Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych.

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

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

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

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

Rozdziały:

CZĘŚĆ I MODELE REGRESJI

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

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

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

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

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

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

CZĘŚĆ II MODELOWANIE STRUKTURALNE

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

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

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

ROZDZIAŁ 10 Krótkie wprowadzenie do IBM SPSS Statistics AMOS