Tartalomjegyzék

Bevezetés
1. Lineáris regresszió-analízis
	1.1 Bevezetés
	1.2 Egyszerű lineáris regresszió
		1.2.1 Milyen mértékű elégedettséget von maga után a fizetésemelés?
		1.2.2 Szisztematikus kapcsolat változók között
		1.2.3 Lineáris (egyenes) kapcsolat jellemzése
		1.2.4. A lineáris regressziós modell
		1.2.5 Mire használhatjuk ezt a módszert?
		1.2.6 Négyzetes korrelációs együttható
		1.2.7 A regressziós együtthatók vizsgálata
	1.3 Többszörös lineáris regresszió
		1.3.1 Multikollinearitás
		1.3.2 A regressziós együtthatók és parciális korreláció
		1.3.3 Sztenderdizált regressziós együtthatók
		1.3.4 A becslés sztenderd hibája
		1.3.5 Többszörös determinációs együttható
		1.3.6 A modell érvényességének tesztelése: az F-statisztika
		1.3.7 Modellek összehasonlításának vizsgálata
	1.4 Regresszió-számítás kategorikus független változóval
	1.5 Szegmentált regresszió-számítás
	1.6 Példák
		1.6.1 probléma. Befolyásolja-e a munkahellyel való elégedettséget a fizetés nagysága és az életkor?
		1.6.2 probléma. Befolyásolja-e a kalandvágy a hivatásos katonai szolgálatnál eltöltött időt?
		1.6.3 probléma. A férfiak vagy a nők elégedettebbek a munkahelyükkel?
		1.6.4 probléma. Hogyan alakul a betanított munkások teljesítménye a munka megismerésétől kezdődően az idő előre haladtával?
	1.7 Mellékletek
		1.7.1 melléklet. Legkisebb négyzetek elvén alapuló lineáris regresszió
		1.7.2 melléklet. Egyszerű lineáris regresszió (formális levezetés)
		1.7.3 melléklet. A korrelációs együttható és a regressziós együttható kapcsolata
		1.7.4 melléklet. Modellek összehasonlításának hipotézistesztelése
		1.7.5 melléklet. Az 1.6.2 probléma adatai
2. Főkomponens-analízis
	2.1 Bevezetés
	2.2 Mik is azok a főkomponensek?
	2.3 A főkomponens-analízis menete
		2.3.1 A főkomponens-analízis nyers adatai, a változók sztenderdizálása
		2.3.2 A korrelációs és a kovariancia mátrix kiszámítása
		2.3.3 Sajátértékek és sajátvektorok kiszámítása
		2.3.4 Főkomponensek számának meghatározása
	2.4 Skálák megbízhatóságának vizsgálata
		2.4.1 Cronbach-alfa
		2.4.2 Theta
	2.5 Példák
		2.5.1 Probléma: Létezik a reál tárgyak iránti fogékonyság?
		2.5.2 Probléma: Egy kérdőív szerkesztésének problémái
		2.5.3 Probléma: Mi is az a munkahelyi tolerancia?
		2.5.4 Probléma: Egy elégedettségvizsgálat tanulságai
	2.6 Mellékletek
		2.6.1 melléklet: 2.22. R-eredmény
		2.6.2 melléklet: 2.32. R-eredmény
		2.6.3 melléklet: 2.42. R-eredmény
3. Faktoranalízis
	3.1 Bevezetés
	3.2 Vonás- és állapot-szorongás
	3.3 A faktoranalízis modellje
		3.3.1 A "köznapi" modell
		3.3.2 Matematikai modell
	3.4 A faktoranalízis menete
		3.4.1 Faktorsúlyok kiszámítása
		3.4.2 Faktor-rotáció
		3.4.3 A faktorértékek kiszámítása
	3.5. A faktoranalízis és a főkomponens-analízis összevetése
	3.6 A faktoranalízis felhasználási köre
	3.7 Példák
		3.7.1 Probléma: Valóban szétválasztható a reál és a humán tárgyakhoz szükséges tudás?
		3.7.2 Probléma: Toleranciavizsgálat egy másik aspektusból
		3.7.3 Probléma: A Big Five személyiségvizsgáló eljárás faktoranalízise
		3.7.4 Probléma: Milyen dimenziói vannak a kockázatvállalásnak és változik-e a korral a kockázatvállalás?
	3.8 Mellékletek
		3.8.1 melléklet: A 3.18. R-eredmény
		3.8.2 melléklet: A 3.20. R-eredmény
		3.8.3 melléklet: A 3.26. R-eredmény
		3.8.4 melléklet: A 3.31. R-eredmény
4. Diszkriminancia-analízis
	4.1 Bevezetés
	4.2 Szalagmunkások vizsgálata
	4.3 A diszkriminancia-analízis felhasználási köre
	4.4 A csoportok szétválasztásának problémája
	4.5 Kanonikus diszkriminancia függvények
	4.6 Egy teljes körű példa: szalagmunkások vizsgálatának folytatása
	4.7 Példák
		4.7.1 probléma: Kikből lesznek a balesetezők?
		4.7.2 Probléma: A szülés utáni depresszió vizsgálata
		4.7.3 Probléma: Pszichoszomatikus megbetegedésekre hajlamosító tényezők
		4.7.4 Probléma: Kik vásárolnak gyakran bio termékeket?
	4.8 Mellékletek
		4.8.1 melléklet: A Mahalanobis-féle távolság
		4.8.2 melléklet: A kanonikus diszkriminancia függvény együtthatóinak meghatározása
		4.8.3 melléklet: A Wilks-féle lambda
		4.8.4 melléklet: A 4.11. R-eredmény
		4.8.5 melléklet: A 4.16. R-eredmény
		4.8.6 melléklet: A 4.21. R-eredmény
		4.8.7 melléklet: A 4.26. R-eredmény
5. Klaszteranalízis
	5.1 Bevezetés
	5.2 Mire jó a klaszteranalízis?
	5.3 A klaszteranalízis típusai
		5.3.1 Hierarchikus eljárások
			5.3.1.1 Egyszerű lánc, avagy a legközelebbi szomszéd elve
			5.3.1.2 Teljes lánc, avagy a legtávolabbi szomszéd elve
			5.3.1.3 Egyéb hierarchikus eljárások
		5.3.2 K-középpontú klaszteranalízis
	5.4 Döntés a klaszterek számáról
	5.5 Távolságmérő eljárások
	5.6 Példák
		5.6.1 probléma: Csokoládémárkák vizsgálata
		5.6.2 probléma: Vásárlói attitűdök vizsgálata
		5.6.3 probléma: Étteremlátogatással kapcsolatos attitűdök vizsgálata
		5.6.4 probléma: Vállalatok vizsgálata
		5.6.5 probléma: Nemzetekkel kapcsolatos sztereotípiák vizsgálata klaszteranalízissel válaszadó által megadott távolságmátrixok alapján
6. Többdimenziós skálázás
	6.1 Bevezetés
	6.2 A többdimenziós skálázás alapjai
	6.3 A többdimenziós skálázás menete
		6.3.1 A távolságmátrix előállítása
		6.3.2 A távolságadatok geometrikus reprezentációja
		6.3.3 A kapott konfiguráció értékelése
			6.3.3.1 A Stress-érték
			6.3.3.2 A Shepard-diagram
			6.3.3.3 Az RSQ
			6.3.3.4 A fi-érték
			6.3.3.5 A mü-érték
		6.3.4 A többdimenziós skálázás lépéseinek összefoglalása
	6.4. Hasonlósági értékek távolsággá transzformálása
	6.5 Példák
		6.5.1 probléma: Üdítőitalok vizsgálata
		6.5.2 probléma: Autómárkák hasonlóságának vizsgálata
		6.5.3 probléma: Vállalatok vizsgálata
		6.5.4 probléma: Többdimenziós skálázás összevetése a klaszteranalízis és a faktoranalízis eredményeivel
	6.6 Mellékletek
		6.6.1 melléklet: Eloszlások közötti különbségek meghatározása vizsgálata