Kísérleti helyzetek és csoportok összehasonlítása új statisztikai módszerekkel = Comparison of experimental treatments and groups by means of new statistical methods

Vargha, András (2008) Kísérleti helyzetek és csoportok összehasonlítása új statisztikai módszerekkel = Comparison of experimental treatments and groups by means of new statistical methods. Project Report. OTKA.

Preview

PDF 47144_ZJ1.pdf Download (241kB)

Abstract

Kutatásaim fő célja: új statisztikai módszerek kidolgozása a pszichológiai kutatások számára összetartozó és független minták egy- és kétszempontos összehasonlításainak különböző elrendezéseiben. A legfontosabb eredmények: 1. Az osztópont-elemzés módszerének kidolgozása. Ezzel a módszerrel két vagy több független minta esetén megbízhatóan kideríthető, hogy van-e a függő változó értékskálájának olyan pontja, amelyben a két vagy több elméleti eloszlás közti különbség koncentrálódik, vagyis amelyben a függő változót dichotomizálva a legélesebb különbséget tapasztaljuk a csoportok között. 2. Sűrűsödéspont-elemzés kidolgozása. Ezzel a módszerrel azonosíthatók egy minta azon személyei, akiknek megadott távolságmérték alapján a legtöbb "szomszédjuk" van. Egy klaszteranalízis után végrehajtott sűrűsödéspont-elemzés segíthet feltárni a klaszterek prototípusait, karakterisztikus alközpontjait. 3. Érvényesen használható robusztus próba megszerkesztése a kétszempontos független mintás varianciaanalízisben az interakciós hatás tesztelésére. 4. Új módszer kidolgozása két kvantitatív változó közti nemlineáris összefüggések feltárására. 5. A KLASZTER szoftver kidolgozása, mellyel egyedi klasszifikációk és komplex mintázatfeltáró elemzéssorok egyaránt végrehajthatók. | The main goal of the project: to develop new statistical methods for research in psychology in different arrangements of one-way and two-way layouts. Most important results are as follows: 1. Development of cutpoint analysis. By means of this method one can reveal in comparing one or more independent samples the special point where dichotomizing the quantitative dependent variable the groups can be discriminated most sharply. 2. Development of dense point analysis. This method reveals in a sample subjects having the greatest number of neighbors. If a control clustering variable is specified, the method reports the percentages of dense point neighborhoods falling into the different clusters for each explored dense point. 3. Construction of a valid robust procedure for testing the interaction effect in the layout of two-way independent sample ANOVA. 4. Development of a new method for exploring nonlinear relationships over the whole range of a quantitative variable by means of local correlations. 5. Development of statistical software (called KLASZTER) capable to perform simple classifications and complex series of pattern oriented analyses as well.

Actions (login required)

Edit Item