ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII, ÚKOL Č. 2
                                                       Petr Fučík


VÝSLEDKY Z SPSS:

Model s konstantou:







Model se všemi proměnnými:

pozn: použitá metoda: Enter

interpretace Exp(B) (odds ratios): nejsilnějším prediktorem
preference umístění v severních či jižních vojenských táborech je
geografický původ vojáků. Seveřané tedy logicky preferují severní
tábory, běloši taktéž severní tábory a ti, kteří byli umístěni
v severních táborech preferují silněji sever.


Signifikace testu dobré shody:

   Hosmer and Lemeshow Test

Ste   Chi-   df    Sig.
p    square
1    24,978     5   ,000






Model s interakcemi:





Podle výsledků modelování vč. Interakcí je zřejmé, že změna
modelu po jejich zařazení není signifikantní. Pouze v případě
interakce umístění v táboře a geografického původu jde o
signifikantní změnu modelu. Dle výsledků testu dobré shody je
však nutné model odmítnout pro signifikantní odchylky mezi
předikovanými a napozorovanými daty.






VÝSLEDKY ZE STATY:


MODEL KONSTANTY

Iteration 0:   log likelihood = -5569.8597

Logit estimates                                       Number of
obs   =       8036
                                                          LR
chi2(0)      =       0.00
                                                          Prob >
chi2     =          .
Log likelihood = -5569.8597                 Pseudo R2       =
0.0000

-----------------------------------------------------------------
-------------
        pref |      Coef.        Std. Err.      z        P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------
-------------
       _cons |  -.0164265    .0223113    -0.74       0.462    -
.0601558    .0273029
-----------------------------------------------------------------
-------------








MODEL SE VŠEMI PROMĚNNÝMI


Logit estimates                                       Number of
obs   =       8036
                                                     LR chi2(3)
=    3086.51
                                                          Prob >
chi2     =     0.0000
Log likelihood = -4026.6051                 Pseudo R2       =
0.2771

-----------------------------------------------------------------
-------------
        pref | Odds Ratio    Std. Err.          z    P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------
-------------
      camp |       4.705148      .2950837      24.69   0.000
4.160927    5.320549
      origin|      13.64266      .8508743      41.90   0.000
12.07288    15.41656
      race   |     2.141788      .1326232      12.30   0.000
1.897006    2.418157
-----------------------------------------------------------------
-------------



BIC pro model s konstantou: -64168,018
BIC pro plný model: -3059,534


PREDIKCE HODNOT ZÁVISLE PROMĚNNÉ:
(provedeny na základě modelu se všemi proměnnými, pouze pro
některé kombinace hodnot nezávisle proměnných)

logit: Predictions for pref

  Pr(y=1|x):          0.0597   95% ci: (0.0516,0.0690)
  Pr(y=0|x):          0.9403   95% ci: (0.9310,0.9484)

      camp  origin    race
x=       0       0       0

logit: Predictions for pref





  Pr(y=1|x):          0.8972   95% ci: (0.8844,0.9088)
  Pr(y=0|x):          0.1028   95% ci: (0.0912,0.1156)

      camp  origin    race
x=       1       1       1

černoch, pocházející z jihu, umístěný v jižním táboře bude
s pravděpodobností 0,95 preferovat umístění v jižním táboře.
Seveřan, běloch, umístěný v severním táboře bude preferovat sever
s pravděpodobností 0,90.
Běloch umístěný na severu, původem z jihu preferuje s 61%
pravděpodobností jih.

Atd.