Füstös László - Tárnok Orsolya: Strukturális egyenletek modelljei

ISSN: 
HU ISSN 2062-2472
Alcím: 
Másodgenerációs statisztikai módszerek
Szerkesztette: 
Füstös László - Tárnok Orsolya
Kiadta: 
Társadalmi Elemzések Alkalmazott Műhelye
Kiadás éve: 
2017
Oldalszám: 
148
Kiadvány típusa: 
Online időszaki kiadvány

A társadalomtudósok már régóta használnak statisztikai elemzéseket, hogy felderítsenek és konfirmáljanak kutatási megállapításokat. Az első-generációs statisztikai módszerek alkalmazása, mint a faktorelemzés és a regresszió elemzés dominálta az alkalmazásokat egészen a 80-as évekig. A 90-es évek elejétől azonban a másod-generációs módszerek terjedtek el nagyon gyorsan olyannyira, hogy számos tudományterületen a statisztikai eszközök közel 50%-át már reprezentálják.
A sokváltozós elemzés olyan statisztikai módszerek alkalmazását jelenti, amely sok változó szimultán elemzését teszi lehetővé. Ezek a változók mért, manifeszt változók, amelyek egyének, vállalatok, események, tevékenységek, helyzetek, stb. mérési adataihoz kapcsolódnak. A mérési adatokat felmérésekből vagy megfigyelésekből kaphatjuk, vagy adatbázisok másodlagos adatai lehetnek.
A társadalomtudományokban leggyakrabban az elsőgenerációs modelleket alkalmazzák (Fornell, 1982, 1987). Ezek a fenti táblázat felső részben találhatók, mint a regresszión alapuló módszerek, mint a többváltozós regresszió, logisztikus regresszió és a varianciaelemzés, valamint az exploratív és konfirmatív faktorelemzés, klaszterelemzés és a sokdimenziós skálázás. Amikor alkalmazzuk ezeket a kutatási kérdések vizsgálatánál, alkalmazhatjuk az a prior elmélet megerősítésére, konfirmálására, vagy az adatstruktúrák felderítésére, explorálására. Ezek a módszerek konfirmatívak, amennyiben a priori elméletek hipotéziseit teszteljük, és exploratívak, amikor az adatok mintázatait, struktúráját vizsgáljuk előzetes a priori tudás, vagy ismeret nélkül a változók kapcsolatainak vizsgálata alapján.
Az adatelemzés főbb megfontolásai közül a legelső az exploratív vs. konfirmatív (felderítő vs. megerősítő) megkülönböztetés (a biztos vs. bizonytalan adat, a manifeszt vs. látens változó, a lineáris vs. nemlineáris modell a többi stratégiai megfontolás). A gyakorlatban azonban nem mindig éles a határ a kettő között. Például, amikor regresszióelemzést végzünk, és a priori tudás, elmélet alapján döntünk arról, hogy mi legyen függő változó, és mi a magyarázó változó, azt vizsgáljuk, hogy mely független változók tekinthetők szignifikáns becslő változóknak. Ekkor konfirmatív az eljárásunk. Azonban amennyiben újabb változó változókat vonunk be a modellben, és azt vizsgáljuk, hogy javítja-e a modell illeszkedését az új változók bevonása, akkor már exploratív az eljárásunk. Hasonlóan az exploratív faktorelemzésnél arra használjuk a megfigyelési adatokat, hogy a változók kapcsolatrendszerét derítsük fel, és próbáljuk meg a sok változót redukálni a kapcsolatrendszert legjobban reprodukáló faktorokkal. Sokszor van a priori tudásunk arról, hogy hány faktorra van szükségünk a még kielégítő reprodukáláshoz. (Sarstedt @ Mooi, 2014). A konfirmatív faktorelemzésnél tesztelni és igazolni akarunk egy a priori meghatározott faktor és a hozzájuk rendelt változókat.