtenářů..

Popsáno podle tištěné verze

001659489

Úvod 9 // Kapitola 1 - Úvod do strukturního modelování 11 // Předehra ke strukturnímu modelování a základy práce s AMOS 12 // 1.1 Vysvětlení podstaty strukturního modelování a dílčích technik 13 // 1.2 Základní terminologie a konvence pro grafické // zachycení modelů v tzv. diagrafech včetně ukázek 14 // 1.3 Podoby datové matice pro různé modely 19 // 1.3.1 Výběry a jejich velikost 19 // 1.3.2 Využití individuálních dat 21 // 1.3.3 Kovarianční (korelační) podoba dat 24 // 1.4 Problém identifikace modelů 27 // 1.5 Odhadovací techniky a typy použitých proměnných 30 // 1.6 Vyhodnocení modelů a parametrů 33 // 1.6.1 Chí-kvadrát test 35 // 1.6.2 Kritéria pro vyhodnocení kvality modelu 36 // 1.6.3 Vyhodnocení shody velikosti dvou parametrů 42 // 1.7 Principy budování strukturních modelů 43 // Kapitola 2 - Úseková analýza 51 // 2.1 Úseková analýza a představení úlohy pro analýzu 51 // 2.2 Přímé, nepřímé a celkové efekty 52 // 2.3 Postup úsekové analýzy 53 // 2.3.1 Je náš model úsekové analýzy ve světle našich dat udržitelný? 54 // 2.3.2 Jak se nám daří vysvětlit jednotlivé endogenní proměnné v našem modelu? 56 // 2.3.3 Jsou prediktory v našem modelu statisticky a věcně významné? 57 // 2.3.4 Bylo by vhodné model nějak upravit? 61 // Kapitola 3 - Konfirmační faktorová analýza 69 // 3.1 Úvod do terminologie a představení úlohy pro analýzu 69 // 3.2 Jednofaktorový model a jeho možná modifikace 73 // 3.2.1 Je náš model konfirmační faktorové analýzy ve světle našich dat udržitelný?.. 78 // 3.2.2 Jak se nám daří vysvětlit jednotlivé endogenní proměnné v našem modelu? 79 // 3.2.3 Jsou prediktory v našem modelu statisticky a věcně významné? 79 // 3.2.4 Bylo by vhodné model nějak upravit? 82 //

3.3 Dvoufaktorový model a jeho modifikace (aneb Mají být faktory vzájemně provázány?) 86 // 3.4 Konfirmační faktorová analýza druhého řádu (aneb Máme použít jediný faktor?) 94 // Kapitola 4 - Komplexní strukturní modely 109 // 4.1 Úvodní motivace a představení analýzy a jejího postupu 109 // 4.2 Dílčí modely měření 111 // 4.2.1 Model měření pro individuálně nedeklarovanou stránku kolektivní paměti 111 // 4.2.2 Model měření pro veřejně deklarovanou stránku kolektivní paměti 116 // 4.2.3 Model měření pro individuálně deklarovanou stránku kolektivní paměti 120 // 4.3 Regresní model pro vysvětlení individuálně deklarované paměti (práce s průměrovými indexy) 124 // 4.4 Komplexní model 126 // 4.5 Komplexní model bez modifikací jednotlivých modelů měření 129 // Kapitola 5 - Víceúrovňové lineární modely 135 // 5.1 Úvodem 135 // 5.1.1 Využití statistického softwaru pro víceúrovňové modelování 136 // 5.1.2 Základní myšlenky a zdůvodnění víceúrovňových modelů 136 // 5.1.3 Podrobnější statistická motivace hierarchických modelů 138 // 5.2 Vnitrotřídní koeficient korelace a jeho výpočet (nulový model) 142 // 5.3 Model s jednou vysvětlující proměnnou na první úrovni 147 // 5.4 Zavedení proměnných na druhé úrovni (model 4) 151 // 5.5 Model s náhodnou konstantou a proměnnými na první i druhé úrovni (model 5) 154 // 5.6 Model s náhodnou konstantou i směrnicí a proměnnými na první i druhé úrovni (model 6) 155 // 5.7 Stručné shrnutí pravidel pro budování víceúrovňových modelů a kritéria k porovnání modelů 158 // 5.8 Stručně o výběrech a jejich velikostech 159 // 5.9 Varování aneb Nepodlehněte kouzlu víceúrovňového modelování 159 // 5.10 Smířlivé zakončení aneb V čem spočívají přednosti víceúrovňových modelů? 160 //

5.11 Přehled základní učební literatury o víceúrovňovém modelování // a přehled řešených problémů 161 // Kapitola 6 - Víceúrovňové modely pro kategoriální závisle proměnné 165 // 6.1 Úvodem 165 // 6.1.1 Typické proměnné pro modelování v sociálních vědách 166 // 6.1.2 Přehled přístupů pro kategoriální data a jejich základní logika 166 // 6.2 Model pro kategoriální závisle proměnnou - jednoúrovňový přístup 169 // 6.2.1 Model pro školní doučování s žákovskými prediktory 172 // 6.2.2 Modely pro školní doučování obsahující školní prediktory 182 // 6.3 Model pro kategoriální závisle proměnnou - víceúrovňový přístup 184 // 6.3.1 Nulový model 184 // 6.3.2 Víceúrovňový model s prediktory na první úrovni (žákovská) 188 // 6.3.3 Víceúrovňový model s prediktory na druhé úrovni (školní) 194 // 6.3.4 Víceúrovňový model s prediktory na první i druhé úrovni (žákovská a školní) 196 // 6.3.5 Víceúrovňový model se standardizovanými prediktory na první i druhé úrovni (žákovská a školní) 198 // 6.4 Víceúrovňový model pro nominální závisle proměnnou: modelování místa, // kde žák navštěvuje doučování 201 // Kapitola 7 - Korespondenční analýza 209 // 7.1 Úvod 209 // 7.2 Základní logika korespondenční analýzy pro dvě proměnné 210 // 7.2.1 Exkurz o logice výpočtu korespondenční analýzy a základní terminologii 214 // 7.3 Příklad analýzy vztahu dvou proměnných: volená strana a vzdělání 218 // 7.3.1 Základní zadání a interpretace výstupů 218 // 7.3.2 Normalizace a její dopady 228 // 7.3.3 Využití doplňkové kategorie 231 // 7.3.4 Exkurz: Jak použít korespondenční analýzu pro publikovanou kontingenční tabulku? 235 // 7.4 Vícerozměrná korespondenční analýza (příklad analýzy vztahu tří proměnných) 240 //

7.5 Shrnutí a doporučení pro publikaci výsledků korespondenční analýzy 248 // Kapitola 8 - Analýza latentních tříd 251 // 8.1 Úvod 251 // 8.2 Základní myšlenky lazarsfeldovské analýzy latentních struktur 251 // 8.3 Analýza latentních tříd 252 // 8.3.1 Srovnání LCA s LSA 252 // 8.3.2 Porovnání LCA s faktorovou analýzou 253 // 8.4 Aplikace LCA na reálných datech (typologie žáků 4. ročníku podle jejich vztahu k matematice) 255 // 8.4.1 Použitá data a proměnné 255 // 7 // OBSAH // 8.4.2 Typologie za pomoci LCA 256 // 8.4.3 Shrnutí postupu explorační LCA 261 // 8.4.4 Modely se dvěma, třemi a čtyřmi třídami 261 // 8.4.5 Uložení třídní příslušnosti do dat a následné analýzy 268 // 8.5 Detailní rozbor analýzy latentních tříd a její další možnosti 272 // 8.5.1 Počet tříd a nepodmíněné pravděpodobnosti 272 // 8.5.2 Podmíněné pravděpodobnosti náležení do třídy při odpovědích na jednotlivé výroky 273 // 8.5.3 Explorační a konfirmační verze LCA 273 // 8.6 Explorační analýza latentních tříd (možnosti a doporučení) 273 // 8.6.1 Postup a odhadovací techniky 273 // 8.6.2 Vyhodnocení kvality modelu 274 // 8.6.3 Zařazení respondenta do latentní třídy pro další práci s daty 274 // 8.7 Výhody a nevýhody LCA 275 // 8.8 Počítačové programy pro analýzu latentních tříd 276 // 8.9 Shrnutí 277 // Rejstřík 283 // Písmena řecké abecedy 285

(OCoLC)1329407873

(MiAaPQ)ECB6898254

cnb003367414