You are on page 1of 67

Budapest, 2004.

februr
MARKETINGKUTATS II.
Oktatsi segdanyag

Tartalomjegyzk
ELSZ ................................................................................................................................... 2
1 AZ SPSS-RL LTALBAN........................................................................................ 3
1.1 DATA EDITOR.............................................................................................................. 3
1.2 VIEWER....................................................................................................................... 4
1.3 CHART EDITOR............................................................................................................ 4
2 ADATBEVITEL............................................................................................................... 5
2.1 ELSDLEGES ADATBEVITEL......................................................................................... 5
2.2 MSODLAGOS ADATBEVITEL ...................................................................................... 5
3 ADATELKSZTS .................................................................................................... 6
3.1 SELECT (DATA > SELECT CASES)................................................................................ 6
3.2 COMPUTE (TRANSFORM > COMPUTE) ......................................................................... 6
3.3 COUNT (TRANSFORM > COUNT).................................................................................. 7
3.4 RECODE (TRANSFORM > RECODE) .............................................................................. 7
3.5 CATEGORIZE (TRANFORM > CATEGORIZE VARIABLES) .............................................. 7
4 EGY- S KTVLTOZS ELEMZSEK.................................................................. 9
4.1 GYAKORISGI ELOSZLSOK........................................................................................ 9
4.2 KERESZTTBLK....................................................................................................... 14
4.3 PARAMTERES PRBK............................................................................................. 19
5 VARIANCIAELEMZS ............................................................................................... 23
5.1 EGYSZEMPONTOS VARIANCIAANALZIS..................................................................... 23
5.2 TBBSZEMPONTOS VARIANCIAANALZIS................................................................... 28
6 KORRELCIELEMZS........................................................................................... 31
6.1 PEARSON-FLE (SZORZAT-MOMENTUM) KORRELCI............................................... 31
6.2 PARCILIS KORRELCI............................................................................................ 32
7 REGRESSZIELEMZS............................................................................................. 35
8 FAKTORELEMZS ..................................................................................................... 45
9 KLASZTERELEMZS................................................................................................. 59
9.1 A KLASZTEREK JELLEMZSE...................................................................................... 63
FGGELK........................................................................................................................... 66



Elsz
Kedves Marketing Szakirnyos Hallgatk!

A segdanyag a Marketingkutats kvantitatv mdszerei tantrgy tanulsa sorn a Malhotra
knyv gyakorlati kiegsztseknt hasznlhat. A gyakorlatokon az egyes alapmdszereknek
az SPSS programcsomag segtsgvel trtn elsajttst segti. A segdanyag az azonos
helyrl letlthet, nyaralsi szoksokkal s magatartssal foglalkoz krdv megkrdezse
alapjn elksztett adatbzison elvgzett szmtsokat s az eredmnyek rtelmezst segt
magyarzatokat tartalmazza. Nem tartalmazza az egyes mdszerek hasznlhatsgra
vonatkoz feltteleket, a mdszerek statisztikai bemutatst, vagyis mindazt, amit az egyes
mdszerekrl a Malhotra knyv tartalmaz.
A segdanyag eredmnyes hasznlathoz ajnljuk, hogy a gyakorlatok eltt olvassk el a
vonatkoz fejezeteket, ez knnyti a szeminriumi anyag megrtst. Ajnljuk, hogy a
kinyomtatott segdanyagot mind az eladsra, mind a gyakorlatokra vigyk magukkal. gy
lehetsg nylik az egyni jegyzetek belersra anlkl, hogy a szmtsokat mg egyszer le
kellene rni.
A szmtsok sorn, ha minden bellts a segdanyagban lertak szerint trtnik az SPSS
11.0 programcsomaggal trtn munka sorn, akkor az eredmnynek is meg kell egyeznie az
itt lertakkal. Ha mindezek ellenre nem ugyanez az eredmny, krjk, jelezzk szmunkra.
Mivel a segdanyag j, a korbbi vek segdanyagval nem egyezik meg, vagyis azzal nem
ptolhat a hasznlata. A korbbi segdanyagokhoz kpest nem csak a terjedelme bvlt,
hanem j adatbzist s az SPSS programnak jabb verzijt hasznlja.

Minden hiba feltrst s egyb szrevteleiket ksznettel fogadjuk!

A segdanyag sszelltsrt, a vgzett nagyon hasznos s rtkes munkrt ksznetnket
fejezzk ki Benke Andrs s Csanda Gergely hallgatinknak, valamint Pusztai Tamsnak, aki
a Marketing szakirnyon vgzett s a Hoffmann Research International piackutat intzet
kutatja.

Sok rmet s j munkt kvnunk a segdanyag hasznlathoz:

Dr. Simon Judit s a trgy oktati
2

1 Az SPSS-rl ltalban
Az SPSS hasznlatakor a jl megszokott Windows-os krnyezettel tallkozhatunk, teht
pldul az Office termkcsaldnl megismert mveletek az SPSS-ben is rendelkezsre llnak
(pl.: Copy/Cut Paste parancsok), gy kezelse nem okozhat gondot. A gyors s hatkony
munkt a gyorsbillentyk, eszkzgombok s a jobb-klikk-pop-up menk is segtik.
Ugyanakkor zavar lehet, hogy az Office alkalmazsokkal ellenttben az SPSS csak a
legutols mveletet tudja visszavonni fggetlenl a mentsi fzistl. Nagy segtsget jelent
viszont, hogy brmely eljrs, mvelet elvgzse sorn kitlttt prbeszdablakok mindaddig
megrzik tartalmukat, amg jra nem indtjuk az SPSS-t. gy egy-egy rosszul vagy hinyosan
elvgzett elemzs utn gyorsan javthatjuk a hinyossgot, mindemellett, ha mgis az res
prbeszdablakra van szksg, a Reset gombbal rthetjk a mezket.
Az SPSS klnfle nzeteivel fogunk tallkozni a munknk sorn:
1.1 Data Editor
Leginkbb egy Excel tblzatra (n. spreadsheet formtum) hasonlt, amely kt munkalapbl
ll, gymint Data View s Variable View, amelyek a bal als sarokban lev flekre kattintva
vltogathatak.
1.1.1 Data View
Minden sor egy-egy megkrdezett lekdolt vlaszait tartalmazza (case), minden oszlop pedig
egy-egy vltozt (variable).
P: 4. sor 2. oszlopban lv 1 jelentse: Az egyes sorszm krdv kitltje volt nyaralni az
elmlt nyron.
A tblzat meziben a kdszmokat ltjuk alaprtelmezsben, de a mensor View > Value
Labels kipiplsval a vltozk kdrtkeit is megjelenthetjk (feltve, hogy vannak
ilyenek). Ez hasznos lehet mindaddig, amg ismerkednk az adatbzissal.
Az Excelhez hasonlan szrhatunk be sorokat s oszlopokat; amire vigyzni kell, hogy
ellenttben a tblzatkezelvel, az SPSS a Paste parancsnl nem tolja automatikusan arrbb
az oszlopokat/sorokat, hanem fellrja a kijellt oszlopot/sort. Teht a vltozink
rendezsnl csak res oszlopnl alkalmazzuk a beillesztst, klnben knnyen elveszthetnk
adatokat.
1.1.2 Variable View
A korbbi SPSS verzikhoz kpest a 11.0 lehetv teszi a vltozk knyelmes ttekintst s
vltoztatst egy nll munkalapon. A tblzat sorai az egyes vltozkat (variables), az
3

oszlopok ezek tulajdonsgait tartalmazzk. Egy-egy adott cellra kattintva definilhatjuk az
aktulis vltoz nevt, tpust, mrett, kdrtkeit, stb. a felajnlott belltsok segtsgvel
(legrdl menk, nyilak, egyb opcik). Egy egsz vltozsor menedzselshez (trls,
beszrs, msols, stb.) a sor szln trtn jobb-klikkre felnyl menben frhetnk hozz.
F: Prbakppen definiljuk mg egyszer az els krds vltozjt!
M: Jobb klikk > Insert Variable > Name: k1a, Width: 9, Values: {1=Igen, 2=Nem}
Vigyzat, ahogy az elbbi pldn is lthatjuk, egy j vltoz definilsa vagy egy rgi trlse
azonnali vltozst okoz az adattblban is!
1.2 Viewer
Funkcionalitst tekintve a Viewer az output tblk megjelentje. Automatikusan felnylik,
amikor lefuttatunk valamilyen vizsglatot. Kezelsben kiss hasonlt a Windows Intzre,
hiszen az ablakmez kt rszre osztott, s a baloldalon fa szerkezetben kezelhetk az
outputok. A kutats tulajdonkppeni elemzs rsze a Viewer segtsgvel trtnik.
1.3 Chart Editor
Klnbz diagrammok s brk megjelentst teszi lehetv, a Viewerben lv
diagrammon dupla kattintsra nylik fel. Alkalmas a diagrammok finomhangolsra, s a
chartok knnyen exportlhatk ms, npszer formtumba is (pl.: JPEG, TIF, BMP, WMF),
amely lehetsg elnyt jelent egy ltvnyos prezentci elksztsnl.
Az elzekben emltett nzeteken kvl ltezik mg Draft Viewer, Pivot Table Editor, Script
Editor, stb nzet, de ezekkel a flv sorn nem foglalkozunk behatbban.
4

2 Adatbevitel
Az adatbevitelnek alapveten kt mdja van, az elsdleges s a msodlagos adatbevitel.
Elsdleges adatbevitelnek nevezzk, amikor az adatokat kzvetlenl az SPSS programban
rgztjk, msodlagosnak, amikor egy msik alkalmazsban (pl.: Excel, dBase, MS Access)
rgztett adatokat importlunk az SPSS-be.
2.1 Elsdleges adatbevitel
Az adatbevitelhez szksg van a kdolsi tmutatra s az adatbeviv formra, vagyis hogy
milyen vltozkat definilunk. Vltozkat legegyszerbben a Variable View nzetben jobb
klikk- Insert Variable paranccsal adhatunk meg. Definilskor meghatrozhatjuk a vltoz
rvid nevt (Name), s megadhatjuk az rtkeit (Values), jelentst (Labels); ez hasznos,
mert ezutn az output tblkon is ezt hasznlja majd az SPSS, ami javtja az ttekinthetsget.
A vltoz tpusnak megadst az SPSS nem hasznlja semmire, ez csak a kutatnak nyjthat
segtsget (Measurement). A Missing oszlop lehetv teszi a hinyz vlaszok kezelst.
Az SPSS korbbi verziival ellenttben a vltozk egyszer Copy Paste parancsok
segtsgvel msolhatk Variable View nzetben a gyorsabb vltozdefinils rdekben.
2.2 Msodlagos adatbevitel
Az SPSS ms alkalmazsok adatbzisait is tudja kezelni, ehhez a funkcihoz a File men
Open Database > New Query parancsval lehet hozzfrni. Ekkor egy szoksos Windows
varzsl segti az adatbzis SPSS ltal feldolgozhatv alaktst (pl.: otthon xls formtumban
bevitt adatbzisunkat knnyen importlhatjuk SPSS-be).
A msodlagos adatbevitelhez sorolhatjuk az adatbzisok egyestst is. A mensor Data >
Merge Files sorval rhetjk el az egyestsi lehetsgeket (Add Cases/Variables). Az
egyestsnl gyelni kell arra, hogy azonos sorokat/oszlopokat egyestsnk, ugyanis az SPSS
logikai hiba esetn sem ad hibajelzst. (Kt nyilvnvalan klnbz vltoz szinkronizlsa
esetn egyszeren az eredeti adatbzis vltozbelltsait hagyja meg, a hozzadott vltoz
belltsai eltnnek.) Az egyests elkerlhetetlen, ha tbben dolgoznak a lekrdezett
krdvek kdolsn, ekkor egy mestersges vltozban az egyestsnl rgzthetjk, hogy
eredetileg melyik adatbzisbl szrmazik (lsd: source01).
5

3 Adatelkszts
Az elemzsek elvgzse eltt sok esetben szksg van az eredeti adatok talaktsra,
adattiszttsra, sklatranszformcira illetve egyes vlaszok kizrsra. Az SPSS lehetsget
ad mindezekre, a Select s Transform mveletek alkalmazsval.
3.1 Select (Data > Select Cases)
A vlaszok kzl vlaszthatjuk ki azokat, amelyeket szeretnnk bevonni az adott elemzsbe
(illetve zrhatjuk ki a nem megfeleleket). Leggyakrabban az If lehetsget szoktuk
alkalmazni. Itt bellthat, hogy milyen felttel (akr fggvny is alkalmazhat) mellett
vlogasson az SPSS a mintban. A ki nem vlasztott eseteket trlhetjk, vagy kizrhatjuk az
elemzsbl (Unselect Cases Are Deleted/Filtered). Amennyiben a Filtered opcit jelljk
meg, a ki nem vlasztott elemek sorszmt thzssal fogja jellni az SPSS, illetve egy
mestersges vltozban (filter_$, utols oszlop) is rgzti az llapotukat. Ez a vltoz mindig
a legutols kivlasztsi llapotot tkrzi.
F: Vlasszuk ki azokat a vlaszadkat, akik legalbb 8 napot tltttek nyaralssal, s
replgppel utaztak!
M: Data>Select Cases>If k9>=8 & k7=1
21 ilyen vlaszad van, az els a 9-es.
Ha valamilyen szelektlst alkalmazunk, azt egy Filter On felirat jelzi az als sttuszsv jobb
oldaln, ezt rdemes figyelemmel ksrni, mert egy elfelejtett filter gondokat okozhat a
tovbbi elemzs sorn. (Az eredeti minta a Select Cases > All Cases kijellssel llthat
vissza, ekkor eltnik a felirat.)
3.2 Compute (Transform > Compute)
A mvelet segtsgvel a meglv vltozkbl klnbz szmtsokkal j vltozkat
hozhatunk ltre. A szmtsok kztt a szmtani s logikai alapmveleteken kvl
rendelkezsre llnak a fontosabb fggvnyek is. Az j vltoz tpust s cmkit a Target
Variable mezben, a szmts kplett a Numeric Expression mezben adhatjuk meg.
F: Szmtsuk ki, hogy sszesen mennyit kltttek az egyes vlaszadk a nyarals folyamn
(13. krds)!
M: Tranform>Compute> k13_s = sum(k13_1, k13_2, k13_3, k13_4, k13_5, k13_6)
6

3.3 Count (Transform > Count)
Az eljrs hasonlt a Selecthez, de a Count nem filterezi a kijellt eseteket, csak egy
mestersges vltozban jelli meg azokat. Az rtkek s felttelek definilsa a fentiekhez
hasonlan trtnik.
3.4 Recode (Transform > Recode)
A Recode segtsgvel knnyen s egyszeren alakthatjuk t vltozink kdolst. Ha az
talakts vgleges, s az eredeti vltozra mr nincs tbb szksgnk (ez elg ritka eset
teht legynk vatosak), vlasszuk az Into Same Variables opcit, brmilyen ms esetben
pedig az Into Different Variables lehetsget (ekkor j vltozba kerlnek az jrakdolt
rtkek).
Ebben az esetben meg kell adnunk az j vltoz nevt s cmkjt (Output Variable mezk),
majd definilnunk kell az jrakdolsi eljrst (Old and New Values gomb).
F: Tegyk fel, hogy a 7. krdsben a kutat valamilyen oknl fogva ssze akarja vonni a
vonat s autbusz vlaszokat a tovbbi elemzsek eltt. Vgezzk el az jrakdolst!
M: Tranform>Recode>Into Different Variables>Output Variable: k7uj
Old and New Values> 2 thru 3 -->2
7 -->2
ELSE -->Copy
rdemes mg megjegyezni, hogy az j vltoznk rtkeinek cmki nem rkldnek, hanem
jra meg kell adnunk (Variable View > Values).
3.5 Categorize (Tranform > Categorize Variables)
Akkor van szksg erre a mveletre, ha valamilyen alacsonyabb rang elemzs elvgzshez
az eredetileg metrikus vltoznkat ordinliss akarjuk alaktani. Mindehhez csak a
kategorizland vltoz(k) nevt s a kategrik szmt kell megadnunk, s az SPSS elkszti
az ltala optimlisnak vlt kategorizlst. Ezzel kapcsolatban kt problma merlhet fel:
Dnteni kell a kategrik szmrl
Az SPSS ltal felajnlott kategorizls nem felel meg a kutatnak.
Mindkt problma azonos trl fakad: az SPSS gy hatrozza meg a kategrikat, hogy
mindegyikbe megkzeltleg ugyanannyi eset tartozzon (kategrik elemszma
megegyezzen). Ez knnyen megoldhat, ha az rtkek viszonylag homogn eloszlst
mutatnak, ellenkez esetben azonban (ha egyes vlaszok sok vlaszadnl szerepelnek) a
kategrik elem-egyenslya eltoldhat. Ekkor a kutat dntse oldja meg a problmt: ms
7

kategriaszmmal prblkozik, hogy javtsa az elemegyenslyt (ezt a megoldst a lenti pldn
lehet tanulmnyozni), vagy a Recode mvelet segtsgvel egyedi kategria meghatrozst
vgez (n. kzi vezrls).
P egyenletes eloszlsra: Kategorizljuk a havi meglhetsre klttt sszesen sszeget 4
osztlyba (23. krds), s vizsgljuk meg a kategrikat!
M: Transform>Categorize Variables>Create Categorize for k23_6; Number of categories: 4
(Eredmny: nk23_6 kategorizlt vltoz)
Analyze>Descriptive Statistics>Crosstabs>Rows: k23_6; Columns: nk23_6
A kereszttblban (1. tblzat) megfigyelhet, hogy az SPSS a kvetkez kategrikat
alaktotta ki:
1. tblzat
Kategria szma rtkek Kategria elemszma
1 -24 999 86
2 25 000-34 999 85
3 35 000-47 999 88
4 48 000- 87

P kategriaszm dntsre: Kategorizljuk a nyaralsi kltseket (13. krds)!
M: Az elbb bemutatott eljrs segtsgvel kialaktjuk, s vizsgljuk a kategrikat! Pldul
a szlls esetn (k13_2) rdemes 3-ra cskkenteni a kategrik szmt, hiszen a kereszttblt
vizsglva lthatjuk, hogy a kevesebb kategria egyenletesebb elosztst eredmnyez.
A szrakozsi kltseknl (k13_5) pp fordtott a helyzet, itt mg egy kategria felvtele
eredmnyezi az egyenletesebb elosztst.
8

4 Egy- s ktvltozs elemzsek
Ebben a fejezetben a gyakorisgi eloszlsok, a kereszttblk s a hipotzisvizsglat gyakorlati
megoldsaival fogunk foglalkozni; ezek a legegyszerbb, ugyanakkor nlklzhetetlen
adatfeldolgozsi mdszerek (tbbek kztt a minta sszettelt is ezekkel kell megvizsglni).
4.1 Gyakorisgi eloszlsok
Az SPSS-ben a gyakorisgi eloszlsok vizsglatt az Analyze > Descriptive Statistics >
Frequencies menpontban rhetjk el. A megnyl prbeszdablakban csak ki kell
vlasztanunk a vizsgland vltoz(ka)t, s mr indthatjuk is az elemzst. A Statistics
gombra klikkelssel mdunkban ll a kapcsolatos statisztikai mutatkat is lekrni
(helyzetmutatk: medin, mdusz, tlag, kvantilisek; szrdsi mutatk: szrs, variancia,
terjedelem; sszeg). A Charts lehetsget ad diagrammok megjelentsre (hisztogram,
illetve oszlop s torta diagramm formk), a Format alatt pedig bellthat a megjelens
mdja.
Ha csak az sszest statisztikkra van szksgnk, akkor rdemes az Analyze > Descriptive
Statistics > Descriptives menpontot hasznlni, mert sokkal hatkonyabb, hiszen nem
kszt gyakorisgi tblt. (Megjegyezzk: a Descriptives-ben elrhet statisztikk
mindegyike elkszthet Frequencies-ben is (Malhotra, (2002).)
F: Ksztsk el a minta sszettelt jellemz gyakorisgi eloszlsokat s alapstatisztikkat!
M: Csak a legfontosabbakat mutatjuk be, mint lakhely, tanulmnyi eredmnyek, nem.
Analyze>Descriptive Statistics>Frequencies>Variables: k20, k22, k28>Charts: Pie
2. tblzat
lland lakhelyed...
126 34,2 35,5 35,5
229 62,2 64,5 100,0
355 96,5 100,0
13 3,5
368 100,0
Budapesten van
Nem Budapesten van
Total
Valid
System Missing
Total
Frequency Percent
Valid
Percent
Cumulative
Percent


A 2. tblzatbl kiolvashat, hogy sszesen 368 vlaszadt (Total) vizsglunk, s 13
vlaszad nem vlaszolt erre a krdsre (Missing). Az oszlopok rendre az rtk, gyakorisg, a
relatv gyakorisg, az rvnyes relatv gyakorisg s a kumullt relatv gyakorisg adatokat
9

mutatjk. Egy plda az rtelmezsre: a vlaszadink 35,5%-nak lland lakhelye Budapesten
van (ha a nem vlaszolk kztt is a vlaszolk eloszlst felttelezzk).
3. tblzat
Milyen volt a tanulmnyi eredmnyed az elmlt flvben az vfolyamtlaghoz
viszonytva?
212 57,6 57,9 57,9
115 31,3 31,4 89,3
39 10,6 10,7 100,0
366 99,5 100,0
2 ,5
368 100,0
Az tlag felett volt ( *)
Krlbell az
vfolyam tlaga volt
Az tlag alatt volt
Total
Valid
System Missing
Total
Frequency Percent
Valid
Percent
Cumulative
Percent


A 3. tblzatban Az tlag felett volt eset utn tallhat (*) jelre hvnnk fel a figyelmet. Ez
azt hivatott jelezni, hogy az output tblk tetszlegesen alakthatak, formzhatak Viewer
nzetben, az objektumon egy dupla kattintssal lehet ehhez hozzfrni; termszetesen gy
kerlt oda a (*) szimblum is.
4. tblzat
Nemed?
147 39,9 39,9 39,9
221 60,1 60,1 100,0
368 100,0 100,0
Fi
Lny
Total
Valid
Frequency Percent
Valid
Percent
Cumulative
Percent


A 4. tblzat figyelmeztet minket arra, hogy a mintban fellreprezentltak a lnyok.
10

I. bra
lland lakhelyed...
Missing
Nem Budapesten van
Budapesten van


Az I. brn megtekinthetjk torta diagrammon is a lakhely szerinti eloszlst. A kutatsi
beszmol prezentlsakor ltvnyos s hasznos megolds ezeket alkalmazni (a szoksos jobb
klikk Copy objects > Paste paranccsal illeszthetek be Power Point-ba).
II. bra
Milyen volt a tanulmnyi eredmnyed az elmlt flvben
az vfolyamtlaghoz kpest?
Missing
Az tlag alatt volt
Krlbell az vfoly
Az tlag felett volt


A II. brn lthatjuk, hogy a vlaszadk tbbsgnek tlag felett volt az eredmnye, krds,
hogy a marketing tantrgy kutatsi rszvtelen voltak-e fellreprezentlva a j tanulk, vagy a
hallgatk szeretik egy kicsit jobb sznben feltntetni magukat.
11

III. bra
Nemed?
Lny
Fi


A III. brn bemutatunk egy-kt brafinomtsi lehetsget, ami a Chart Editor-ral
elvgezhet (objektumon dupla klikkre nylik fel): tortaszeletek szthzsa, szeletek sznnek,
mintzatnak vltoztatsa, szeglyvonalak stlusa, szelet elrendezs vltoztatsa, stb. Szintn
a prezentci s az rsos beszmol sznvonalt, lvezhetsgt nveli. (Ne feledjk, fenn
kell tartani a hallgatk, olvask figyelmt!)

P: Ler statisztikk s gyakorisg eloszls segtsgvel vizsgljuk meg, hogy mennyire voltak
alanyaink elgedettek a nyarals sorn az elltssal (11. krds, 8. pont)!
M: Analyze>Descriptive Statistics>Frequencies>Variable: k11_8>
Statistics: Percentile Values: Quartiles
Central Tendency: minden
Dispersion: minden
Charts: Bar s Percentages
12

5. tblzat
Statistics
Mennyire voltl elgedett - Az elltssal (tkezs, stb.)
344
24
5,3547
,08708
6,0000
7,00
1,61510
2,60855
6,00
1,00
7,00
1842,00
4,0000
6,0000
7,0000
Valid
Missing
N
Mean
Std. Error of Mean
Median
Mode
Std. Deviation
Variance
Range
Minimum
Maximum
Sum
25
50
75
Percentiles


Az 5. tblzat tartalmazza a ler statisztikkat, s termszetesen az rvnyes s hinyz
vlaszok szmt is. Megtallhatjuk az tlagot, az tlag standard hibjt, a medint, mduszt,
szrst, variancit, a terjedelmet, a legkisebb s legnagyobb rtkeket, az sszeget, s a 25,
50, 75-s percentiliseket, vagyis az als s fels kvartilist s a medint mg egyszer.
6. tblzat
Mennyire voltl elgedett - Az elltssal (tkezs, stb.)
7 1,9 2,0 2,0
16 4,3 4,7 6,7
31 8,4 9,0 15,7
38 10,3 11,0 26,7
65 17,7 18,9 45,6
76 20,7 22,1 67,7
111 30,2 32,3 100,0
344 93,5 100,0
24 6,5
368 100,0
1,00
2,00
3,00
4,00
5,00
6,00
7,00
Total
Valid
System Missing
Total
Frequency Percent
Valid
Percent
Cumulative
Percent


A gyakorisgi eloszls tblzata a mr megismert kpet mutatja, azonban az avatott szem
mris ltja benne az eloszlst, amit a kvetkez oszlopdiagram is ltvnyosan megmutat
neknk.
13

IV. bra
Mennyire voltl elgedett - Az elltssal (tkezs, stb.)
Mennyire voltl elgedett - Az elltssal (tkezs, stb.)
7,00 6,00 5,00 4,00 3,00 2,00 1,00
P
e
r
c
e
n
t
40
30
20
10
0
32
22
19
11
9
5
2


Az brbl kitnik, hogy a vlaszadk igencsak elgedettek voltak az elltssal.
Az oszlopdiagramok is tetszlegesen csinosthatk a Chart Editor segtsgvel, rdemes
hasznlni pldul az oszlop cmkket (Bar Label Styles), s ne feledkezznk meg a fent
emltett exportlsi lehetsgrl sem.

4.2 Kereszttblk
A kereszttbla elemzs egyike a leggyakrabban hasznlt vizsglati mdszereknek, SPSS-ben
az Analyze > Descriptive Statistics > Crosstabs tvonalon rhet el. Br a program
brmilyen tpus adatra elvgzi az elemzst, a kereszttblk input vltozi nominlis vagy
ordinlis adatok kell, hogy legyenek.
A Crosstabs prbeszdablakban vlaszthatjuk ki az elemzend vltozkat, rtelemszeren
az egyes vltozk a sorokban, illetve oszlopokban lesznek feltntetve. Mivel a kereszttbla
elemzs csak az sszefggs vizsglatra alkalmas, az irnyra nem mond semmit, gy a
fgg s fggetlen vltoz kivlasztsa, s ezek elhelyezse a sorokban vagy oszlopokban a
kutat zlsre van bzva, nincs r ltalnos rvny szably.
A szoksos gombok kzl a Statistics-re s a Cells-re rdemes nagyobb figyelmet fordtani
(a Format ugyanazt knlja, mint mindenhol mshol). A Statistics-ben rhetek el a
kereszttblk statisztiki: a
2
mutat, a s a kontingencia egytthat, a Cramer-fle V, a
egytthat, s egyb statisztikk (b, c, , ), illetve a nem metrikus korrelci mutati
(azokrl ksbb, a korrelcinl lesz sz).
14

A Cells gomb segtsgvel llthatjuk be a tblzat celliban megjelentend rtkeket,
egyrszt a gyakorisgra (Counts) vonatkozan (mrt (Observed) vagy becslt (Expected)
cellagyakorisg), msrszt a relatv gyakorisgra (Percentages) vonatkozan (szzalkos
mutatk sor (Row), oszlop (Column) vagy teljes minta (Total) szerint), harmadrszt a mrt
s becslt adat kzti klnbsgre (Residuals) vonatkozan. Mivel tl sok rtk esetn a
tblzat ttekinthetetlen lesz, rdemes tgondolni elszr, hogy melyik vltozt vlasztjuk
fggnek, s melyiket fggetlennek. Az ltalnos szably az, hogy a fggetlen vltoz szerint
szmtjuk a szzalkokat a fgg vltozra (Malhotra, 2002).
A legtbb esetben ktvltozs kereszttblkat szoktunk kszteni, de van lehetsg arra, hogy
tbb vltozt is bevonjunk az elemzsbe, hiszen ez tbblet informcival lthat el minket (pl.:
kezdeti sszefggs hamis, sszefggs finomtsa, stb.) Tbbvltozs kereszttbla esetn a
harmadik, negyedik, stb. vltozt egyszeren bevonjuk a sorokba, oszlopokba ( >
Crosstabs > Rows/Columns), de vigyzni kell, mert ez minden esetben az ttekinthetsg
rovsra trtnik.
P: Kereszttbla elemzssel vizsgljuk meg, van-e sszefggs a hallgatk neme (28. krds)
s az egyetemen kvli Internet hozzfrs (26. krds, 2. pont) kztt!
M: Analyze>Descriptive Statistics>Crosstabs>Rows: k28, Columns: k26_2
Statistics: Chi-square
Phi and Cramers V
Cells: Counts: Observed
Percentages: Row, Column
7. tblzat
Case Processing Summary
364 98,9% 4 1,1% 368 100,0%
Nemed? * A kvetkezk
kzl melyekkel
rendelkezel? - az
egyetemen kvl
Internet-hozzfrs
N Percent N Percent N Percent
Valid Missing Total
Cases


A 7. tblzat a vizsglat alapadatait tartalmazza, lthatjuk pldul, hogy ngyen nem adtak
vlaszt valamelyik krdsre (gyanthat, hogy ez az Internetre vonatkoz krds).
15

8. tblzat
Nemed? * A kvetkezk kzl melyekkel rendelkezel? - az egyetemen kvl
Internet-hozzfrs Crosstabulation
121 26 147
82,3% 17,7% 100,0%
43,7% 29,9% 40,4%
156 61 217
71,9% 28,1% 100,0%
56,3% 70,1% 59,6%
277 87 364
76,1% 23,9% 100,0%
100,0% 100,0% 100,0%
Count
% within Nemed?
% within A kvetkezk
kzl melyekkel
rendelkezel? - az
egyetemen kvl
Internet-hozzfrs
Count
% within Nemed?
% within A kvetkezk
kzl melyekkel
rendelkezel? - az
egyetemen kvl
Internet-hozzfrs
Count
% within Nemed?
% within A kvetkezk
kzl melyekkel
rendelkezel? - az
egyetemen kvl
Internet-hozzfrs
Fi
Lny
Nemed?
Total
Igen Nem
A kvetkezk kzl
melyekkel
rendelkezel? - az
egyetemen kvl
Internet-hozzfrs
Total


A kereszttblt soronknt elemezve kiderl, hogy a fik nagyobb arnyban (82,3%)
rendelkeznek egyetemen kvli Internet hozzfrssel, mint a lnyok (71,9%), de az
sszestett 76,1%-os arny is elg magasnak mondhat. Ha oszloponknt elemznk, akkor
elmondhatjuk, hogy az otthoni Internet kapcsolattal rendelkezk 56,3%-a lny, mg az
Internettel nem rendelkezk 70,1%-a lny. Tekintve, hogy a mintban 59,6% a lnyok arnya,
gy ugyanarra a kvetkeztetsre jutunk, mint az elbb.
9. tblzat
Chi-Square Tests
5,235
b
1 ,022
4,678 1 ,031
5,376 1 ,020
,024 ,014
5,221 1 ,022
364
Pearson Chi-Square
Continuity Correction
a
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
Value df
Asymp.
Sig.
(2-sided)
Exact Sig.
(2-sided)
Exact Sig.
(1-sided)
Computed only for a 2x2 table
a.
0 cells (,0%) have expected count less than 5. The minimum expected count is
35,13.
b.

16

A
2
teszt elrevezet a hipotzisvizsglathoz, hiszen a 9. tblzatban nem csak az rtkt
lthatjuk, hanem az ehhez tartoz szignifikanciaszintet is. Mieltt azonban ezt
megvizsglnnk, meg kell bizonyosodni arrl, hogy a kereszttblnk megfelel-e az elemzsi
kvetelmnyeknek (br ez inkbb nagyobb tblk esetn fontos).
(Emlkeztetl a kt felttel: 1. a vrhat rtk egy cellban sem lehet kisebb, mint 1 s 2.
azon cellk arnya, ahol a vrhat rtk kisebb, mint 5, nem lehet tbb mint 20%.)
A tbla alatt a b pontban olvashat megjegyzs szerint a feltteleknek megfelel a kereszttbla
(ahogy azt egy 22-es tbltl el is vrjuk).
A
2
teszt nullhipotzise szerint a becslt s mrt adatok megegyeznek, vagyis nincs
sszefggs a kt vltoz kztt. A
2
rtke 5,235, az ehhez tartoz szignifikanciaszint
0,022, ami azt jelenti, hogy a szoksos 95%-os biztonsg mellett (5%-os hibval) a
nullhipotzist elvetjk, teht a kt vltoz kztt sszefggs van.
10. tblzat
Symmetric Measures
,120 ,022
,120 ,022
364
Phi
Cramer's V
Nominal by
Nominal
N of Valid Cases
Value
Approx.
Sig.
Not assuming the null hypothesis.
a.
Using the asymptotic standard error assuming the null
hypothesis.
b.


A egytthat nagyon ers statisztika 22-es tblk esetn. Ennek szignifikancija jelen
esetben 0,022, ami megerst minket az sszefggs ltt illeten.

P: Vizsgljuk meg, hogy van-e sszefggs a lakhely (20. krds) s a nyaralsi sszes kiads
(13. krds) kztt!
M: Analyze>Descriptive Statistics>Crosstabs>Rows: k20, Columns: k13_skat(!!!)
Statistics: Chi-square
Phi and Cramers V
Cells: Counts: Observed & Expected
Percentages: Row
17

11. tblzat
Case Processing Summary
318 86,4% 50 13,6% 368 100,0%
lland lakhelyed... *
sszes kltsg kat.
N Percent N Percent N Percent
Valid Missing Total
Cases


Az 50 hinyz adat mellett is elg nagy marad a mintnk.
12. tblzat
lland lakhelyed... * sszes kltsg kat. Crosstabulation
27 21 28 32 108
27,2 27,5 26,2 27,2 108,0
25,0% 19,4% 25,9% 29,6% 100,0%
53 60 49 48 210
52,8 53,5 50,8 52,8 210,0
25,2% 28,6% 23,3% 22,9% 100,0%
80 81 77 80 318
80,0 81,0 77,0 80,0 318,0
25,2% 25,5% 24,2% 25,2% 100,0%
Count
Expected Count
% within lland
lakhelyed...
Count
Expected Count
% within lland
lakhelyed...
Count
Expected Count
% within lland
lakhelyed...
Budapesten van
Nem Budapesten van
lland lakhelyed...
Total
12000 alatt
12001-26
000
26001-73
800
73800
felett
sszes kltsg kat.
Total


A vrhat s mrt cellagyakorisgok majdnem megegyeznek minden cellban (teht a
2

rtke kicsi lesz), gy mr sejthetjk, hogy nem tallunk sszefggst.
13. tblzat
Chi-Square Tests
3,832
a
3 ,280
3,906 3 ,272
1,518 1 ,218
318
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value df
Asymp.
Sig.
(2-sided)
0 cells (,0%) have expected count less than 5. The
minimum expected count is 26,15.
a.


Az a megjegyzs alapjn elemezhetjk a tblt; a
2
rtke (3,832) s szignifikancija (0,28)
mellett a nullhipotzis nem vethet el, nem tudjuk biztosra venni az sszefggs ltt.
18

14. tblzat
Symmetric Measures
,110 ,280
,110 ,280
318
Phi
Cramer's V
Nominal by
Nominal
N of Valid Cases
Value
Approx.
Sig.
Not assuming the null hypothesis.
a.
Using the asymptotic standard error assuming the null
hypothesis.
b.


A Cramer-fle V mutat is megersti ezt (0,28-as szignifikancia), teht a lakhely s a
nyarals alatti klts kztt nem mutathat ki sszefggs. (A egytthatt most nem
elemezhetjk, hiszen a tbla nem 22-es, a szmszer megegyezs a kpletbl addik (lsd
Malhotra (2002) 548-549.o.).
4.3 Paramteres prbk
Egyszer hipotzisvizsglatokat vgezhetnk el az Analyze > Compare Means menpont
segtsgvel. A men lehetsgei kzl itt csak a t prbkat mutatjuk be, mert a Means s a
One-Way ANOVA elrevezet a varianciaelemzshez.
rtelemszeren alkalmazhatjuk a One-Sample, az Independent-Samples s a Paired-
Samples T test pontokat egymints, kt fggetlen mints s pros mints t prbknl;
mindssze az elemzend metrikus(!) vltozkat (Test Variables) s a konfidencia
intervallumot (Options) kell belltanunk, illetve az egyszer t prbnl tesztstatisztika
rtkt (Test Value).
F (egymints t prba): Tegyk, hogy szekunder kutatsbl rendelkezsnkre llnak adatok az
egyetemistk nyaralsi szoksairl a 2000-es vben. Ezek szerint tlagosan 11 napig tartott a
leghosszabb nyarals. Ezt figyelembe vve vizsgljuk meg, hogyan vltoztak a nyaralsi
szoksok az eltlttt napok szmt tekintve!
M: Analyze>Compare Means>One-Sample T Test>Test Variable: k9, Test Value: 11
15. tblzat
One-Sample Statistics
347 9,7522 8,37915 ,44982
Hny napig tartott
ez a nyarals?
N Mean Std. Deviation
Std. Error
Mean


19

Mint minden prbnl, gy itt is az alapadatokat megjelent tblzattal tallkozhatunk
elszr. Megfigyelhetjk, hogy a mintatlag (9,7522) jelentsen eltr a tesztrtktl (11).
16. tblzat
One-Sample Test
-2,774 346 ,006 -1,2478 -2,1326 -,3631
Hny napig tartott
ez a nyarals?
t df
Sig.
(2-tailed)
Mean
Difference Lower Upper
95% Confidence
Interval of the
Difference
Test Value = 11


A vrakozsnak megfelelen a t prba alapjn elvethetjk a nullhipotzist, hiszen a
szignifikanciaszint 5% alatt van (0,006), teht a mintatlag kisebb mint a tesztrtk, vagyis
2002-re az egyetemistk leghosszabb nyaralsnak tlagos idtartama cskkent 2000-hez
kpest.

F (kt fggetlen mints t prba): Tekintsk fggetlen rszmintnak a vlaszadinkat aszerint,
hogy A vagy B vltozat krdvet (source01) tltttek-e ki! Vizsgljuk meg, hogy van-e
klnbsg a kt minta kztt a nyarals irnti attitdk tekintetben, legyen a vizsglt llts
a kulturlis ticlra vonatkoz (k18_17)!
M: Analyze > Compare Means > Independent-Samples T Test > Test Variable: k18_17,
Grouping Variable: source01(0 1) (A csoportosts belltsa: Define Groups gomb)
17. tblzat
Group Statistics
176 3,8011 1,77287 ,13364
187 3,5989 1,74276 ,12744
Melyik krdvet
tlttte ki?
B-vlt
A-vlt
Mennyire rtesz egyet
vele - Nem rdekel
az olyan ticl, amely
nem szolgl kulturlis
rdekessgekkel.
N Mean Std. Deviation
Std. Error
Mean


Az indul adatokbl lthat, hogy fggetlen rszmintink szmossga hasonl, a szrsok s
tlagok is majdnem megegyeznek.
20

18. tblzat
Independent Samples Test
,020 ,888 1,096 361 ,274 ,2022 ,18457 -,16075 ,56517
1,095 358,822 ,274 ,2022 ,18466 -,16095 ,56536
Equal variances
assumed
Equal variances
not assumed
Mennyire rtesz egyet
vele - Nem rdekel
az olyan ticl, amely
nem szolgl kulturlis
rdekessgekkel.
F Sig.
Levene's Test for
Equality of Variances
t df Sig. (2-tailed)
Mean
Difference
Std. Error
Difference Lower Upper
95% Confidence
Interval of the
Difference
t-test for Equality of Means


A fenti tblzat nem csak egyszeren a t prbt tartalmazza, hanem szmos egyb fontos
dolgot is megtudhatunk belle. Mivel a t prba csak akkor vgezhet el tiszta lelkiismerettel,
ha a fggetlen mintk szrsa megegyezik, gy addik, hogy ezt a Levene teszt F prbjval
vizsgljuk. A Levene teszt az egyetlen vizsglat, amelynl a szignifikanciaszintet fordtva kell
rtelmezni, hiszen a H
0
a kedvez alternatva, vagyis a magas rtk (minimum 0,1) a
megfelel szmunkra. Ez egszen egyszeren a hipotzisek fellltsbl addik, hiszen a
Levene teszt F prbjnl a nullhipotzisben a szrsngyzetek egyenlsgt fogalmazzuk
meg, amit jelen esetben termszetesen nem szndkozunk elvetni, hiszen szmunkra ez
jelenti, hogy a mintk alkalmasak a t prbra.
A 18. tblzatban az F rtke kicsi (0,020), a szignifikanciaszint magas (0,888), teht
vizsglhatjuk a t statisztikkat (vagyis az els sor tartalmazza a relevns rtkeket, hiszen
teljesl a variancik egyenlsge felttel). A t prba szignifikancija az elfogadott 5%-os
hatr fl esik (0,274), gy nem vethetjk el a nullhipotzist, teht a kt mintban nincs eltrs
a kulturlis rdekessgek megtlsnek tekintetben. (A tbbi adat is errl tanskodik:
tlagok klnbsge, szrsok klnbsge, stb.)
Az elbb megvizsglt fggetlen mintkon kvl rdekes lehet mg megvizsglni a nemek
szerinti rszmintkat, hiszen ez jellemzen elfordul a gyakorlatban. (Gyakorlskpp meg
lehet nzni a klnbz nyaralskltsek eltrst a nemek szerinti bontsban, mind t
prbval, mind varianciaelemzssel.)

F (pros mints t prba): Vizsgljuk meg, hogy vlaszadink szerint szignifiknsan
klnbzik-e Norvgia s Magyarorszg rsznvonala!
M: Analyze>Compare Means>Paired-Samples T Test>Paired Variables: k16_2_1 k16_2_5
21

19. tblzat
Paired Samples Statistics
3,4241 316 3,28980 ,18507
5,1551 316 1,37252 ,07721
rsznvonal - Norvgia
rsznvonal -
Magyarorszg
Pair
1
Mean N Std. Deviation
Std. Error
Mean


A vlaszadk megtlse szerint Magyarorszg rsznvonala kedvezbb (5,1551-es tlag 7
fokozat Likert skln), mint Norvgi (3,4241), ugyanakkor Norvgia megtlsnl sokkal
nagyobb szrst fedezhetnk fel, ami a vlaszadk vlemnynek soksznsgt jelzi.
20. tblzat
Paired Samples Test
-1,7310 3,76877 ,21201 -2,1481 -1,3139 -8,165 315 ,000
rsznvonal - Norvgia
- rsznvonal -
Magyarorszg
Pair
1
Mean Std. Deviation
Std. Error
Mean Lower Upper
95% Confidence
Interval of the
Difference
Paired Differences
t df Sig. (2-tailed)


A pros mints t prba kiszmtshoz ki kellett szmtani egy j vltozt, amely a pronknti
klnbsgeket fejezi ki; ennek az tlagt (-1,7310) s szrst (3,73877) lthatjuk a
tblzatban, s ezt teszteli a t prba. Jelen esetben a t prba szignifikanciaszintje nullhoz
kzeli, teht elfogadhatjuk, hogy a magyar rsznvonal a vlaszadk szerint kedvezbb (rtsd:
alacsonyabb), mint a norvg.
22

5 Varianciaelemzs
A varianciaelemzs az egyik legjobban hasznlhat vizsglati mdszer, mindssze egy
dologra kell nagyon gyelni a hasznlatnl, mgpedig a fgg s fggetlen vltozk
megfelel megvlasztsra. Az SPSS ugyanis brmilyen tpus vltozkra lefuttatja az
elemzst, de a varianciaanalzisnek csak akkor van rtelme, ha a fgg vltoz metrikus, a
fggetlen(ek) pedig kategorizltak. Mivel a kereszttblval ellenttben itt a kapcsolat
irnynak is van jelentsge, gy a fgg s fggetlen vltozk megvlasztsa mr korntsem
nknyes.
5.1 Egyszempontos varianciaanalzis
Az SPSS-ben az egyszempontos varianciaanalzis kt mdszerrel is elvgezhet, mindkett
ms elnyket knl. Az egyik lehetsg az Analyze > Compare Means > Means ton
rhet el, ekkor a fgg s fggetlen vltozk bevonsa utn, az Options menben kipiplva
az Anova table and eta lehetsget, az output tbla tartalmazni fogja az ANOVA-t is. Nagy
elnye, hogy a One-Way ANOVA-ban nem elrhet
2
szmtsra is lehetsget nyjt,
mindemellett az alapstatisztikk s a linearitsi teszt is rendelkezsnkre llnak.
Az Analyze > Compare Means > One-Way ANOVA men alatt elrhet varianciaelemzs
szofisztikltabb elemzsi lehetsgeket knl (klnsen a Contrasts s Post Hoc gombok
alatt), amit mi ezek kzl megnznk, az a fggetlen mints t prbnl megismert Levene
teszt, hiszen ez az amiben szmunkra elnyt nyjt a Means-hez kpest. A Levene teszt az
Options menben rhet el a Homogeneity-of-variance ngyzet kipiplsval (itt llthatk
be egybknt a ler statisztikk is).
P: Vizsgljuk meg mindkt mdszerrel, hogy van-e sszefggs a nem (k28) s az emberek
vendgszeretetvel val elgedettsg (k11_7) kztt!
M1:Analyze>Compare Means>Means>Dependent List: k11_7, Independent List: k28
Options: Cell Statistics: Mean, Number of Cases, Standard Deviation
Anova table and eta
Test for linearity
23

21. tblzat
Case Processing Summary
347 94,3% 21 5,7% 368 100,0%
Mennyire voltl
elgedett - Az emberek
vendgszeretetvel *
Nemed?
N Percent N Percent N Percent
Included Excluded Total
Cases


A 368 vlaszadbl 347-et tudunk bevonni a vizsglatba.
22. tblzat
Report
Mennyire voltl elgedett - Az emberek vendgszeretetvel
5,2754 138 1,42331
5,6699 209 1,25234
5,5130 347 1,33505
Nemed?
Fi
Lny
Total
Mean N Std. Deviation


A mintban 138 fi s 209 lny van, vlaszaik szrsa csaknem megegyezik (1,42331 s
1,25234), a lnyok tlagosan elgedettebbek (5,6699) a vendglt orszg embereinek
vendgszeretetvel, mint a fik (5,2754).
23. tblzat
ANOVA Table
a
12,935 1 12,935 7,392 ,007
603,756 345 1,750
616,692 346
(Combined) Between Groups
Within Groups
Total
Mennyire voltl
elgedett - Az emberek
vendgszeretetvel *
Nemed?
Sum of
Squares df
Mean
Square F Sig.
With fewer than three groups, linearity measures for Mennyire voltl elgedett - Az emberek vendgszeretetvel *
Nemed? cannot be computed.
a.


Az ANOVA F prbja szerint a nullhipotzist el kell utastani (szignifikancia 0,007), teht a
kategriatlagok nem egyeznek meg, vagyis sszevetve a 20. tblzat adataival,
beigazoldott, hogy a lnyok elgedettebbek az emberek vendgszeretetvel, mint a fik.
24

24. tblzat
Measures of Association
,145 ,021
Mennyire voltl
elgedett - Az emberek
vendgszeretetvel *
Nemed?
Eta
Eta
Squared


Ugyanakkor lthat, hogy a kapcsolat nem tl ers, hiszen az
2
rtke kzel van a nullhoz
(0,021).

M2: Analyze>Compare Means>One-Way ANOVA>Dependent List: k11_7, Factor: k28
Options: Statistics: Descriptives, Homogeneity-of-variance
25. tblzat
Descriptives
Mennyire voltl elgedett - Az emberek vendgszeretetvel
138 5,2754 1,42331 ,12116 5,0358 5,5149 1,00 7,00
209 5,6699 1,25234 ,08663 5,4991 5,8406 2,00 7,00
347 5,5130 1,33505 ,07167 5,3720 5,6539 1,00 7,00
Fi
Lny
Total
N Mean Std. Deviation Std. Error Lower Bound Upper Bound
95% Confidence Interval for
Mean
Minimum Maximum


A ler tbla teljesen hasonl a Means Report tbljhoz, a klnbsg, hogy a Report tbla
tartalma az Options menben tetszlegesen alakthat.
26. tblzat
Test of Homogeneity of Variances
Mennyire voltl elgedett - Az emberek vendgszeretetvel
,309 1 345 ,578
Levene
Statistic df1 df2 Sig.


Az egyik elny a Means elemzshez kpest, a variancia homogenitsi teszt. Lthatjuk, hogy
a Levene statisztika rtke alacsony (0,309), a szignifikancia magas (0,578), a nullhipotzist
megtartjuk, teht a csoporton belli szrs megegyezik, vagyis az ANOVA eredmnye
nyugodt szvvel elemezhet.
25

27. tblzat
ANOVA
Mennyire voltl elgedett - Az emberek vendgszeretetvel
12,935 1 12,935 7,392 ,007
603,756 345 1,750
616,692 346
Between Groups
Within Groups
Total
Sum of
Squares df
Mean
Square F Sig.


Visszatekintve a 23. tblzatra, szembetnik, hogy a kt tbla tartalmilag teljesen
megegyezik.
Gyakorlatilag teljesen ugyanazokat az outputokat kaptuk mindkt elemzs esetn, ennek
ellenre javasolt mindkettt elvgezni, hiszen az egyik a Levene tesztet, a msik az
2
mutatt
nyjtja pluszban az elemznek, mrpedig mindkett rtkes lehet.

P: Vizsgljuk meg, van-e sszefggs a havi meglhetsi kiadsok (k23_6) s a csald
letsznvonala (k25) kztt! (A nyarals tmban nem visz elre a krds, viszont remekl
bemutathat rajta a homogenitsi problma egyik orvoslsi mdja.)
M: Analyze>Compare Means>One-Way ANOVA>Dependent List: k23_6, Factor: k25
Options: Statistics: Descriptives, Homogeneity-of-variance
28. tblzat
Descriptives
A kvetkez kiadsi tteleket tekintve - SSZESEN
29 35617,93 15223,05046 2826,850 29827,3923 41408,4697 11000,00 79000,00
188 34983,67 17168,09952 1252,112 32513,5893 37453,7511 5000,00 105000,00
128 50230,47 72171,42635 6379,113 37607,3551 62853,5824 4000,00 790000,00
345 40693,77 46431,71288 2499,799 35776,9526 45610,5836 4000,00 790000,00
Az tlag alatt
tlagos
Az tlag felett
Total
N Mean Std. Deviation Std. Error Lower Bound Upper Bound
95% Confidence Interval for
Mean
Minimum Maximum


Rnzve a tblra, sejthetjk, hogy gondot fog okozni a csoportokon belli szrsok
klnbsge.
29. tblzat
Test of Homogeneity of Variances
A kvetkez kiadsi tteleket tekintve - SSZESEN
4,880 2 342 ,008
Levene
Statistic df1 df2 Sig.


26

A Levene teszt igazolja flelmnket, a szrsok klnbzek, nem rdemes elemezni az
ANOVA tblt.
30. tblzat
ANOVA
A kvetkez kiadsi tteleket tekintve - SSZESEN
1,85E+10 2 9259184443 4,379 ,013
7,23E+11 342 2114364309
7,42E+11 344
Between Groups
Within Groups
Total
Sum of
Squares df Mean Square F Sig.


Hiba mutat teht sszefggst az ANOVA, nem fogadjuk el az eredmnyt. Mit tehetnk
ilyenkor? A megolds: cskkentsk a mintt, szrjk ki a nagyon kiugr vlaszokat, s
futtassuk jra az elemzst!
M: Data>Select Cases>If k23_6<=80 000 (A megfelel rtk prblkozssal, vagy a kiugr
vlaszok szemrevtelezsvel tallhat meg.)
Az ANOVA belltsa marad.
31. tblzat
Descriptives
A kvetkez kiadsi tteleket tekintve - SSZESEN
29 35617,93 15223,05046 2826,850 29827,3923 41408,4697 11000,00 79000,00
185 33940,16 15187,29242 1116,592 31737,1926 36143,1317 5000,00 76000,00
116 37944,66 17216,03762 1598,469 34778,3958 41110,9145 4000,00 80000,00
330 35495,24 15993,72141 880,42539 33763,2690 37227,2158 4000,00 80000,00
Az tlag alatt
tlagos
Az tlag felett
Total
N Mean Std. Deviation Std. Error Lower Bound Upper Bound
95% Confidence Interval for
Mean
Minimum Maximum


Rgtn ltjuk, hogy javult a helyzet, a szrsok kzeledtek egymshoz, ugyanakkor csak 15
esetrl (4,3%) kellett lemondanunk, amelyekbl 3 az tlagos, 12 az tlag feletti kategriba
tartozott. A vesztesg elfogadhatnak mondhat.
32. tblzat
Test of Homogeneity of Variances
A kvetkez kiadsi tteleket tekintve - SSZESEN
1,428 2 327 ,241
Levene
Statistic df1 df2 Sig.


Most mr a Levene teszt is viszonylag homogn variancikat jelez, az ANOVA tbla
eredmnye elfogadhat.
27

33. tblzat
ANOVA
A kvetkez kiadsi tteleket tekintve - SSZESEN
1,14E+09 2 571886786,7 2,253 ,107
8,30E+10 327 253865866,7
8,42E+10 329
Between Groups
Within Groups
Total
Sum of
Squares df Mean Square F Sig.


Az F prba mr korntsem ersti meg olyan biztosan az sszefggs ltt, st a szoksos
szignifikanciszint (5%) mellett nem is fogadhatjuk el az alternatv hipotzist. Ez az eset
pldul szolgl szmunkra, hogy a variancia homogenitst rdemes komolyan venni, hiszen
ha lemondtunk volna a Levene tesztrl, akkor elfogadtunk volna egy olyan sszefggst, ami
nem mutathat ki.
5.2 Tbbszempontos varianciaanalzis
Az SPSS az Analyze > General Linear Model menpont alatt knlja a magasabb fok
varianciaelemzsi mdszereket, a Univariate alkalmas tbbszempontos varianciaelemzsre, a
Multivariate-tel tbb fgg vltozt is kezelhetnk, a Repeated Measures pedig ismtelt
mrses varianciaelemzsre ad lehetsget. Ezek kzl az egyszer tbb szempontos
varianciaelemzssel fogunk megismerkedni.
Az emltett Univariate menpontban a metrikus fgg vltozt (Dependent Variable) s a
fggetlen vltozkat (Fixed Factors) kell megadni a tbbszempontos varianciaelemzs
modelljnek meghatrozshoz. A gombok a szoksos lehetsgeket knljk, a ler
statisztikk (Descriptive Statistics), az
2
mutat (Estimates of effect size) s a Levene
teszt (Homogeneity tests) megjelentst az Options menben tudjuk belltani. (Figyeljnk
arra, hogy az Estimated Marginal Means tbla csak akkor jelenik meg, ha az elemzend
vltozkat ttettk a Display Means for ablakba.)
F: Vizsgljuk meg, hogy van-e sszefggs a teljes nyaralsklts s a nyarals hossza,
valamint az ti cl kztt. Az elemzst tbbszempontos ANOVA-val vgezzk el!
M: Analyze>General Linear Model>Univariate>Dependent Variable: k13_s, Fixed Factors:
k3,k9_kat
Options: Display Means for: OVERALL, k3, k9_kat
Display: Descriptive Statistics
Estimates of effect size
Homogeneity tests
28

34. tblzat
Between-Subjects Factors
Magyarorsz
gon
178
Klfldn 146
0-6 nap 88
7 nap 76
8-10 nap 95
11-nl tbb
nap
65
1,00
2,00
Hol nyaraltl az
elmlt nyron?
1
2
3
4
Hnynap
kategorizlva
Value Label N


A fggetlen vltozk szerinti gyakorisgokat lthatjuk a fenti tblban.
35. tblzat
Descriptive Statistics
Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?
18065,59 18312,46681 70
19561,11 14350,69245 45
19753,41 14937,31630 44
34352,89 54505,92978 19
20599,42 23697,03339 178
66494,44 69072,42978 18
87774,19 62605,09014 31
94321,57 92720,51836 51
191571,8 190801,25060 46
120141,1 134414,70058 146
27971,49 39802,25893 88
47384,87 53172,78440 76
59784,74 77924,66222 95
145615,5 177837,06840 65
65454,62 104302,45851 324
Hnynap kategorizlva
0-6 nap
7 nap
8-10 nap
11-nl tbb nap
Total
0-6 nap
7 nap
8-10 nap
11-nl tbb nap
Total
0-6 nap
7 nap
8-10 nap
11-nl tbb nap
Total
Hol nyaraltl az
Magyarorszgon
Klfldn
Total
Mean Std. Deviation N


A 2 4 csoporton belli tlagok s szrsok szemlevtelezsvel mr sejthetjk, hogy a
homogenits nem fog teljeslni.
36. tblzat
Levene's Test of Equality of Error Variances
a
Dependent Variable: Hozzvetlegesen mennyit
kltttl sszesen?
16,649 7 316 ,000
F df1 df2 Sig.
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
Design: Intercept+K3+K9_KAT+K3 * K9_KAT
a.


A mr megismert Levene tesztre (lsd Paramteres prbk vagy Egyszempontos
varianciaanalzis fejezet) pillantva beigazoldik a gyannk, a csoporton belli szrsok nem
egyeznek meg, gy nem elemezhetjk az ANOVA eredmnyeit. A vizsglatot csakis a plda
kedvrt folytatjuk.
29

37. tblzat
Tests of Between-Subjects Effects
Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?
1,152E+12
a
7 1,646E+11 22,014 ,000 ,328
1,174E+12 1 1,174E+12 157,031 ,000 ,332
5,037E+11 1 5,037E+11 67,385 ,000 ,176
1,684E+11 3 5,612E+10 7,508 ,000 ,067
9,686E+10 3 3,229E+10 4,319 ,005 ,039
2,362E+12 316 7474825130
4,902E+12 324
3,514E+12 323
Source
Corrected Model
Intercept
K3
K9_KAT
K3 * K9_KAT
Error
Total
Corrected Total
Type III Sum
of Squares df Mean Square F Sig.
Partial Eta
Squared
R Squared = ,328 (Adjusted R Squared = ,313)
a.


A tblzatbl kiolvashat a varianciaelemzs Malhotra knyvbl megismert outputja (lsd
Malhotra (2002) 585/16.5. tblzat). Az egyes oszlopok rendre az eltrsngyzetsszegeket, a
szabadsgfokokat, az tlagos ngyzetsszegeket, az F rtkeket, ennek szignifikanciit s a
parcilis
2
mutatkat tartalmazzk a teljes modellre, a magyarz vltozkra s egyttes
hatsukra illetve az interakcira vonatkozan. Sajnos az ANOVA leggyakoribb mrszmt,
az
2
-t az SPSS nem kalkullja, ha mgis szksgnk van r, akkor a tblzat adatait
felhasznlva magunknak kell a kplet segtsgvel kiszmtani (pldul Excelben).
Ha eltekintnk a Levene teszt szmunkra negatv eredmnytl, akkor a kvetkezkpp
elemezhetnnk a tblt: az ti cl s az eltlttt napok szma kln-kln s egytt is
befolysolja a nyaralskltst, hiszen az F prba szignifikanciaszintje nullhoz kzeli
mindegyik esetben, ugyanakkor a kt magyarz vltoz kztt ers interakci jelentsen
befolysolja az eredmnyt. A faktorok egyttes hatsa mindemellett kzepes (
2
= 0,328), s
az egyes faktorok parcilis hatsa is gyenge.
Az Estimated Marginal Means tblk a belltsoknak megfelelen a fgg vltoz tlagt
illetve rsztlagt tartalmazzk a kategorizlt magyarz vltozk szerinti csoportok szerint.
30

6 Korrelcielemzs
A korrelciszmts kt mdjt fogjuk megismerni az SPSS segtsgvel, a ktvltozs s a
parcilis korrelciszmtst. Mindkt elemzs esetn fontos megjegyezni, hogy csak a
vltozk kzti kapcsolat szorossgt s eljelt mrik, az irnyt nem (nincs jelentsge, hogy
melyik a fgg, s melyik a fggetlen vltoz). Radsul a nulla korrelcis egytthat csak a
lineris kapcsolatot cfolja, ugyanakkor nem zrja ki ms tpus kapcsolat ltezst.
6.1 Pearson-fle (szorzat-momentum) korrelci
A Pearson-fle korrelcis egytthat (r), amely kt metrikus vltoz kztti kapcsolat
erssgt mri, az SPSS Analyze > Correlate > Bivariate menpontjban rhet el. A
pronknt vizsglni kvnt vltozk beadsa utn (Variables) bellthatjuk, hogy a Pearson-
fle =0 nullhipotzist egy vagy kt oldalrl tesztelje a program (Test of Significance),
illetve lehetsg van az alapstatisztikk megjelentsre az Options gomb alatt. Nem
metrikus (rang) korrelcit is szmthatunk (sorrendi skln mrt vagy numerikus vltozk
esetn) a Correlation Coefficients opci Kendalls tau-b illetve Spearman kockinak
kipiplsval.
F: Vizsgljuk meg milyen szoros a kapcsolat a nyaralssal tlttt napok szma (k9) s az
sszes nyaralsi kiads (k13_s) kztt!
M: Analyze>Correlate>Bivariate>Variables: k9, k13_s; Correlation Coefficients: Pearson
Test of Significance: Two-tailed
Options: Statistics: mindkett
38. tblzat
Descriptive Statistics
9,7522 8,37915 347
64894,52 103680,60750 329
Hny napig tartott
ez a nyarals?
Hozzvetlegesen
mennyit kltttl
sszesen?
Mean Std. Deviation N


A tblzat az alapstatisztikkat tartalmazza, ez csak akkor jelenik meg, ha belltottuk az
Options menben.
31

39. tblzat
Correlations
1 ,558**
, ,000
24292,686 161059315,0
70,210 494046,978
347 327
,558** 1
,000 ,
161059315 3,5259E+12
494046,978 10749668371
327 329
Pearson Correlation
Sig. (2-tailed)
Sum of Squares and
Cross-products
Covariance
N
Pearson Correlation
Sig. (2-tailed)
Sum of Squares and
Cross-products
Covariance
N
Hny napig tartott
ez a nyarals?
Hozzvetlegesen
mennyit kltttl
sszesen?
Hny napig
tartott ez a
nyarals?
Hozzvetlege
sen mennyit
kltttl
sszesen?
Correlation is significant at the 0.01 level (2-tailed).
**.


A megfelel vltozk sor-oszlop tallkozsnl kiolvashat a keresett r rtk, jelen esetben ez
0,558, ami kzepesen ers pozitv kapcsolatot jelez a nyarals idtartama s a kltsek kztt.
(Evidens: minl hosszabb a nyarals, annl tbbet klt az ember.)
A hipotzisvizsglat is megersti a kapcsolat ltt, hiszen a szignifikancia 0,000. A
tblzatban tallhat egyb adatok a korrelci szmts rszeredmnyei (pl.: kovariancia),
ezek az Options men megfelel belltsai mellett tnnek fel.
Hasonlan elemezhet adatokat kapunk rangkorrelci szmtsakor is, csak akkor a
Nonparametric Correlations tblt kell elemezni.
6.2 Parcilis korrelci
A parcilis korrelciszmts rtelemszeren az Analyze > Correlate > Partial tvonalon
rhet el. Kt vltoz kztti kapcsolat szorossgnak mrsre ad lehetsget, egy vagy tbb
ms vltoz hatsnak kontrolllsa mellett. A Bivariate parancshoz kpest csak annyi a
vltozs, hogy a Controlling for mezben meg kell adnunk a kontrolllt vltozt is.
F: Vizsgljuk az elz feladatban megismert kapcsolat szorossgt a nyaralskori
pnzkltssel szembeni attitd (k18_5) kontrolllsa mellett!
M: Analyze>Correlate>Partial>Variables: k13_s, k9 ; Controlling for: k18_5
Tbbi marad.
32

40. tblzat

Var i abl e Mean St andar d Dev Cases

K13_S 65345, 3642 104364, 4940 324
K9 9, 7438 8, 5601 324
K18_5 3, 5741 1, 6310 324


Az eddig megszokott output tblkhoz kpest ezek kicsit ms, egyszerbb felptsek, de
szerencsre ugyanolyan jl elemezhetk. Knyelmetlensget csak a vltozk azonostsa
okozhat.

41. tblzat

- - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S - -
-

Zer o Or der Par t i al s

K13_S K9 K18_5

K13_S 1, 0000 , 5582 , 0665
( 0) ( 322) ( 322)
P= , P= , 000 P= , 233

K9 , 5582 1, 0000 - , 0619
( 322) ( 0) ( 322)
P= , 000 P= , P= , 266

K18_5 , 0665 - , 0619 1, 0000
( 322) ( 322) ( 0)
P= , 233 P= , 266 P= ,

( Coef f i ci ent / ( D. F. ) / 2- t ai l ed Si gni f i cance)

" , " i s pr i nt ed i f a coef f i ci ent cannot be comput ed

33

A fenti tblzat az egyszer korrelcis egytthatkat (r rtkeket) tartalmazza;
megfigyelhetjk, hogy a megismert kapcsolat szorossgi mutatja ezttal is 0,558 (ez csak
akkor van gy, ha a vizsglt minta megegyezik).
42. tblzat
- - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S - -
-

Cont r ol l i ng f or . . K18_5

K13_S K9

K13_S 1, 0000 , 5647
( 0) ( 321)
P= , P= , 000

K9 , 5647 1, 0000
( 321) ( 0)
P= , 000 P= ,

( Coef f i ci ent / ( D. F. ) / 2- t ai l ed Si gni f i cance)

" , " i s pr i nt ed i f a coef f i ci ent cannot be comput ed

Ebbl a tblbl olvashat ki a szmunkra fontos parcilis korrelcis egytthat, amelynek
rtke (0,5647) azt jelzi, hogy az attitd kontrolllsnak viszonylag gyenge a hatsa a
kapcsolatra, hiszen az eredeti r rtkhez kpest csak kicsi nvekedst szlelhetnk.
34

7 Regresszielemzs
A regresszielemzs sorn egy metrikus fgg s tbb fggetlen vltoz kapcsolatt
vizsgljuk valamilyen becslfggvny illesztsvel. Az SPSS-ben lehetsg van klnfle
modellek felptsre, ezek kzl mi a lineris illesztssel fogunk megismerkedni. A kt- s a
tbbvltozs lineris regresszi ugyanazon menpontban rhet el, gy a Malhotra knyvvel
ellenttben most egytt trgyaljuk ezeket. Azonban elszr kvetve a regresszielemzs
folyamatt az ltalnos modellt kell meghatroznunk. Ehhez nyjt segtsget az Analyze >
Regression > Curve Estimation menpont, ahol a kapcsolat (jelen esetben a lineris
kapcsolat) megltt illeszkedsvizsglattal ellenrizhetjk. Az illeszkedsvizsglat
futtatshoz meg kell adnunk a fgg (Dependent) s fggetlen vltozkat (Independent).
A lineris regresszi vltozinak metrikusnak kell lennik, hogy alkalmasak legyenek a
modellbe illesztshez, ugyanakkor nem metrikus adatokat is lehet kezelni mestersges (n.
Dummy) vltozk ltrehozsval. Mivel most a lineris regresszival foglalkozunk, gy ki
kell jellni a lineris modellt (Models > Linear), illetve clszer mg kipiplni az Include
constant in equation (konstans elem beptse a modellbe), a Plot models (a diagram
megjelentse) s a Display ANOVA table lehetsgeket is.
F: Vizsgljuk tovbb a fenti kapcsolatot! Milyen lineris modellel becslhet a nyaralsi
klts (k13_s) az idtartam (k9) tekintetben?
M: Analyze > Regression > Curve Estimation >Dependent: k13_s, Independent/Variable: k9
Include constant in equation
Plot models
Models: Linear
Display ANOVA table
35

43. tblzat
MODEL: MOD_2.
_



Dependent var i abl e. . K13_S Met hod. . LI NEAR

Li st wi se Del et i on of Mi ssi ng Dat a

Mul t i pl e R , 55800
R Squar e , 31137
Adj ust ed R Squar e , 30925
St andar d Er r or 86360, 79065

Anal ysi s of Var i ance:

DF Sumof Squar es Mean Squar e

Regr essi on 1 1095979398894 1095979398894
Resi dual s 325 2423910502324 7458186161, 0

F = 146, 94986 Si gni f F = , 0000

- - - - - - - - - - - - - - - - - - - - Var i abl es i n t he Equat i on - - - - - - - - - - - - - - - - - - - -

Var i abl e B SE B Bet a T Si g T

K9 6804, 818456 561, 347713 , 558003 12, 122 , 0000
( Const ant ) - 1079, 062995 7260, 916436 - , 149 , 8820


A fenti tblzatban megtallhatjuk az R
2
rtkt (0,31137), ami a kzepesnl kicsit gyengbb
kapcsolatot jelez, egy F prbt, amelynek szignifikancija a kapcsolat ltt engedi sejtetni, s
t prbt a rtkekre, amelyek kzl a meredeksg szignifikancija kisebb, mint 5 %, gy azt
mondhatjuk, hogy az eltlttt id befolysolja a nyaralskltst.
A lineris modellt is megtallhatjuk a tblban, amely a kvetkezkppen rhat fel:
Nyaralsklts = - 1079,063 + 6804,818 (nyaralssal tlttt napok szma)
36

V. bra
Hozzvetlegesen mennyit kltttl sszesen?
Hny napig tartott ez a nyarals?
100 80 60 40 20 0
1200000
1000000
800000
600000
400000
200000
0
-200000
Observed
Linear


Az bra a fgg vltoz (nyaralsklts) eredeti s becslt rtkeit tartalmazza a fggetlen
vltoz (nyaralssal tlttt napok szma) fggvnyben. Vilgosan ltszik, hogy az
illeszkeds nem tkletes, ugyanakkor valamifle lineris trend fellelhet.
Ezek utn tovbblphetnk a regresszielemzs folyamatnak kvetkez lpseire, vagyis
ellenrizhetjk az elrejelzs pontossgt, s megvizsglhatjuk a reziduumokat, illetve a
regressziszmts egyb elfeltteleinek teljeslst (pl.: vltozk normlis eloszlsa,
heteroszkedaszticits, autokorrelci, multikollinearits). Mindehhez az SPSS Analyze >
Regression > Linear menpontja nyjt segtsget.
Az Curve Estimates-hez hasonlan itt is meg kell adnunk a fgg vltozt (Dependent),
illetve a fggetlen vltozkat (Independents). A lineris regresszi vltozinak metrikusnak
kell lennik, hogy alkalmasak legyenek a modellbe illesztshez, ugyanakkor nem metrikus
adatokat is lehet kezelni mestersges (n. Dummy) vltozk ltrehozsval.
A regresszi felptsnek mdszert a Method sorban llthatjuk be, vlaszthatunk a
bevonsos, a lpsenknti, a forward s backward eljrsok kzl. A Selection Variable
mez lehetsget biztost a vlaszadk kzti szelektlsra, itt megadhatjuk, hogy melyik
vltoz milyen rtkt (megads: Rule) teljest esetek kerljenek a mintba. Hasznos lehet,
ha csak egy vlaszadi szegmensre akarjuk a modellt felpteni, illetve knyelmesen
vgezhetnk eme opci segtsgvel keresztrvnyessg vizsglatot.
A regresszivizsglat statisztiki a Statistics gombra klikkelssel rhetek el. Ha semmit sem
jellnk be, akkor is megkapjuk a legfontosabb eredmnyeket: R
2
mutat, modell paramterei
s rvnyessgvizsglat, ANOVA tbla. Az egyes lehetsgek kipiplsval hozzjuthatunk
mg egy sor hasznos adathoz: Durbin-Watson mutat az autokorrelci mrshez, R
2

37

vltozsnak mutatja a modellbe vont vltozk kivlasztshoz, egyszer, rsz- s parcilis
korrelcis egytthatk a kapcsolatok szorossgnak jellemzshez, kollinearits vizsglat a
multikollinearits kizrshoz, ler statisztikk, konfidencia intervallumok, kovariancia
rtkek stb. (rdemes ezeket kiprblgatni, tnyleg rengeteg rdekes adathoz juthatunk.)
A Plot men segtsgvel vizsglhatjuk meg a reziduumokat; a Scatter lehetv teszi
pontdiagrammok ksztst pldul a reziduumok (*ZRESID) s a becslt vltoz
(*ZPRED) kztti sszefggs vizsglatra, mg a Standardized Residual Plots mezben
a Histogram s a Normal probability plot ngyzeteit kiikszelve lehetsg nylik a
hibatnyez normlis eloszlsra vonatkoz felttelezs tesztelsre. (A Plot minden
lehetsgt vigyzva alkalmazzuk, mert gyengbb gpeken fagyst okozhat!)
A Save s az Options gombok a szoksos lehetsgeket knljk, mindamellett rdekes
lehet, hogy a vltozk bevonshoz alkalmazott F prbt milyen paramterekkel teszteljk
(ezt az Options > Stepping Method Criteria mezben definilhatjuk).
F: Folytassuk a fenti modell vizsglatt! Ellenrizzk a modell pontossgt s a vizsgljuk a
regresszi elfeltevseinek teljeslst a nyaralsi klts (k13_s) az idtartam (k9) kztti
lineris sszefggsre?
M: Analyze>Regression>Linear>Dependent: k13_s, Independent: k9, Method: Enter
Statistics: Estimates
Model fit
Descriptives
Durbin-Watson
Plots: Scatter Y: *ZRESID
X: *ZPRED
Standardized Residual Plots (mindkett)
Otipns: marad
44. tblzat
Descriptive Statistics
65221,09 103909,61595 327
9,7431 8,52071 327
Hozzvetlegesen
mennyit kltttl
sszesen?
Hny napig tartott
ez a nyarals?
Mean Std. Deviation N


A ler statisztikk mindig hasznosak, legfkpp az tlag s a szrs miatt.
38

45. tblzat
Correlations
1,000 ,558
,558 1,000
, ,000
,000 ,
327 327
327 327
Hozzvetlegesen
mennyit kltttl
sszesen?
Hny napig tartott
ez a nyarals?
Hozzvetlegesen
mennyit kltttl
sszesen?
Hny napig tartott
ez a nyarals?
Hozzvetlegesen
mennyit kltttl
sszesen?
Hny napig tartott
ez a nyarals?
Pearson Correlation
Sig. (1-tailed)
N
Hozzvetl
egesen
mennyit
kltttl
sszesen?
Hny napig
tartott ez a
nyarals?


A korrelcivizsglat alkalmval mr megismert eredmnyeket itt is elrhetjk, egybknt a
korrelcis mtrixnak a tbbvltozs regresszi esetn van rtelme a multikollinearits
megllaptsa miatt.
46. tblzat
Variables Entered/Removed
b
Hny napig
tartott ez a
nyarals?
a
, Enter
Model
1
Variables
Entered
Variables
Removed Method
All requested variables entered.
a.
Dependent Variable: Hozzvetlegesen
mennyit kltttl sszesen?
b.


A modell felptsekor a bevonsos mdszerrel dolgoztunk, de ennek is csak tbb vltoz
esetn van jelentsge.
39

47. tblzat
Model Summary
b
,558
a
,311 ,309 86360,79065 1,948
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-W
atson
Predictors: (Constant), Hny napig tartott ez a nyarals?
a.
Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?
b.


Az elz elemzsben megismert R
2
-t itt is azt jelzi, hogy a modellnk magyarz ereje a
kzepesnl gyengbb. A Durbin-Watson mutat rtke kzel 2, gy nem veszlyezteti a
modell rvnyessgt az autokorrelci.
48. tblzat
ANOVA
b
1,10E+12 1 1,096E+12 146,950 ,000
a
2,42E+12 325 7458186161
3,52E+12 326
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Hny napig tartott ez a nyarals?
a.
Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?
b.


Az ANOVA tbla is elkerlt mr a Curve Estimation-nl is.
49. tblzat
Coefficients
a
-1079,063 7260,916 -,149 ,882
6804,818 561,348 ,558 12,122 ,000
(Constant)
Hny napig tartott
ez a nyarals?
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardi
zed
Coefficien
ts
t Sig.
Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?
a.


A lineris modellt itt is kiolvashatjuk a tblbl, vagyis
Nyaralsklts = - 1079,063 + 6804,818 (nyaralssal tlttt napok szma). A konstans
tovbbra sem szignifikns, innentl kezdve kutati dnts, hogy bennhagyjuk-e a modellben.
40

VI. bra
Regression Standardized Residual
8
,
0
0
7
,
0
0
6
,
0
0
5
,
0
0
4
,
0
0
3
,
0
0
2
,
0
0
1
,
0
0
0
,
0
0
-
1
,
0
0
-
2
,
0
0
-
3
,
0
0
Histogram
Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?
F
r
e
q
u
e
n
c
y
140
120
100
80
60
40
20
0
Std. Dev = 1,00
Mean = 0,00
N = 327,00


Jelen esetben elgedettek lehetnk az brval, hiszen szp, normlis eloszlst mutatnak a
standardizlt reziduumok.
VII. bra
Scatterplot
Dependent Variable: Hozzvetlegesen mennyit kltttl sszesen?
Regression Standardized Predicted Value
10 8 6 4 2 0 -2
R
e
g
r
e
s
s
i
o
n

S
t
a
n
d
a
r
d
i
z
e
d

R
e
s
i
d
u
a
l
10
8
6
4
2
0
-2
-4


A Scatterplot-tal mr sajnos kevsb lehetnk elgedettek, ugyanis az bra jelzi, hogy a
reziduumok variancija nem konstans (lsd bvebben: Malhotra (2002) 627/17.6. bra),
mrpedig ez a regressziszmts egyik alapfeltevse (heteroszkedaszticits). Ilyen
krlmnyek kztt a modellt el kell vetnnk; a tanulsg az, hogy rdemes mindig elszr a
feltevsek teljeslst megvizsglni, hogy ne elemezznk feleslegesen.
41

F (tbbvltozs regresszi): Nzzk meg, hogy felpthet-e lineris regresszis modell a
nyaralssal val ltalnos elgedettsg, mint fgg, s a napok szma illetve a nyarals
fontossga, mint fggetlen vltozk kztt!
M: Elszr tesztelnnk kell, hogy az egyes fggetlen vltozk lineris kapcsolatban vannak-e
a fgg vltozval, illetve milyen szoros a kapcsolat, megfelelnek-e a vltozk az
elfeltevseknek, stb. Ezt az elz feladatban rszletesen bemutatott Curve Estimate, illetve
Linear menpontokban vgezhetjk el, most eltekintnk ennek a lerstl.
Ezutn pthetjk fel a tbbvltozs modellt, szintn a Linear menpont alatt.
Analyze>Regression>Linear>Dependent: k12, Independents: k9, k18_15; Method: Enter
Statistics: Estimates
Covariance matrix
Model fit
Descriptives
Durbin-Watson
Csak azokat a tblkat nzzk meg, ahol szmottev jdonsg fedezhet fel.
50. tblzat
Correlations
1,000 ,160 ,192
,160 1,000 ,195
,192 ,195 1,000
, ,001 ,000
,001 , ,000
,000 ,000 ,
343 343 343
343 343 343
343 343 343
sszessgben
mennyire voltl elgedett
ezzel a nyaralssal?
Hny napig tartott ez a
nyarals?
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
sszessgben
mennyire voltl elgedett
ezzel a nyaralssal?
Hny napig tartott ez a
nyarals?
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
sszessgben
mennyire voltl elgedett
ezzel a nyaralssal?
Hny napig tartott ez a
nyarals?
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Pearson Correlation
Sig. (1-tailed)
N
sszessgb
en mennyire
voltl
elgedett
ezzel a
nyaralssal?
Hny napig
tartott ez a
nyarals?
Mennyire
rtesz egyet
vele - A
nyarals az
letem egyik
kzponti
rsze.


A korrelcis mtrix lehetsget nyjt a multikollinearits vizsglatra, jelen esetben
lthatjuk, hogy a kt fggetlen vltoz kztti korrelci kicsi (0,195), teht nem ll fenn
mulitkollinearits. Ugyanakkor azt is lthatjuk, hogy a fggetlen s fgg vltozk kztti
42

Pearson korrelci mindkt magyarz vltoz esetben alacsony, teht sejthetjk, hogy a
modell magyarz ereje is alacsony lesz.
51. tblzat
Model Summary
b
,229
a
,052 ,047 ,92319 1,843
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Durbin-W
atson
Predictors: (Constant), Mennyire rtesz egyet vele - A nyarals az
letem egyik kzponti rsze., Hny napig tartott ez a nyarals?
a.
Dependent Variable: sszessgben mennyire voltl elgedett
ezzel a nyaralssal?
b.


A sejtst mris igazolja az R
2
-t tartalmaz tbla: a modell magyarz ereje nagyon gyenge
(R2=0,052), ezt a modellt a gyakorlatban nem elemeznnk tovbb, most csak azrt folytatjuk,
hogy bemutathassuk a tbbi tbla tartalmt. A Durbin-Watson egytthat rtke elfogadhat,
nagyon gyenge pozitv autokorrelcit jelez.

52. tblzat
Coefficients
a
5,389 ,133 40,461 ,000
1,427E-02 ,006 ,127 2,361 ,019
9,412E-02 ,030 ,167 3,109 ,002
(Constant)
Hny napig tartott ez
a nyarals?
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: sszessgben mennyire voltl elgedett ezzel a nyaralssal?
a.


A koefficiens mtrixbl kiolvashat (az egybknt gyenge magyarzerej modellnk),
vagyis:
Nyaralsi elgedettsg = 5,389 + 0,01427 (nyaralssal tlttt napok szma) + 0,09412
(nyarals fontossga)
Br a magyarzer gyenge, de a t prba alapjn a konstans s az egytthatk szignifiknsan
klnbznek nulltl. (Vagyis, ha az R
2
-t nagyobb lenne, akkor ez egy nagyon j modell
lenne, de sajnos a gyakorlatban nem knny olyan szp modelleket pteni, mint a Malhotra
knyv (2002) mintaadatbzisbl.)
43

53. tblzat
Coefficient Correlations
a
1,000 -,195
-,195 1,000
9,164E-04 -3,575E-05
-3,575E-05 3,651E-05
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Hny napig tartott ez
a nyarals?
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Hny napig tartott ez
a nyarals?
Correlations
Covariances
Model
1
Mennyire
rtesz egyet
vele - A
nyarals az
letem egyik
kzponti
rsze.
Hny napig
tartott ez a
nyarals?
Dependent Variable: sszessgben mennyire voltl elgedett ezzel a
nyaralssal?
a.


A koefficiens mtrix a mr megismert korrelcin kvl a kovariancia rtkeket is
tartalmazza.
44

8 Faktorelemzs
A faktorelemzs clja az, hogy a sok, nehezen kezelhet, ugyanakkor egymssal korrell
vltozbl integrlt mestersges vltozkat lltson el, gy jellemzen a klnfle rtkel
sklkkal (pl.: Likert skla) mrt attitdkrdsek a legmegfelelbb inputok szmra.
Statisztikai programunkban a faktoranalzis az Analyze > Data Reduction > Factor
menpontban tallhat. A felnyl Factor Analysis ablakban kell beadnunk a kiindul
vltozkat (Variables), s termszetesen itt is lehetsg nylik a vlaszadk kivlogatsra
(Selection Variable > Value).
Faktorelemzskor klnsen rdemes odafigyelni az opcik megadsra, mert az output
tblk risi mennyisg adatot tartalmaznak mr a legegyszerbb esetben is, teht fontos,
hogy tnyleg csak a hasznlni kvnt elemzseket lltsuk be, klnben knnyen
agyonnyomhat minket az adathalmaz. ppen ezrt, most a fontosakra fogunk koncentrlni.
A Descriptives gomb alatti lehetsgekbl a Statistics kzl kihagyhatatlan az Initial
solution, a Correlation Matrix-nl pedig a KMO s a Bartlett-prba. Hasznos lehet mg a
korrelcis egytthatk (Coefficients) s szignifikancijuk (Significance Levels), tovbb a
ler statisztikk (Univariate Descriptives) megjelentse is.
Az Extraction menpontban llthatjuk be a faktorelemzs mdjt (Method), leggyakrabban
a fkomponenst mdszert szoktuk alkalmazni (Principal components). A kzs faktorok
kivlasztsnak felttelt is itt tudjuk megvltoztatni (Extract); az alapllapot a Kaiser-
kritrium, ekkor az egynl nagyobb sajtrtk faktorokat vlasztjuk ki (Eigenvalues over
1), de megadhat ms kszbrtk, vagy konkrt faktorszm is (Number of factors) kutati
dntstl fggen (a faktorok szmnak meghatrozsval ksbb bvebben foglalkozunk).
Ugyanitt, a Display mezben adhatjuk meg, hogy megjelenjen-e a rotls nlkli komponens
mtrix (Unrotated factor solution). A mez msik sora (Scree plot) a sajtrtkbra
megjelentsnek lehetsgt biztostja, ez szintn segtsgnkre lehet a faktorszm dntsnl.
A Rotation a faktorok forgatsnak belltst teszi lehetv, ltalban a Varimax-ot szoktuk
hasznlni, de rdemes kiprblni ms lehetsgeket is, br ltalban csak nehezen szlelhet
vltozst okoz. A Display mezben hasonl dolgokat llthatunk be, mint az elbb, a
Rotated solution-t mindenkppen pipljuk ki, a Loading plots kihagyhat (forgatott
komponenseket helyezi el egy hromdimenzis, gy szksgszeren nehezen tlthat
brban).
45

A Score gomb a kapott eredmny elmentsre szolgl; ha megfelelnek a faktorok, vlasszuk
a Save as variables-t, gy tovbbi elemzsk al vonhatjuk ezeket (Method: Regression
marad).
Az Options gomb ltal felknlt lehetsgek kzl szmunkra a Coefficient Display Format
a fontosabb, itt rdemes a mret szerint cskkent belltani (Sorted by size), a faktorok
knnyebb rtelmezse s ttekintse rdekben. (Ha nagyon knyelmesek vagyunk, gy a
msik opci is segtsget jelenthet, ez eltnteti a valsznleg nem relevns rtkeket.)

F: A 18. krds remek lehetsget biztost szmunkra egy faktorelemzs elvgzshez.
M: Analyze>Data Reduction>Factor>Variables: k18_1 k18_17
Descriptives: Statistics: Initial solution
Correlation Matrix: Coefficients
Significance levels
KMO and Bartletts test
Extraction: Method: Principal components
Analyze: Correlation matrix
Display: Unrotated factor solution
Scree plot
Extract: Eigenvalues over 1
Scores: egyelre semmi
Rotation: Varimax
Options: Coefficient Display Format: Sorted by size
Az els tblzat mr ismersnek tnhet, ez egy risi korrelcis mtrix, amely megmutatja a
vltozk kztti pronknti kapcsolat szorossgt. Akkor alkalmasak a kiindul adatok
faktoranalzisre, ha vannak abszolt rtelemben vett magas r rtkek, illetve nullhoz kzeli
szignifikancik a tblzatban.
54. tblzat
KMO and Bartlett's Test
,725
1012,382
136
,000
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Approx. Chi-Square
df
Sig.
Bartlett's Test of
Sphericity


46

A KMO mr egy knnyebben kezelhet mutat a vltozk kzti korrelcira; jelen esetben az
rtke 0,725, ez nagyobb, mint 0,6, vagyis a vltozink alkalmasak a faktoranalzisre. A
Bartlett prba nullhipotzist is elvethetjk, miszerint a kiindul vltozk kztti korrelci
nulla.
55. tblzat
Communalities
1,000 ,594
1,000 ,423
1,000 ,567
1,000 ,594
1,000 ,525
1,000 ,462
1,000 ,691
1,000 ,559
1,000 ,353
1,000 ,577
1,000 ,636
1,000 ,490
1,000 ,592
1,000 ,568
1,000 ,536
1,000 ,595
1,000 ,514
Mennyire rtesz egyet
vele - Nyaralskor
elssorban lustlkodni
akarok.
Mennyire rtesz egyet
vele - Szeretek
nyaralsi terveket szni.
Mennyire rtesz egyet
vele - A nyarals alatt
nagy hangslyt helyezek
a trsasgra.
Mennyire rtesz egyet
vele - A vlasztsnl a
tjnak, a krnyezetnek
nagy szerepe van.
Mennyire rtesz egyet
vele - Nyaralskor nem
figyelek a pnzre.
Mennyire rtesz egyet
vele - Egy elrontott
nyarals nagyon tud
dhteni.
Mennyire rtesz egyet
vele - Nyaralskor sok
friss levegn val
mozgsra van
szksgem.
Mennyire rtesz egyet
vele - Nyaralskor
fontosnak tartom a
knyelmes szllst s a
j vendgltst.
Mennyire rtesz egyet
vele - A nyarals
mindenekeltt lmnyteli
legyen.
Mennyire rtesz egyet
vele - A nyarals sorn
szvesen aktivizlom
magam csoportos
tevkenysgekben.
Mennyire rtesz egyet
vele - Az ltalam
kivlasztott dlhely
kultrja s trtnelme
nagyon fontos a
szmomra.
Mennyire rtesz egyet
vele - A nyaralsokrl,
utazsokrl rkig
tudnk beszlni.
Mennyire rtesz egyet
vele - Nyaralskor a
nyugalmat s az
egyedlltet keresem.
Mennyire rtesz egyet
vele - Szvesen
ismerkedem meg j
emberekkel az dls
sorn.
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Mennyire rtesz egyet
vele - Ha nyaralok, a
termszet s az
eredetisg lmnyt
keresem.
Mennyire rtesz egyet
vele - Nem rdekel az
olyan ticl, amely nem
szolgl kulturlis
rdekessgekkel.
Initial Extraction
Extraction Method: Principal Component Analysis.


47

A hossz kommunalitsi tbla a bemen s kijv kommunalits rtkeket mutatja a
faktorokra (kezdetben ez persze egy). A tblzat aljn a mdszert lthatjuk (jelen esetben
fkomponens mdszer).
56. tblzat
Total Variance Explained
3,407 20,041 20,041 3,407 20,041 20,041 2,412 14,186 14,186
1,801 10,594 30,634 1,801 10,594 30,634 1,917 11,274 25,460
1,527 8,983 39,617 1,527 8,983 39,617 1,754 10,320 35,780
1,280 7,530 47,147 1,280 7,530 47,147 1,682 9,894 45,674
1,262 7,426 54,573 1,262 7,426 54,573 1,513 8,899 54,573
,997 5,866 60,440
,849 4,996 65,435
,836 4,920 70,356
,777 4,569 74,925
,727 4,276 79,201
,627 3,688 82,889
,602 3,540 86,429
,543 3,197 89,626
,497 2,924 92,550
,449 2,641 95,191
,415 2,442 97,633
,402 2,367 100,000
Component
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Total
% of
Variance
Cumulativ
e % Total
% of
Variance
Cumulativ
e % Total
% of
Variance
Cumulativ
e %
Initial Eigenvalues
Extraction Sums of Squared
Loadings Rotation Sums of Squared Loadings
Extraction Method: Principal Component Analysis.


A fkomponens mdszer lnyege, hogy azokat a faktorokat vlasztjuk ki, amelyek a legtbb
variancit magyarzzk, s ez pedig a fenti variancia tblzatban figyelhet meg. Az els
oszlop tartalmazza a kiindul vltozk szmt, a msodik foszlop a sajtrtkeket s
variancikat a fkomponens mdszer alkalmazsa utn, a harmadik ugyanezeket a kivlasztott
faktorokra, a negyedik pedig a rotls utni rtkeket. A foszlopokon bell az egyes
oszlopokban a sajtrtket, a magyarzott variancit s ennek kumullt rtkt lthatjuk. Jelen
esetben a faktorszm meghatrozsnl a Kaiser kritriumot hasznltuk (emlkezznk, hogy az
Eigenvalues over 1 lehetsget lltottuk be), gy csak az 5 darab egynl nagyobb
sajtrtk komponens kerlt kivlasztsra (lsd 2. foszlop, 1. oszlop). Ez az t faktor egytt
a teljes variancia 54,573%-t magyarzza (lsd 2. foszlop, 3. oszlop als sora). Ez sajnos
nem tl j rtk, mert nem ri el a hvelykujj-szablyknt elfogadott 60%-os kszbt.
Felmerl a krds, hogy megfelel-e neknk az ts faktorszm, vagy dolgozzunk 6 faktorral,
hogy elrjk a 60%-os magyarzott variancit (60,440%), radsul a 6. faktor sajtrtke is
majdnem elri az 1-et (0,997). A dntsben a kvetkez bra is segtsget nyjthat.
48

VIII. bra
Scree Plot
Component Number
17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
E
i
g
e
n
v
a
l
u
e
4,0
3,5
3,0
2,5
2,0
1,5
1,0
,5
0,0


A fenti sajtrtkbrn knykpontokat kell keresni (n. elbow-kritrium), hiszen azokon a
helyeken romlik el hirtelen a magyarzott variancia nvekedse, ahol trs van a grbn.
Ezen az brn a 4, illetve 7 faktorszmnl tallhatunk knykpontokat, ezek kzl nyilvn
csak a hetes a relevns, a magyarzott varianciahnyad nagysga miatt. A 7 faktorszmnl
lv trs megerst minket abban, hogy a 6 faktoros megoldst rdemes vlasztanunk.
49

57. tblzat
Component Matrix
a
,640 ,352 -,127 ,170 ,128
,619 ,379 -,112 -,277 ,139
,593 -,122 ,214 -,279 -8,99E-03
,586 -,147 ,143 -,208 ,328
,565 -,405 -5,27E-02 ,287 9,574E-02
,535 -7,37E-02 4,351E-02 -,292 -,210
,513 -,116 -3,20E-02 1,573E-03 -,276
,462 ,281 -4,96E-02 -,453 ,121
,446 ,370 -1,67E-02 ,265 -,433
,414 -,380 ,144 ,372 ,305
,179 -,708 ,112 5,115E-02 -,139
-,115 ,563 ,261 ,203 ,391
-2,57E-02 ,222 ,705 5,957E-02 -9,58E-02
-,351 3,630E-02 ,647 -,103 -,201
,303 -1,60E-02 ,447 -9,18E-02 -,402
,450 ,250 5,760E-02 ,637 -,129
5,998E-02 -,150 ,453 1,593E-02 ,542
Mennyire rtesz egyet
vele - Ha nyaralok, a
termszet s az
eredetisg lmnyt
keresem.
Mennyire rtesz egyet
vele - Az ltalam
kivlasztott dlhely
kultrja s trtnelme
nagyon fontos a
szmomra.
Mennyire rtesz egyet
vele - A nyaralsokrl,
utazsokrl rkig
tudnk beszlni.
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Mennyire rtesz egyet
vele - A nyarals sorn
szvesen aktivizlom
magam csoportos
tevkenysgekben.
Mennyire rtesz egyet
vele - Szeretek
nyaralsi terveket szni.
Mennyire rtesz egyet
vele - A nyarals
mindenekeltt lmnyteli
legyen.
Mennyire rtesz egyet
vele - Nem rdekel az
olyan ticl, amely nem
szolgl kulturlis
rdekessgekkel.
Mennyire rtesz egyet
vele - A vlasztsnl a
tjnak, a krnyezetnek
nagy szerepe van.
Mennyire rtesz egyet
vele - Szvesen
ismerkedem meg j
emberekkel az dls
sorn.
Mennyire rtesz egyet
vele - A nyarals alatt
nagy hangslyt helyezek
a trsasgra.
Mennyire rtesz egyet
vele - Nyaralskor a
nyugalmat s az
egyedlltet keresem.
Mennyire rtesz egyet
vele - Nyaralskor
fontosnak tartom a
knyelmes szllst s a
j vendgltst.
Mennyire rtesz egyet
vele - Nyaralskor
elssorban lustlkodni
akarok.
Mennyire rtesz egyet
vele - Egy elrontott
nyarals nagyon tud
dhteni.
Mennyire rtesz egyet
vele - Nyaralskor sok
friss levegn val
mozgsra van
szksgem.
Mennyire rtesz egyet
vele - Nyaralskor nem
figyelek a pnzre.
1 2 3 4 5
Component
Extraction Method: Principal Component Analysis.
5 components extracted.
a.

50

A komponens mtrixbl olvashatjuk ki, hogy melyik vltoz melyik faktort jellemzi
leginkbb. Pldul az els sorban lv vltoz (eredetisg, termszet szpsgnek keresse)
leginkbb az egyes faktort jellemzi, mert itt van a legnagyobb, abszolt rtkben 0,5 feletti
faktorsly (0,640). Megfigyelhetjk, hogy a fkomponens mdszer a legtbb vltozt az
egyes faktorhoz sorolja, ami az rtelmezst nehzkess teszi, ezrt van szksg a vltozk
forgatsra. A faktorok kialaktsnl teht mindig a rotlt komponens mtrixot kell
rtelmezni.
51

58. tblzat
Rotated Component Matrix
a
,736 ,237 -1,09E-02 -,146 -,132
,706 7,125E-03 -8,26E-02 -8,14E-02 -5,12E-02
,573 6,554E-02 ,246 ,262 ,171
,566 -3,43E-02 ,458 6,899E-02 -8,77E-03
,518 ,140 2,249E-02 ,357 8,440E-02
-3,01E-02 ,787 ,244 -,103 2,852E-02
,184 ,720 -,165 6,456E-02 9,939E-02
,460 ,531 ,175 -,187 -,188
1,505E-02 ,171 ,722 ,113 -6,36E-02
,135 ,284 ,575 ,334 -,188
8,613E-02 -,271 ,565 -,264 ,234
6,241E-04 ,109 6,423E-02 -,740 ,169
-,105 -9,88E-02 ,398 ,620 5,964E-02
,295 ,335 8,773E-02 ,383 5,670E-03
2,320E-03 9,746E-02 6,982E-02 -,205 ,709
-,194 -,199 -,108 -5,25E-02 ,708
,220 ,221 -2,77E-03 ,293 ,528
Mennyire rtesz egyet
vele - Az ltalam
kivlasztott dlhely
kultrja s trtnelme
nagyon fontos a
szmomra.
Mennyire rtesz egyet
vele - Nem rdekel az
olyan ticl, amely nem
szolgl kulturlis
rdekessgekkel.
Mennyire rtesz egyet
vele - A nyaralsokrl,
utazsokrl rkig
tudnk beszlni.
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Mennyire rtesz egyet
vele - Szeretek
nyaralsi terveket szni.
Mennyire rtesz egyet
vele - Nyaralskor sok
friss levegn val
mozgsra van
szksgem.
Mennyire rtesz egyet
vele - A vlasztsnl a
tjnak, a krnyezetnek
nagy szerepe van.
Mennyire rtesz egyet
vele - Ha nyaralok, a
termszet s az
eredetisg lmnyt
keresem.
Mennyire rtesz egyet
vele - Szvesen
ismerkedem meg j
emberekkel az dls
sorn.
Mennyire rtesz egyet
vele - A nyarals sorn
szvesen aktivizlom
magam csoportos
tevkenysgekben.
Mennyire rtesz egyet
vele - Nyaralskor nem
figyelek a pnzre.
Mennyire rtesz egyet
vele - Nyaralskor a
nyugalmat s az
egyedlltet keresem.
Mennyire rtesz egyet
vele - A nyarals alatt
nagy hangslyt helyezek
a trsasgra.
Mennyire rtesz egyet
vele - A nyarals
mindenekeltt lmnyteli
legyen.
Mennyire rtesz egyet
vele - Nyaralskor
fontosnak tartom a
knyelmes szllst s a
j vendgltst.
Mennyire rtesz egyet
vele - Nyaralskor
elssorban lustlkodni
akarok.
Mennyire rtesz egyet
vele - Egy elrontott
nyarals nagyon tud
dhteni.
1 2 3 4 5
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 7 iterations.
a.


52

Az 5 faktorra Varimax rotlst alkalmazva a faktorok sokkal knnyebben elemezhetbb
vltak. A faktorsly nagysg szerinti rendezs hatsra a tblzat oszlopaiban fellrl lefel
haladva knnyedn megtallhatk az abszolt rtkben 0,5-nl nagyobb szmok. Ezek alapjn
az egyes faktorokhoz a kvetkez vltozk tartoznak:
59. tblzat
Faktor Vltoz lltsa
Vltoz
kdja
Faktorsly
rtk
Az ltalam kivlasztott dlhely kultrja s trtnelme nagyon fontos a
szmomra.
k18_11 0,736
Nem rdekel az olyan ti cl, amely nem szolgl kulturlis rdekessgekkel. k18_17 0,706
A nyaralsokrl, utazsokrl rkig tudnk beszlni. k18_12 0,573
A nyarals az letem egyik kzponti rsze. k18_15 0,566
F1
Szeretek nyaralsi terveket szni. k18_2 0,518
Nyaralskor sok friss levegn valmozgsra van szksgem. k18_7 0,787
A vlasztsnl a tjnak, a krnyezetnek nagy szerepe van. k18_4 0,720 F2
Ha nyaralok, a termszet s az eredetisg lmnyt keresem. k18_16 0,531
Szvesen ismerkedem meg j emberekkel az dls sorn. k18_14 0,722
A nyarals sorn szvesen aktivizlom magam csoportos tevkenysgekben. k18_10 0,575 F3
Nyaralskor nem figyelek a pnzre. k18_5 0,565
Nyaralskor a nyugalmat s az egyedlltet keresem. (-) k18_13 -0,740
A nyarals alatt nagy hangslyt helyezek a trsasgra. k18_3 0,620 F4
A nyarals mindenekeltt lmnyteli legyen. (0) k18_9 0,383
Nyaralskor fontosnak tartom a knyelmes szllst s a j vendgltst. k18_8 0,709
Nyaralskor elssorban lustlkodni akarok. k18_1 0,708 F5
Egy elrontott nyarals nagyon tud dhteni. k18_6 0,528

A faktorokat a fenti tblzat alapjn lehet rtelmezni, elnevezni, de mivel mr fent
eldntttk, hogy idelisabb lenne a 6 faktoros megoldssal dolgozni, gy most ettl
eltekintnk, ehelyett megvizsgljuk a 6 faktoros esetet.

F: Ksztsk el a 6 faktoros megoldst, s mentsk is le az j vltozkat!
M: Analyze>Data Reduction>Factor>Variables: k18_1 k18_17
Descriptives: Statistics: Initial solution
Correlation Matrix: Coefficients
Significance levels
KMO and Bartletts test
Extraction: Method: Principal components
53

Analyze: Correlation matrix
Display: Unrotated factor solution
Extract: Number of factors: 6
Rotation: Varimax
Scores: Save as variables (Method: Regression)
Options: Coefficient Display Format: Sorted by size
Csak azokat a tblkat elemzzk, ahol rdemi vltozs trtnt.
60. tblzat
Total Variance Explained
3,407 20,041 20,041 3,407 20,041 20,041 1,944 11,437 11,437
1,801 10,594 30,634 1,801 10,594 30,634 1,846 10,858 22,295
1,527 8,983 39,617 1,527 8,983 39,617 1,786 10,507 32,802
1,280 7,530 47,147 1,280 7,530 47,147 1,737 10,219 43,021
1,262 7,426 54,573 1,262 7,426 54,573 1,482 8,720 51,740
,997 5,866 60,440 ,997 5,866 60,440 1,479 8,699 60,440
,849 4,996 65,435
,836 4,920 70,356
,777 4,569 74,925
,727 4,276 79,201
,627 3,688 82,889
,602 3,540 86,429
,543 3,197 89,626
,497 2,924 92,550
,449 2,641 95,191
,415 2,442 97,633
,402 2,367 100,000
Component
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Total
% of
Variance
Cumulativ
e % Total
% of
Variance
Cumulativ
e % Total
% of
Variance
Cumulativ
e %
Initial Eigenvalues
Extraction Sums of Squared
Loadings Rotation Sums of Squared Loadings
Extraction Method: Principal Component Analysis.


A varianciatblban lthatjuk, hogy ezttal 6 faktort vlasztottunk ki, s ezek a teljes
variancia 60,440%-t magyarzzk.
54

61. tblzat
Rotated Component Matrix
a
,699 6,809E-02 ,168 ,156 8,532E-02 6,137E-02
,695 ,160 9,262E-02 -6,65E-02 -2,06E-02 ,154
,631 -3,33E-02 ,216 ,361 -8,46E-02 -,128
-,101 ,762 7,480E-02 ,312 7,762E-02 -2,35E-02
,265 ,749 1,995E-02 -,183 4,434E-02 8,980E-03
,275 ,534 ,378 ,171 -,196 -,193
,138 -4,75E-02 ,815 -8,17E-04 5,671E-02 ,106
,279 ,210 ,732 2,655E-02 -7,94E-02 -4,42E-02
3,030E-02 ,107 3,611E-02 ,767 -7,04E-03 ,110
,256 ,240 -2,25E-03 ,595 -,182 ,259
,113 -,285 2,504E-02 ,504 ,224 -,356
-,158 5,786E-02 ,153 ,112 ,787 -9,30E-02
3,699E-02 -,175 -,295 -,181 ,656 -,148
,329 ,204 2,751E-02 -1,70E-02 ,509 ,230
-3,65E-02 ,172 3,835E-03 -3,42E-02 ,106 -,806
,113 ,266 ,326 ,192 9,300E-02 ,497
,303 -,126 -,365 ,371 1,255E-02 ,445
Mennyire rtesz egyet
vele - A nyaralsokrl,
utazsokrl rkig
tudnk beszlni.
Mennyire rtesz egyet
vele - Szeretek
nyaralsi terveket szni.
Mennyire rtesz egyet
vele - A nyarals az
letem egyik kzponti
rsze.
Mennyire rtesz egyet
vele - Nyaralskor sok
friss levegn val
mozgsra van
szksgem.
Mennyire rtesz egyet
vele - A vlasztsnl a
tjnak, a krnyezetnek
nagy szerepe van.
Mennyire rtesz egyet
vele - Ha nyaralok, a
termszet s az
eredetisg lmnyt
keresem.
Mennyire rtesz egyet
vele - Nem rdekel az
olyan ticl, amely nem
szolgl kulturlis
rdekessgekkel.
Mennyire rtesz egyet
vele - Az ltalam
kivlasztott dlhely
kultrja s trtnelme
nagyon fontos a
szmomra.
Mennyire rtesz egyet
vele - Szvesen
ismerkedem meg j
emberekkel az dls
sorn.
Mennyire rtesz egyet
vele - A nyarals sorn
szvesen aktivizlom
magam csoportos
tevkenysgekben.
Mennyire rtesz egyet
vele - Nyaralskor nem
figyelek a pnzre.
Mennyire rtesz egyet
vele - Nyaralskor
fontosnak tartom a
knyelmes szllst s a
j vendgltst.
Mennyire rtesz egyet
vele - Nyaralskor
elssorban lustlkodni
akarok.
Mennyire rtesz egyet
vele - Egy elrontott
nyarals nagyon tud
dhteni.
Mennyire rtesz egyet
vele - Nyaralskor a
nyugalmat s az
egyedlltet keresem.
Mennyire rtesz egyet
vele - A nyarals
mindenekeltt lmnyteli
legyen.
Mennyire rtesz egyet
vele - A nyarals alatt
nagy hangslyt helyezek
a trsasgra.
1 2 3 4 5 6
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 10 iterations.
a.


55

Termszetesen csak a rotlt faktor mtrix a relevns szmunkra, ez alapjn elkszthetjk a
faktorainkat jellemz tblzatunkat.
62. tblzat
Faktor Vltoz lltsa
Vltoz
kdja
Faktorsly
rtk
A nyaralsokrl, utazsokrl rkig tudnk beszlni k18_12 0,699
Szeretek nyaralsi terveket szni. k18_2 0,695 F1
A nyarals az letem egyik kzponti rsze. k18_15 0,631
Nyaralskor sok friss levegn valmozgsra van szksgem. k18_7 0,762
A vlasztsnl a tjnak, a krnyezetnek nagy szerepe van. k18_4 0,749 F2
Ha nyaralok, a termszet s az eredetisg lmnyt keresem. k18_16 0,534
Nem rdekel az olyan ti cl, amely nem szolgl kulturlis rdekessgekkel. k18_17 0,815
F3 Az ltalam kivlasztott dlhely kultrja s trtnelme nagyon fontos a
szmomra.
k18_11 0,732
Szvesen ismerkedem meg j emberekkel az dls sorn. k18_14 0,767
A nyarals sorn szvesen aktivizlom magam csoportos tevkenysgekben. k18_10 0,595 F4
Nyaralskor nem figyelek a pnzre. k18_5 0,504
Nyaralskor fontosnak tartom a knyelmes szllst s a j vendgltst. k18_8 0,787
Nyaralskor elssorban lustlkodni akarok. k18_1 0,656 F5
Egy elrontott nyarals nagyon tud dhteni. k18_6 0,509
Nyaralskor a nyugalmat s az egyedlltet keresem. (-) k18_13 -0,806
A nyarals mindenekeltt lmnyteli legyen. k18_9 0,497 F6
A nyarals alatt nagy hangslyt helyezek a trsasgra. k18_3 0,445

A tblzat alapjn el tudjuk nevezni a 6 faktort (ne feledjk, hogy ezek attitdket jellnek),
s mivel ezeket elmentettk a vltozk kz, gy rdemes elltni az j vltozkat (fac1_1, ,
fac1_6) cmkvel is.
F1 (fac1_1): fontos a nyarals
F2 (fac2_1): termszet- s mozgsorientltsg
F3 (fac3_1): kultraorientltsg
F4 (fac4_1): trsasgkeress s kiadsi hajlandsg
F5 (fac5_1): komfort s knyelem fontossga
F6 (fac6_1): lmnyorientltsg

F: Vizsgljuk meg, hogy az elmentett faktorainknak mekkora az tlaga s szrsa!
M: Analyze>Desciptive Statistics>Descriptives>Variables: fac1_1, , fac6_1
56

63. tblzat
Descriptive Statistics
337 -2,79639 2,56464 ,0000000 1,00000000
337 -3,93629 2,45399 ,0000000 1,00000000
337 -2,81293 2,68820 ,0000000 1,00000000
337 -3,26322 3,35619 ,0000000 1,00000000
337 -2,84320 2,48126 ,0000000 1,00000000
337 -2,81555 1,96126 ,0000000 1,00000000
337
Faktor: fontos a nyarals
Faktor: termszet s
mozgs
Faktor: kultra
Faktor: trsasg s
kiads
Faktor: komfort s
knyelem
Faktor: lmnyek
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation


Minthogy a faktorok standardizlt vltozk, az tlaguk nulla, a szrsuk 1, ezt igazolja a
tblzat is.

F: Vizsgljuk meg, hogy az els 20 vlaszadra milyen rtkekkel rendelkeznek a faktorok, s
jellemezzk a 15. elemet!
M: Analyze>Report>Case Summaries>Variables: fac1_1, , fac6_1
Display cases
Limit cases to first 20
Show only valid cases
Show case numbers
57

64. tblzat
Case Summaries
a
1 -,32220 -,44763 1,49027 -,44772 ,59914 -1,74464
2 ,10439 ,17210 -,51451 ,46469 ,00666 ,04874
3 -2,09989 ,66861 2,09574 1,55166 ,33588 -,28199
4 1,45928 -1,12860 ,26350 1,08668 -1,28934 -1,44797
5 -,27775 -,74854 -,06184 ,19132 ,40193 ,10111
6 1,73643 -,08853 ,69687 1,07864 ,35258 ,45704
7 -,03400 -2,65006 1,33604 -,28541 -,83721 1,08986
8 -,12411 -1,43300 1,71789 -1,19862 -,80693 ,42969
9 ,81350 -,22644 ,25553 ,36305 1,01478 -,56236
10 ,92965 -,24212 1,56380 -,64397 ,92437 -,36369
11 ,36306 -,32608 1,25062 1,31767 ,05815 1,51967
12 ,51969 -1,07285 -,49521 ,88164 -,28668 1,11780
13 ,04386 -2,36989 ,40764 -,70871 ,29227 -,33348
14 -,14211 ,70954 1,22283 -1,46278 -,10219 -,83781
15 -,19680 -,63622 -,86387 -,34892 1,67514 -2,34621
16 ,43316 1,57528 -,10973 ,89987 -1,14150 ,21083
17 ,81967 -2,63720 -2,29962 ,05655 -2,84320 -1,36368
18 -,38129 ,46533 -,39262 -,14029 ,98764 -,47571
19 ,04502 -,56651 ,70352 1,25699 -,15892 ,63802
20 -,26533 -,80001 -,46967 -,46833 ,69613 ,64596
20 20 20 20 20 20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
N Total
Case
Number
Faktor:
fontos a
nyarals
Faktor:
termszet
s mozgs
Faktor:
kultra
Faktor:
trsasg
s kiads
Faktor:
komfort s
knyelem
Faktor:
lmnyek
Limited to first 20 cases.
a.


Egy egyszer Report-tal megvizsglhatjuk az els 20 eset rtkeit. A 15. vlaszad tipikus
passzv pihen: nem fontos szmra a termszet s a mozgs (-0,63622), a kultra (-0,86387),
az lmnyek (-2,34621), viszont fontos a knyelem s a komfort (1,67514).
58

9 Klaszterelemzs
A klaszterelemzs clja, hogy a megfigyelt eseteket homogn csoportokba rendezze a
kivlasztott vltozk szerint. Flves tanulmnyaink sorn a metrikus vltozkra
alkalmazhat hierarchikus klasztermdszerrel ismerkednk meg, ezt az SPSS az Analyze >
Classify > Hierarchical Cluster menpontban teszi elrhetv. A klaszterkpzshez
mindenekeltt meg kell adnunk a csoportost vltozkat (Variables), amelyeknek
metrikusaknak kell lennik. A Cluster mezben a Cases opcit kell kijellnnk, ugyanis ez
jelenti a vlaszadk csoportostst (a Variables a vltozk csoportostsra szolgl, ez a
faktoranalzishez hasonlt eljrs, de ezzel nem foglalkozunk). A Display mez lehetsgeit
kipiplva lesz aktv a kt gomb (Statistics, Plots). Kt dologra kell gyelni: 1) ha nem
jellnk ki semmit, akkor nem lesz output tblja az elemzsnek (erre figyelmeztet is az
SPSS); 2) a Plots opci nagyobb bri knnyen lefagyst okozhatnak gyengbb gpeken.
sszegezve: a gyakorlatban ltalban csak a Statistics opcit hasznljuk. Nzzk meg, hogy
mit lehet belltani ebben az opciban!
Az Agglomeration schedule kipiplsval megjelenthetjk az sszevonsi sma tblzatt
(mint Malhotra (2002) 708/20.2. tblzat), a Proximity matrix kijellsvel pedig az
elemtvolsg mtrixot. A Cluster Membership alatt bellthatjuk, hogy milyen
klaszterszm megoldsokat kvnunk megjelenteni.
A Plots menpont alatt rhet el a dendrogram (Malhotra (2002) 711/20.8. bra) s a jgcsap
diagram (Icicle), klnbz tjolssal (Horizontal/Vertical); klnsen ez utbbi kiratsa
okozhat fennakadst a program futsban (radsul igencsak hely s memriaignyes).
A Method gomb lenyomsakor felnyl ablakban llthatjuk be a klaszterelemzs mdszert.
A Ward-fle eljrs (Wards method) a Cluster Method, az euklideszi tvolsgmrtk
(Squared Euclidean distance) pedig a Measure > Interval legrdl menjben
vlaszthat ki, mg a tovbbi mezkben az rtkek (Transform Values) s mrtkek
(Tranform Measures) talaktsa oldhat meg.
A Save opciban a szmunkra megfelel szm klasztermegolds elmentsrl
gondoskodhatunk; az j vltoz (pl.: clu6_1) megmutatja, hogy az adott esetet melyik
klaszterbe sorolta az elemzs.
F: A faktoranalzis sorn ellltott vltozk segtsgvel soroljuk vlaszadinkat homogn
csoportokba!
M: Analyze>Classify>Hierarchical Cluster>Variables: fac1_1, , fac6_1; Cluster: Cases,
Diplay: Statistics
59

Statistics: Agglomeration schedule
Cluster Membership: None
Method: Wards method
Measure>Interval: Squared Euclidean distance
Save: egyelre None
65. tblzat
Case Processing Summary
a,b
337 91,6 31 8,4 368 100,0
N Percent N Percent N Percent
Valid Missing Total
Cases
Squared Euclidean Distance used
a.
Ward Linkage
b.


Az elemzsbe 337 esetet tudtunk bevonni. A megjegyzsekben lthatjuk, hogy milyen
tvolsgmrtket s eljrst alkalmaztunk.
66. tblzat
Agglomeration Schedule
59 60 ,000 0 0 136
21 49 ,000 0 0 322
101 159 ,069 0 0 77
229 315 ,162 0 0 39
58 72 ,282 0 0 54
96 149 ,406 0 0 40
56 312 ,565 0 0 80
225 329 ,730 0 0 112
18 80 ,903 0 0 109
26 222 1,089 0 0 20
... ... ... ... ... ...
2 3 935,867 315 296 325
21 31 965,350 2 318 332
7 38 1000,297 307 297 333
1 28 1036,301 310 319 329
2 18 1072,359 321 283 328
13 17 1109,119 316 306 331
15 32 1149,813 308 314 331
2 6 1199,888 325 317 332
1 4 1254,895 324 303 334
16 24 1324,243 320 313 335
13 15 1397,843 326 327 334
2 21 1475,658 328 322 333
2 7 1581,332 332 323 336
1 13 1704,684 329 331 335
1 16 1849,583 334 330 336
1 2 2016,000 335 333 0
Stage
1
2
3
4
5
6
7
8
9
10
...
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
Cluster 1 Cluster 2
Cluster Combined
Coefficient
s Cluster 1 Cluster 2
Stage Cluster First
Appears
Next Stage


60

Az sszevonsi sma tblzata a legfontosabb szmunkra a klaszterelemzs output tbli
kzl, hiszen ez alapjn hozhatunk dntst a klaszterek szmt illeten. A koefficiens oszlop
adatai alapjn alkalmazhatjuk a knyk-kritriumot, vagy az 50%-os szablyt, de bizonyos
esetekben egyedi kutati dntsre is hagyatkozhatunk. Jelen helyzetben az 50%-os szably
irrelisan sok klasztert eredmnyezne (akr 14 darab is lehetne), a knyk-kritrium
hasznlhatatlan, mert nincs nagylptk homogenits nvekeds, gy egyedi dntsre kell
hagyatkoznunk.
F: Ennek meghozatalhoz mentsk el az 5, 6, 7 klaszteres megoldsokat, s elemezzk ezeket
tovbb!
M: Analyze>Classify>Hierarchical Cluster> minden bellts marad
Save: Range of solutions: From 5 through 7 clusters
A klnbz megoldsok mind ANOVA-val, mind Means-zel jl elemezhetk, most a Means
lehetsget mutatjuk be, mert taln egy hajszlnyival knnyebben rtelmezhet (viszont le
kell mondanunk a Levene tesztrl).
M: Analyze>Compare Means>Means>Dependent List: fac1_1, , fac6_1; Independent List:
clu7_1, clu6_1, clu5_1
Options: Cell Statistics: Mean, Number of Cases, Standard Deviation
Statistics for First Layer: Anova table and eta
67. tblzat
Report
,8772143 ,2979500 ,5039085 -,5306434 ,4932752 -,5239461
57 57 57 57 57 57
,77086327 ,64613787 ,88349043 1,0009469 ,76314787 1,0543040
-,0368256 ,0790914 ,0522119 ,6531306 ,6147837 ,2683635
102 102 102 102 102 102
,77748603 ,80569343 ,86721864 ,59203796 ,62642374 ,70041637
-,2304132 -1,1729451 1,4142204 ,0000739 -,4912386 ,7867606
24 24 24 24 24 24
1,09213862 ,98531752 ,52582942 ,79416440 ,93711646 ,61906533
,3998040 -1,1561123 -,8884123 -,6747493 -,5858157 -,1759571
27 27 27 27 27 27
,70569468 ,89069538 1,03110405 1,0442147 ,89099457 ,86388954
-,9405108 ,0444844 -,7849394 -,9106595 ,5212924 -,7765359
34 34 34 34 34 34
,84917751 1,15169791 ,79314670 ,71873215 ,72709986 1,0603407
,0359515 ,5770567 -,1370760 -,1234147 -,9618310 ,3984597
76 76 76 76 76 76
,89137858 ,59510630 ,76758988 ,73386426 ,72918856 ,89362038
-1,3096903 -,6502082 -,4056966 1,3050446 -,4613329 -,9129574
17 17 17 17 17 17
,74904556 1,28453232 ,71333969 ,93663156 ,96643476 ,92085282
,0000000 ,0000000 ,0000000 ,0000000 ,0000000 ,0000000
337 337 337 337 337 337
1,00000000 1,00000000 1,00000000 1,0000000 1,0000000 1,0000000
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Ward Method
1
2
3
4
5
6
7
Total
Faktor: fontos
a nyarals
Faktor:
termszet
s mozgs Faktor: kultra
Faktor:
trsasg
s kiads
Faktor:
komfort s
knyelem
Faktor:
lmnyek


61

A tblzatot elemezve megfigyelhetjk a klasztertagsgot: a klaszterek rendre 57, 102, 24, 27,
34, 76 illetve 17 elemet tartalmaznak a 7 klaszteres megolds esetn. ltalban nem rdemes
olyan megoldst elemezni, ahol vannak nagyon alacsony elemszm klaszterek. Fontos mg
az is, hogy az egyes csoportokon bell ne legyen egynl nagyobb szrs, hiszen standardizlt
vltozkat vontunk be az elemzsbe (amelyek tlagszrsa 1). Ebben az esetben elg sok
helyen fedezhetnk fel egynl nagyobb szrst (1,09; 1,15; 1,28; stb), ezrt rdemes
megvizsglni az 5 s 6 klaszteres esetet is.
68. tblzat
Report
,8772143 ,2979500 ,5039085 -,5306434 ,4932752 -,5239461
57 57 57 57 57 57
,77086327 ,64613787 ,88349043 1,0009469 ,76314787 1,0543040
-,0368256 ,0790914 ,0522119 ,6531306 ,6147837 ,2683635
102 102 102 102 102 102
,77748603 ,80569343 ,86721864 ,59203796 ,62642374 ,70041637
-,2304132 -1,1729451 1,4142204 ,0000739 -,4912386 ,7867606
24 24 24 24 24 24
1,09213862 ,98531752 ,52582942 ,79416440 ,93711646 ,61906533
-,3472567 -,4869273 -,8307389 -,8062403 ,0312610 -,5107060
61 61 61 61 61 61
1,03101502 1,19784974 ,89966092 ,87782438 ,97067424 1,0159949
,0359515 ,5770567 -,1370760 -,1234147 -,9618310 ,3984597
76 76 76 76 76 76
,89137858 ,59510630 ,76758988 ,73386426 ,72918856 ,89362038
-1,3096903 -,6502082 -,4056966 1,3050446 -,4613329 -,9129574
17 17 17 17 17 17
,74904556 1,28453232 ,71333969 ,93663156 ,96643476 ,92085282
,0000000 ,0000000 ,0000000 ,0000000 ,0000000 ,0000000
337 337 337 337 337 337
1,00000000 1,00000000 1,00000000 1,0000000 1,0000000 1,0000000
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Mean
N
Std. Deviation
Ward Method
1
2
3
4
5
6
Total
Faktor: fontos
a nyarals
Faktor:
termszet
s mozgs Faktor: kultra
Faktor:
trsasg
s kiads
Faktor:
komfort s
knyelem
Faktor:
lmnyek


A 6 klaszteres esetben mr jval kevesebb helyen fedezhet fel 1-nl nagyobb szrs,
ugyanakkor a tagszmok nmikpp kiegyenltdtek, teht javult a helyzet. Lthatjuk, hogy a
4-es s 5-s klaszter sszevonsval cskkent a klaszterszm, ezekbl jtt ltre az j 4- es
klaszter (elemszm: 61 = 34 + 27). Ugyangy megvizsglhatjuk az 5 klaszteres esetet is, ltni
fogjuk, hogy a helyzet mr nem sokat javul, radsul a legkisebb klasztert a legnagyobbal
vonja ssze, teht a tagszmok nem egyenltdnek ki. Tovbbi vizsglat al vonhatjuk az
ANOVA s tblkat, ezek nem meglep mdon azt jelzik, hogy minl tbb klaszter van,
annl szorosabb a kapcsolat. Mindegyik esetben lehet jellemezni a klasztereket, majd
mindezek alapjn eldnteni, hogy melyik szmunkra az idelis megolds (nincs ltalnos
szably, legtbbszr szuvern kutati dnts). Mi a 6 klaszteres megolds mellett dntttnk,
ezt fogjuk a tovbbiakban vizsglni.
62

9.1 A klaszterek jellemzse
A klasztereket legegyszerbben a klasztercentroidok elemzsvel jellemezhetjk, vagyis a
csoportokon bell meg kell hatrozni a vltoz tlagt, s ez alapjn kvetkeztetst levonni a
csoportra vonatkozan. Az tlagok egy mr megismert tblban tallhatk, jelen esetben ez az
59. tblzat. Ez alapjn knnyen kszthetnk egy bvtett tblt (mint: Malhotra (2002)
712/20.3. tblzat), amelyben mg egyb vltozkkal val kapcsolatokat is vizsglhatunk a
klaszterek jobb jellemzsnek cljbl. A klasztervltozt (jelen esetben ez a clu6_1)
egyszer nominlis vltozknt kezelve bevonhatjuk kereszttbla elemzsbe, rsztlag
szmtsba, illetve egyb nominlis vltozkra alkalmazhat elemzsekbe, s gy bvthetjk
a tblt a klasztert ler egyb jellemzkkel (mint pldul tanulmnyi eredmny, nem, tlagos
nyaralsklts, stb.).
63

69. tblzat
Csoporttlagok 1. klaszter 2. klaszter 3. klaszter 4. klaszter 5. klaszter 6. klaszter
Tagsg (db/%)
57
16,9%
102
30,3%
24
7,1%
61
18,1%
76
22,6%
17
5,0%
F1
Fontos a
nyarals
0,88 0 -0,23 -0,35 0 -1,31
F2
Termszet s
mozgs
0,30 0 -1,17 -0,49 0,58 -0,65
F3
Kultra
0,50 0 1,41 -0,83 -0,14 -0,41
F4
Trsasg s
kiads
-0,53 0,65 0 -0,81 -0,12 1,3
F5
Komfort
0,49 0,61 -0,49 0 -0,96 -0,46
F6
lmnyek
-0,52 0,27 0,79 -0,51 0,40 -0,91
Egyb vltozk
Mennyit klttt
tlagosan a
nyaralsra
89 253 56 650 89 023 55 251 55 929 44 343
Hny napig
tartott a
nyarals?
10,27 8,91 12,77 8,31 10,29 8,67
Nem Sok lny Is-is Tbb lny Tbb fi Tbb lny Sok fi
Tanulmnyi
tlag
tlagos tlagos
Kiss az tlag
alatt
Ersen
tlagos
Jval az
tlag felett
Jval az
tlag alatt
Klaszterek
elnevezse
Ignyes
lnyok
Trsasgkedvel
nagykzp
Kultrtndrek Apatikusak
J tanul
erdjrk
Buliz fik

A fenti tblzat alapjn mr lehet jellemezni a klasztereket, nzznk is pr pldt!
Ignyes lnyok: imdnak nyaralni menni, ilyenkor nem sajnljk a pnzt, a kultra s a
komfort egyarnt fontos szmukra, de nem vgynak klnsen trsasgra s lmnyekre,
inkbb a nyugalmat keresik.
64

Buliz fik: semmi sem szmt szmukra a nyarals folyamn, csak a j trsasg s a buli,
inkbb rvidebb idre mennek nyaralni, s nem is kltenek sokat. Ne a j tanulk kztt
keressk ket!
65

Fggelk

70. tblzat
Elemzsi mdszerek Input vltozk Output vltozk
Gyakorisgi eloszlsok Nem metrikus
Kereszttbla Nem metrikus
Hipotzisvizsglat paramteres prbk Metrikus
Hipotzisvizsglat nem paramteres prbk Nem metrikus
Varianciaelemzs Fgtln: kategorizlt Fgg: metrikus
Kovarianciaelemzs Fgtln: kategorizlt s metrikus Fgg: metrikus
Korrelci Pearson-fle Mindkett metrikus
Korrelci parcilis Mindegyik metrikus
Korrelci nem metrikus (Spearman, Kendall) Ordinlis
Regresszi Fgtln: metrikus Fgg: metrikus
Faktorelemzs Metrikus standardizlt
Klaszterelemzs Nem metrikus s metrikus kategorizlt

66