Książka w niezwykle jasny sposób wprowadza Czytelnika w świat podstawowej wiedzy dotyczącej różnych schematów analiz wariancji:
– pokazuje wykonanie każdej omawianej analizy w SPSS, w prostych krokach, przy użyciu praktycznych przykładów i wskazówek, łącznie z wykorzystaniem języka poleceń,
– prezentuje wykorzystanie przykładów z realnych badań lub wyników wzorowanych na prawdziwych badaniach psychologicznych, w których zostały zastosowane różne omawiane formy analizy wariancji,
– tłumaczy pojęcia z zakresu statystyki, które trudno znaleźć w tak czytelnej formie w innych podręcznikach (pojęcie sferyczności, zastosowanie konkretnych poprawek w przypadku niespełnienia warunków parametrycznych dla analizy wariancji lub w przypadku porównań wielokrotnych, zasady testowania konkretnych hipotez przy użyciu analiz kontrastów, interpretacja interakcji w przypadku złożonych planów eksperymentalnych).
Statystyczny drogowskaz 2 pomoże poradzić sobie z nawet najtrudniejszymi zagadnieniami analizy różnic między grupami i między pomiarami.
Spis treści:
Rozdział 1 Wprowadzenie do analizy wariancji 13
Analiza wariancji jako technika porządkowania danych14
Przewaga analizy wariancji wobec testu t-Studenta15
Koniec dualizmu 16
Jeden czynnik czy wiele: urok interakcji17
Ograniczenia złożonych planów badawczych19
Moc testu i jej determinanty 20
Poziom istotności 23
Siła efektu 23
Zróżnicowanie wyników 24
Normalność rozkładu 24
Charakterystyka parametrycznych testów statystycznych 25
CZĘŚĆ I. Schematy międzygrupowe 27
Rozdział 2 Jednoczynnikowa analiza wariancji w planie międzygrupowym
Wprowadzenie 30
Logika analizy wariancji – co się kryje za statystyką f 30
Założenia teoretyczne analizy wariancji 34
Co zrobić, kiedy założenia są złamane? 34
Jak wykonać jednoczynnikową analizę wariancji w programie
IBM SPSS Statistics 36
Hipoteza niekierunkowa – podejście ekploracyjne 36
Krok 1: wprowadzenie danych do edytora danych 38
Krok 2: sprawdzenie założeń nałożonych na dane 38
Krok 3: przeprowadzenie analizy 42
Krok 4: interpretacja wyników 44
Krok 5: porównania a posteriori (post hoc) 46
Porównania a priori (kontrasty) 50
Analiza trendów 56
Język poleceń 60
Przykładowy raport 60
Zadania sprawdzające 61
Rozdział 3 Wieloczynnikowa analiza wariancji w planie międzygrupowym 63
Logika i podstawowe pojęcia wieloczynnikowej
analizy wariancji 64
Oszacowanie siły efektu 73
Rozszerzanie planu badawczego 73
Założenia wieloczynnikowej analizy wariancji 74
Przykładowy problem badawczy – dwuczynnikowa analiza
wariancji w praktyce 74
Wieloczynnikowa analiza wariancji w IBM SPSS Statistics 78
Interpretacja głównych tabeli raportu 81
Proste efekty główne i porównania parami 84
Porównania parami dla efektów głównych – testy post hoc 89
Testowanie założeń wieloczynnikowej analizy wariancji 90
Kontrasty 91
Język poleceń 92
Przykładowy raport z badania 92
Zadania sprawdzające 94
Przykład wykorzystania dwuczynnikowej analizy wariancji 95
CZĘŚĆ II . Schematy wewnątrzgrupowe 97
Rozdział 4 Wprowadzenie do analizy wariancji z powtarzanym pomiarem 99
Wprowadzenie 100
Jedno- versus wielozmiennowa analiza wariancji z powtarzanym pomiarem 105
Analiza wariancji z powtarzanym pomiarem – założenia 106
Rozdział 5 Jednoczynnikowa analiza wariancji z powtarzanym pomiarem 113
Problem badawczy 114
Model jednozmiennowy w IBM SPSS Statistics 117
Analiza efektu głównego wewnątrz osób 117
Model wielozmiennowy w IBM SPSS Statistics 130
Analiza efektu głównego wewnątrz osób 130
Przykładowy raport z badania 131
Język poleceń 132
Zadania sprawdzające 132
Rozdział 6 Dwuczynnikowa analiza wariancji z powtarzanym pomiarem 135
Wprowadzenie 136
Problem badawczy140
Model jednozmiennowy (one-way univariate repeated measures Ano va)143
Założenia143
Model jednozmiennowy w IBM SPSS Statistics 144
Model wielozmiennowy (multivariate repeated measures Ano va) 172
Założenia 172
Model wielozmiennowy w IBM SPSS Statistics 172
Przykładowy raport z badania 175
Język poleceń 177
Zadania sprawdzające 178
CZĘŚĆ III. Schematy mieszane 181
Rozdział 7 Dwuczynnikowa analiza wariancji w schemacie mieszanym 183
Kilka zdań na temat badań w schemacie mieszanym 184
Rodzaje efektów w analizie wariancji w schemacie mieszanym186
Dwuczynnikowa ANOVA w schemacie mieszanym 187
Problem badawczy187
Model jednozmiennowy (univariate mixed model ANOVA) 191
Założenia191
Model jednozmiennowy w IBM SPSS Statistics 193
Model wielozmiennowy (multivariate mixed model ANOVA) 213
Założenia 213
Model wielozmiennowy w IBM SPSS Statistics 213
8 Statystyczny drogowskaz 2
Przykładowy raport z badania 215
Język poleceń 218
Odniesienie w literaturze 218
Zadania sprawdzające 219
Rozdział 8 Analiza wariancji – integracja zagadnień 221
Narastający błąd – o problemie wielokrotnego testowania średnich 222
Analizy wyjaśniające w analizie wariancji 224
Zastosowanie strategii post hoc na przykładzie analizy
wyjaśniającej efekt główny 225
Analiza post hoc z perspektywy praktyka 227
Zastosowanie strategii a priori na przykładzie analizy
wyjaśniającej efekt główny 228
Rodzaje efektów i sposoby ich wyjaśniania w wieloczynnikowych
schematach badawczych 229
Hamletowski dylemat: testować założenia czy nie testować? 238
Przykład 1: chronotyp 239
Przykład 2: ruminacje 241
adobe algorytmy apache asp autocad asembler bsd c++ c# delphi dtp excel flash html java javascript linux matlab mysql office php samba voip uml unix visual studio windows word
Księgarnia Informatyczna zaprasza.