Přehled statistických modelů PSY028 2017 •Teoretická témata •Pravděpodobnostní rozložení •Statistické usuzování •Intervaly spolehlivosti •Testy signifikance •Alternativy ke „klasickým“ postupům statistického usuzování •Velikost účinku, stanovení potřebné velikosti vzorku – síla testu, replikabilita… •Praktické problémy •Správa dat a práce se „špinavými“ daty •Analýza s chybějícími daty •Univariační analýzy – modely predikující různými způsoby jednu závislou proměnnou •Statistický model •Lineárně regresní model •Analýza rozptylu jako specifická parametrizace lineárně regresního modelu •Interakce a kontrasty v lineárním modelu •Generalizovaný lineární model – diskrétní a nonnormálně rozložené závislé proměnné •Víceúrovňový lineární model •Analýzy s latentními proměnnými – modely vztahů mezi manifestními proměnnými využívající latentní proměnné •Konfirmační faktorová analýza •Explorační faktorová analýza •Strukturní model • • http://images3.ehaus2.co.uk/macmillan-images/l/978023/9780230363557.jpg https://www.guilford.com/covers/large/9781462523344.jpg •Výstupem kurzu je orientace v široké paletě statistických modelů, v jejich užití, interpretaci, silných a slabých stránkách a schopnost vybrané analýzy samostatně realizovat. • • • •Požadavky na ukončení kurzu •Ústní zkouška v podobě diskuze publikované analýzy – její interpretace, kritické zhodnocení a formulování alternativních modelů. • • Popisná statistika (B.ch.1) •Data •Vzorky a populace •Statistický popis dat (vzorku) •Ukazatele centrální tendence •Ukazatele variability/rozptýlenosti •Usuzování ze vzorku na populaci, zkreslení a jeho korekce • •ROZPTYL • Pravděpodobnostní rozložení (B.ch.2) •Pravděpodobnost jako uchopení nejistoty spojené s odhady populačních parametrů •Diskrétní a spojité pravděpodobnostní rozložení •graf hustoty pravděpodobnosti a pravděpodobnostní distribuční funkce (pdf) •Binomické rozdělení •Poissonovo rozdělení •Normální rozdělení •Lognormální rozdělení •Chí-kvadrát rozdělení •t-rozdělení, F-rozdělení • Intervaly spolehlivosti (B.ch.3) •Vyjádření nejistoty přechodem od bodového odhadu k intervalovému •Různé způsoby stanovování – volba mezi nejistotami •Teoreticky odvozené •Monte Carlo určené • • •(Pravidla pro rozptyl součtu/rozdílu proměnných! s. 87) • Statistické testování hypotéz •NHST klasika způsobem, kterému můžete věřit (B.ch.4) •Co je a co není p-hodnota. •Dnes hojně diskutované alternativy NHST – explicitní snaha o kvantifikaci podpory, kterou data nabízejí zvolené hypotéze, oproti alternativní hypotéze (B.ch.11) • •Porovnávání likelihoodů hypotéz •Bayesovské usuzování •Informační kritéria • Velikost účinku (B.ch. 7, 6) •Velikost účinku jako standardizovaná metrika velikosti rozdílu, či těsnosti vztahu •Korelace je rozdíl je korelace. • Velikost účinku jako metaanalyzovatelná veličina – srovnávání a systematizace předchozího výzkumu. Síla testu (B.ch. 8) •Plánování velikosti vzorku, aby efekty, které hodláme ověřovat, měly šanci být viděny (odlišeny od šumu, náhody) •Posuzování „šťastlivosti“ velkých efektů v malých výzkumech Reálná data bývají vzdálena pravděpodobnostním ideálům •Odpovídají data předpokladům modelů, které znám? •Neodpovídají-li data předpokladům, dá se s tím něco dělat? •Jiné modely – robustní metody •Transformace • •Data často chybí – Missing data •online supplement 2 Modelování variability závislé proměnné •Statistický model – predikce a vysvětlení (B.ch. 5) •Lineárně regresní model (B.ch. 5, 12) •Analýza rozptylu jako specifická parametrizace lineárně regresního modelu (B.ch. 13) •Interakce a kontrasty v lineárním modelu (B.ch. 14,15) •Generalizovaný lineární model – diskrétní a nonnormálně rozložené závislé proměnné (B.ch. 17) •Víceúrovňový lineární model (B.ch. 18) • Analýzy s latentními proměnnými Kline •Konfirmační faktorová analýza (CFA) •Explorační faktorová analýza (EFA) •Strukturní model (SEM) • •Lze studovat v různém pořadí. CFA je součástí SEM, a tak je dobré je studovat z jednoho zdroje. EFA je podobným modelem jako CFA, a jejich srovnáváním může dojcházet k porozumění. • EXPLORAČNÍ FAKTOROVÁ ANALÝZA •Kapitola ve Fieldovi (2013), nebo v Hair et al. (2014) • •Explorační hledání neměřených (latentních) proměnných – faktorů – které by vysvětlovaly vztahy (=korelace) mezi námi měřenými (manifestními) proměnnými. •Hledání možných (kauzálních, jádrových, základních) zdrojů chování a prožívání. KONFIRMAČNÍ FAKTOROVÁ ANALÝZA •Hair et al. (2014), kap. 12, nebo obsáhleji Kline (2015), kap. 9 a 13. •V obou případech je potřeba prolistovat/projít předcházející text (kap. 11 v Hairovi, první půlku Klineovy knihy). •CFA představuje faktorový model, který si na základě teorie představujeme, a jehož plauzibilitu chceme otestovat. •CFA je součástí SEM modelu – CFA modeluje vznik faktorů, mezi kterými pak SEM modeluje vztahy. • STRUKTURNÍ MODEL STRUCTURAL EQUATION MODELING •Hair et al. (2014), kap. 11, nebo obsáhleji Kline (2015), kap. 10 a 14. •Všestranný rámec pro modelování vztahů mezi latentními proměnnými. •Výhodou latentních proměnných je, že jsou modelovány, jako by byly bez chyby měření. Vztahy mezi latentními proměnnými jsou tak méně zastřené nedostatečnou reliabilitou měření. •SEM modely se používají ve většině oblastí psychologie.