Barna Ildikó, Székelyi Mária - Túlélőkészlet Az SPSS-hez PDF

Többváltozós elemzési technikákról
társadalomkutatók számára
Többváltozós elemzési technikákról
társadalomkutatók számára
!"#
# $% # # & '$ # # # $ $ #" # ($ $ ) $ *
# $% # $% ( " %+ # ,$ #
$ # % - $. $ % - $. # !$ # $% +
- /# 0 1 ; !$ 20
-13 456 46 5 7 4
8
9 $ %$
0 $ ' ) # $ + !. $ *
$ $ (( :; < "= 0 < ( ! !$ (( 0 <$ = < >"
# 0 . 0 ! $% " 0 ???+ !$ 2+<
.) < + @$ ! $ % #< " % < $ <( *
" % 0 " $ < (# $ $ ':$ +
" !$ 2 $ : +0 AB4C*( !) $ / %
" ' % = %"
& ' D$ E
& ' '1 #
1$ ) < 3$ (
, #.
" 6A0BC F GCH )
= 3 $ ! - $ %# : +*(
& ' '
!"#$%
1 +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AA
< $ < ( ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ A6
+ . +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AB
A+ &' $ !$ * ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AI
A+A+ :' $ !$ " ++++++++++++++++++++++++++++++++++++++++++++++++++++ C
A+ + / $ < #" :' $ !$ * J ++++++++++++++++++++ C
A+6+ ! % ! (#" ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ I
A+6+A+ % ' < ++++++++++++++++++++++++++++++++++++++++++++ 6
+ & $ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 7
+A+ $ " ) % # +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 74
+ + ,# # 8 $ # # ++++++++++++++++++++++++++++++++++++++++++++++++++++ C6
+6+ / = 0 < 'K : $ $ <$ # ++++ 5
+7+ :# $ K " # # $ ++++++++++++ 5
+C+ < # $ ++++++++++++++++++++++++++++++++++++++++++++++++++ 57
+5+ : $ ( ++++++++++++++++++++++++++++++++++++++++++++++++++++ 5C
+5+A+ L/ L
1 * +++++++++++++++++++++++++++++++++++++++++++++++++++++++ 55
+5+ + $ : $$ A # # ((
% # ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ BA
+5+ +A+ % % $(( $ #> # $
< % # +++++++++++++++++++++++++++++++++++++++++++++++++++++ BA
+5+ + + $ ! #< # $
< % # +++++++++++++++++++++++++++++++++++++++++++++++++++++ BI
+5+ +6+ % $ ' # $ +++ I
+5+ +7+ D #% # !$ <$ +++++++++++++++++++++ IC
+5+6+ # $ : $$ " ++++++++++ I4
+5+7+ $ : #. $ ++++++++++++++++++++++++++++++++++++++++++++ 4A
+5+C+ $ ++++++++++++++++++++++++++++++++++ 45
+5+C+A+ %( ) ++++++++++++++++++++++++++++++++ A A
+5+C+ + & # < K <# # #
:' $ !$ ( ++++++++++++++++++++++++++++++++++++++ A 6
+B+ - $ : $ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ A I
6+ +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ A 4
6+A+ # % " +++++++++++++++++++++++++++++++++++++++++++++++++++ A 4
6+ + @ .< +++++++++++++++++++++++++++++++++++++++++++++++++++++++ AAC
6+ +A+ < .< ++++++++++++++++++ AA4
6+ +A+A+ % (( 0 % # $ ((
$ ++++++++++++++++++++++++++++++++++++++++++++++++++++ AA4
6+ +A+ + # $ #%
# $ #% # % +++++++++++++++++++++++++++++++++++ A
6+ +A+6+ # $ #%# %< # $ #
!!$ $ %) % +++++++++++ A C
6+ + + /( "= # $ #%$ J ++++++++++++++++++++++++++++++++++++ A 4
6+ + +A+ # $ #% ++++++++++++++++++++++++++++++++++++ A 4
6+ + + + # $ #% % +++++++++++++++ A6
6+ + +6+ $. #. ! %* # $ #% + A6
6+ +6+ -$ <;< " +++++++++++++++++++++++++++++++++ A6
6+6+ % : *$ $ ++++++++++++++++++++++++++++++++++++++++++++++++ A66
6+6+A+ .# !!$ $ +++++++++++++++++++++++++++++++++ A66
6+6+ + M( %: K # # +++++++++++++++++++++++++++ A6B
6+6+6+ ! # # ++++++++++++++++++++++++++++++++++++++ A6I
6+6+6+A+ ' ' %
# # # .#" +++++++++++++++++++++++++++++++ A7A
6+7+ ! ( K )! ++++++++++++++++++++ A76
6+7+A+ N % 'K # # (( ! ( ++++++++++++++ A7C
6+7+ + 3 #K ! # # +++++++++++++++++++++++++ A7I
6+7+6+ " * ! $: ( $ $ J
<# $ ++++++++++++++++++++++++++++++++++++++ AC
6+7+7+ % $ % " K 3 D % .
# !! ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AC7
6+7+C+ / > O #( J D# $
'!$ $ $ 8 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++ ACB
6+7+C+A+ % # > ++++++++++++++++ AC4
6+C+ #%$ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ A56
+/ % # $ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ A57
7+ D . * )
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ A55
7+A+ % . * ) ++++++++++++++++++++++++++++++++++++++++++++++++++++ A5B
7+ + . * ) ++++++++++++++++++++++++++++++++++++++++++++++++++++ ABC
7+6+ . +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AB5
7+6+A+ . (' (( ++++++++++++++++++++++++++++++++++++++ ABI
7+6+ + % %
3 D *( ++++++++++++++++++++++++++++++++++++++++++++++++ AI
7+6+6+ : . +++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AI
7+7+ < .< 3 D +++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AII
7+C+ $ # $ : ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ A4
7+C+A+ 3$ # * %# +++++++++++++++++++++++++++++++++++++++++++++++++ A47
C+ , # % ) ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 7
C+A+ % % % +++++++++++++++++++++++++++++++++++++++++ C
C+ + % ;! # % ++++++++++++++++++++++++++++++++ 4
C+6+ K < "= $ $ %
% J ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ AA
C+7+ , # % ) P ( QL % ; $ A7
C+7+A+ P # $ Q ++++++++++++++++++++++++++++++++++++++++++++++++++++++ AB
C+7+ + D $ ! *<$ ++++++++++++++++++++++++++++++++++++++++++++++++
C+C+ # $ % $ ++++++++++++++++++++++++++++++++++++++++++
C+C+A+ ; % # $ ++++++++++++++++++++++++++++
C+C+ + /$ !) ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6
C+C+6+ / % % . # $ +++++++++++++++++++++ 5
C+5+ (( # $ % $ +++++++++++++++++++++++++++++++++++++++ B
C+5+A+ # :=%% # $ +++++++++++++++++++++++++++++++++++ B
C+5+ + , : *! % % +++++++++++++++++ 6
C+B+ : . % ( K # $ ##
+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 67
C+B+A+ & OR O +++++++++++++++++++++++++++++++++++++++++++++++ 6C
C+B+ + 1 S R O ++++++++++++++++++++++++++++++++++++++++++++ 6I
C+B+6+ - R - ++++++++++++++++++++++++++++++++++++++++++++++++ 7A
C+B+7+ 3 O +++++++++++++++++++++++++++++++++++++++++++++++++++ 77
C+I+ 3$ # ; # $ ( . !
% $ ( K # ++++++++++++++++++++++++++++++++++++ 75
C+4+ 9 :=%%' :=%% # $ K $ # +++++++ C
C+4+A+ &=%% ; $ # +++++++++++++++++++++++++++ C
C+4+A+A+ ( " "# % = K %
; # $ %
$ ( +++++++++++++++++++++++++++++++++++++++++++++++++++ C4
C+4+A+ + $ . %$ $ $ # %) L
# ++++++++++++++++++++++++++++++ 55
C+4+A+6+ - ( " % $ #
# $ ++++++++++++++++++++++++++++++++++++++++++++++++++ 54
C+4+ + &=%% ; !. $ L $.<
$ # ++++++++++++++++++++++++++++++++++++++++++++++++++++++ BA
C+4+ +A+ / : = $.<
$ # J +++++++++++++++++++++++++++++++++ B7
C+4+ + + 1 # #%$ (( > $ #
%< # $ # # L : ' # +++++ BB
C+4+ +6+ @$% = $.<
$ # J +++++++++++++++++++++++++++++++++ I
C+A + @ ( $ # K <$ $ . # ' ;
$ $ #. ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ I4
C+AA+ 1 $ 0 ( $K % $ # +++++ 45
5+ M $ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6 A
5+A+ ' % +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6
5+ + < # $ ++++++++++++++++++++++++++++++++++++++++++ 6 I
5+6+ T$ $ $ # # +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6A
5+6+A+ / $ 0 $ $ J ++++++++++++++++++++++++++++++++++++++ 6A6
5+6+ + $ $ #(( !) +++++++++++++++++++++++++++++++++++++++++++ 6A7
5+6+6+ $ ! #. " ++++++++++++++++++++++++++++++++++++++++++ 6AB
5+7+ > $ $ # ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6AI
B+ . * ) ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6
B+A+ $ # < % ( (( %
# $ ( K <$% (( % # " ++++++++++++++++++++++++++++++ 6
B+A+A+ -$ . $ % J ++++++++++++++++++++++++++++++++++++++++++++++ 6 7
B+A+ + % # # $ % = " K
# :=%% +++++++++++++++++++++++++++++++++++++ 6 B
B+A+6+ = ' #. ++++++++++++++++++++++++++++++ 666
B+A+7+ -$ < = % $ L # %$
$ #$ < $ ) # +++++++++++++++++++++++++++++++ 667
B+A+C+ ,# 8 +++++++++++++++++++++++++++++++++++++++++++++++++++++++ 66I
B+ + $ ! 2 $ +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 67
B+ +A+ . %# % +++++++++++++++++++++ 67A
B+ + + - # ; K % = % # ++++++++++++++++ 67B
I+ (( # # # ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6C
I+A+ (( % % $ $ * ! +++++++++++++++++++++++++++++ 6C6
I+A+A+ (( ## # - --*( +++++++++++++++++++++ 6C5
I+A+ + / % < = J .
< # +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6C4
I+ + . $!$ $ % # $$
( ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 655
4+ ,$% % +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6B7
4+A+ P < $ Q # % +/ = %
$% % J +++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6BC
4+ + %:$ $ (( :$% ++++++++++++++++++++++++++++++++++++++++++++++++++++ 6BI
4+ +A+ ) ; % +++++++++++++++++++++++++++++++++++++++ 6B4
4+ + + <# $ ++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6B4
4+6+ M $% % ) : +++++++++++++++++++++++++++++++ 6I
4+7+ % % ; $ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 6I7
4+7+A+ <$$ :=%% ' +++++++++++++++++++++++++++++++++++++++++ 6I5
4+7+ + $ ! ++++++++++++++++++++++++++++++++++++++++++++ 6I4
4+7+6+ $ % # " +++++++++++++++++++++++++++++++++++++++++ 64A
4+7+6+A+ # # 2 $%
% ( ++++++++++++++++++++++++++++++++++++++++++++++ 647
4+7+7+ :=%% # $ < # ++++++++++++++++++++++++++++++++++++++ 645
4+C+ $ (' ) +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 64I
4+C+A+ 9 < '< # $ K # %
% = < ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 7 A
4+5+ %$ # :=%% # $ $%
% ( +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 7 7
4+B+ / ( 8 -$ # $ $ +++++++++++++++++++++++++++++++++++++ 7A
4+I+ U% # !! +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 7A4
/ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 7 C
! . $ $ < # K &' $ !$ * : $ ++ 7 C
! . $ $ < # K +++++++++++++++++++++++++++++++ 76
@ .< ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 76
*/ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 767
! . $ $ < # KD . * ) +++++++++++++++++++++++++++++ 76I
! . $ $ < # K # % ) +++++++++++ 76I
! . $ $ < # K . * ) ++++++++++++++++ 77
! . $ $ < # K (( # # # ++++++++++++++ 775
! . $ $ < # K $% % ++++++++++++++++++ 774
& < # $ $ +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 7C
&
+ P: < # Q >% ! = 0 <$% =

# ) % ! ' 0 ' ???+ !$ 2+< )#
%" ' :$ #. ( ( < $ : *$ 0 ( *
<) " - -- ! $% . $ %$ 0 " " +
/ '$ $ .< - --*(
## )## #" 0 <# ' ! . $$ *
< %+ ( : " >% < %# $ 0
< % - -- :$ % + O $ (
: " ( #< : #$ # %< %
% = $ # # . $ *
< #%# : < %0 < % 0 *
)! > % # $# # $ "# # 0
# $ # P. Q < ' ( $0 $ #
# +
' : ( $ %% %# = 0
. % %() < #%#
0< $ # %:'((
) "# <) K % (( :$ # "#
# $ + #$ % # $ :$% $ 0 %*
(( ( #" $ # < % !*
% + P $ Q "# # 0 (( ## #
$% % #" +
# $ < $ :$ % < "# 0
% !$ 0 < (' ) 0 %
$ ! $( % # $ # <$ %) % ! + '
#" $ # #% %) + 4* - -- ! .*
$ " " ( 0 < ' % 0 <$% 2 (*
( : ! .$ < P Q % $ .< #"#
% < = +
= #% 0 >% %$ $ " 0
<$% $ " % % ( #% : . "# ( *
+
D % = $ S ! T % 0
& % E # 0 $ #. # 9 0 < *
' 0 <$% % * % # ( ) = $
: *$ 0 ! %# $ %# "# +
1 ! 0 +" #
! "
" " # #
$ % !
#! & #!
' "
' % # " !
& "
!
( ! "
#
! % # )*+) , -
& + & # (
. /
% %
" ,
#
! (
0
! #
! 0
! #
0 +12 &3 456$7,8*75 , 5 " !

1. táblázat: A szlovákiai szlovákok hány százaléka jellemezhet
az er szakos jelz vel?
!"
# # %
9 % #
:
% % #% )
" #! #
; #! # !
+ % * $ #
. % .
: $ *-,+<-,) ! " %
% !
!
#
* # #
# " ! = .
:> ?> !
" #
0>> # ,;,,
/
COMPUTE sz1erosb = 100 - sz1erosz .
COMPUTE sz1lustb = 100 - sz1lusta .
COMPUTE sz1teheb = 100 - sz1tehet .
COMPUTE sz1onzob = 100 - sz1onzo .
COMPUTE sz2erosb = 100 - sz2erosz .
COMPUTE sz2lustb = 100 - sz2lusta .
COMPUTE sz2teheb = 100 - sz2tehet .
COMPUTE sz2onzob = 100 - sz2onzo .
EXECUTE .
*
% /
COMPUTE likert1 = (sz1int + sz1segit + sz1toler +
sz1verse + sz1erosb +
sz1onzob + sz1teheb + sz1lustb)/8 .
COMPUTE likert2 = (sz2int + sz2segit + sz2toler +
sz2verse + sz2erosb + sz2onzob + sz2teheb + sz2lustb)/8.
EXECUTE .
* # . !
) "
!
! *
@ A !
;
* ! #! :
2. táblázat: Az egyes itemekre adott válaszkett sök
3
és a Likert-skálák eltérései
#$ "#"
%& ' ( #"
) " # "" ( " ( #"
) & &# *& " " ( " ( #"
) " # "" ( " ( #"
) %
! % #%
" B
#% *
" #
( " # C D !
________________________
E F7$;G+) ! *
! ! / F7$;G+)
*-&2-H I@*-&)9+0'*-&)9+:AJ@*-&)9+0'*-&)9+:A
#
% #
)
% $ "
! %
% % # !
!
!
) C D
! *
! ( @* A "
@K! A
" ! . "
$ " # "
" " !
" #
"
. .# ! # .#
" !
"
" #
( # # *
% @ . (
# " ( %
' ' . ! A "
.# @ "
A % .
# .
" " @ A
#
! . (
* (
COMPUTE likert=(sz1int+sz1segit+sz1toler+sz1verse)/4 .
= " ! . .#
0
# L " @0 0
A
0: " #
* @
% "
" % A
0 $ #! ! #! ,;,, !
.
1.1. táblázat: A pozitív sztereotípiákból alkotott f komponens-szkórok
kiszámításához használt súlyok
&( + ,$
& &#
#-
( $ .
, ! ' * '
. " /
COMPUTE fokomp=(0.752*sz1int+0.810*sz1segit+0.837*
sz1toler+0.676*sz1verse)/(0.752+0.810+0.837+0.676).
0: " #
* @
% "
" % A
1.2. táblázat: A Likert-skála és a f komponens átlaga és heterogenitása
( + "# (" &" *&"

%& ' "
/
) ! #! "
C D # "
%
! "
#! #! '
' "
" % " !
.# @ " #
A
@ ! . .A "
% " " ! !#
& #%
FACTOR
/VARIABLES sz1int sz1segit sz1toler sz1verse
/MISSING LISTWISE
/ANALYSIS sz1int sz1segit sz1toler sz1verse
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/SAVE REG(ALL)
/METHOD=CORRELATION .
/VARIABLES sz1int sz1segit sz1toler sz1verse

) # " !
/MISSING LISTWISE
- % !
*-,+<-,) #
#!
@ ; -9<-,) 9);* F)
<-+= $) % A
PRINT INITIAL EXTRACTION
) #% # @- -+- *A
C D
/CRITERIA FACTORS (1) ITERATE(25)
F9-+)9- #% "
"
. @$ # " #!
! #! "
A
EXTRACTION PC
- ! " @;9- F-; * F7$
;7 ) + ;FA %
ROTATION NOROTATE
" # "
"
#!
SAVE REG(ALL)
) % "
%
@*-,+<-,)MA .#
) ! "
: E
"
1.3. táblázat
Communalities
Initial Extraction
SZ1INT kérdés1:hány %
1,000 ,566
intelligens?
SZ1SEGIT kérdés1:hány
1,000 ,656
% segítõkész?
SZ1TOLER kérdés1:hány
1,000 ,701
% toleráns?
SZ1VERSE kérdés1:hány
1,000 ,457
% versenyszellemû?
Extraction Method: Principal Component Analysis.
0E @- -+- *A ! " #
#
" B
# # %
: ; " (
/
( xi − x )( yi − y )
i Cov( x, y ) ) !
r ( x, y ) = =
ns x s y sx s y
( !
E * "
#! ; " %
# $ " !
% # # "
: : : :
#! # @# / 0 N0 N0 N0 IOA
0E )P+9 F+-7 ! #!
# .#
" ! #
% % " #
@; " A %
1.4. táblázat: A f komponens-szkórok és az eredeti, mért változók

kapcsolata
" *&+
#$0 1" +
*&+ "
&( + #$ & " "&
/
2 # "#$"
1 $" 3
& &#
#-
( $ .
C ! D
% @
75 )+
"% " #! A !
# "%
"% ,
@ A % "% "
# "% ) !
# .# " #
#
" )
! $ '
0E - -+- * ! '
!
" @ ! A
" ! ! #
@> QRR
! QR R A "
1.5. táblázat
Total Variance Explained
Extraction Sums of Squared

Initial Eigenvalues Loadings
% of Cumulativ % of Cumulativ
Component Total Variance e% Total Variance e%
1 2,379 59,485 59,485 2,379 59,485 59,485
2 ,732 18,292 77,777
3 ,537 13,434 91,211
4 ,352 8,789 100,000
0Q F7$;7 ) + "
- -+- * )-K) 5 *G), @ # A
+7+ * "
" ! " "
: E?S > TE = "
% "
. O # =
"
" 2 "
! # ! U
#! #!
% ,
" @0 # (A " U
F " " !
" @
A 0 # ( "
@ A @ A .# @ A " # #%
) #% "
G V 7H 5 9- F) ! #
" # "
FG$G* +-5) V@ ! ! A ! #
" % # "
)P+9 F+-7 ,G$, 7H ,WG 9)2 *7 2- K,

" -+- * -
)-K) 5 *G), FG$G* +-5) V
# .# " %
% "
# " %
# "
1.6. táblázat
Component Matrixa
Compone
nt
1
SZ1INT kérdés1:hány %
,752
intelligens?
SZ1SEGIT kérdés1:hány
,810
% segítõkész?
SZ1TOLER kérdés1:hány
,837
% toleráns?
SZ1VERSE kérdés1:hány
,676
% versenyszellemû?
a. 1 components extracted.
0R ! F7$;7 ) + $ +9-P
. ! " *
! ! - ! !
#! " @;9- F-; * F7$
;7 ) + *4,-,A "! ! F7$;7 ) + $ +9-P !
. "
# ! !
! "#"$ %#&#"'($#
= # " U '
% @" A. ' ! C D
# ! # #
C D ! # #
" .
" ! ! # $
C D " U& #% "
M > 0>
00O @0O RO0A % "
" ! " # #%
C" D =
#! H9)WG) F-), .
! % M
00 " 'E TE N: RT
. @
# " A
#% ! " #
@ ! . .A %
@ C D A C# ! #
D ! " # "
! C D
" " #
) * + ,-$."/&%0" ! "#"$ #&# .($'1
+ " ! " ! "

( !
#
" #! C
!. #% " "
UD ! %
1.1. ábra: A f komponens-szkórok eloszlása
pozitív sztereotípiák szlo-szlo PC-je
50
40
30
20
Frequency
10
Std. Dev = 1,00
Mean = 0,00
0 N = 345,00
-3
-3
-2
-2
-1
-1
-,7
-,2
,2
,7
1,
1,
2,
2,
5
25
75
25
75
,7
,2
,7
,2
,7
,2
5
5
pozitív sztereotípiák szlo-szlo PC-je
" %
# ! "
L .
# L " @&
; " #% A )
! @ A (
) ! "
! ( !
( # -
!
"
" % . .
"
(
" . - #! "
O
L
""
O " L 27, "!

,;,, =)*; # !
"
,;,, %
$ (
@ ! A
.
% #! * $ !
! U 7 (
! + C ( D " !
( (
9 ! !
" .
! .
" # #! #
#
" % $
! !
$ !
! " .
! % (
Q
"
# C D
# # "
.# #
) C D "
# ! %
(
! .
Q * 1 ) @0XXQA 0ET'0R:
#
2 !03*"4 !+56/%-
R
= !
#! %
C % D@ #
! # ! "
A !
T
"
= . ( ! "
#
% %
" % C
D " " # !
" #
!
" /
FACTOR
/VARIABLES vallas velemeny orvosval sajto partalak
szervala tulajdon utazas eletform vallalk politika
/MISSING LISTWISE /ANALYSIS vallas velemeny orvosval
sajto partalak szervala tulajdon utazas eletform
vallalk politika
/EXTRACTION PC
/ROTATION NOROTATE
R 0XXQ
! C ! D #
H 8! " # +12 &3 456,8 15 K4 , 5
! #
T / C& # #
" 3 7 0 T T #
" 0 " D
" " ! "
! .#
" "
@0 T A
1.7. táblázat

1 5,297 48,155 48,155 5,297 48,155 48,155
2 1,452 13,200 61,355
3 ,992 9,018 70,374
4 ,684 6,214 76,588
5 ,508 4,615 81,203
6 ,471 4,283 85,487
7 ,394 3,579 89,065
8 ,369 3,358 92,424
9 ,319 2,903 95,327
10 ,263 2,395 97,721
11 ,251 2,279 100,000
00 @ " A 00
" Q :XT
O? " Q: % )
. ! U+
( % "
2 U$
#! # % % /
%
! 00 ( %
! %
" "
% U
C=% !## D " ! / "
! " #
!
" # " ) .
% ! @=
" # "
% ! A,
% " "
# "
.
O? "
2 . #47#"& '#,#+8*$#&($
#
" U
F7$;7 ) + $ +9-P
@0 ? A " . " # "
! 2 C D . U)
( ! ! %
! @0 X A
#% "
! > :Q "
>Q #
@) . ! ! A
"
> 0EQ ! !
C D ! " @ " .
A =
! !
5
"
# "
# # "
#
"
!
1.8. táblázat
Component Matrixa
Compone
nt
1
VALLAS mennyire fontos:
,368
vallásszabadság
VELEMENY mennyire
fontos: ,641
véleményszabadság
ORVOSVAL mennyire
fontos: orvosválasztás ,505
szabadsága
SAJTO mennyire fontos:
,740
sajtószabadság
PARTALAK mennyire
fontos: pártalakítás ,686
szabadsága
SZERVALA mennyire
fontos: szervezetalakítás ,728
szabadsága
TULAJDON mennyire
fontos: tulajdon ,741
szabadsága
UTAZAS mennyire fontos:
,770
utazás szabadsága
ELETFORM mennyire
fontos:
,767
életforma-választás
szabadsága
VALLALK mennyire
fontos: vállalkozás ,765
szabadsága
POLITIKA mennyire
fontos: politikai ,796
szabadságjogok
!
1.9. táblázat
Communalities
Initial Extraction
VALLAS mennyire fontos:
1,000 ,135
vallásszabadság
VELEMENY mennyire
fontos: 1,000 ,410
ORVOSVAL mennyire
fontos: orvosválasztás 1,000 ,255
szabadsága
1,000 ,548
sajtószabadság
PARTALAK mennyire
fontos: pártalakítás 1,000 ,471
szabadsága
SZERVALA mennyire
fontos: szervezetalakítás 1,000 ,530
szabadsága
TULAJDON mennyire
fontos: tulajdon 1,000 ,549
szabadsága
1,000 ,592
utazás szabadsága
ELETFORM mennyire
fontos:
1,000 ,588
szabadsága
VALLALK mennyire
fontos: vállalkozás 1,000 ,585
szabadsága
POLITIKA mennyire
fontos: politikai 1,000 ,633
szabadságjogok
1 #! " % (
"% C D
% # C % D "
Y# "! #! #!
!!
FACTOR
/VARIABLES velemeny orvosval sajto partalak szervala
tulajdon utazas eletform vallalk politika
/MISSING LISTWISE /ANALYSIS velemeny orvosval sajto
partalak szervala tulajdon utazas eletform vallalk
politika
/EXTRACTION PC
/ROTATION NOROTATE
"! ! +7+ * 5 9- F)
)P;* - )2 )P+9 F+-7 ,G$, 7H ,WG 9)2 *7 2- K,
! @0 0> A
1.10. táblázat

1 5,182 51,824 51,824 5,182 51,824 51,824
2 1,187 11,871 63,694
3 ,992 9,920 73,614
4 ,543 5,428 79,042
5 ,488 4,875 83,918
6 ,401 4,012 87,930
7 ,370 3,699 91,629
8 ,321 3,207 94,836
9 ,265 2,646 97,482
10 ,252 2,518 100,000
) ! "
#! " Q> "
"
"
!
% .# "
" @0 00 A
1.11. táblázat
Communalities
Initial Extraction
VELEMENY mennyire
fontos: 1,000 ,389
ORVOSVAL mennyire
fontos: orvosválasztás 1,000 ,241
szabadsága
1,000 ,540
sajtószabadság
PARTALAK mennyire
szabadsága
SZERVALA mennyire
szabadsága
TULAJDON mennyire
szabadsága
1,000 ,614
utazás szabadsága
ELETFORM mennyire
fontos:
1,000 ,609
szabadsága
VALLALK mennyire
szabadsága
POLITIKA mennyire
szabadságjogok
H # "! @
" A
$ !
!
C D # @
A " ! "
?
#% $
C D
U
"%
"%
# "
# > E>
X
" '> >E
% %
" " .# "!
%
FACTOR
/VARIABLES velemeny sajto partalak szervala tulajdon
utazas eletform vallalk politika
/MISSING LISTWISE
/ANALYSIS velemeny sajto partalak szervala tulajdon
/EXTRACTION PC
/ROTATION NOROTATE
% ! ! @0 0: 0 0E A/
? + . %
) ! %
" # " #
" " # %
X ) "( % C D % #
#
@ !/ A
% @ !/! A K #!
.# ! #
)
! "
#
!
1.12. táblázat

1 4,978 55,307 55,307 4,978 55,307 55,307
2 1,133 12,593 67,899
3 ,773 8,584 76,484
4 ,490 5,450 81,934
5 ,409 4,546 86,480
6 ,373 4,143 90,622
7 ,324 3,605 94,228
8 ,265 2,942 97,170
9 ,255 2,830 100,000
1.13. táblázat
Communalities
Initial Extraction
VELEMENY mennyire
fontos: 1,000 ,365
1,000 ,519
sajtószabadság
PARTALAK mennyire
szabadsága
SZERVALA mennyire
szabadsága
TULAJDON mennyire
szabadsága
1,000 ,628
utazás szabadsága
ELETFORM mennyire
fontos:
1,000 ,620
szabadsága
VALLALK mennyire
szabadsága
POLITIKA mennyire
szabadságjogok
!"
* #! " "
QQ F7$$G *-+-),
@0 0E A )P+9 F+-7 "
"
" F7$;7 ) + $ +9-P
@0 0O A ! # " #
"
1.14. táblázat
Component Matrixa
Compone
nt
1
VELEMENY mennyire
fontos: ,604
,720
sajtószabadság
PARTALAK mennyire
fontos: pártalakítás ,679
szabadsága
SZERVALA mennyire
fontos: szervezetalakítás ,731
szabadsága
TULAJDON mennyire
fontos: tulajdon ,762
szabadsága
,792
utazás szabadsága
ELETFORM mennyire
fontos:
,787
szabadsága
VALLALK mennyire
fontos: vállalkozás ,794
szabadsága
POLITIKA mennyire
fontos: politikai ,800
szabadságjogok
!#
*
. ! ! #
Y ( C " D
" ( C !D
" # #
) % # #%
% ! "
0>
"
! "! ! !
" $ # # ! !
C" D" !
00
#% # ) Z, 5) 9)K @ **A
% )
.# " # "
H F060 % .#
0:
$ 0'T #
T # . " 0
C D " " C D #
#
1.15. táblázat: A férfiak és a n k átlagos szabadságvágya
" / ' + "#"

&"
0> C D C !D " % " !

" # %
00 B ( "
0: - #! " " .# " H F060

" "
!
% ! % " "
U $) ,!
#! @0 0Q A
$ % ! U @0 0R
A
1.16. táblázat: A különböz korcsoportok átlagos szabadságvágya
" / ' + "#"

% # &" " "44 (& & &
#& 44 (& & &
@
" "
% " A !
"
! "
%
! " # $
% & % &
! !
! ' #(
)#*# #
! #+ ,
-
! #( ! ,
% . &
/ "
! - '
/ '
! ! #
! ' ! !
/ ! %
& ! ! '
!#
0 ' ! '
"
#( ! !
! " ! #1 /
,
-
'! ! " % &
! #
2.1. ábra: A szabadságvágy dimenziói
tulajdon
életforma
MAGÁN- vállalkozás
SZFÉRA
utazás
.
.
.
KÖZ- sajtó
SZFÉRA
vélemény
pártalakítás
tulajdon
'
! ,% & -
!
' ,% &-
#2 #$
# 1
*
3
! '! 4
# 5 4 , 4
- !
! #
% &
% ' &
#
' !
' # ' , 2622
7 89#9999- ' '
! / :
, " - ' :
#
( ' '! 4
, -
#
'! 4 ! '! 4 #
4# 2
!
! ! ! :
' : #
!
! '
#1 ' '!
4 '! 4 R̂ #
; ! "
! ! '! 4
* + ! <
! ! % !&
/ % & ! !
" <
#
, ! !
-# R̂ !
!
' #
' ! ' #(
" ! ! !
" 4 ! !
' 9 999 !
' ' 9 9= #
R̂ 4 ! #1
! '
# ' #
! !
" '
! "
R̂ " ! ! !
" #1
# >
" !
! # ! ! ! #
? : :
!
! ! # !
#
#
FACTOR
/MISSING LISTWISE
/ANALYSIS vallas velemeny orvosval sajto partalak
/EXTRACTION ML
/ROTATION NOROTATE .
? ' 7
FACTOR
@ ! "
#
/MISSING LISTWISE
1 ! #
/ANALYSIS vallas velemeny orvosval sajto partalak
@ !
#)
1
# @?@$@ > '! !
!
# 1A$B C$@D? 4
#
,E C$DB2-
! ! ! # '!
,@$1B $1- )= #1 !
% : ! ' :
:" & # ;
! )=
#@
)= '! #1
! '! 4 FFFF #
/EXTRACTION ML
1 " !
! ! ! "
# 1A$B C$@D? ! (>
' !
#
) G+ B@ 0>12 ! /
G ? >H2@2 #
1 ! !#
? ' #
2.1. táblázat
Communalities
Initial Extraction
VALLAS vallásszabadság ,245 ,195
VELEMENY véleményszabadság ,425 ,309
ORVOSVAL orvosválasztás szabadsága ,290 ,175
SAJTO sajtószabadság ,494 ,465
PARTALAK pártalakítás szabadsága ,586 ,717
SZERVALA szervezetalakítás szabadsága ,599 ,675
TULAJDON a tulajdon szabadsága ,538 ,582
UTAZAS az utazás szabadsága ,623 ,706
ELETFORM az életforma szabadsága ,631 ,732
VALLALK a vállalkozás szabadsága ,598 ,642
POLITIKA politikai szabadságjogok ,552 ,586
Extraction Method: Maximum Likelihood.
' ,@?@$@ >- '!

I
! # ,)#*# - $
! % ! & !
!# '! !
! !
" ! #
'
1A$B C$@D? " !
9 *F= 9 *J= # ,)#*# - 1A$B C$@D?
! !!
# ! !
I '! ! !
#
! 9 )K= ! !! !
! )K = #
!
9 )= #
#;
! " !
!! ! #K
2.2. táblázat

Factor Total Variance e% Total Variance e%
1 5,297 48,155 48,155 4,850 44,089 44,089
2 1,452 13,200 61,355 ,937 8,514 52,603
3 ,992 9,018 70,374
4 ,684 6,214 76,588
5 ,508 4,615 81,203
6 ,471 4,283 85,487
7 ,394 3,579 89,065
8 ,369 3,358 92,424
9 ,319 2,903 95,327
10 ,263 2,395 97,721
11 ,251 2,279 100,000
)#)# ! @?@$@ > 1@<1?+ >L1 ' !

=
# 1A$B C$@D?
2L(2 DE 2ML B12 >D N@?<2 ' !
'! # (
!
K ; ! '
, ! ' - !
#;
! ! #
= 2622 ' !
#1 / #
'
#
#
'! ** #1
K O=9 9 FIJ #5
!
! '! ! =) P #1
KO
'! ' !
#1 "
! '!
II #
2.3. táblázat
Factor Matrixa
Factor
1 2
ORVOSVAL orvosválasztás szabadsága ,410 8,767E-02
TULAJDON a tulajdon szabadsága ,732 -,216
UTAZAS az utazás szabadsága ,777 -,321
ELETFORM az életforma szabadsága ,779 -,354
VALLALK a vállalkozás szabadsága ,768 -,229
POLITIKA politikai szabadságjogok ,760 9,675E-02
a. 2 factors extracted. 7 iterations required.
E C$DB ( $B@A ,)#I# - "

! "
# 4 "
' #1 "
# > 4
"
#
1 ! !
! " 9 )= #1 4 !
' !% &
! '
#
!
#P 5
! #
B !!
! % &# @
7 !!
' ,*- " '
9 )= ,)- "
!
" #? # ,)#K# -
2.4. táblázat: Több faktoron jelen lév változók hovatartozása
+* !
" % & , 9 )=-#
+) !
" % &
" !
J
" # +I !: ' :
P "
! #1
Q #
J !
" " #
! " % &#
+K ! '!
% &#
" !
/ #
! #
!
"
# ,)#=# -
2.5. táblázat
Goodness-of-fit Test
Chi-Square df Sig.
388,474 34 ,000
"
! #( ' 9 999 #
,)#=# -( 3
5 ' ! #?
! !
# ,$ **
'! ! #-
! #
1 '
! # !
9 )=# )#*#
CD((L? >@$@12 1A$B C$@D?
!
#
< /
" ! #1
!
! !
!
! #B !
" !
! #
' 7
FACTOR
/VARIABLES vallas velemeny sajto partalak szervala
/MISSING LISTWISE
/ANALYSIS vallas velemeny sajto partalak szervala
/EXTRACTION ML
!
' 9 999# ,)#P# -
2.6. táblázat
Chi-Square df Sig.
242,519 26 ,000
!
# ,)#J# -
2.7. táblázat
Communalities
Initial Extraction
> #+ #
' 7
FACTOR
/MISSING LISTWISE
/EXTRACTION ML
)#O# #
2.8. táblázat
Chi-Square df Sig.
136,436 19 ,000
> #
)#F#
! #
2.9. táblázat
Communalities
Initial Extraction
5
!
! !3 1
! %
&# E C$DB ( $B@A #
,)#*9# -
#1 '!
#
2.10. táblázat
Factor Matrixa
Factor
1 2
VELEMENY véleményszabadság ,527 4,435E-02
SZERVALA szervezetalakítás
,726 ,421
szabadsága
TULAJDON a tulajdon szabadsága ,730 -,219
UTAZAS az utazás szabadsága ,772 -,331
ELETFORM az életforma szabadsága ,773 -,366
VALLALK a vállalkozás szabadsága ,768 -,230
POLITIKA politikai szabadságjogok ,756 6,815E-02
a. 2 factors extracted. 6 iterations required.
! " # $
#
#
2.2. ábra: A faktorok rotálása
F2
F2’
F1’
F1
)#)# ' ! E*
E) 4
#> !
#, !
! " #- ;
E* E*R E) E)R #
1 !
! /
% &# ; !
#
!
!
'! # (
! '!
#
!
#?
7
FACTOR
/MISSING LISTWISE
/PRINT INITIAL EXTRACTION ROTATION
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
'
+ B@( A ! #O
$ ,"
-
4 BD$ $1N E C$DB
( $B@A ,)#**# - #
O B ! !
! ' " # + B@( A !
' 4 7 f ij2 → max
j
! ! " ! !
! " 4 # ;
! 9 )= 9 )= " % &
9= 9 "
9 *)= 9 )= # $ + B@( A
! 4 !
' % &#
2.11. táblázat
Rotated Factor Matrixa
Factor
1 2
SZERVALA szervezetalakítás
,282 ,790
szabadsága
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
)#**# !
/ !
!
' ! #;
'
!
' ! #( !
, -
! !
! ! ' !
F
# ( ! !3
F ; ! !
!
! #
1 '
*9
" ! #
' ! ! !
# ,)#*)# -
2.12. táblázat
Chi-Square df Sig.
49,399 13 ,000
B " ! ' # ,)#*I# -

!
#( ' '
" !! !
# ,)#*I# -
2.13. táblázat
Communalities
Initial Extraction
? ! # ,)#*K# -
*9 ? #
2.14. táblázat
Factor
1 2
+ " #
,)#*=# - ! '! 4
! ' ! '! 4
! !
! ' ! # ,( !
"#-
2.15. táblázat
Chi-Square df Sig.
19,177 8 ,014
!
% &#
,)#*P# -
!
! ' 9 *KO#
,)#*J# -
2.16. táblázat
Factor
1 2
2.17. táblázat
Chi-Square df Sig.
6,778 4 ,148
! #
4 # ,)#*O# -
2.18. táblázat
Factor
1 2
! !
' ! ! #(
! ,
! - !
'! #
)#*F# ' !
'! ! PF
!
'! #
2.19. táblázat

Loadings Rotation Sums of Squared Loadings
1 3,328 55,468 55,468 2,530 42,162 42,162
2 ,816 13,594 69,062 1,614 26,900 69,062
'! # B == =
*I P '!
K) ) )P F
'! #
#1
!
* '! #? !
' *
'!
, 7
! - '
! '!
! #
% & ' ! ( )* + $ " ,$ -$ ( "
' ! #1
!
! #(
2 +1 ' G2 +1 B1< , >>-
' # !
! 7 ! ,B1<B122@D?- 0 B$>1$$
?N1B2D?:BL0@? ! #1 !
'
#
! !
# )#I#
!# / '
! !#
2.3. ábra: A faktorok létrehozásának mechanizmusa

X1
F X2 F̂
X3
' 7
! ! #
! ! % & ! !
F̂ # ! !
F̂ #
0 B$>1$$ ! ! %
' & X̂ # ?N1B2D?:
BL0@? ! ! '
"
" #, "
! " #- ?N1B2D?:BL0@? !
! ! #
!
#;
! ! '
/ !
" ! ! #
! ' ! ! !
#? '
!
! #
,? ! !
#- 0
?N1B2D?:BL0@? ! '
! " ! !
**
$ ' ' 7
!
! ! # 1 !
!
! ! 3
( ! ! #
FACTOR
/VARIABLES partalak szervala tulajdon utazas eletform
vallalk
/MISSING LISTWISE
/ANALYSIS partalak szervala tulajdon utazas eletform
vallalk
/EXTRACTION ML
/ROTATION VARIMAX
/SAVE REG(ALL) .
** $ ' >#B# ,*FPP- K)J:KIP#

2 +1 ' " ! #*) (
' ! !
( < ? 5DS #
. !-$ + $ " * -$ / ",
? " ! # ,)#K# )#=#

-
2.4. ábra
A magánszféra szabadságának fontossága
300
200
100
Std. Dev = ,92

Mean = 0,00
0 N = 899,00
-3
-3 0
-3 5
-2 0
-2 5
-2 0
-2 5
-1 0
-1 5
-1 0
-1 5
-,7 0
-,5
-,2
0,
,2
,5
,7
1,
1, 0
00
5
0
5
0
25
,5
,2
,0
,7
,5
,2
,0
,7
,5
,2
,0
5
0
5
magánszféra szabadságvágy (regression)
" 9 " !
R̂ 4#
/ !
*) ; !
E C*T* E C*T) 4 # ;
% ' & 2 +1 ' !
E CATH " "
! H A
#
#(
!
*
J ! #
" !
9 %
& '
!
! # U!
!
!
' ! !
# , ! 251V?122
*I
:* KQ :9 I#- 1
2.5. ábra
A közszféra szabadságának fontossága
160
140
120
100
80
60
40
Std. Dev = ,91
20 Mean = 0,00
0 N = 899,00
-1
-1
-1
-1
-,7
-,5
-,2
0,
,2
,5
,7
1,
1,
1,
1,
2,
00
5
0
5
00
25
50
75
00
,7
,5
,2
,0
5
0
5
5
0
5
0
közszféra szabadságvágy (regression)
*I 251V?122
#
! !
!
# !
' #
0 (! 1", " -
( !
! #> >@2$V@21
! !
!
' # 6 @BV@21 !
#@ ' '!
! !
" !
# : '
: ! '! 4 ! #
'! 4 , !
' !-
! #W ! ' ! !
"
#( ,
- ! !
!
#
! ! B16> C1
V@$; (1 ?# 1 !
! % &
# ? "
R R
% & " ! #1 '!
!
! #
2 + $ "- 3 ,!
(
! "
! #
1
% & # !
' " "
!
! #$ ' !
" X*K
7 ! !
' !31
2CB11 6>D$ 1A$B C$@D? # ,)#P# -
2CB11 6>D$ !
! # )#P# '!
" #$ #
FACTOR
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_7
q59_8 q59_9
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_7
q59_8 q59_9
/PRINT INITIAL KMO EXTRACTION ROTATION
/EXTRACTION ML
/ROTATION VARIMAX .
*K $0N#5.?H+T+ 5#2 + #
2.6. ábra
Factor Scree Plot

3,0
2,5
2,0
1,5
Eigenvalue
1,0
,5
0,0
1 2 3 4 5 6 7 8 9
Factor Number
Analysis weighted by UJSULY
2 ! $4 1 $4 ! ,- 5 $ 6 "
( #
? ! " ! " #
!
# 1
5 @21B:(1H1B:D>5@? ! ,5(D-
# 5(D ! 7
rij2
i j
KMO = i≠ j
rij2 + aij2
i j i j
! 6 '!
! ! '
'! !#
' '! !"
! '
! #
' '
' !#
# $
#$
#; '
' ' 6
'! ! #;
' "
/ , /
' - ' '!
!# 6 '! !
#,
! !
! #- (
'
' '! !
6 '! !# ' '
#?
# # ' '
! % & ! !
#
" ! '
'! "
! '
' ! # '
'! ! # ?
" !
' ! # 5(D ! '
'! ! # ! !
, -
! 4 ' '!
9# @ r 2
ij
* # (
! " 5(D
9 =# $ 5(D *
#
E C$DB ? >H2@2 ' N12CB@6$@+12
5(D
0 #1 !
'! 4 4 #(
4 4 ! ' *
' 9 0
! #1
*=
! !
" 0 ! ,9 9= -
' !
*P
#
)#)9# ! ! '
'! ! ' ,5(D 9 JKO- !
,0 ' 9 999-#
2.20. táblázat
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,748
Bartlett's Test of Approx. Chi-Square 1102,969

Sphericity df 36
Sig. ,000
! '
! R R̂ 4 # ,)#)*#
-
? !
# ,)#))# -
*= $ !#
*P 0 ! ! !
'! 4 , - ! !
4 #
2.21. táblázat
Chi-Square df Sig.
23,883 12 ,021
2.22. táblázat
Communalities
Initial Extraction
Q59_1 ,348 ,467
Q59_2 ,198 ,270
Q59_3 ,169 ,285
Q59_4 ,287 ,482
Q59_5 ,246 ,330
Q59_6 ,427 ,678
Q59_7 ,136 ,221
Q59_8 ,255 ,523
Q59_9 ,372 ,458
J# ! ,)#))# 1A$B C$@D? -

" ' ,9 ))*- !! # "
' ' ! 7
FACTOR
q59_9
/MISSING LISTWISE
q59_9
/EXTRACTION ML
/ROTATION VARIMAX .
5(D 0 "
" # ,)#)I# -
2.23. táblázat
Adequacy. ,743

Sphericity df 28
Sig. ,000
? ! ! #
,)#)K# -
2.24. táblázat
Communalitiesa
Initial Extraction
Q59_1 ,347 ,397
Q59_2 ,198 ,290
Q59_3 ,164 ,348
Q59_4 ,283 ,473
Q59_5 ,246 ,348
Q59_6 ,425 ,909
Q59_8 ,198 ,277
Q59_9 ,372 ,513
a. One or more communalitiy estimates greater than
1.0 were encountered during iterations. The
resulting solution should be interpreted with caution.
2 ! $ + $ 77 " " - /33 1 $ "
1 ! 9 )=
,)#)K# 1A$B C$@D?
-# 7 '!
! *9 #
$ !
* " !
#1
"
#
+
! #5 " !
#
" ! ! ,M=FTP-
! '! *
! # "
4 ! !, -
! #
2 1 33 ! 8 ", !( 1
? % &
" P# !#
FACTOR
/MISSING LISTWISE
/EXTRACTION ML
/ROTATION VARIMAX .
5(D 0 '
! ' 9 O=*#
!
" # '!
I ' )#)=# 7
2.25. táblázat

Loadings
% of Cumulativ
Factor Total Variance e%
1 1,793 25,612 25,612
2 ,783 11,188 36,800
3 ,162 2,312 39,112
1,793 + 0,783 + 0,162 = 2,738

'!
" ' '! " #1
' #
FACTOR
/MISSING LISTWISE
/EXTRACTION ML
/ROTATION VARIMAX .
! ' ! "
5(D 0
#
!
# ,)#)P# -
2.26. táblázat
Chi-Square df Sig.
8,757 8 ,363
! ! # ,)#)J# -
2.27. táblázat
Communalities
Initial Extraction
Q59_1 ,182 ,315
Q59_2 ,190 ,272
Q59_3 ,161 ,294
Q59_4 ,281 ,477
Q59_5 ,244 ,337
Q59_8 ,197 ,262
Q59_9 ,281 ,565
( ' !
# ,)#)O# -
2.28. táblázat
Factor
1 2
Q59_1 -1,52E-02 ,561
Q59_2 ,492 ,171
Q59_3 ,505 -,196
Q59_4 ,684 9,400E-02
Q59_5 ,512 ,273
Q59_8 ,394 ,326
Q59_9 ,209 ,722
2 M=FTO M=FT= ! #
M=FTO ! '
!
#
FACTOR
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_5 q59_9
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_9
/EXTRACTION ML
/ROTATION VARIMAX .
5(D 9 PJK
"
! 5(D " #
!# ,)#)F# -
2.29. táblázat
Chi-Square df Sig.
2,106 4 ,716
# ,)#I9# -
2.30. táblázat
Communalities
Initial Extraction
Q59_1 ,180 ,300
Q59_2 ,185 ,273
Q59_3 ,161 ,296
Q59_4 ,267 ,492
Q59_5 ,211 ,307
Q59_9 ,260 ,607
( ' ! "
# ,)#I*# -
2.31. táblázat
Factor
1 2
Q59_1 -1,05E-02 ,547
Q59_2 ,493 ,172
Q59_3 ,512 -,186
Q59_4 ,695 9,485E-02
Q59_5 ,489 ,261
Q59_9 ,207 ,751
M=FT= ! #*J
!! # ,)#I)# -
FACTOR
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_9
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_9
/EXTRACTION ML
/ROTATION VARIMAX .
*J ( M=FT= ! !
" ' / ! M=FT= ! M=FTO !
! ! "#
; M=FTO !
' ! " #
2.32. táblázat
Factor
1 2
Q59_1 -1,05E-02 ,547
Q59_2 ,493 ,172
Q59_3 ,512 -,186
Q59_4 ,695 9,485E-02
Q59_5 ,489 ,261
Q59_9 ,207 ,751
5(D ! 0 '
# ,)#II# -
2.33. táblázat
Adequacy. ,588

Sphericity df 10
Sig. ,000
!# ,)#IK# -
2.34. táblázat
Chi-Square df Sig.
,758 1 ,384
! ! # ,)#I=# -
2.35. táblázat
Communalities
Initial Extraction
Q59_1 ,179 ,331
Q59_2 ,166 ,260
Q59_3 ,151 ,288
Q59_4 ,233 ,528
Q59_9 ,226 ,553
! M=FT)
M=FTI M=FTK M=FT* M=FTF
!# ,)#IP# -
2.36. táblázat
Factor
1 2
Q59_1 -3,46E-02 ,574
Q59_2 ,470 ,198
Q59_3 ,512 -,162
Q59_4 ,714 ,133
Q59_9 ,167 ,724
$ " / "
#1
7
'! # ,)#IJ# -
2.37. táblázat
Extraction Sums of Squared Rotation Sums of Squared

Loadings Loadings
1 1,187 23,743 23,743 1,022 20,439 20,439
2 ,772 15,447 39,190 ,938 18,751 39,190
'!
# 9 FIO '!
'!
! #1 " '
% & ! #*O
2 $ " ! $9$ ( , ", !( 1
$ )#)K# !
7
FACTOR
q59_9
/MISSING LISTWISE
q59_9
/EXTRACTION ML
/ROTATION VARIMAX .
*O ( % & "
! #
( ! !
#
2.38. táblázat
Factor
1 2 3
Q59_1 ,596 ,160 -,128
Q59_2 2,117E-02 ,496 ,208
Q59_3 -,129 ,198 ,541
Q59_4 5,232E-02 ,502 ,468
Q59_5 ,149 ,530 ,210
Q59_6 ,951 4,343E-02 5,756E-02
Q59_8 ,189 ,482 9,177E-02
Q59_9 ,528 ,472 -,107
M=FTK M=FTF ! # ,)#IO# -

1 ' " M=FTK # ,)#IF#
-
FACTOR
/MISSING LISTWISE
/EXTRACTION ML
/ROTATION VARIMAX .
2.39. táblázat
Communalitiesa
Initial Extraction
Q59_1 ,347 ,397
Q59_2 ,198 ,290
Q59_3 ,164 ,348
Q59_4 ,283 ,473
Q59_5 ,246 ,348
Q59_6 ,425 ,909
Q59_8 ,198 ,277
Q59_9 ,372 ,513
> 5(D 0
# ,)#K9# -
2.40. táblázat
Adequacy. ,718

Sphericity df 21
Sig. ,000
# ,)#K*# -
2.41. táblázat
Chi-Squa
re df Sig.
3,548 3 ,315
! !
# ,)#K)# -
2.42. táblázat
Communalitiesa
Initial Extraction
Q59_1 ,335 ,432
Q59_2 ,155 ,250
Q59_3 9,661E-02 ,999
Q59_5 ,223 ,381
Q59_6 ,410 ,717
Q59_8 ,187 ,301
Q59_9 ,364 ,484
! M=ITI !
7 ' % &
# ,)#KI# -
2.43. táblázat
Factor
1 2 3
Q59_1 ,646 9,963E-02 -7,01E-02
Q59_2 2,882E-02 ,486 ,112
Q59_3 -,108 ,210 ,971
Q59_5 ,131 ,595 9,906E-02
Q59_6 ,840 ,106 -1,27E-02
Q59_8 ,184 ,516 2,292E-02
Q59_9 ,557 ,414 -5,71E-02
2 % " 1 $ $ /$) ",
! / M=FTI
!
M=FTI !
' #
FACTOR
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_5 q59_6 q59_8 q59_9
/EXTRACTION ML
/ROTATION VARIMAX .
> 5(D 0 # ,)#KK#

-
2.44. táblázat
Adequacy. ,718

Sphericity df 15
Sig. ,000
!# ,)#K=# -
2.45. táblázat
Chi-Squa
re df Sig.
3,206 4 ,524
( ! # ,)#KP# -
2.46. táblázat
Communalities
Initial Extraction
Q59_1 ,329 ,438
Q59_2 ,132 ,240
Q59_5 ,201 ,387
Q59_6 ,410 ,703
Q59_8 ,185 ,301
Q59_9 ,360 ,477
> " ' ! !

# ,)#KJ# -
2.47. táblázat
Factor
1 2
Q59_1 ,657 8,380E-02
Q59_2 2,870E-02 ,489
Q59_5 ,126 ,609
Q59_6 ,832 ,105
Q59_8 ,187 ,516
Q59_9 ,562 ,401
4 ! M=FTF !
#
FACTOR
/VARIABLES q59_1 q59_2 q59_5 q59_6 q59_8
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_5 q59_6 q59_8
/EXTRACTION ML
/ROTATION VARIMAX .
CD((L? >@$@12
,)#KO# - #Y
" '
" ! ,M=FT)-#
2.48. táblázat
Communalitiesa
Initial Extraction
Q59_1 ,311 ,327
Q59_2 ,114 ,222
Q59_5 ,181 ,408
Q59_6 ,329 ,951
Q59_8 ,168 ,301
' " !
" ! '
M=FT) ! !!
#1 !
' #? ! "
' " !
" ! !
! #
%' ! ! !&
! !
# !
!
! ! ' !
"# '
! " "
! ! ! #
2 . :! " " " !9 ( "
" #$
" #(
! ! ' " M=FTK
M=FTF # ,)#IO# )#IF# -
FACTOR
/MISSING LISTWISE
/EXTRACTION ML
/ROTATION VARIMAX .
Y
CD((L? >@$@12 # ,)#KF# -
! " ' "
#
'! # >
$D$ > + B@ ?C1 1A6> @?1N # ,)#=9# -
2.49. táblázat
Communalitiesa
Initial Extraction
Q59_1 ,332 ,772
Q59_2 ,182 ,260
Q59_3 ,158 ,274
Q59_4 ,280 ,513
Q59_5 ,228 ,368
Q59_6 ,344 ,447
Q59_8 ,182 ,349
2.50. táblázat

Loadings
% of Cumulativ
1 1,418 20,261 20,261
2 1,358 19,403 39,664
3 ,206 2,947 42,611
'!
# ! " ! #1
! ' ' #
FACTOR
/MISSING LISTWISE
/EXTRACTION ML
/ROTATION VARIMAX .
CD((L? >@$@12 ! ! M=FTO !
! # ,)#=*# -
2.51. táblázat
Communalities
Initial Extraction
Q59_1 ,332 ,533
Q59_2 ,182 ,268
Q59_3 ,158 ,238
Q59_4 ,280 ,478
Q59_5 ,228 ,327
Q59_6 ,344 ,598
Q59_8 ,182 ,242
? '
' M=FTO ! #$ #
FACTOR
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_6
/EXTRACTION ML
/ROTATION VARIMAX .
5(D 0 # ,)#=)# -
2.52. táblázat
Adequacy. ,623

Sphericity df 15
Sig. ,000
!# ,)#=I# -
2.53. táblázat
Chi-Square df Sig.
6,492 4 ,165
! ! # ,)#=K# -
2.54. táblázat
Communalities
Initial Extraction
Q59_1 ,331 ,557
Q59_2 ,173 ,259
Q59_3 ,158 ,253
Q59_4 ,264 ,520
Q59_5 ,188 ,282
Q59_6 ,337 ,577
( $D$ > + B@ ?C1 1A6> @?1N

# ,)#==# -
2.55. táblázat
Rotation Sums of Squared Loadings

% of Cumulativ
1 1,256 20,929 20,929
2 1,192 19,872 40,801
> '!
# ( ' ! !
# ,)#=P# -
2.56. táblázat
Factor
1 2
Q59_1 2,231E-02 ,746
Q59_2 ,505 6,305E-02
Q59_3 ,476 -,162
Q59_4 ,719 6,017E-02
Q59_5 ,502 ,173
Q59_6 6,765E-02 ,756
> M=FT) M=FTI M=FTK M=FT=

! M=FT* M=FTP ! #*F
'
! #
2% ", $ - + $ -
! )999
#
!
'! ' #
7 %( ( '
35
*
= #& ,)#=J# -
*F 1 ! !
! !
" # ! ! !
! #
2.57. táblázat: Mi kell ma ahhoz Magyarországon, hogy egy cigány
sikeres legyen? Osztályozza az alábbi szempontokat!
! "# !
$ % #
&
' "
&( # $ ) !*
% #&
' '! !
! ! # '!
Q '! ! '
Q '! '
! #0
' !' % &
! #
1 "
! ' ,M=FT)-
,M=FTI- ' ,M=FTK- #1 ! '
'!
# ,M=FT*-
,M=FTF- : ,M=FTP-
: '! #
! ! "
! ' ,M=FT)-
,M=FTI- ' ,M=FTK- ! ' ,M=FT=- #
,M=FT*- ,M=FTP-
#0 "
"
'! '! #
; % & "
' ! !
! " '! '!
" #
2. +!$ ;!,
( !
' '!
'! '! "! #
'! ' % & !
'!
' ! '
# '!
% & #0
!' % &
#
!' % &#)9
' , ! "
% & -7
FACTOR
/VARIABLES akarater jokapcs titkol szerencs csalad
szorgalo vallalas tarsadal tehetseg
/MISSING LISTWISE
/ANALYSIS akarater jokapcs titkol szerencs csalad
szorgalo vallalas tarsadal tehetseg
/EXTRACTION ML
/ROTATION VARIMAX .
)9 $0N#5.?H+T2@51B2$B $Z<@ #2 + #
! !# ,)#=O#
-
2.58. táblázat
Chi-Square df Sig.
23,883 12 ,021
$ # ,)#=F# -
2.59. táblázat
Communalities
Initial Extraction
AKARATER ,348 ,467
JOKAPCS ,198 ,270
TITKOL ,169 ,285
SZERENCS ,287 ,482
CSALAD ,246 ,330
SZORGALO ,427 ,678
VALLALAS ,136 ,221
TARSADAL ,255 ,523
TEHETSEG ,372 ,458
( " ! !
4 ,
!' !
' -# ,)#P9# -
!' ,C2 > N- ! ' ! ,)# -
' ! ,I# - !
#$ X
2.60. táblázat
Factor
1 2 3
AKARATER ,673 -3,05E-02 ,117
JOKAPCS 7,728E-02 ,487 ,166
TITKOL -,126 ,517 -4,69E-02
SZERENCS 8,544E-02 ,669 ,164
CSALAD ,178 ,467 ,282
SZORGALO ,813 3,472E-03 ,129
VALLALAS ,148 4,556E-02 ,444
TARSADAL ,145 ,269 ,655
TEHETSEG ,590 ,197 ,266
FACTOR
/VARIABLES akarater jokapcs titkol szerencs szorgalo
vallalas tarsadal tehetseg
/MISSING LISTWISE
/ANALYSIS akarater jokapcs titkol szerencs szorgalo
vallalas tarsadal tehetseg
/FORMAT BLANK(.25)
/EXTRACTION ML
/ROTATION VARIMAX .
' " GEDB( $ 0> ?5,#)=-

'
! ! #
, 9 )= " " ! "
#-
%!' & ! 5(D
!# ,)#P*# )#P)# -
2.61. táblázat
Adequacy. ,706

Sphericity df 28
Sig. ,000
2.62. táblázat
Chi-Square df Sig.
18,434 7 ,010
? !
# /
! # ,)#PI# -
2.63. táblázat
Communalities
Initial Extraction
AKARATER ,348 ,464
JOKAPCS ,186 ,261
TITKOL ,159 ,282
SZERENCS ,263 ,519
SZORGALO ,426 ,689
VALLALAS ,135 ,257
TARSADAL ,227 ,457
TEHETSEG ,357 ,446
! /
4 ! ,)#PK# - ! !
! '! #
!
' ! ' " ! '!
# !
!
" ! '!
#
2.64. táblázat
Factor
1 2 3
AKARATER ,669
JOKAPCS ,466
TITKOL ,518
SZERENCS ,687
SZORGALO ,820
VALLALAS ,486
TARSADAL ,606
TEHETSEG ,589 ,272
#5'
! ' 9 9* ,)#P)# -
" R̂ 4
/ # "
% & 9 )= '
! ! 7
! ' #B
'! '!
# ,)#P=# -
@ ! " !
!
:
: ! #
2.65. táblázat

% of Cumulativ
1 1,544 19,297 19,297
2 1,048 13,103 32,400
3 ,782 9,772 42,172
20 ! $ ! $ - 1
< : : !
! !
"
#1 *FF* !
, - #
7
•
• '
• '
•
•
•
•
' !
"
% & #
"
#1 ' % &
RF9
' '
"
)*
% ' ' &#
( !
!
'
# ?
! " #
FACTOR
/VARIABLES kepesseg szerencs lazaerk erofesz eloitel
lehetose gazdrend
/MISSING LISTWISE
/ANALYSIS kepesseg szerencs lazaerk erofesz eloitel
lehetose gazdrend
/EXTRACTION ML
/ROTATION VARIMAX .
5(D " ,)#PP# - '

' " #
2.66. táblázat
Adequacy. ,605

Sphericity df 21
Sig. ,000
)* $0N#5.?H+T2S1<D5#2 + ! #
' # ,)#PJ# -
2.67. táblázat
Chi-Square df Sig.
20,076 8 ,010
5' ! '!
# ,)#PO# -
2.68. táblázat

% of Cumulativ
1 1,019 14,552 14,552
2 ,747 10,676 25,228
!
% & ! ' #
,)#PF# -
+ 4 # ,)#J9# -
> ! !
' # 1
" :
: ! # "
" ! "
! ' #;
' " !
' ! #1
" ' #
2.69. táblázat
Communalities
Initial Extraction
KEPESSEG 48.1
szegénység okai:
7,611E-02 ,140
képesség, tehetség
hiánya
SZERENCS 48.2 a
szegénység okai: 7,940E-02 ,119
szerencse hiánya
LAZAERK 48.3 a
szegénység okai: laza ,109 ,310
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem ,101 ,219
eröltetik meg magukat
ELOITEL 48.5 a
szegénység okai:
,147 ,227
bizonyos csoportok
megkülönböztetése
LEHETOSE 48.6 a
szegénység okai: az ,203 ,571
esélyegyenlöség hiánya
GAZDREND 48.7 a
szegénység okai: a ,115 ,181
gazdasági renszer
2.70. táblázat
Factor
1 2
KEPESSEG 48.1
szegénység okai:
1,077E-02 ,374
hiánya
SZERENCS 48.2 a
szegénység okai: ,265 ,220
szerencse hiánya
LAZAERK 48.3 a
szegénység okai: laza -2,28E-02 ,556
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem 2,333E-02 ,467
ELOITEL 48.5 a
szegénység okai:
,459 ,127
bizonyos csoportok
LEHETOSE 48.6 a
szegénység okai: az ,754 -4,40E-02
GAZDREND 48.7 a
szegénység okai: a ,409 -,114
gazdasági renszer
20 - - 3 -$
? ", !- %
' & ! X
FACTOR
/VARIABLES kepesseg lazaerk erofesz eloitel lehetose
gazdrend
/MISSING LISTWISE
/ANALYSIS kepesseg lazaerk erofesz eloitel lehetose
gazdrend
/EXTRACTION ML
/ROTATION VARIMAX .
2.71. táblázat
Communalities
Initial Extraction
KEPESSEG 48.1
szegénység okai:
5,661E-02 ,114
hiánya
LAZAERK 48.3 a
szegénység okai: laza ,103 ,293
erkölcsök
EROFESZ 48.4 a
ELOITEL 48.5 a
szegénység okai:
,147 ,230
bizonyos csoportok
LEHETOSE 48.6 a
GAZDREND 48.7 a
gazdasági renszer
5(D ' ' 9 =JK
, ' 9 9J-#
'! * PO
" ! # ,)#J*# -
( 4 !
' ' '
"% & / !#
FACTOR
/VARIABLES lazaerk erofesz eloitel lehetose gazdrend
/MISSING LISTWISE
/ANALYSIS lazaerk erofesz eloitel lehetose gazdrend
/EXTRACTION ML
/ROTATION VARIMAX .
2.72. táblázat
Communalitiesa
Initial Extraction
LAZAERK 48.3 a
szegénység okai: laza 7,395E-02 ,153
erkölcsök
EROFESZ 48.4 a
ELOITEL 48.5 a
szegénység okai:
,154 ,249
bizonyos csoportok
LEHETOSE 48.6 a
GAZDREND 48.7 a
gazdasági renszer
5(D 9 =P
' ' 7 9 J=)#
! " '
E@<H1>(1S$1$Z2 '!
! * # ,)#J)#
-
( ! >1;1$D21 /
! " !
%V B?@?<& ! # +
! ' !
" #
" #
20 ( 1 * ! " ( $ +) 9 3
? :
:
# ;
3
, -
!
#? *FF* !
!# ( !
! % &
'! #1
! !
# % &
!
#(
!
#$
#
FACTOR
/VARIABLES kepesseg lazaerk erofesz
/MISSING LISTWISE
/ANALYSIS kepesseg lazaerk erofesz
/EXTRACTION PC
/ROTATION NOROTATE
!
'! ! KP '!
! '! !#
,)#JI# -
2.73. táblázat

Loadings
% of Cumulativ
Component Total Variance e%
1 1,400 46,676 46,676
! ' # ,)#JK# -
! ! !
! !# ,)#J=# -
2.74. táblázat
Communalities
Extraction
KEPESSEG 48.1
szegénység okai:
,388
hiánya
LAZAERK 48.3 a
szegénység okai: laza ,529
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem ,483
2.75. táblázat
Component Matrixa
Compone
nt
1
KEPESSEG 48.1
szegénység okai:
,623
hiánya
LAZAERK 48.3 a
szegénység okai: laza ,728
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem ,695
L ! ! 7
FACTOR
/VARIABLES eloitel lehetose gazdrend
/MISSING LISTWISE
/ANALYSIS eloitel lehetose gazdrend
/EXTRACTION PC
/ROTATION NOROTATE
'!
! % & '
# ,)#JP# )#JJ# -
2.76. táblázat

Loadings
% of Cumulativ
Component Total Variance e%
1 1,569 52,301 52,301
" ! ! "
%' &
! !
4 # ! !
!
#
!
! '
#
2.77. táblázat
Communalities
Initial Extraction
ELOITEL 48.5 a
szegénység okai:
1,000 ,500
bizonyos csoportok
LEHETOSE 48.6 a
szegénység okai: az 1,000 ,649
GAZDREND 48.7 a
szegénység okai: a 1,000 ,421
gazdasági renszer
2.78. táblázat
Component Matrixa
Compone
nt
1
ELOITEL 48.5 a
szegénység okai:
,707
bizonyos csoportok
LEHETOSE 48.6 a
szegénység okai: az ,805
GAZDREND 48.7 a
szegénység okai: a ,649
gazdasági renszer
< " " - + "
'!
! ! ! #
(
# :
: ! 4 #1
! % & 4
! !
! #
!
# ! '
!
# '
!
! #
% & #
2 " '
' ! '
! ' # !
' % &
% &
#;
! %
& !
" #
" "
! #
! !
"
! "
"
#
$ #
%
" !
#
"" " # !
#
" %
! #
"
& "
'
" " ! !
(' " "
' )*+ ,-$./0,1 23)4& ) $516 2 /

3.1. táblázat: Iskolai végzettség és jövedelemadatok
4"" 7 "
# " #
4 " ('
"
$ # 2822
" 9
CLUSTER iskoszt joved
/METHOD CENTROID
/MEASURE= SEUCLID
/PRINT CLUSTER(4)
/PLOT VICICLE
/SAVE CLUSTER(4) .
3.1. ábra: Az iskolai végzettség és jövedelem szerint összetartozó
csoportok
:152)4& !
"
! 4 ""
;4 25&4 "
! "
<245:1=+> 8&=$) "
#
#
! "
81?) @
@ " / # 2 /4 !
# %
!
" :152)4& ;4;*4&2A=8 "
<( B " >
3.2. táblázat
Cluster Membership
Case 4 Clusters
1 1
2 1
3 2
4 1
5 2
6 3
7 2
8 1
9 2
10 1
11 2
12 3
13 2
14 3
15 4
C" ! #
! 2822 <( B " >
D 7
@
; @
7 @ #
; "
% #
7
2822 ! "
7 2 %
" " " !
"" " 'E
""
B
'F "" BGF
" # 2 # ""
% @
@
! 2 ! 2822
# " #
3.2. ábra: Az iskolai végzettség és jövedelem szerinti klaszterek

az 1. SPSS futtatás után
" " A %
" ! 2822 %
B , "" :4$)&?=+
"
#
"
4 ! "
(
A
" # " "
9
CLUSTER ziskoszt zjoved
/METHOD CENTROID
/MEASURE= SEUCLID
/PRINT CLUSTER(4)
/PLOT VICICLE
/SAVE CLUSTER(4) .
3.3. ábra: A standardizált iskolai végzettség és jövedelem szerinti

klaszterek a 2. SPSS futtatás után
xi − x
( ti = +42:&=8)=/42 "
sx
" #
G
(( "
7
"" 7
'BF< > # % ""
7 H 2822 "
# !
2822
# " #
! " !
! " #$
" # #
" # 4 "
# 7 " ""
" ""
! " 4 "
7
7 7 " ! "
"" % 7
! !
# " #
$ #
I
" !
G < > # #
I 4 /4&)=: 1 =:=:14 "
""
3.3. táblázat
Vertical Icicle
Number Case
of
clusters
1
2
3
4
5
6
7
8
9
10
11
12
13
14
(( " &
" ! # "
" # #
" '( ''
" # "
< >
!
" # #
" E
" " # ""
" # 4
#
9 'I %
" " '( ''
" J K 'G 'B
" 'F L
E % " I
( G #
" B '
(( " !
"" "
E 4 M N " MON
"" 4 #
"" "
" #
2822 "
9 8&=$) 2:A4+514 !
K
" ! #
/METHOD CENTROID
/MEASURE= SEUCLID
/PRINT SCHEDULE CLUSTER(4)
/PLOT VICICLE.
4 (G "
3.4. táblázat
Agglomeration Schedule
Stage Cluster First

Cluster Combined Coefficien Appears
Stage Cluster 1 Cluster 2 ts Cluster 1 Cluster 2 Next Stage
1 11 13 4,708E-02 0 0 9
2 8 10 4,708E-02 0 0 8
3 1 2 4,708E-02 0 0 7
4 12 14 ,119 0 0 10
5 7 9 ,286 0 0 11
6 3 5 ,286 0 0 13
7 1 4 ,398 3 0 13
8 6 8 ,577 0 2 10
9 11 15 ,708 1 0 11
10 6 12 1,052 8 4 12
11 7 11 1,268 5 9 12
12 6 7 3,010 10 11 14
13 1 3 3,301 7 6 14
14 1 6 3,658 13 12 0
K "" " 2 /4
#
2) P4 " #
L
" ! <( G " >4 " ''
'( # " :?4QQ=:=4$)2
" 4 #
'' 'G
'JF< > '( 'I
J
BFF< >
"" " "
# "
# " # " "
F FGKFL 'F 4 " 2822 7
" ! ! !
" #
7 A 7
!
" 7""
"
; # ,
# "" %
! %
$ "
2822 " "
# #
7
L 4 " #
J '' F L' F JL !
'( F JL ' ''
'F 2822 " G KFL4 FB 9 G KFL⋅'F B
! ! " #$ #% &' #
" "" # "

Q
# # # #
" # ; #
" "
" (# " )) * "" $ " $ +" )) #+& #%
7"" "" ""

" $4 &42) $4=PA*?&
''
Q5&)A42) $4=PA*?&
# PP1?;4& )=?$ 2:A4+514
" "
/METHOD SINGLE
/MEASURE= SEUCLID
/PLOT VICICLE.
(I " $4 &42) $4=PA*?&

'B
% (I " "
'' '( "
'(
# "" " " $4O)
2) P4 " # # 7
" % "" " # " 9
'' "" 7
! ""
'B ; )*+ ,-$./0,1 23)4& ) $516 2 /
'( " " L 'F ' B
7
" K
& 7 # 7 % ""
#
"
% ""
% 4
" K "
J "
7 # !
3.5. táblázat
Stage Cluster First

1 11 13 4,708E-02 0 0 8
2 8 10 4,708E-02 0 0 9
3 1 2 4,708E-02 0 0 5
4 12 14 ,119 0 0 11
5 1 4 ,275 3 0 13
6 7 9 ,286 0 0 8
7 3 5 ,286 0 0 10
8 7 11 ,337 6 1 10
9 6 8 ,424 0 2 11
10 3 7 ,495 7 8 12
11 6 12 ,544 9 4 13
12 3 15 ,550 10 0 14
13 1 6 ,632 5 11 14
14 1 3 1,665 13 12 0
$4 &42) $4=PA*?& 9
"
"" ! #
M "" N
# '' '(
"" 4
""
,
"" # " 4 #
M "" N #
" R "
J ''
""
Q5&)A42) $4=PA*?& "" # " $4 &42)
$4=PA*?&
"" ,
"" # "
%
M "" N #
$ # Q5&)A42) $4=PA*?& 7
9
/METHOD COMPLETE
/MEASURE= SEUCLID
/PLOT VICICLE.
"" PP1?;4& )=?$

2:A4+514 " <( E " >
(E " " %
$4 &42) $4=PA*?& "
" " K J
"" " G
'G
4 G '
G F IGG B
G F BKI
'G $4 &42) $4=PA*?& " G 7 '

B
3.6. táblázat
Stage Cluster First

1 11 13 4,708E-02 0 0 9
2 8 10 4,708E-02 0 0 8
3 1 2 4,708E-02 0 0 7
4 12 14 ,119 0 0 10
5 7 9 ,286 0 0 11
6 3 5 ,286 0 0 11
7 1 4 ,544 3 0 12
8 6 8 ,753 0 2 10
9 11 15 ,889 1 0 13
10 6 12 2,416 8 4 13
11 3 7 3,000 6 5 12
12 1 3 7,398 7 11 14
13 6 11 8,352 10 9 14
14 1 6 17,571 12 13 0
" " "

% / ! 7 ""
%
"
! " !
" #$ $ +"
& $ " #$ " & $ +" $"
*4)S44$ P&?582 1=$, P4 S=)A=$ P&?582 1=$, P4

%
"
*4)S44$ P&?582 1=$, P4
Q # 9
/METHOD BAVARAGE
/MEASURE= SEUCLID
/PLOT VICICLE.
$ # % "
*4)S44$ P&?582 1=$, P4 " <( K " >
3.7. táblázat
Stage Cluster First

1 11 13 4,708E-02 0 0 9
2 8 10 4,708E-02 0 0 8
3 1 2 4,708E-02 0 0 7
4 12 14 ,119 0 0 10
5 7 9 ,286 0 0 11
6 3 5 ,286 0 0 12
7 1 4 ,409 3 0 12
8 6 8 ,588 0 2 10
9 11 15 ,720 1 0 11
10 6 12 1,218 8 4 13
11 7 11 1,505 5 9 13
12 1 3 3,469 7 6 14
13 6 7 3,788 10 11 14
14 1 6 5,678 12 13 0
" ' B G 4
G "
" 4 G '
G B
"
= " 7
" 7 #
"
9 <'BTE> <'BTL> <'BT'F>

<'GTE> <'GTL> <'GT'F>
S=)A=$ P&?582 1=$, P4 *4)S44$ P&?582
1=$, P4 # "" "
# " # " #
"" " 1 9
/METHOD WAVARAGE
/MEASURE= SEUCLID
/PLOT VICICLE.
$ # S=)A=$ P&?582 1=$, P4 PP1?;4& )=?$

2:A4+514 " <( L " >
3.8. táblázat
Stage Cluster First

1 11 13 4,708E-02 0 0 9
2 8 10 4,708E-02 0 0 8
3 1 2 4,708E-02 0 0 7
4 12 14 ,119 0 0 10
5 7 9 ,286 0 0 11
6 3 5 ,286 0 0 12
7 1 4 ,289 3 0 12
8 6 8 ,408 0 2 10
9 11 15 ,496 1 0 11
10 6 12 ,865 8 4 13
11 7 11 1,080 5 9 13
12 1 3 2,197 7 6 14
13 6 7 2,537 10 11 14
14 1 6 4,000 12 13 0
= "
%
" # ""
% " #
%
'I
% " !
" #
7
% !
<'BTE> <'BTL> <'BT'F> <'GTE> <'GTL> <'GT'F>T <'BT'G> <ETL>
<ET'F> <LT'F>
" #$ $ +" & ! $ +#

" #$ (#%,,+ $+ -$ % % "
*4)S44$ P&?582 1=$, P4 S=)A=$ P&?582 1=$, P4

" " "
"
!
%
/ 7 :4$)&?=+
:152)4&=$P "
Q
9
/METHOD CENTROID
/MEASURE= SEUCLID
/PLOT VICICLE.
:4$)&?=+ :152)4&=$P # PP1?;4& )=?$

2:A4+514 " (J " "
'I " #
#
3.9. táblázat
Stage Cluster First

1 11 13 4,708E-02 0 0 9
2 8 10 4,708E-02 0 0 8
3 1 2 4,708E-02 0 0 7
4 12 14 ,119 0 0 10
5 7 9 ,286 0 0 11
6 3 5 ,286 0 0 13
7 1 4 ,398 3 0 13
8 6 8 ,577 0 2 10
9 11 15 ,708 1 0 11
10 6 12 1,052 8 4 12
11 7 11 1,268 5 9 12
12 6 7 3,010 10 11 14
13 1 3 3,301 7 6 14
14 1 6 3,658 13 12 0
= "
" E L 'F " 'B 'G
:4$)&?=+ :152)4&=$P
""
"
7
'E
9 <F 'K(T@F KK'> !
7 <' 'I'T@F GEG> 4
# M N
"
""
! " ""
'E " 9 @F B(FT F BLLT

F GE' R
F 'K( 9 @F GEGT @F LILT @F JLJ
@F KK'
'K
" "
:4$)&?=+
"" " !
!
5
&+U2 S 4 " !
S=)A=$ P&?582 1=$, P4 "
"
4 " !
% "
""
% " "
'L
, % " "
"" "
"" " 9
/METHOD WARD
/MEASURE= SEUCLID
/PLOT VICICLE.
1 % S &+U2
<( 'F " > 7
" # % ""
" @ @
"
"" " "
% 9 <''T'(T'I> <ETLT'F> <'TBTG> <'BT'G> <KTJ>
<(TI> ! % "
'K = "" ""
# @ @ !
"" !
V 7
! 7 "
'L 4 $?/ " 25; ?Q 2W5 &42
! 9
" 4
! "" "
! / # "
" "
% "
3.10. táblázat
Stage Cluster First

1 11 13 2,354E-02 0 0 9
2 8 10 4,708E-02 0 0 8
3 1 2 7,061E-02 0 0 7
4 12 14 ,130 0 0 10
5 7 9 ,273 0 0 11
6 3 5 ,416 0 0 11
7 1 4 ,681 3 0 13
8 6 8 1,066 0 2 10
9 11 15 1,538 1 0 12
10 6 12 2,800 8 4 13
11 3 7 4,279 6 5 12
12 3 11 9,288 11 9 14
13 1 6 15,684 7 10 14
14 1 3 28,000 13 12 0
4 M N "
" # ; "
# "
6
= 15 4"" " "
2
E L 'F
'B 'G !
7 " ""
PP1?;4& )=?$ 2:A4+514 " :?4QQ=:=4$)2 "
<( 'F " > " " %
% "
) &% . $ +" +$/
#
$ " # "
" @
@ ! # #
" # $ +"
4 " <
! > @
@
3.4. ábra: Az euklideszi távolság jelentése

120
100
80
(100 – 10) = 90
60
d
40
20
(12 – 2) = 10
0
0 2 4 6 8 10 12 14
" # 4"" "

9
d = 10 2 + 90 2 = 30,17
# " # $ +" % # $
" 2822 @ @
" #
"
" " #
<S &+U2 > 7
'J
"
$ " ! !
7 ; # "
7 X
# ! % " " /
"
" 7
<
> % " / "
! "
#
#+ ' " , "' (# " % 0$ +"
$
7! 9
! "
%
# % #
) # # " %
# !
# % "
'J :4$)&?=+
"
% "
M N ( '' " "
3.11. táblázat: A mennyiségi tartalomelemzés eredménye
A % # " !
"
! !
! !
, @ # " % @
9
(f m (A) − f e (A))2 (f m (B) − f e (B))2
távolság (A,B) = i i
+ i i
i f e (A)
i
i f e (B)
i
f mi %
< Y' B ( f ei #
! ! #
( 'B "
3.12. táblázat: Elméleti gyakoriságok

!
" % 9
távolság (A,B) = 13,49 + 17,89 = 5,60
" %
! % % "" !
"" # " %
" G BE ! % G KI
! @ !
@ "" !
!
!BF
; " !
! !
! #
) !
:4$)&?=+ S &+U2
+ !1!' & & && % $
Q " # # " "

2822 7
" 4
% !
PP1?;4& )=?$ 2:A4+514
/4&)=: 1 =:=:14 " 7
$ " 7
#
! "
! # ! %
#
% %
BF ! 7 ! ! ;
! × Z
" # ! %
"" 7 "
7
" #$ #% 2 " 0+ +
, ;4 $2 :152)4&B'
4
% 7 !
%
" M N #
" ! ! A # 7
# !
4
"
3 " " #$ (#%,,+ $+
"
;
" M N
BB
!
9 "
M% N
"" ""
""
! M% N
B' 2822 # # , ;4 $2 :152)4&

" ! "
W5=:, :152)4& !
BB : "
"" $ #
<( I " > #
3.5. ábra: Az iniciális középpontok megváltozása
C4 C(
CB
C'
EI
H <4I>
<:'> "" !
; <4IT:'> ""
"" # " :( :G
!
M N %
" <4E>
B(
! <( E
" >
B( 4I :' % "
3.6. ábra: Amikor az iniciális középpontok nem változnak
CG
EE C(
:B
C'
4E :( "" ! ;
" <4ET:(> "" ""
@ :( :G @ 4E !
; !
" "
#
" 4 !
"" M N % "
#
$ # [ " #
! # # %
# , ;4 $2 :152)4& # !
BG
! " 9
BG )*+ ,-$./0,1 23)4& ) $516 2 /

QUICK CLUSTER
iskoszt joved
/MISSING=LISTWISE
/CRITERIA= CLUSTER(4) MXITER(10) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE)
/PRINT INITIAL.
" <W5=:, :152)4&>

"
;=22=$P = 1=2)S=24
8 =&S=24 #
BI
%"" "" ! :&=)4&=
" :152)4& "
" ! ! <;O=)4&>
<:?$/4&P4> <;4)A?+>
! "" 8&=$) " =$=)= 1
#
4 ( '( " "
3.13. táblázat
Initial Cluster Centers
Cluster
1 2 3 4
ISKOSZT elvégzett
1,00 15,00 17,00 17,00
osztályok száma
JOVED jövedelem
10,00 200,00 80,00 250,00
(ezer Ft)
A 7 #
' '(
'G 'I
BI ""
4$) $( %" $ % 2 "%5 $ "
A
!
" "
"" " #
""
;
"
" ! %
4 %
# 4 "
@ @ 4 %
% "
9 %
"" @ # @
" 4 %
%
4 #
!
" "
%
" Z
T "" JJJ 4
:&=)4&= " ;O=)4& "
5 "" " :?$/4&P4 "
# # "
1 #
! :?$/4&P4 " F
! %"
" # A
%"" ""
M N " <( 'G " >
" %
! # "
< " '
> '( JBF
BE
% 5 !
3.14. táblázat
Iteration Historya
Change in Cluster Centers

Iteration 1 2 3 4
1 13,920 22,527 13,416 ,000
2 ,000 ,000 ,000 ,000
a. Convergence achieved due to no or small distance
change. The maximum distance by which any center
has changed is ,000. The current iteration is 2. The
minimum distance between initial centers is 50,040.
" #$ $ , $ "
"
Q=$ 1 :152)4& :4$)4&2 " <( 'I
" >
3.15. táblázat
Final Cluster Centers
Cluster
1 2 3 4
ISKOSZT elvégzett
5,00 8,83 11,00 17,00
osztályok száma
JOVED jövedelem
23,33 178,33 68,00 250,00
(ezer Ft)
BE = @ , ;4 $2 " @
! 4
7
" M N
M N
"
7
$5;*4& ?Q : 242 =$ 4 :A :152)4& "
" <( 'E " >
3.16. táblázat
Number of Cases in each Cluster
Cluster 1 3,000
2 6,000
3 5,000
4 1,000
Valid 15,000
Missing ,000
4 #
# " # #
" " , ;4 $2
"" M N
4 # #
# " 2822 #
! %
" ""
2822 "
1 # 9
QUICK CLUSTER
ziskoszt zjoved
/MISSING=LISTWISE
/SAVE CLUSTER
/PRINT INITIAL.
@ " @ ' 'F ( 'I
<( 'K " >
3.17. táblázat
Cluster
1 2 3 4
ZISKOSZT Zscore:
-1,43927 ,46057 -1,43927 1,32413
elvégzett osztályok száma
ZJOVED Zscore:
-1,38332 -,98934 ,58660 1,76855
jövedelem (ezer Ft)
" <( 'L " >
3.18. táblázat
Iteration Historya

Iteration 1 2 3 4
1 ,318 ,357 ,590 ,784
2 ,000 ,000 ,000 ,000
Q=$ 1 :152)4& :4$)4&2 " <( 'J

" > 9
4 !
" "
" "
% 7
# "
3.19. táblázat
Cluster
1 2 3 4
ZISKOSZT Zscore:
-1,20899 ,56419 -,86356 ,84917
ZJOVED Zscore:
-1,16444 -,64788 ,71793 1,14474
jövedelem (ezer Ft)
6# $" 6# $ % $ # " "

A ! !
@ ! @ #
" ! M N
BK
!
3.20. táblázat: A standardizált és a nem standardizált változókból létrejött

klaszterstruktúra klaszterközéppontjai eredeti mértékegységben
" #$ %$ &$ '$
! "
! "
BK " ! 9
@' B'\I KJ]J (( @' B'
I KJ =2,?23) J ((
! "" "
A ) *142
BL "
#
1
BJ
# "
A W5=:, :152)4& ^2 /4 :152)4& !
# % " # 4
" # $ #
"
(F
# "
3.21. táblázat
NEMSTCL nem standardizált adatokból quick clusterek * STCL standardizált adatokból quick
clusterek Crosstabulation
Count
STCL standardizált adatokból quick clusterek

2 3
1 iskolázatlan- iskolázott- 4
depriváltak gazdag szegény privilegizált Total
NEMSTCL 1 depriváltak 2 1 3
nem 2 iskolázatlan-gazdag 3 3 6
standardizált
adatokból 3 iskolázott-szegény 1 4 5
quick clusterek 4 privilegizált 1 1
Total 3 3 5 4 15
1
! !
A 7 #
!
"
5 # ! "
7 "
BJ
7! ! !
%
% #
(F ;
! #
@ 7 @
"
; "" $ * " "" A

" " !
"
A % "
"" " " !
! " ! # "
('
"" % A
"" %
! " F % B
(B
% , "
" " # "
%
"%,% # %" $) 5 $-, % " #$ "

((
'JJ' " ! "
(G
"
# "
"" " #
! #
(I
"
(' ; # " % "
"
(B = B\< @< >^
(( )*+ ,-$./0H52)J' 2 /
(G # * , $ ;
?
! !
! "
(I !
! !
(E
% " # #
(K
!
# "
# # " M
! N " "
7 ! " "
, # "
" # !
! !
# "
! !
F 'FF
(L
A # "
" # !
" " ! # "
H ! ! 7
#
" " !
" "" "
Q
" " : 7""
(E
!
(K V
" ! " #
"" " # "
(L " F JJ " # ,#
" # " ""

"
" !
# "
$ # 2822 9
QUICK CLUSTER
szegokb szegokk zszegar
/MISSING=LISTWISE
/PRINT INITIAL
/OUTFILE='C:\k1.sav'.
& $ "(" 6"5 $ " $()) "%,% )
A % #
(J
?5)Q=14YU:9_,' 2 /U ! !
!
"
,' 2 / 7 " 4 !
% "" $
# " " <( BB " >
"" " %
" Q=$ 1 :152)4& :4$)4&2 "
# #
D "" # #
# "
# 1 % "" 9
(J Z " ! !
#
QUICK CLUSTER
/MISSING=LISTWISE
/SAVE CLUSTER
/PRINT INITIAL
/FILE='C:\k1.sav'
/OUTFILE='C:\k2.sav'.
3.22. táblázat
Iteration Historya

Iteration 1 2 3 4
1 2,030 2,182 2,458 2,226
2 9,151E-02 ,136 ,199 ,305
3 3,583E-02 7,611E-02 7,356E-02 ,183
4 3,888E-02 4,271E-02 2,286E-02 ,113
5 3,545E-02 2,716E-02 2,989E-02 7,284E-02
6 2,731E-02 2,149E-02 4,600E-02 6,832E-02
7 2,694E-02 2,648E-02 4,334E-02 8,575E-02
8 2,997E-02 3,019E-02 4,068E-02 6,621E-02
9 1,838E-02 1,974E-02 2,266E-02 3,857E-02
10 1,670E-02 9,673E-03 2,229E-02 2,707E-02
a. Iterations stopped because the maximum number of
iterations was performed. Iterations failed to converge.
The maximum distance by which any center has
changed is 2,561E-02. The current iteration is 10. The
,' 2 /
!
" % Q=$ 1
:152)4& :4$)4&2 <( B( " >
=$=)= 1 :152)4& :4$)4&2 <( BG " > 4 #
"
3.23. táblázat
Cluster
1 2 3 4
SZEGOKB szegénység:
,84669 -,39369 ,23147 -1,04820
belsõ okok (PC)
SZEGOKK szegénység:
,62359 ,33123 -1,21507 ,11465
külsõ okok (PC)
ZSZEGAR Zscore:
,58070 -,80639 -,48184 ,98551
szegények aránya
; "
3.24. táblázat
Cluster
1 2 3 4
,84669 -,39369 ,23147 -1,04820
belsõ okok (PC)
,62359 ,33123 -1,21507 ,11465
külsõ okok (PC)
ZSZEGAR Zscore:
,58070 -,80639 -,48184 ,98551
szegények aránya
Input from FILE Subcommand
4
A ^?5)Q=14 ! # #
"
% <( BI " >
;
"" "
"
"
3.25. táblázat
Iteration Historya

Iteration 1 2 3 4
1 1,138E-02 5,535E-03 9,991E-03 1,754E-02
2 4,311E-03 2,999E-03 2,307E-03 7,153E-03
3 ,000 1,977E-03 2,257E-03 ,000
4 ,000 1,918E-03 2,200E-03 ,000
5 ,000 4,685E-03 2,676E-03 3,289E-03
6 2,290E-03 2,607E-03 5,392E-03 ,000
7 ,000 9,157E-03 1,076E-02 ,000
8 ,000 1,172E-02 1,407E-02 ,000
9 2,749E-03 3,150E-03 5,532E-03 4,511E-03
10 4,345E-03 8,468E-03 3,385E-03 3,442E-03
11 ,000 2,970E-03 3,268E-03 2,801E-03
12 ,000 1,487E-03 1,815E-03 ,000
13 ,000 ,000 ,000 ,000
7% 5 " #$ $ , $ "
$ # <( BE "
>
" "
" " #
""
" #
# %
#
! "
7 "
""
! "
#
3.26. táblázat
Cluster
1 2 3 4
,86209 -,34491 ,20222 -1,03999
belsõ okok (PC)
,62299 ,30947 -1,25982 ,14115
külsõ okok (PC)
ZSZEGAR Zscore:
,57578 -,81234 -,45330 ,97985
szegények aránya
A # # "
!
" A %
= !
4"" " "
< " > "" " !
) "
" ""
! ! " #
" ! # "
"" "
"
7 4 ! #
"" " " "
" ` "
"
! ! ` !
7 ! / #
"
GF
%
0 , +2 "$ ) #+ $ " + ' /

! #' $+ # "%
" % "" "

#
%
$5;*4& ?Q : 242 =$ 4 :A :152)4& "
<( BK " >
3.27. táblázat
Cluster 1 719,000
2 749,000
3 615,000
4 523,000
Valid 2606,000
Missing 608,000
"" " ""
! ""
$5;*4& ?Q : 242 =$ 4 :A :152)4& " " <( BK " >
EFL " # ;=22=$P
" "
# 9
/MISSING=LISTWISE
GF $ # 'JJ' "
4 "
1 # " 8 =&S=24 "

G'
! 2822 9
QUICK CLUSTER
/MISSING=PAIRWISE
/SAVE CLUSTER
/PRINT INITIAL
/OUTFILE='C:\kp1.sav'.
" " #
" 4 $5;*4& ?Q : 242 =$ 4 :A :152)4&
" <( BL " >
3.28. táblázat
Cluster 1 869,000
2 925,000
3 759,000
4 661,000
Valid 3214,000
Missing ,000
; " "
"!
X 8 =&S=24
"
" "" "
G' = 'FF ! "

" %
A "
GB
$ % " # #
; #
#
"
" X A ! #
# %
" #
4 #
&481 :4 S=)A ;4 $
X 8 =&S=24 ! !
" " #
&481 :4 S=)A ;4 $
8 =&S=24
" & "
! $ # 8 =&S=24
<( BJ
" >
1=2)S=24
! ""
" ""
1=2)S=24 "
""
" "" ! # 8 =&S=24
/ # "
% "
GB ) "
" "" "
" #
3.29. táblázat
Cluster
1 2 3 4
,84313 -,42117 ,32854 -,99543
belsõ okok (PC)
,70226 ,30865 -1,19366 ,06984
külsõ okok (PC)
ZSZEGAR Zscore:
,62363 -,92186 -,47310 1,01342
szegények aránya
$ # "
$ " #
1=2)S=24 "
" # 8 =&S=24
!
" # "
G(
<( (F " >
Q 8 =&S=24
" H "
" ""
M N 8 =&S=24
$ ! " %
M N
M N " 7
" #
8 =&S=24
G( 1=2)S=24 8 =&S=24 !
# ! #
3.30. táblázat
TARSKEP társadalomkép (listwise) (szegokb,szegokk,zszegar) * TARSKEPP
társadalomkép (pairwise) (szegokb,szegokk,zszegar) Crosstabulation
Count
TARSKEPP társadalomkép (pairwise)
(szegokb,szegokk,zszegar)
4
2 3 poszt-
1 szociál- konzer- szocia-
populista liberális vatív lista Total
TARSKEP 1 populista 693 18 8 719
társadalomkép 2 szociál-liberális 13 703 31 2 749
(listwise)
(szegokb,szegokk, 3 konzervatív 10 595 10 615
zszegar) 4 poszt-szocialista 6 3 514 523
Total 712 716 644 534 2606
$ $+"' %$ " $% 5 789 $& %,,
W5=:, :152)4& <, ;4 $2 :152)4&> !

" ! 9
/PRINT INITIAL ANOVA
GG
4 " !
! " #
GI
#
GE
9
GG & # " ! " A

! " !
GI = # 7
GE A # 1=2)S=24 ,
# $?/ " "
QUICK CLUSTER
/MISSING=LISTWISE
/PRINT INITIAL ANOVA.
? " <( (' " >
3.31. táblázat
ANOVA
Cluster Error
Mean Mean
Square df Square df F Sig.
404,331 3 ,534 2602 757,485 ,000
belsõ okok (PC)
445,710 3 ,479 2602 930,454 ,000
külsõ okok (PC)
ZSZEGAR Zscore:
453,515 3 ,411 2602 1102,221 ,000
szegények aránya
The F tests should be used only for descriptive purposes because the clusters have been chosen to
maximize the differences among cases in different clusters. The observed significance levels are not
corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are
equal.
" # " $?/ " 9

25; ?Q 2W5 &42 )?) 1 :
<:152)4&>
GK
<4&&?&> ;4 $ 2W5 &4
$?/
" " "
9 F FFF
# " + X
2822 " 9
" # 4
# " " $?/ " "
GK ) "
Q " "
GL
"
"
2822 " !
" ""
" "
M N
# " %
# < ! '>
" < >
4 " "
#
" 4 " "
# "" !
""
; "" "" #
""
"" #
4 # " @
@ ""
! "" " !
! " # "
" !
"
GL A ! "
@ # " @
$?/ " " 4
" #
: ;$ '& ) # $/
9 "$+#$ # 6,+ $+ + <
W5=:, :152)4& "

" !
" "
2?&) & %
GJ
"
" ! 2822 9
SORT CASES BY
szegokb (A) .
$ # " W5=:,
:152)4&9
QUICK CLUSTER
/MISSING=LISTWISE
/PRINT INITIAL.
3.32. táblázat
Cluster
1 2 3 4
1,69982 -1,89031 2,07542 -2,73632
belsõ okok (PC)
1,60115 1,97688 -3,09812 -1,63102
külsõ okok (PC)
ZSZEGAR Zscore:
2,06814 -1,08683 ,11126 2,42756
szegények aránya
GJ * 2?&) # # !
" #
! 4
)*+ ,-$./0H52)J' 2 / )*+ ,-$./0H52)J'02?&) 2 /
"
"" "
<( (B " >
V # " ! "
" <( (( " >
3.33. táblázat
Cluster
1 2 3 4
2,07542 2,07542 -2,73632 -,26437
belsõ okok (PC)
1,22541 -3,09812 -1,63102 1,97688
külsõ okok (PC)
ZSZEGAR Zscore:
-1,28651 ,11126 2,42756 2,42756
szegények aránya
" "
# " A # " "
! %
"
! 7 M N %
4 "
<( (G " >
3.34. táblázat
Cluster
1 2 3 4
,86209 -,34491 ,20222 -1,03999
belsõ okok (PC)
,62299 ,30947 -1,25982 ,14115
külsõ okok (PC)
ZSZEGAR Zscore:
,57578 -,81234 -,45330 ,97985
szegények aránya
; # " "
<( (I " >
3.35. táblázat
Cluster
1 2 3 4
,45409 -,01212 -1,44107 ,41521
belsõ okok (PC)
,47460 -1,22016 ,31253 ,33156
külsõ okok (PC)
ZSZEGAR Zscore:
-,64201 -,57792 ,18346 1,08880
szegények aránya
% 2?&) " %
# " "
: & $ &% ;$
; " X; " X
"
" ! ! "
" "
" " % 2?&) "
! ! " 9
" ! !
IF
" 4
" ! "
# "
%
; ! #
! #
2?&)
IF ! # "
"
2?&) " 4
" " # ""
""
# $ #
% ! 4 M N #
8 # <( (E " >
3.36. táblázat
Correlations
CSALJOV
KOR a család
kérdezett összjöve-
életkora delme
ZSZEGAR Zscore: Pearson Correlation -,079 ,086
szegények aránya Sig. (2-tailed) ,000 ,000
N
3211 3086
SZEGOKB szegénység: Pearson Correlation ,025 ,057

belsõ okok (PC) Sig. (2-tailed) ,180 ,003
N 2861 2759
SZEGOKK szegénység: Pearson Correlation -,048 -,065
külsõ okok (PC) Sig. (2-tailed) ,011 ,001
N 2723 2627
1
" #
" ; #
" 9
SORT CASES BY
kor (A) .
W5=:, :152)4& 9
QUICK CLUSTER
/MISSING=LISTWISE
/PRINT INITIAL.
( (K " "
3.37. táblázat
Cluster
1 2 3 4
2,07542 -2,73632 -2,73632 2,07542
belsõ okok (PC)
1,97688 1,97688 -3,09812 -3,09812
külsõ okok (PC)
ZSZEGAR Zscore:
-,68747 1,90839 -,68747 ,11126
szegények aránya
* #
" <( (L " >
3.38. táblázat
Cluster
1 2 3 4
,86242 -,97293 -,48950 ,23605
belsõ okok (PC)
,63160 ,13946 ,30112 -1,21867
külsõ okok (PC)
ZSZEGAR Zscore:
,49726 1,04066 -,80801 -,46866
szegények aránya
! "
" <( (J " >
* !
"
! A
" ! %
" # $
" 2822
" %
" # # "
4 % "
"
" 2?&) !
" " 4
I'
! " A
F FI # % "" "
4 % "" # # #
! "
" "
" # # 2
" #
" ""
IB
"
F FI # "
# ! M N %
#
3.39. táblázat
Cluster
1 2 3 4
,86209 -,34491 ,20222 -1,03999
belsõ okok (PC)
,62299 ,30947 -1,25982 ,14115
külsõ okok (PC)
ZSZEGAR Zscore:
,57578 -,81234 -,45330 ,97985
szegények aránya
I' 4 2822 :?;8 &4 ;4 $2 # 8 =&4+ 2 ;8142 ) )42)

" !
IB P # # 7
!
/ 7! #
M N ""
# " # " A
M7 N" #
"! "" # "
I(
: " +
$ % , ;4 $2 %
7 #
" "
" ! M N
7 ! "
! #
"
" # # 2822 "
% # !
" #
I( ; " %
# " # "
A # "
! ! "
# $
% & # $ '
)
! ' ( "
' ( # $
( " # $ "
( !
* , -
+ + + . "
/
0 ! ( !
% & 1
) ( ' (
* ' ' 2 ' 3 4 5
, 6 "
( " (
. ( ( ! ( "
1 7 ' ( "
7 "
1 N
! δ = xi − x
N i =1
- . ( "
# . ' $ "
7 # $ "
1 N
!σ= (xi − x ) 2
N i =1
/ . " ' ! "
1 N
( σ2 = ( xi − x ) 2
N i =1
! ( . "
1 ! 6 "
' 1
. " ( ' !
# $ 6 1 "
( ( '
! .
1 . "
(
( ' "
. " "
( ! (
( " "
' ! % (
( & 6 ' ( ' "
! "
. " ( ' ! "
0 ( ' ( ( "
! ( ( " "
( " ( ! "
' ( "
! ' ( ' ! "
' 8 1 ( "
' " ! ( 5 ( " "
' ' 5 (
' " (( ( "
# $ ' . ! ( "
# " 9$ " "
. " 1 ' (
( "
# ' "
:
! 9$ %- ) "
&
: 2;< =>8?@A 8B@ C @

4.1. táblázat
JOVED * ISK * NEME Crosstabulation
Count
ISK
NEME alacsony magas Total
férfi JOVED 50,00 10 ,00 10
100,00 20 20 40
150,00 10 40 50
Total 40 60 100
nõ JOVED 50,00 50 ,00 50
100,00 20 20 40
150,00 ,00 10 10
Total 70 30 100
! "#! " $%&!
' ' (
< CDEFG2F@ C . ( ( '
DESCRIPTIVES
VARIABLES=joved
/STATISTICS=MEAN .
4.2. táblázat
Descriptive Statistics
N Mean
JOVED 200 100,0000
Valid N (listwise) 200
-* ( ! -HH "
I
)HH% & ' !
I '
( ( " ! "
J
' '
SSTELJES = ( x − xij ) 2
i j
( x ' ! ! "
" . ( " '
' -, (
4.3. táblázat: A jövedelmek alapmegoszlása

JOVED
Frequency
Valid 50,00 60
100,00 80
150,00 60
Total 200
( ! "
(
SSTELJES = 60 ⋅ (100 − 50) 2 + 80 ⋅ (100 − 100) 2 + 60 ⋅ (100 − 150) 2 = 300000
,HH HHH" . ' "
( ' ' ' "
' (
0 ! ' "
)*H% & ! JH% &
2 ! ' "
' ' ! !( "
. '
J @ ( " . "
( .
! ( ' "
SS BELS = ( x i − x ij ) 2
i j
( xi ! " .
" . ( "
! ' ! ' %- -
&
4.4. táblázat
JOVED * NEME Crosstabulation
Count
NEME
férfi nõ
JOVED 50,00 10 50
100,00 40 40
150,00 50 10
Total 100 100
! 7 ' ( ' "

' "'
' ' ! "
SS BELS = 10 ⋅ (120 − 50) 2 + 40 ⋅ (120 − 100) 2 + 50 ⋅ (120 − 150) 2 +

+ 50 ⋅ (80 − 50) 2 + 40 ⋅ (80 − 100) 2 + 10 ⋅ (80 − 150) 2 = 220000
> **H HHH" . ' '

( ' "
! (( ( ! '
( ( "
' 2 (
*HH" )HH )*H% & )HH JH% &
' *HH" '
)HH% & '
SS TELJES = 100 ⋅ (100 − 120) 2 + 100 ⋅ (100 − 80) 2 = 80000
2 ( )*H% &' !
JH% & ! 0 !
9 0 ' ' ( # $ !
# $ ' ( 0 ' ! "
' 2 ( ! G "
' (
! ' ' K6 ' ! ( "
( ' L
' !! (
( 1 ( ' "
' ( '
! ' ! ( '
( ' ( )HH
= ' ( ( ' "

! ,HH HHH" ' '
!( **H HHH F (
# ' $ ( ! H !
' ( ' ( ' "
! ( ( ' "
' ( ! ("
' ' (
IH 6 '
7 ( ( '
,H ' !
M 7 (( ( (
( ' ! ' "
' "
0
SS KÜLS = ( x − xi ) 2
i
( x ' ! xi " ( "

! " 1 (
2 2
SS KÜLS = 100 ⋅ (100 − 120) + 100 ⋅ (100 − 80) = 80000
N ( ' ( ' !
! "
= 1
SS TELJES = SS BELS + SS KÜLS
! ' ( ( "
( ' " ' . (
O
SS KÜLS 80000
E2 = = = 0,266
SS TELJES 300000
2 ( ( *I
8 CGCC .
ANOVA
VARIABLES=joved
BY neme (1 2)
/STATISTICS MEAN MCA
/METHOD HIERARCHICAL
/FORMAT LABELS .
. 8B@ ! ' (
. " % 8B@ 3 @ . &
@ EF ;N C ! ! "
% 1& ' ;?"' "
. ' ' "
4
C2 2FC2FDC . ( ( %0 8&
! %0D & 0 26B< .
6F E ED6FD N" . '
O 0
( . ( (
( " ( . ' "
. (
( " 1 % & (
% &
. ' ( ( "
!
! ' PBE0 2 N ; NC . '
( 0D . ' '
8 " K D C GEBD CCF8Q CR00 E? " %- /
& ! ' %F8DNR< <&
( ( ( "
% SNR< <&
4.5. táblázat
Case Processing Summarya
Cases
Included Excluded Total
N Percent N Percent N Percent
200 100,0% 0 ,0% 200 100,0%
a. JOVED by NEME a kérdezett neme
! -: ! . % '
' ! ' &
4.6. táblázat
Cell Meansb
JOVED
NEME Mean N
1,00 120,0000 100
2,00 80,0000 100
Total 100,0000a 200
a. Grand Mean
b. JOVED by NEME
! 8B@ # $ %- I & CR0 BP

CTR E C ' 2B2 N "
' 0 F8 PP D2C ! "
E CF<R N ! ' "
<P "
E ' 5 ' ' 5
" ' ( (
" (( ( ! "
' " " ( "
' ( ( "
( "
( 0 8 CTR E "
. '
8B@ ( . P (
" ! !
CFQ % . & 7 ! 6 .
. % ( H H/" & ' (
7 ( "
)H
4.7. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
Squares df Square F Sig.
JOVED Main Effects NEME a
80000,0 1 80000,000 72,000 ,000
kérdezett neme
Model 80000,0 1 80000,000 72,000 ,000
Residual 220000,0 198 1111,111
Total 300000,0 199 1507,538
" 0 F8 PP D2C"( . H HHH

' ( ' ( '
' D 5 ( ' ( "
! ( "
5 ( ! ( "
( (
)H @ ' " ! ! "

! . ! ' ( "
' !
( (
" ! ' ( "
. 0 '
" -J
4.8. táblázat
Model Goodness of Fit
R R Squared
JOVED by NEME ,516 ,267
E CTR E < ( H *:I" ' "

(
6 " 0D ( %- O & 7
7' ! "
.
4.9. táblázat
MCAa
Predicted Mean Deviation

Unadjust Adjusted Unadjust Adjusted
N ed for Factors ed for Factors
JOVED NEME 1,00 100 120,0000 120,0000 20,0000 20,0000
2,00 100 80,0000 80,0000 -20,0000 -20,0000
a. JOVED by NEME
<MRC2 < '

8B@ " % "
R8 <MRC2 < 1 "
& GE <FD2 < 0 8 !
' ( ' < @F 2FB8 "
' ( ! ' !
@ ' P D2BE CR00 E? "

%- )H & ( 2
E 2 !
MS BELS
eta = 1 − ( 0C !
MS TOTAL
)) *
( 6 . ( ' ( 2
( ' ( %) 5
( &"
4.10. táblázat
Factor Summarya
Beta
Adjusted
Eta for Factors
JOVED NEME a kérdezett neme ,516 ,516
' ( ! "#! " $%&!
6 ( "
( ( ' !
. " ! "
8B@ . . ! !! ( ;?
! "
' 4
ANOVA
VARIABLES=joved
BY neme (1 2) isk (0 1)
/STATISTICS MCA MEAN
/FORMAT LABELS .
)) 2 " ( ' ( . "

D NN 0 8C 7 " %- )) & ' ( "
'
0 ( ' ! ( .
7 ! ' N ( ' (
.
4.11. táblázat
Cell Meansb
a kérdezett iskolai JOVED

a kérdezett neme végzettsége Mean N
férfi alacsony 100,0000 40
magas 133,3333 60
Total 120,0000 100
nõ alacsony 64,2857 70
magas 116,6667 30
Total 80,0000 100
Total alacsony 77,2727 110
magas 127,7778 90
Total 100,0000a 200
a. Grand Mean
b. JOVED by a kérdezett neme, a kérdezett iskolai
végzettsége
) & !" * +#!,
6 ' ' %- ) & '

( ' ' "
! !
( ! ' "
' . "
. ( (
. ' ( ( '
%. ' &
! % ' "
& ( !
%. ! ' &
( ( ( "
! ( %- ) & 6 (
( .
(
4.1. ábra
Átlagjövedelem iskolázottság és nem szerint
140
120
Estimated Marginal Means
100
80 a kérdezett neme
férfi
60 nõ
alacsony magas
a kérdezett iskolai végzettsége
0 ! ( . " 7 ! '
' ' "
.
) & !" * +#!, ,$ -. *--*"
! %- )* & ' "

# $ ' G ( ! # $ ("
"
. !
)*
. ! 7
4.12. táblázat
jövedelem (1000Ft) * a kérdezett kora * a kérdezett foglalkozása
Count
FOGL a kérdezett KOR a kérdezett kora
foglalkozása 1,00 fiatal 2,00 idõs Total
1,00 prostituált JOVED jövedelem 100,00 ,00 50 50
(1000Ft) 500,00 50 ,00 50
Total 50 50 100
2,00 akadémikus JOVED jövedelem 100,00 50 ,00 50
(1000Ft) 500,00 ,00 50 50
Total 50 50 100
' ' ( '7 !"

! '7
! . ' "
' - ), (
4.13. táblázat
JOVED jövedelem (1000Ft)
Frequency
Valid 100,00 100
500,00 100
Total 200
)* 2;< =>8?@AF82 E =DFU C @

( )HH /HH
,HH C
SS TELJES = 100 ⋅ (300 − 100) 2 + 100 ⋅ (300 − 500) 2 = 8000000
SS KÜLS ( KOR )
= 100 ⋅ (300 − 300) 2 + 100 ⋅ (300 − 300) 2 = 0
SS KÜLS ( FOGL )
= 100 ⋅ (300 − 300) 2 + 100 ⋅ (300 − 300) 2 = 0
> ' "
(
4.2. ábra
Jövedelem életkor szerint
foglalkozásonként
600
500
400
300
200
a kérdezett foglalko
100 prostituált
0 akadémikus
fiatal idõs
a kérdezett kora
. ' /HH% &

)HH% & 0
'7 . )HH% &
( /HH% & %- * & "
' ' "( % "
! H&
. ! ( "
( . "
),
), 6 ! ( " "
.
)' "( &* / &* *+ ( *$0*&( * +( - "
)-
= ' (
( ( ' (
( ! "
. ' ! 8B@ %- )- &
7 . "
4.14. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
JOVED Main (Combined) 160222,2 2 80111,111 115,697 ,000
Effects a kérdezett neme 80000,000 1 80000,000 115,537 ,000
a kérdezett iskolai
80222,222 1 80222,222 115,858 ,000
végzettsége
2-Way a kérdezett neme *
Interactions a kérdezett iskolai 4063,492 1 4063,492 5,869 ,016
végzettsége
Model 164285,7 3 54761,905 79,088 ,000
Residual 135714,3 196 692,420
Total 300000,0 199 1507,538
a. JOVED by a kérdezett neme, a kérdezett iskolai végzettsége
! '
! ! %CR0 BP CTR E C& (
!
! %0 F8 PP D2C&
' !( %*"
V ? F82 E D2FB8C& . 0B< N
. !( . (
( 2( 0B< N ! '
' ( %E CF<R N& !
( ' " " 2B2 N
' 0B< N E CF<R N
. ! ' (
. '
)- 0 2;< =>8?@A 8B@ C @

( . ' ( . "
% & (
% ' 5 & ( . "
( 2( ' 5
" 15 1% .
7 7 . 7
! 7 ! & "
' 6 ( 7'
# $ !! (
( . ' "
%- )/ &
4.15. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
JOVED Main Effects UJVALT2 nem és iskola
164285,7 3 54761,905 79,088 ,000
4 kategóriás változó
Model 164285,7 3 54761,905 79,088 ,000
Residual 135714,3 196 692,420
Total 300000,0 199 1507,538
a. JOVED by UJVALT2 nem és iskola 4 kategóriás változó
@ ( 7'
8B@ " % !( W "
. & ' !
7' ( ! "
H /-J" ' %- ): &
4.16. táblázat
R R Squared
JOVED by UJVALT2
nem és iskola 4 ,740 ,548
kategóriás változó
8B@ " (
" !
SS KÜLS 164285,7
E2 = = = 0,548
SS TELJES 300000
8B@ " ( . "
' ' ' . !(
( '
4.17. táblázat
R R Squared
JOVED by NEME a
kérdezett neme,
,731 ,534
ISK a kérdezett
iskolai végzettsége
6 ( ( ' ( "
"
( (
%0B< N& '
%2B2 N&
2
( E = 0,548 (
( // - )I
2
! #( ( $ R = 0,534
"( . ( . "
. ' (
. (
1 ( ' (
)) & !" * 1* *"#!
8 P D2BE CR00 E? %- )J & (

2 " ' ' ( ! 8 "
' ( . 2 " "
. 0
! ; 2 " 2 " (
; 2
. ( ' ! . '
( ! . "
' ( "
( ! . 7 ' "
. ; 2 ( ( '
6 " "
. ! ( ' "
% ! . !
' ! DE 0 EXC @3H ,H& ' ( !
! . "
7 ! ( ! "
( . "
( . ' (
' ' !
' ( . . '
! # $ ( !
L . "
7 !
! ' 0
' ( . ' "
' ' ' ; 2
# $ '
( ( . ' '
4.18. táblázat
Factor Summarya
Beta
Adjusted
Eta for Factors
JOVED NEME a kérdezett neme ,516 ,353
ISK a kérdezett iskolai
,649 ,542
végzettsége
a. JOVED by NEME a kérdezett neme, ISK a kérdezett
' ' "
% 2 "' ; 2 "' & ( "
@ 0D %- )O & "
5 ( 5
R8 <MRC2 < <MRC2 < ! "
R8 <MRC2 < 2 '
! ' <MRC2 <
"
! ( 1
4.19. táblázat
MCAa
Predicted Mean Deviation

Unadjust Adjusted Unadjust Adjusted
N ed for Factors ed for Factors
JOVED a kérdezett neme férfi 100 120,0000 113,6667 20,0000 13,6667
nõ 100 80,0000 86,3333 -20,0000 -13,6667
a kérdezett iskolai alacsony 110 77,2727 81,0000 -22,7273 -19,0000
végzettsége magas 90 127,7778 123,2222 27,7778 23,2222
a. JOVED by a kérdezett neme, a kérdezett iskolai végzettsége
8 " < "C "

! . ! ' ' .
)/
. !
8B@ " ! ! '
268FD FC= 8B@ .
!
ANOVA
VARIABLES= egyfojov
BY ethnic (1 2) isk (1 4)
/FORMAT LABELS .
)/ 2;< =>8?@AF82 EP E 8DF C @

! 8B@ %- *H & ' ( .
% ( ' ' "
&
4.20. táblázat
ANOVAa
Hierarchical Method
Mean
Sum of Squar
Squares df e F Sig.
EGYFOJOV Main (Combined) 111,655 4 27,914 37,741 ,000
Effects ETHNIC család
77,558 1 77,558 104,9 ,000
etnikuma
ISK a háztartásfõ
legmagasabb iskolai 34,097 3 11,366 15,367 ,000
végzettsége
2-Way ETHNIC család
Interactions etnikuma * ISK a
háztartásfõ 4,818 3 1,606 2,171 ,090
legmagasabb iskolai
végzettsége
Model 116,472 7 16,639 22,497 ,000
Residual 832,097 1125 ,740
Total 948,569 1132 ,838
a. EGYFOJOV by ETHNIC család etnikuma, ISK a háztartásfõ legmagasabb iskolai
végzettsége
( .
( ' "
" ' ( "
( %- , &
# ( $ " "
1 ( ( < "
C "
' "
%0 ( ' "
&
4.3. ábra
Estimated Marginal Means of EGYFOJOV
3,5
3,0
2,5
2,0
1,5
család etnikuma
1,0
magyar
,5 szlovák
alapfok szakmunkásképzõ középfok felsõfok
a háztartásfõ legmagasabb iskolai végzettsége
8 ( "
' - *) % - *H !
( &
4.21. táblázat
Factor Summarya
Beta
Adjusted
Eta for Factors
EGYFOJOV ETHNIC család etnikuma ,286 ,322
ISK htfõ legmagasabb
,144 ,193
a. EGYFOJOV by ETHNIC család etnikuma, ISK htfõ
legmagasabb iskolai végzettsége
):
( J* !
*
' ' % 2 3 H HJ*& *)
*
% 2 3 H H*)&
): ! ( "
6 ( 1' '
%; 2 3H ,**& F 7' '
( ! ! ' '
( ( ( ' "
7 (
6 ( 9N ' ( !
' ' %- ** &
4.22. táblázat
Cell Means
EGYFOJOV
ETHNIC család etnikuma Mean N
1,00 magyar 1,1763 352
2,00 szlovák 1,7415 781
Total 1,5657 1133
( ! - *,
( "
( . 7
. )I 1 "
"
( 7 ! ' ' (
' "
. ( ( # $ "
( # "
$ % ' .
K& ( %.
( &' '
2 " ; 2 " ( '
( # '! $
# $ '
4.23. táblázat
ISK a háztartásfõ legmagasabb iskolai végzettsége * ETHNIC család etnikuma Crosstabulation
ETHNIC család
etnikuma
1,00 2,00
magyar szlovák Total
ISK a 1,00 alapfok Count 67 332 399
háztartásfõ % within ETHNIC
legmagasabb 16,8% 35,4% 29,8%
család etnikuma
iskolai 2,00 szakmunkásképzõ Count 98 232 330
végzettsége
% within ETHNIC
24,5% 24,8% 24,7%
család etnikuma
3,00 középfok Count 174 310 484
% within ETHNIC
43,5% 33,1% 36,2%
család etnikuma
4,00 felsõfok Count 61 63 124
% within ETHNIC
15,3% 6,7% 9,3%
család etnikuma
Total Count 400 937 1337
% within ETHNIC
100,0% 100,0% 100,0%
család etnikuma
2!* #2!+
. " ' "

= ( "
!. "
! ' (
. (
! . " "
.
' CGCC . ! (
5 5 ( .( !
. " ( ' "
.
0 ' ' "
( .( ! !
. "
!
! ' !
( 0
(
' ( ! ! "
! ! !
Y ( .( 5 (
5 (
" ( . (
' !
( ! 0 8B@
(
L ( ' (
!( '
! ( ' ' "
' L ( ' 6
. ( 5 (
5 " !
( # $ "
'
L ( 8B@ " ( ' ( "
)I
6 ' ( .(
8B@ " ' ( ' "
! ( "
( 8B@ . ( !
ANOVA
VARIABLES=joved
BY kor (0 1) isk (0 1) neme (1 2)
/FORMAT LABELS .
)I F 2;< =>8?@A 8B@ C @

0 ( . . ( "
( ( "
3 )O:,JJ O %- *- &6 ' "
( %,HHHHH H& ' ( :/ / "
4.24. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
JOVED Main (Combined) 160479,4 3 53493,132 99,127 ,000
Effects KOR a kérdezett kora 5208,333 1 5208,333 9,651 ,002
121875,0 1 121875,0 225,845 ,000
végzettsége
NEME a kérdezett neme 33396,062 1 33396,062 61,886 ,000
2-Way (Combined) 6356,048 3 2118,683 3,926 ,009
Interactions KOR a kérdezett kora *
ISK a kérdezett iskolai 561,960 1 561,960 1,041 ,309
végzettsége
KOR a kérdezett kora *
246,749 1 246,749 ,457 ,500
NEME a kérdezett neme
végzettsége * NEME a 5854,869 1 5854,869 10,850 ,001
kérdezett neme
3-Way KOR a kérdezett kora *
Interactions ISK a kérdezett iskolai
29553,446 1 29553,446 54,765 ,000
végzettsége * NEME a
kérdezett neme
Model 196388,9 7 28055,556 51,989 ,000
Residual 103611,1 192 539,641
Total 300000,0 199 1507,538
a. JOVED by KOR a kérdezett kora, ISK a kérdezett iskolai végzettsége, NEME a kérdezett neme
' ! (
' ! ( %- */ "
&
G 7 +
! ! ! "
! . ' "
( ( '
7 7 . (
!
4.25. táblázat
Cell Meansb
ISK a kérdezett JOVED

KOR a kérdezett kora iskolai végzettsége NEME a kérdezett neme Mean N
,00 fiatal ,00 alacsony 1,00 férfi 83,3333 15
2,00 nõ 72,2222 45
Total 75,0000 60
1,00 magas 1,00 férfi 140,0000 50
2,00 nõ 100,0000 10
Total 133,3333 60
Total 1,00 férfi 126,9231 65
2,00 nõ 77,2727 55
Total 104,1667 120
1,00 idõs ,00 alacsony 1,00 férfi 110,0000 25
2,00 nõ 50,0000 25
Total 80,0000 50
1,00 magas 1,00 férfi 100,0000 10
2,00 nõ 125,0000 20
Total 116,6667 30
Total 1,00 férfi 107,1429 35
2,00 nõ 83,3333 45
Total 93,7500 80
Total ,00 alacsony 1,00 férfi 100,0000 40
2,00 nõ 64,2857 70
Total 77,2727 110
1,00 magas 1,00 férfi 133,3333 60
2,00 nõ 116,6667 30
Total 127,7778 90
Total 1,00 férfi 120,0000 100
2,00 nõ 80,0000 100
Total 100,0000a 200
a. Grand Mean
b. JOVED by KOR a kérdezett kora, ISK a kérdezett iskolai végzettsége, NEME a kérdezett
neme
3 4 $5 4&, 1*$ ( *$*+
8B@ . '
( ! 1 (
# $ ( ! 7 L !
8B@ " . 1 ! "
)J
N ! !
( ' %PBMB@& 8
--
4.4. ábra
A megkérdezett fõállásból származó
havi nettó jövedeleme
160
140
120
100
80
60
40
Frequency
20
' 5 5 "
' ( "
' 7 8 ( ( ' "
' 8B@ " "
' (
)J 2;< =>8?@A8BE0 NF2ZC"@F[CQZN 2 C @

ANOVA
VARIABLES=fojov
BY isk5 (1 5) neme (1 2)
/FORMAT LABELS .
4.26. táblázat
ANOVA
Hierarchical Method
Sum of Mean
FOJOV fõállásból Main (Combined) 3951,853 5 790,371 13,377 ,000
havi nettó Effects ISK5 5 kategóriás
jövedelem 1000Ft 3257,264 4 814,316 13,783 ,000
iskolai végzettség
NEME 1. a kérdezett
694,589 1 694,589 11,756 ,001
neme
2-Way ISK5 5 kategóriás
Interactions iskolai végzettség *
76,728 4 19,182 ,325 ,861
neme
Model 4028,581 9 447,620 7,576 ,000
Residual 17102,084 289 59,083
Total 21130,665 298 70,799
N ( ' ( . (
' ! %- *I &
4.27. táblázat
Factor Summary
Beta
Adjusted
Eta for Factors
FOJOV fõállásból havi ISK5 5 kategóriás
,393 ,385
nettó jövedelem 1000Ft iskolai végzettség
NEME 1. a
,198 ,185
kérdezett neme
( ; 2 " ( ' (
! ' '
( ' ( . ' !
( ( 1 ! (
! #' ( $ "
! ' !
)O
!
@ ' ( ( 8B@ " # "
$ ( ! ' "
3 4 0 $! 5 !& 5$
7
7 ( ' ( (
7 ( "
7' "
7 ( 7 "
( !" ( ' (
( ! ( "
" ( 7
*H
( ( "
( ' Z ( ( ' "
±H/ + ! H/
) ! ) ( "
' %- / & ( (
( ( 0
. ( "
(
= ( \ ! "
("
)O 2 ' "
! ( =' .
*H " = "C "
. ( . % ] ,H&
4.5. ábra
"6 6 "4 05$! *$4 &$5
8 ( ' %PBMB@&
( ( (( PBMB@
( !
( !
PBMB@ (( ! "
' OOO"
' ( 7 ( !
' ! ' "
!
missing values fojov (0 999).
PBMB@ < CDEFG2F@ C . "

'
DESCRIPTIVES
VARIABLES=fojov
/STATISTICS=MEAN STDDEV .
4.28. táblázat
Std.
N Mean Deviation
FOJOV fõállásból havi
300 11,50 8,41
nettó jövedelem (1000 Ft)
%- *J &( !' "

! 7' - *O "
!
4.29. táblázat: Új, kategoriális változó a f jövedelem alapján
( x − s)
( x − s) ( x − 0,5s )
( x − 0,5s ) ( x + 0,5s )
( x + 0,5s ) ( x + s)
( x + s)
7' ( ( ! E DB< .. ' ( "
RECODE fojov (1 thru 3.1=1) (3.11 thru 7.3=2) (7.31

thru 15.7=3) (15.71 thru 19.9=4)(19.91 thru 150=5) into
fojov5.
7' ' ' (" "

%- ,H & ' (
"
( 1 PE TR 8DF C ' (
FREQUENCIES
VARIABLES=fojov5
/ORDER ANALYSIS .
4.30. táblázat
FOJOV5 5 kategóriás fõállásból származó jövedelem
Frequency Percent
1,00 átlag–1 szórásnál kisebb 2 ,7
2,00 átlag-1 és átlag-0,5 szórás között 79 26,2
3,00 átlag plusz-mínusz 0,5 szórás 172 57,3
4,00 átlag+0,5 szórás és 1 szórás között 19 6,4
5,00 átlag+1 szórásnál nagyobb 28 9,3
Total 300 100,0
(
%- ,) & ("
( 5 % 5)& 5
-+ / . " ( (" "
O -J 0 (" "
" (
7
4.31. táblázat: Az elméleti és megfigyelt gyakoriságok összehasonlítása
(" !
2
( f megfigyelt − f elméleti ) 2
χ =
minden f elméleti
cella
(" )** :- ' ( 5
!' ( ' %- - & '"
( 5
0 ( ' PBMB@ "
. "
L
( ( ' '
! 8B@ " ( ' "
2 ( "
. ! # $ ( " "
( ( a≤b lg a ≤ lg b 0 (
! ' '
'
0 ( ( 9 8 '
( ' ( "
' ' . ' "
8B@ " ( (
' (
% & . % & "
.
' ' . (
! ( ! "
. '
# $ ( ( # $ )HH #;$ )HHH "
' )H" 6
*)
" ' ' # $
#;$ "' )HH" )HHH3*",
) '
! ( !
! "
! 8 K
*) )H" 7 "
COMPUTE lnfojov=ln(fojov).
VARIABLE LABELS lnfojov 'COMPUTE lnfojov = LN(fojov)' .
DESCRIPTIVES
VARIABLES=lnfojov
/STATISTICS=MEAN STDDEV .
4.32. táblázat
Std.
N Mean Deviation
LNFOJOV COMPUTE
300 2,3059 ,4869
lnfojov = LN(fojov)
4.33. táblázat: A logaritmikus skálára transzformált új jövedelem változó

csoportjai
"#
(x−s)
( x − s) ( x − 0,5s )
( x − 0,5s ) ( x + 0,5s )
( x + 0,5s ) ( x + s)
( x + s)
' ' % "

± ( & 7' ( "
' . ( !
' ( ' " %- ,*
- ,, &
RECODE lnfojov (lowest thru 1.82=1) (1.83 thru 2.06=2)
(2.07 thru 2.55=3) (2.56 thru 2.79=4)(2.80 thru
highest=5)
into lnfojov5.
FREQ lnfojov5.
PE TR 8DF C .. ( - ,-
"
' ' (
4.34. táblázat: A logaritmizált jövedelem változó eloszlása
(" J :* ' ( ' "

**
8 ( '
ANOVA
VARIABLES=lnfojov
BY isk5 (1 5) neme (1 2)
/FORMAT LABELS .
8B@ %- ,/ & ' (

. ( 7 "
!' "
(
** 8 / . " (" "

O -O ' ( ( ' (
(
4.35. táblázat: A nem és az iskolai végzettség magyarázóereje
a kétféle jövedelem változóra
ANOVA
Hierarchical Method
Sum of
Square Mean
s df Square F Sig.
LNFOJOV Main (Combined) 21,344 5 4,269 25,047 ,000
COMPUTE lnfojov Effects ISK5 5 kategóriás
= LN(fojov) 16,522 4 4,130 24,235 ,000
4,822 1 4,822 28,294 ,000
neme
2-Way ISK5 5 kategóriás
Interactions iskolai végzettség *
,140 4 3,5E-02 ,205 ,936
neme
Model 21,484 9 2,387 14,006 ,000
Residual 49,334 289 ,170
Total 70,818 298 ,237
! ( ( (
! 7
!' 7 " ' "
4.36. táblázat: A modellek paramétereinek összehasonlítása
$%& '$%& &()* ( +,
!"#
$%&%
!"#
"#
$%&%
' 7 "
#% & $ ' 8B@ " "
! 2 " ; 2 " ( ! 8B@
! '
# $ !
! !
' ( ( 1' ( "
( ! L "
1 ! .
! '
" 8B@ " # $

' ( ( ! "
7
6 ' ( 8B@ "
( ! 7
' ( "
( ' ( "
( '
. ( "
; ( ( " (
8B@ " 2 " ; 2 " . !
! ! " "
' . '
G . ( ' (
! ( ( ! '
8B@ " "
"
8B@ " "
( !
7' #' $
(
. ' (
( '
( ! !
( ' ( F
7 ( (
.
# $ 7 " "
( ' !
1 ' ' ( '
( !
. ( ' (
( ' '
! "
!# $ % &
# ! #
'
! ! (
!# ) # *
) !# &
! ! # #
!&
5.1. ábra: A jövedelem és az életkor összefüggése

18
A fõállásból havi nettó jövedelem átlaga (1000 Ft)
16
14
12
10
4
20,00 30,00 40,00 50,00 60,00 70,00 80,00
Életkor
*
+ * ! * *
!# *
# !# # & *
,#
! )
# * !$ %
- # ! #
*
. #
!
/+ 0 1
5.2. ábra: Az egyenes egyenlete
y Y = BX + C
B
C
# ! )
* ! !#
* !
$ % ! /
# 1) !# ,
Yi − Yî → min vagy (Yi − Yî ) 2 → min
i i
# Ŷi # ! )
# *
0
Ŷi *
2 # !
* * * 3 "
# , & !
#
#
# #
!
* * ( Ŷi
) ! # !#
n
f (C , B ) = (Yi − C − BX i ) 2
i =1
!
# )) )
/ 1 # !#
# * '
& # ! # ) ! #
4
))
5 * ,
∂f n
= −2 Yi − C − BX i
∂C i =1
,
0 - !
* , ) -
! $* "
% 6 & / 1!
/ 1 # #
4 ! ! & #
! ) ! * ) # "! 787 &) !
# / 9 1
∂f n
= −2 X i (Yi − C − BX i )
∂B i =1
!
!& !#
* ! * *
:
# !# ,
n n
Yi = nC + B Xi
i =1 i =1
* #
,
n n n
X i Yi = C Xi + B X i2
i =1 i =1 i =1
!# &!
!# ) !
! !
#
) ! ; ! # *
! ) <
) ( X ;Y ) )
'
/+ 4 1 ! #
# ! &
! # Y 8
# ( & !
! !#
n n
d Xi = d Yi = 0
i =1 i =1
n n n n
: Yi = C+B Xi C ! #
i =1 i =1 i =1 i =1
5.3. ábra: Az egyenes képe a koordináta rendszer eltolt kezd pontja esetén
y dY
Y
dX
X x
' ) # !#
!
! * # ,
n n
d Yi = nC + B d Xi
i =1 i =1
n n n
d X i d Yi = C d Xi + B d X2 i
i =1 i =1 i =1
,
n
d X i d Yi
i =1
B= n
d X2 i
i =1
' # # ! #
#
# ! )
+
# ## ! #
+ - # ! => ! #
#
) # !# !#
( X ;Y ) ) !
Y = C + BX ? ) ! # # ,
C = Y − BX
!! " !
@ " ) , # " !
* * !)
! !# #
* /+ 1
5.1. táblázat: Az életkor és a jövedelem kapcsolata
A * /+ : 1 )
)
# ,
n
d X i d Yi
i =1 200
B= n
= =1
d X2 i 200
i =1
) )
* ) # # ,
C = Y − bX = 40 − 1 ⋅ 30 = 10
5.4. ábra: Az életkor és a jövedelem együttes eloszlása
++ # !
* *
5.5. ábra: Az életkor és a jövedelem összefüggése alapján kapott

regressziós egyenes
( # . - !
* * *
! & # * !
! ) #
' # !#
# 0>! 4> :> * !#
) # 9 ) # ! # !
# # ) 0+ ! !#
& * / )
1! 0> :> *
/ 9 ) 1 @
! )
!#
> !
* )
!# "
/ #
!# ) 1
( . !
# * ! * * #
' * * !
) ! !# *
# $ %& ' ( )*$ $+&+ ! !

,
# ) * #
/ 1 +
d Y2 ! )
! *
! !
2 d Y2 800
! , σ (Y ) = = ( # !
n 3
! !#
# * '##
) ) # *
! * #
#
5.2. táblázat: Az életkor alapján becsült jövedelmek
ˆ = ˆ ˆ
+
) )) !#
# * ! #
# *
B# @26 ) * # B
#
C
,
n
(Yî − Y ) 2
200
σ 2 (Yˆ ) = i =1
=
n 3
- # ! *
* )
. !
)
C ) Y ! #
! !#
!
5.6. ábra: A reziduálisok szemléltetése
Y2
Ŷ3
Ŷ1 Yˆ 2 Y3
Y1
* * * *
! #
)) !#
) $ % * /+ C 1
" ! # *
!# )) $ * %
** !
& ! # +4
#
5.3. táblázat: A reziduálisok átlaga és szórása
ˆ = ˆ− ˆ−
"
,
n
( Ŷi − Yi )2
600
σ 2( e ) = i =1
=
n 3
( !# B ))
& ! @26 * B
* * ! ,
σ 2 (Y ) = σ 2 (Yˆ ) + σ 2 (e)
# $ %,
σ 2 (Yˆ )
2
R = 2
σ (Y )
! # !
"
) ! 0>>D4
E>>D4 # ! 0+
# * # 0+ ! F+
# ! # !#
& ) *
- " ! !. / 0 12 &+
* !
F
! * G;GG ) ,
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER kor .
F <H5 3I@J6KL'ML'GGNOP G 6 +>

! )
!# !
# ) # !
)) & ! ) !
! ) QOG<ROG' # < #
; OLROG' ) !# !# !
# ! # $ % )
L';Q S' RO<- (' @ ) #
* # )
# /S2'TT1! #
/ 1 /28<G1! * ** # /L1
@26 ) )
SLO<'LO ) * * )
@22LOMO@ * ! #
## ! # #
! # ! #
) #
E
# ' 5';'@5'@< !
# *
/T2U261 ' & !) # " *
! # * !
/'@<'L1 V
) /+ : 1 & #
# !# 32L "
) ! / 1 " !#
T2U26 " ('<-25 ) #
)
E !# & !# # !
V ' !
5.4. táblázat
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 KOR a
kérdezett
a
, Enter
kora
a. All requested variables entered.
b. Dependent Variable: FOJOV fõállásból
havi nettó jöv. (1000 Ft)
5.5. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,135a ,018 ,017 9,63
a. Predictors: (Constant), KOR a kérdezett kora
++ !# # !# *
#
>
/ 5U8G<'5 L GW8 L'1 G<5 'LL2L 2T <-' 'G<O( <'
!
# (
! # * !
- )
! *
! # $ %
> 5U8G<'5 L GW8 L' ! ) #

L GW8 L'
- / ' " +$ 1
) # * ,
11
/CASEWISE PLOT(ZRESID) OUTLIERS(3) .
' ) !# ) $ % !
* # #
/28<QO'LG /411
5.6. táblázat
Casewise Diagnosticsa
FOJOV
fõállásból
havi nettó
Std. jöv. (1000 Predicted
Case Number Residual Ft) Value Residual
212 4,949 60 12,35 47,65
236 3,803 50 13,38 36,62
471 3,061 43 13,53 29,47
501 4,261 55 13,97 41,03
541 5,728 70 14,85 55,15
653 3,727 50 14,12 35,88
772 10,744 118 14,56 103,44
808 4,827 60 13,53 46,47
840 14,419 150 11,17 138,83
914 12,357 130 11,02 118,98
926 3,972 50 11,76 38,24
1033 3,464 46 12,64 33,36
1122 3,299 45 13,23 31,77
1158 4,964 60 12,20 47,80
1282 6,827 80 14,26 65,74
1331 4,307 55 13,53 41,47
1360 10,447 115 14,41 100,59
1362 8,001 91 13,97 77,03
a.
Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
< ) ** )
)
) # ) /+ C 1
!# /T2U261 /;L'5OS<'5
6 Q8'1 /L'GO58 Q1
- & !#
& ! #
* * ! # #
$ % - !
# !# $ %
$ % "
@ !# # )
$ % +F *
& !# !
* * ! *
! ) $ %
5.7. ábra: Az életkor és a jövedelem együttes eloszlása,

regressziós egyenessel
!
- $ % 0!
* ! +F
5.7. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,182a ,033 ,032 6,32
# ) , # !
"
# ! * ! # !#
* * !# 0
4 * #
L !# # & !
$ %! #
! # ) !#
* ! ))
B # +F B!
* $ ! * % <
$ % # !# !
# &
!& # !
# !# *
* *
! !#
0 ' "! # )
/S G' @8(H'L1 ) * & !#
* ) !
L'S25' # !
$ % ; * X
- 3 ! ! +4 4 5(+
< # ! $
"
% ! @26 * /+ E 1!
!#
!#
# #
5.8. táblázat
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
1 Regression 2566,926 1 2566,926 27,690 ,000a
Residual 139236,9 1502 92,701
Total 141803,8 1503
b. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
+E )
* * # " # )
# ) > ! !#
# /L'ML'GGO2@1 B B
! )
+V # )
!
5.9. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 7,638 1,018 7,501 ,000
KOR a kérdezett kora ,147 ,028 ,135 5,262 ,000
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
# , Yˆ = 7,638 + 0,147 ⋅ KOR
' !# * ! :F *
!# *
, # * !
) ! 9 ) !
# #
!# ! #
!# ) *
!# !
!# # ! * *
"
* - V+ # $ % !
Y0 # "
! # ! # * (
VV0 / +> ! * 1
147 Ft ± 2 ⋅ 0,028 / T 1! V 0>4 T * * * *
) H'<
! * )
) ) #
!# # *
4
! @26
#$ !#
! # !#
! # #
B
4 ) , t= ! # #
SE B
# # M #) !#
* * ) ! !# ) )
> ' ! G &! ) "
# #) +V )
# # # -
! >!>+! $ * %
#)
!# ) ( # *
! )
#
6 '" + &+
H !
! # * #
! !#
#
6 $ '! 4&& '" + $
)
!# * !#
" # ) &
" " !
" ) , #
M !# # >>> ! #
:>! ) C> ! # >! #*
40 ⋅ 0 + 60 ⋅ 1
! = 0,6 '
40 + 60
! )
" !#
! 0 * ' !C
! " # !# 0
C>
( ) # ! "
:
" "
: ( ! " &
" !
!
!
! " ))
)
7+ .
# ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme2 kor .
& !
! +
/+ > 1
5.10. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,214 a ,046 ,045 9,49
a. Predictors: (Constant), KOR a kérdezett kora,
NEME2 a kérdezett neme
# #
' #) # #
/+ 1
#)
+
# ,
+ #) -
* )
B ) # B
"
Yˆ = B0 + B1 X 1 + B 2 X 2 = 9,285 − 3,243 ⋅ NEME2 + 0,149 ⋅ KOR

' & *
! @'('0 > !
C
/+ 0 1
5.11. táblázat
ANOVAb
Sum of Mean
1 Regression 6513,973 2 3256,987 36,135 ,000a
Residual 135289,8 1501 90,133
Total 141803,8 1503
a. Predictors: (Constant), KOR a kérdezett kora, NEME2 a kérdezett neme
5.12. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 9,285 1,034 8,976 ,000
NEME2 a kérdezett neme -3,243 ,490 -,167 -6,618 ,000
H # #)
!# *
# !
!#
+ 0 #
C #
Yˆ = B0 + B1 X 1 + B 2 X 2 = 9,285 − 3,243 ⋅ NEME2 + 0,149 ⋅ KOR
# ! # @'('0 32L >! #
Ŷ = B0 < # > $ % *
# !#
#
/'
@26 X1 #
) ! # / & !
# * * * #
!# $ %
! $ % !# #
& ! #
6 *
! . ## ! # # !
!# !
9 * * * 40!
* * * $ # %
# ! ) " @'('0
-
! !
!
* * O !
#
& * !# *
/> 1 )
! # #
# # ! #
# ! B
B * !
!#
# * *
# !# * * ! !#
# ! # "
# !# !
# 7 $8 ! 4&& '" + $
- !
*) * ) !#
! 0 ( * !#
) .H #
"
!# !
#
) # /+ 4 1
5.13. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 12,528 1,247 10,049 ,000
NEME a kérdezett neme -3,243 ,490 -,167 -6,618 ,000
6 * + 4 + 0 8 @'('0
) ! >! )
Q # ) !
* '
# ! #
# ! # *
! .F
!# #
$ %# ! !
# # ! !
!#
/>! 1 / !01
F - @'( !0 ! >
* ! & ! ) #
9 :;00'" + &+
3 !# $ * % !
#
"! #
) !
" ) ( .
9 < " =* '" + $
-
# ! ) ! #
% " - !
! # ! ! #
) ! # !
F H # !#
) .H # !#
" .O !# ))
$ %! . !
/ 9 1
! &
) G !
! # #
# * ! ))
@ !#
# " * @26 O
!
!# * * * *
E
+E * #
* * * ) ) *
! )* * )
# / # 1 *
E <H5 3I@J6KL'ML'GGNOP @26 G 6
*
* * ! ) "
* * # *
Z # !# !
) )
* * *
5.8. ábra: Az iskolázottság és a jövedelem összefüggése fiktív adatok alapján

!
#
"# $# % $#% &
( !# #
/ * 1 #
* ! @26 !#
* !
# @26 # ) !#
* ! ! #
) & "
# * !# ! *
!
# ) $ % !
* * -
! # !# ) @26
0
! ; '< >!F0F!
"
! >!:00
!#
"
! # # # !#
" $
" % ' # & !
! * )
! # ) ) ! ))
& # "
* ! !
" ' !# #
! * ! # #
) *
! # ! #
"
# >!:4E! #
! >!:00
>!CE0! >!CF0
( * !# # "
! # * *
# # ! # ! #
)
' ) ) ! *
& ) * ! $
%! " ! #
) ) G
)
! ) )
) # @
"
# # ! * * #
!
# O ) # ! &
! & &
V
9 ! ! = 5 !! &! !
3) * ) # !
!# $ " *
# % ' * " * ! ) !#
* * ** ! *
( # ) #
!# # *
& !# ) # # ) #
# ) ! #
# S * *
) # * !
# $ " * # % -
"! ! )
) ! $ ) )
% * * !
* #
- " *
! ! #
0>
) @ !# !
0
! *
V ( ! ) ! )
* # ) !# # ) &
* ) !
" # )
0> !
) !
#
0 ' @26 !
& ) O <H5 3I@J6KL'ML'GGNOP G 6
!
* ) ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor iskoszt .
C /+ : 1
5.14. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,400a ,160 ,159 8,91
a. Predictors: (Constant), ISKOSZT elvégzett osztályok
száma, KOR a kérdezett kora, NEME a kérdezett neme
# *
# ## ! # * )
# /+ + 1
5.15. táblázat
ANOVAb
Sum of Mean
1 Regression 22741,163 3 7580,388 95,501 ,000a
Residual 119062,6 1500 79,375
Total 141803,8 1503
a. Predictors: (Constant), ISKOSZT elvégzett osztályok száma, KOR a kérdezett
kora, NEME a kérdezett neme
!#
! # *
/β=>!44V1 !
/β=B>! E>1! /β=>! 0C1 * Q # !#
# & & #
!
* ! !# !
U # *
! * ! * #
B * )
B /+ C 1
5.16. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -1,892 1,545 -1,225 ,221
ISKOSZT elvégzett
1,346 ,094 ,339 14,298 ,000
osztályok száma
@ !# !# @26 #
* * # ! #
@26 #
# ! $ %
00
) * ,
ANOVA
VARIABLES=fojov
BY kor3 (1 3) isk7 (1 7) neme (1 2)
/FORMAT LABELS .
00 @26 !# # # #
% ! # ! #
%# & * !# *
O **
!!
Q # !# @26 !#
& & * * * *
/+ F 1
) # H'< #
! # % * /'< =>! CC1!
! ) !#
# " /H'< =>! EF1 /+ E 1
5.17. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
FOJOV Main (Combined) 25501,393 9 2833,488 36,901 ,000
fõállásból Effects KOR3 három kategóriás
havi nettó 3049,877 2 1524,938 19,859 ,000
életkor
jöv. (1000 Ft) ISK7 hét kategóriás
17793,792 6 2965,632 38,621 ,000
NEME a kérdezett neme 4657,724 1 4657,724 60,658 ,000
2-Way (Combined) 3521,833 20 176,092 2,293 ,001
Interactions KOR3 három kategóriás
életkor * ISK7 hét
2244,469 12 187,039 2,436 ,004
kategóriás iskolai
végzettség
KOR3 három kategóriás
életkor * NEME a 358,221 2 179,110 2,333 ,097
kérdezett neme
ISK7 hét kategóriás
iskolai végzettség * 650,262 6 108,377 1,411 ,207
3-Way KOR3 három kategóriás
Interactions életkor * ISK7 hét
kategóriás iskolai 517,645 12 43,137 ,562 ,874
végzettség * NEME a
kérdezett neme
Model 29540,871 41 720,509 9,383 ,000
Residual 112262,9 1462 76,787
Total 141803,8 1503 94,347
a. FOJOV fõállásból havi nettó jöv. (1000 Ft) by KOR3 három kategóriás életkor, ISK7 hét kategóriás
iskolai végzettség, NEME a kérdezett neme
& ) # " # !#
! !# !# *
# ! # & &
# * * ( !
# # # @26
!"
! !# @26
B * *
B * #
"
# /' 1 !
>!0>E ' !
" 04
) /! =>! +V1
5.18. táblázat
Factor Summarya
Beta
Adjusted
Eta for Factors
FOJOV fõállásból havi KOR3 három
,147 ,117
nettó jöv. (1000 Ft) kategóriás életkor
ISK7 hét kategóriás
,364 ,364
NEME a kérdezett neme ,166 ,187
a. FOJOV fõállásból havi nettó jöv. (1000 Ft) by KOR3 három kategóriás
életkor, ISK7 hét kategóriás iskolai végzettség, NEME a kérdezett
neme
> = 8!! 0! % ! '" + $""

&
)
('<-25='@<'L !
" # O !# ! #
G;GG
, T2LR L5! H S3R L5! G<';ROG'
0:
'@<'L
04 * *
+C
0: G;GG , L'(26' '
# ! #
! # )
!
> ?< @ A &
T2LR L5 )
' ) !
/; 1
) )
) ' ! # )
! #
# ! #
( , )
* * !# )
* B ) / 1 B
#
) ! # *
& ) * *
# * ,
σ 2 (Y ) − σ 2 (reziduális ) k +1 !
FENTER = 2
σ (Y ) − σ 2 (reziduális ) k
#
) # ! # #'()'!
/ #'()'! #
1 - ) !# & )
# * #
! #'()'! # !
0+
! >!>+! )
@ ) !#
0C
&
) ,
/MJ- @JT21! ! #
0+ >!>+ * 2;<O2@G
# ! & >!> ! >!>> !
" ) # * 8
#'()'! * # ! !#
#
0C <H5 3I@J6KT2LR L5 H S3R L5 '@<'L G 6
!
/MJ6OQQ @1! # !# "

/MJT8<Q'@1! ) ! # #
/MJ'-'G01
) * /T2U261
G;GG ) * ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=FORWARD gyvillan gyhanyfo gyfutlen gyehes2 .
) * ) $* %
/+ V 1
5.19. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 8,026 ,299 26,842 ,000
GYVILLAN gyerekkori
3,195 ,353 ,167 9,063 ,000
lakásban volt-e villany
2 (Constant) 9,888 ,573 17,267 ,000
GYVILLAN gyerekkori
2,809 ,366 ,147 7,676 ,000
GYHANYFO gyerekkori
-,300 ,079 -,073 -3,809 ,000
háztartásban élõk száma
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
' ! MJ6OQQ @
) ! >! CF # )
MJ- @JT2 B>!>F4
!# )
MJ6OQQ @ >! :F #
!# * !
! # &
!# !*
!
!# * * * *
>! CF !#
! # !
# >! :F *
* * * )) &
! @26 @ ! *
* /+ 0> 1
5.20. táblázat
Excluded Variablesc
Collinearity
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 GYHANYFO gyerekkori a
-,073 -3,809 ,000 -,071 ,923
GYFUTLEN gyerekkorban a
valaki aludt-e fûtetlen -,027 -1,460 ,144 -,027 ,967
szobában
GYEHES2 éhezett-e a
-,031 -1,605 ,109 -,030 ,921
gyerekkorában
2 GYFUTLEN gyerekkorban b
valaki aludt-e fûtetlen -,017 -,906 ,365 -,017 ,946
szobában
GYEHES2 éhezett-e b
-,017 -,862 ,389 -,016 ,883
gyerekkorában
a. Predictors in the Model: (Constant), GYVILLAN gyerekkori lakásban volt-e villany
b. Predictors in the Model: (Constant), GYVILLAN gyerekkori lakásban volt-e villany, GYHANYFO
gyerekkori háztartásban élõk száma
c. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
Q # !# MJT8<Q'@ MJ'-'G0
! !# * #
MJ6OQQ @ MJ- @JT2 #
!# $ % ) !
) ! # /+ 0>
1 ! # # " *
>!>+ * ! !# #
# * * #) !
) $ %
# , !
!
# ) #
) ! ! # )
/ 1 *
# 8 !#
'@<'L ! #
B !#
) B ) !
!
* * ! # * * # &
) # # '
,# >!>+
# ! ) #
' G;GG ) ! '[Q85'5 6 LO HQ'G
$
> B C6@ A &
H S3R L5 ! ! T2LR L5
)
! $# % ) *
) )
$ % !
# !#
)
# , #
! # *
# #!'*+,' ) * ,
2 2
σ ( Y ) − σ ( reziduális )k
FREMOVE = !
σ 2 ( Y ) − σ 2 ( reziduális )k −1
# < #
! # #!'*+,' !
0F
#!'*+,' #
0F < $ * % ) >!>+
!
G;GG ) * ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=BACKWARD gyvillan gyhanyfo gyfutlen gyehes2 .
@ * )
5.20. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 10,017 ,588 17,044 ,000
GYVILLAN gyerekkori
2,703 ,378 ,141 7,150 ,000
GYHANYFO gyerekkori
-,278 ,081 -,067 -3,427 ,001
GYFUTLEN gyerekkorban
valaki aludt-e fûtetlen -,403 ,494 -,016 -,817 ,414
szobában
GYEHES2 éhezett-e
-,261 ,340 -,015 -,767 ,443
gyerekkorában
2 (Constant) 9,920 ,574 17,289 ,000
GYVILLAN gyerekkori
2,764 ,369 ,144 7,481 ,000
GYHANYFO gyerekkori
-,289 ,080 -,070 -3,631 ,000
GYFUTLEN gyerekkorban
valaki aludt-e fûtetlen -,445 ,491 -,017 -,906 ,365
szobában
3 (Constant) 9,888 ,573 17,267 ,000
GYVILLAN gyerekkori
2,809 ,366 ,147 7,676 ,000
GYHANYFO gyerekkori
-,300 ,079 -,073 -3,809 ,000
) ) !
# !# # *
# /+ 0> 1 ) &
"
) MJ'-'G0
#
0E
#
) ! "
! ! * )
)
)) ! T2LR L5
+0 )
5.21. táblázat
Excluded Variablesc
Collinearit
y
Partial Statistics
2 GYEHES2 éhezett-e a
-,015 -,767 ,443 -,014 ,873
gyerekkorában
3 GYEHES2 éhezett-e b
-,017 -,862 ,389 -,016 ,883
gyerekkorában
GYFUTLEN gyerekkorban b
valaki aludt-e fûtetlen -,017 -,906 ,365 -,017 ,946
szobában
a. Predictors in the Model: (Constant), GYFUTLEN gyerekkorban valaki aludt-e fûtetlen szobában,
GYHANYFO gyerekkori háztartásban élõk száma, GYVILLAN gyerekkori lakásban volt-e villany
b. Predictors in the Model: (Constant), GYHANYFO gyerekkori háztartásban élõk száma,
GYVILLAN gyerekkori lakásban volt-e villany
c. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
H S3R L5
* * \)) * * # !#
#
0E ! #
*
"
># : D@ &
G<';ROG' ! # !
$ # % - &
)
* !# #
! $ % )
0V
! ) /J1 #
/[ ! [0! [41 G;GG
) * ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT y
/METHOD=STEPWISE x1 x2 x3 .
) /+ 00 + 04 1 ) $*
%
' [4 ) !
# >!EFC
- + 04 *
! # !# ) [
!# # [4
# ) [ )
>!+0+ * ! * *
* * # # ) , + 04
0 * !# [0 $
% ) !# )
[0 ) [0 [4 * *
[4 !
! ) ! [4
0V <H5 3I@J6KG<';ROG' OQQ8GN<LASOP G 6

"
+ 0:
!# [ [0
[4 # >!4+V
5.22. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -,306 ,100 -3,065 ,002
X3 ,347 ,009 ,876 37,148 ,000
2 (Constant) ,697 ,103 6,765 ,000
X3 ,208 ,012 ,525 17,765 ,000
X1 ,190 ,012 ,456 15,408 ,000
3 (Constant) 3,482 ,767 4,541 ,000
X3 4,280E-02 ,047 ,108 ,918 ,359
X1 ,376 ,052 ,903 7,191 ,000
X2 -,239 ,065 -,302 -3,664 ,000
4 (Constant) 4,181 ,095 44,236 ,000
X1 ,424 ,009 ,982 49,759 ,000
X2 -,297 ,016 -,376 -18,377 ,000
a. Dependent Variable: Y
5.23. táblázat
Excluded Variablesd
Collinearit
y
Partial Statistics
1 X1 ,456a 15,408 ,000 ,602 ,407
X2 ,275a 13,559 ,000 ,553 ,942
2 X2 -,302b -3,664 ,000 -,177 5,072E-02
4 X3 ,108c ,918 ,359 ,045 2,497E-02
a. Predictors in the Model: (Constant), X3
b. Predictors in the Model: (Constant), X3, X1
c. Predictors in the Model: (Constant), X1, X2
d. Dependent Variable: Y
"!
- T2LR L5 !
) /+ 0: 1 [4 )
T2LR L5 # !
# [4 # !# [4
)
5.24. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -,306 ,100 -3,065 ,002
X3 ,347 ,009 ,876 37,148 ,000
2 (Constant) ,697 ,103 6,765 ,000
X3 ,208 ,012 ,525 17,765 ,000
X1 ,190 ,012 ,456 15,408 ,000
3 (Constant) 3,482 ,767 4,541 ,000
X3 4,280E-02 ,047 ,108 ,918 ,359
X1 ,376 ,052 ,903 7,191 ,000
X2 -,239 ,065 -,302 -3,664 ,000
5.25. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 3,482 ,767 4,541 ,000
X1 ,376 ,052 ,903 7,191 ,000
X2 -,239 ,065 -,302 -3,664 ,000
X3 4,280E-02 ,047 ,108 ,918 ,359
2 (Constant) 4,181 ,095 44,236 ,000
X1 ,424 ,009 ,982 49,759 ,000
X2 -,297 ,016 -,376 -18,377 ,000
""
H S3R L5 ##
) # ! G<';ROG' /+ 0+ 1 H S3R L5
[4 & !
!# !
G
]
>- : &
'@<'L !#
) ! !# ) #
'@<'L #
! T2LR L5
4>
*
# !
* /MJ6OQQ @! MJ- @JT2! MJT8<Q'@1
) /MJ'-'G01
G;GG ) * ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER gyvillan gyhanyfo gyfutlen gyehes2 .
*
# , / 5U8G<'5 L GW8 L'1 #
4 ! # /+ 0C + 0F
1
4> O <H5 3I@J6KT2LR L5 H S3R L5 '@<'L G 6

"
5.26. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,182a ,033 ,032 8,46
a. Predictors: (Constant), GYEHES2 éhezett-e
gyerekkorában, GYFUTLEN 11. gykorban vki fütetlen
szobában aludt, GYHANYFO 8. gyerekkori háztartásban
élök száma, GYVILLAN 13.1. gykori lakban villany
5.27. táblázat
ANOVAb
Sum of Mean
1 Regression 7043,382 4 1760,846 24,606 ,000a
Residual 204664,7 2860 71,561
Total 211708,1 2864
a. Predictors: (Constant), GYEHES2 éhezett-e gyerekkorában, GYFUTLEN 11.
gykorban vki fütetlen szobában aludt, GYHANYFO 8. gyerekkori háztartásban
élök száma, GYVILLAN 13.1. gykori lakban villany
b. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
# \)) & ! T2LR L5

H S3R L5 !
! #
* /+ 0E
1
'@<'L H S3R L5DT2LR L5 * *
) # ' !# H S3R L5!
T2LR L5 * #
) ! '@<'L
(
)
!$ %
"
5.28. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 10,017 ,588 17,044 ,000
GYVILLAN 13.1. gykori
2,703 ,378 ,141 7,150 ,000
lakban villany
GYHANYFO 8. gyerekkori
-,278 ,081 -,067 -3,427 ,001
háztartásban élök száma
GYFUTLEN 11. gykorban
vki fütetlen szobában -,403 ,494 -,016 -,817 ,414
aludt
GYEHES2 éhezett-e
-,261 ,340 -,015 -,767 ,443
gyerekkorában
E +& " & '" + $ 0 8 &

! &+ 0 % 4&& "
) B B &
" !
- *
) ! #
- * !
# ' )
! # !
# )
) ! *
" 8 & *
!# "
4
#
, $ % $ % !#
! " / 1 # !
# @
4 +C
"
) I + 0V
40
#
5.29. táblázat
FOGL5 öt kategóriás foglalkozás
Valid Cumulativ
Frequency Percent Percent e Percent
Valid 1,00 szakképzetlen fizikai 1001 38,4 38,7 38,7
2,00 szakképzett fizikai 694 26,6 26,8 65,5
3,00 egyszerû szellemi 443 17,0 17,1 82,6
4,00 értelmiségi,vezetõ 337 12,9 13,0 95,6
5,00 vállalkozó 113 4,3 4,4 100,0
Total 2588 99,3 100,0
Missing System 19 ,7
Total 2607 100,0
- * !
!# * " #
GN<Q'@ !
!# ) &! >
) !# /+ 4> 1
RECODE fogl5 (1=1) (2 thru 5=0) INTO sztlen.
VARIABLE LABELS sztlen ’szakképzetlen fizikai-e’.
VALUE LABELS sztlen
0’nem’ 1’igen’.
5.30. táblázat
SZTLEN szakképzetlen fizikai-e
Valid Cumulativ
Valid ,00 nem 1587 60,9 61,3 61,3
1,00 igen 1001 38,4 38,7 100,0
Total 2588 99,3 100,0
Total 2607 100,0
40 <H5 3I@J6K58((J G 6
"
* GN3';N
)) ! ,
RECODE fogl5 (2=1) (1=0) (3 thru 5=0) INTO szkepz.
VARIABLE LABELS szkepz ’szakképzett fizikai-e’.
VALUE LABELS szkepz
0’nem’ 1’igen’.
B T2MQ+ * # B
+4
5.31. táblázat
SZKEPZ szakképzett fizikai-e
Valid Cumulativ
Valid ,00 nem 1894 72,7 73,2 73,2
1,00 igen 694 26,6 26,8 100,0
Total 2588 99,3 100,0
Total 2607 100,0
- )) # #
'MJGN'QQ! 'L<6'N 6 QQ Q ( !#
# !
* ) ) ,
@26
ANOVA
VARIABLES=fojov
BY fogl5 (1 5)
/FORMAT LABELS .
@ * # *
/+ 40 1 !
& * ! )
* ' * *
"
) # *
! !# )
!
#
5.32. táblázat
Cell Meansb
FOJOV 129. föállásból

FOGL5 öt kategóriás havi nettó jöv. 1000Ft
foglalkozás Mean N
1,00 szakképzetlen fizikai 8,60 1001
2,00 szakképzett fizikai 11,74 694
3,00 egyszerû szellemi 12,60 443
4,00 értelmiségi,vezetõ 17,59 337
5,00 vállalkozó 14,01 113
Total 11,53 a 2588
a. Grand Mean
b. FOJOV 129. föállásból havi nettó jöv. 1000Ft
by FOGL5 öt kategóriás foglalkozás
U # !# # * ,
# # ) /+ 44 1
5.33. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
FOJOV fõállásból Main FOGL5 öt
havi nettó jöv. Effects kategóriás 22210,047 4 5552,512 89,057 ,000
1000Ft foglalkozás
Model 22210,047 4 5552,512 89,057 ,000
Residual 161044,0 2583 62,348
Total 183254,0 2587 70,836
a. FOJOV 129. föállásból havi nettó jöv. 1000Ft by FOGL5 öt kategóriás foglalkozás
>!4:E!
# ) 0 /+ 4: + 4+ 1
5.34. táblázat
Factor Summarya
Beta
Adjusted
Eta for Factors
FOJOV 129. föállásból FOGL5 öt kategóriás
,348 ,348
havi nettó jöv. 1000Ft foglalkozás
a. FOJOV 129. föállásból havi nettó jöv. 1000Ft by FOGL5 öt
kategóriás foglalkozás
5.35. táblázat
R R Squared
FOJOV 129. föállásból
havi nettó jöv. 1000Ft
,348 ,121
by FOGL5 öt
kategóriás foglalkozás
@ ! * !# " T2MQ+
# * )
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER sztlen szkepz egyszell ertvez vallal .
( '@<'L )
! !# * )
5.36. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 8,600 ,250 34,461 ,000
SZKEPZ szakképzett
3,142 ,390 ,165 8,055 ,000
fizikai-e
EGYSZELL egyszerû
3,996 ,451 ,179 8,867 ,000
szellemi-e
ERTVEZ
8,993 ,497 ,360 18,084 ,000
értelmiségi,vezetõ-e
VALLAL vállalkozó-e 5,408 ,784 ,131 6,902 ,000
5.37. táblázat
Excluded Variablesb
Collinearit
y
Partial Statistics
1 SZTLEN a
, , , , ,000
szakképzetlen fizikai-e
a. Predictors in the Model: (Constant), VALLAL vállalkozó-e, ERTVEZ értelmiségi,vezetõ-e,
EGYSZELL egyszerû szellemi-e, SZKEPZ szakképzett fizikai-e
b. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
' /+ 4C + 4F
1 GN<Q'@ '[SQ85'5 6 LO HQ'G
) ( # !# '@<'L
. ## ! # !
! ) *
< !# $ % " -
!# * # !
9 # ## ! #
!#
.Q # ! )# ) $ )
& % 7 7 !
* ! # ) # ! $ % /
) ! ) ! " !
! 1 )# 7 7 G **
/ 1 . ( ! #
!# * * * ! !# #
# ! !# **
44
"
F G =* H =* '" + $% ! &4 $+ ! "
* # "
!# # !
& $ # %
! * * *
) # ! %
* * , "!
#
F ?* ' &4 $+ ! "
$ " % 3* #
! # " !
& ! #
! "
# ! ) )
44 G # !# L'S25' /0 # +=>1 #
/ =>1 ! * * >
# ) ' !# T2MQ+
* * B B> '
# !# >
# ! # !# **
)! # # !# "
' '@<'L ! #
; X
!
4:
# )) GN<Q'@ ( S2'TTOSO'@<G
) . #
& # !# *
/+ 4C 1 E!C>> ' ! #
#) #
! * ) ' #)
* !#
> ' **
4+
)) < # )) )
4C
* GN3';N
4! :0 ) !# # >#
) B ) ! # )
) ) # B E!C>> # )
* ) * #
E!C>>^4! :0= !F:0 8 # #
Q # # ! # *
& _ !
! ) * *
) ) !
)
) & # 'L<6'N
>!4C> ! ! # #
* * !
) " !#
*
6 QQ Q # # ' !
# * # !
$ % * ) !
4: '@<'L " &
#
4+ - ) ! " ! !
! ! ) &
/+ 40 1
4C ) * S'QQ (' @G # !
E!C> ( * >>> T ! EC>> T
"
! * ! #
) '
4F
+ 4E #
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT zfojov
/METHOD=ENTER zszkepz zegyszel zertvez zvallal .
5.38. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 3,570E-03 ,018 ,193 ,847
ZSZKEPZ Zscore:
,165 ,021 ,165 8,055 ,000
szakképzett fizikai-e
ZEGYSZEL Zscore:
,179 ,020 ,179 8,867 ,000
egyszerû szellemi-e
ZERTVEZ Zscore:
,360 ,020 ,360 18,084 ,000
ZVALLAL Zscore:
,131 ,019 ,131 6,902 ,000
vállalkozó-e
a. Dependent Variable: ZFOJOV Zscore: 129. föállásból havi nettó jöv.
- 6 QQ Q .S
* # B
B > &! &&
) ! #
! !
! )
) ! )
) &
4F 5'GSLO;<O6'G ) # (
<H5 3I@J6 58((J G 6
@ !
/>` 1 !
5.39. táblázat
N Range Minimum Maximum

ZSZTLEN Zscore:
2588 2,05293 -,79404 1,25889
ZSZKEPZ Zscore:
2588 2,25689 -,60521 1,65168
szakképzett fizikai-e
ZEGYSZEL Zscore:
2588 2,65439 -,45436 2,20003
egyszerû szellemi-e
ZERTVEZ Zscore:
2588 2,97083 -,38685 2,58398
ZVALLAL Zscore:
2588 4,89276 -,21363 4,67912
vállalkozó-e
+ 4V # !#
> ## !
# $ % $ %
! ! # !
) # * * /L @M'1
* *
# ! * *
! $# &&% ' * * # !# 6 QQ Q
!
(
!#
# !
4E
H # !
-
B ,
> * * B!
4E * #
# '
$ % # ) '
& # !# )
)) & " * ! @26 @26
# # #
! #
!
!# !
& -
4V
!# 6 QQ Q
! )) #
( # ! #
$ % !# *
# ## ) ! *
" @26 !
!
! # !
" )
"
! * !
" ! ## ! #
) ! ")
( * !# ) !#
" # !#
* !#
- )
5* !# + 40
4V 8 ) & !# &
! VC ! ) :
' T2MQ+
* *
:>
#
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER sztlen egyszell ertvez vallal .
GN3';N # GN<Q'@ )
$ %
5.40. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 11,742 ,300 39,176 ,000
SZTLEN
-3,142 ,390 -,182 -8,055 ,000
EGYSZELL egyszerû
,854 ,480 ,038 1,778 ,075
szellemi-e
ERTVEZ
5,851 ,524 ,234 11,161 ,000
!#
& !F:0 !
)) # ) *
/+ :> 1 ) ))
!# ## !F:0 #* ) ! * !
)
:> - ! #) #
! ) #
) 4! :0 ! E!C>> ! ) 0!0CF
:
* ! :!>>V
' & !# " &
* )
* / 'MJGN'QQ $ & ! #
>!>+ 1
( # . )
* " ! 'L<6'N
! GN<Q'@! 6 QQ Q #
! ! # )
* GN<Q'@ # !
! ' # !# $
% ) * !
) ! #
#
@ * !# $
* % ) ! & ! &
#
" ) ! ! #
#
! * * #
( * " !
$ % ! *
# ) ) # ! # #
!#
#
!# #
!
: @ !# * / 1
5.41. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,348a ,121 ,120 7,90
a. Predictors: (Constant), VALLAL vállalkozó-e,
ERTVEZ értelmiségi,vezetõ-e, EGYSZELL
egyszerû szellemi-e, SZKEPZ szakképzett fizikai-e
5.42. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,348a ,121 ,120 7,90
a. Predictors: (Constant), VALLAL vállalkozó-e,
ERTVEZ értelmiségi,vezetõ-e, EGYSZELL egyszerû
szellemi-e, SZTLEN szakképzetlen fizikai-e
(25'Q G8(( LJ 5U8G<'5 L GW8 L' )) &

>! 0>! !# ) !
) #
F 0!) & )" * % &! ! & 4&&

'" + $ ! &+ 0
@ ! # *
! !
:0
)
G<';ROG' !#
:4
#
:0 T '@<'L ! & GN<Q'@

" #
:4 ( <H5 3I@J6K58((J G 6
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=STEPWISE szkepz egyszell ertvez vallal kor neme.
) * # + :4
# 'L<6'N !
# >!0FE # ( @'('
) B>! VE ! ! #
!# & !
& # *
@'(' 'L<6'N * * !
# 'L<6'N )
, *
@ !# # D !
D
+ :: !# D
D * * * *
! # ' !
# * * ! 'L<6'N
) !#
) @'('
# ) /+ :4 1 'MJGN'QQ
! )
' )) 'L<6'N !#
O !# # 'L<6'N
>! 'MJGN'QQ > # !
# 'L<6'N ! 'MJGN'QQ >
5.43. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 10,631 ,171 62,339 ,000
ERTVEZ
6,963 ,472 ,278 14,740 ,000
2 (Constant) 15,741 ,506 31,089 ,000
ERTVEZ
6,979 ,462 ,279 15,095 ,000
-3,336 ,312 -,198 -10,692 ,000
neme
3 (Constant) 15,871 ,500 31,740 ,000
ERTVEZ
7,674 ,464 ,307 16,540 ,000
-3,872 ,315 -,230 -12,306 ,000
neme
EGYSZELL egyszerû
3,517 ,423 ,157 8,309 ,000
szellemi-e
4 (Constant) 18,737 ,650 28,843 ,000
ERTVEZ
7,658 ,460 ,306 16,648 ,000
-3,793 ,312 -,225 -12,152 ,000
neme
EGYSZELL egyszerû
3,320 ,421 ,149 7,895 ,000
szellemi-e
KOR -6,25E-02 ,009 -,124 -6,825 ,000
5 (Constant) 18,390 ,650 28,279 ,000
ERTVEZ
7,890 ,460 ,316 17,145 ,000
-3,752 ,311 -,222 -12,071 ,000
neme
EGYSZELL egyszerû
3,546 ,421 ,159 8,423 ,000
szellemi-e
KOR -6,14E-02 ,009 -,122 -6,737 ,000
6 (Constant) 16,922 ,756 22,399 ,000
ERTVEZ
8,499 ,486 ,340 17,474 ,000
-3,417 ,322 -,203 -10,598 ,000
neme
EGYSZELL egyszerû
4,102 ,445 ,184 9,221 ,000
szellemi-e
KOR -5,42E-02 ,009 -,107 -5,835 ,000
SZKEPZ szakképzett
1,531 ,404 ,081 3,788 ,000
fizikai-e
5.44. táblázat: Cellaátlagok
' '(
)*
+ &
'MJGN'QQ * 'L<6'N
!# >!0FV
* , B
# + :+ B 0>!+> 0!04
* ! ) +!>V V!00 *
'MJGN'QQ ! #
* #
! !# ! "
& < # 0>!+> !F0!
+!>V E!: *
) ' * 'L<6'N
>!4>F
! "
! "
#
! "
! "
#
#
!
# ) /+ :4 1 'MJGN'QQ )
* ' )
&
! $ % @
) * /+ :C 1
! " ! " #
- *
* ! 4!4 * ) #
!# " D "
::
! *
- )) # )
# ! !
# #
! )
- !
! #
! # # # * 6
*!# # $# # % !
*
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor .
:: !# #
* ** * ! # !# * *
" " **
"
5.47. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,240a ,058 ,057 8,16
a. Predictors: (Constant), KOR, NEME 1. a kérdezett
neme
C
* /+ :F 1
5.48. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 19,742 ,678 29,111 ,000
NEME 1. a
-3,286 ,321 -,195 -10,251 ,000
kérdezett neme
KOR -6,73E-02 ,010 -,134 -7,049 ,000
!
!# #
! # ! ! *
* * /+ :E 1
'
< # ! GN<Q'@
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor szkepz egyszell ertvez vallal.
5.49. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,409a ,168 ,166 7,69
a. Predictors: (Constant), VALLAL vállalkozó-e, KOR,
NEME 1. a kérdezett neme, ERTVEZ
értelmiségi,vezetõ-e, EGYSZELL egyszerû
szellemi-e, SZKEPZ szakképzett fizikai-e
# ! #
# , !" F
/+ :V 1
5.50. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 16,922 ,756 22,399 ,000
-3,417 ,322 -,203 -10,598 ,000
neme
KOR -5,42E-02 ,009 -,107 -5,835 ,000
SZKEPZ szakképzett
1,531 ,404 ,081 3,788 ,000
fizikai-e
EGYSZELL egyszerû
4,102 ,445 ,184 9,221 ,000
szellemi-e
ERTVEZ
8,499 ,486 ,340 17,474 ,000
) %&
/+ +> 1 %
* ! * # !
# *
* * * ! #
) * ) !#
) & !
*
*
* * #
) !# !
# # * !
* # )
- # !
# !# #
:+
*
F & $+ 8 !$ ! + + $+ " . 2 4&& 4 $

&" $
( ) *
.@ !#
# # * *
# !
!# * !
# ! # )
) @ #
:C
! " 6 !#
! * "
#
!
*
) " ! *
# &
:+ Q * 6 QQ Q
#
:C # /'
<H5 3I@J6K58((J G 6 T2MQ " 1 #
# " * ) ) !
- !#
! * !#
"
:F
@ ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=STEPWISE neme kor fizszell vallal .
G<';ROG' !# #
* * /+ + 1
5.51. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,287a ,082 ,082 8,07
2 ,365b ,133 ,133 7,84
3 ,385c ,148 ,147 7,77
4 ,395d ,156 ,155 7,74
a. Predictors: (Constant), FIZSZELL fizikai vagy szellemi
b. Predictors: (Constant), FIZSZELL fizikai vagy szellemi,
NEME 1. a kérdezett neme
c. Predictors: (Constant), FIZSZELL fizikai vagy szellemi,
NEME 1. a kérdezett neme, KOR
d. Predictors: (Constant), FIZSZELL fizikai vagy szellemi,
NEME 1. a kérdezett neme, KOR, VALLAL vállalkozó-e
' TONGN'QQ ) /+ +0 1 #
>!0EF !# &
* ! ' * E
* # /+ + 1
:F TONGN'QQ >! # & ! #

6 QQ Q
5.52. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 9,763 ,197 49,578 ,000
FIZSZELL fizikai
5,054 ,332 ,287 15,207 ,000
vagy szellemi
2 (Constant) 15,507 ,503 30,855 ,000
FIZSZELL fizikai
5,452 ,325 ,309 16,797 ,000
vagy szellemi
-3,838 ,311 -,228 -12,359 ,000
neme
3 (Constant) 18,349 ,655 28,034 ,000
FIZSZELL fizikai
5,382 ,322 ,305 16,712 ,000
vagy szellemi
-3,783 ,308 -,224 -12,280 ,000
neme
KOR -6,14E-02 ,009 -,122 -6,698 ,000
4 (Constant) 17,983 ,656 27,426 ,000
FIZSZELL fizikai
5,584 ,323 ,317 17,279 ,000
vagy szellemi
-3,726 ,307 -,221 -12,143 ,000
neme
KOR -6,05E-02 ,009 -,120 -6,623 ,000
) ) @'(' *
TONGN'QQ /+ +0 1 ' #
! # # * * * #
* ! & * !
* ! #
@'(' # # !#
! ! !# * *
* &
@'(' ) E 4
/+ + 1
# ) ) ! #
# " H ) * )
# ! # # * *
! # # "
"
* ! !
>! :F /+ + + +0 1
) 6 QQ Q ! )
* * # )
# ' TONGN'QQ
' !#
* *
) # B
# B 9 ! C
F # !0! 4 )4 $ & ! +& " '" + $
3 !# #
) - ! *
* #
! &
- !
) # ! #
! *
' * )) ,:E
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor befisk vallal .
:E O '@<'L # ' %
)
5.53. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,432a ,187 ,186 7,60
a. Predictors: (Constant), VALLAL vállalkozó-e, KOR,
NEME 1. a kérdezett neme, BEFISK 102.
legmagasabb isk. végzettsége
5.54. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 10,479 ,780 13,437 ,000
-3,085 ,300 -,183 -10,282 ,000
neme
KOR -9,62E-03 ,009 -,019 -1,024 ,306
BEFISK 102.
legmagasabb isk. 1,916 ,095 ,375 20,176 ,000
végzettsége
V !" # /+ +4
1 #
* (
! !
* * *
) !
) ! * !
* * ) # !#
) /+ +:
1
- ) )
' #
:V
" #
+>
# &
!#
!# # !
+
# #
+0
# " )
!#
@ # # !
!# ) )
! ! !#
*
F ?* ' $! 8 + ! 2 +8(! $4
&4 $+ ! "
! '
# " )
O )
' )
* * ! *
# # !
!# * !
& ! ! # * *
*
:V I " *
+> * *
+ ' ) # (
" !# ! ) !
) & &
+0 O )
* # @ # !# *
* * ! #
# - *
* * # !
# ) "
H . - !
T ,+4
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT szabvagy
/METHOD=ENTER htfo osszjov egyfojov .
5.55. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -,713 ,125 -5,722 ,000
HTFO háztartáslétszám ,163 ,036 ,224 4,547 ,000
OSSZJOV a háztartás
1,231E-04 ,000 ,034 ,512 ,609
összejövedelme (USD)
EGYFOJOV egy fõre
1,661E-03 ,001 ,137 2,201 ,028
jutó jövedelem (USD)
a. Dependent Variable: SZABVAGY általános szabadságvágy
( ) B
B # $ %
/+ ++ 1O !# * * # !
! "
- &
!
+4 <H5 3I@J6KGN<2S-(8Q< G 6
!
! T "
! )# !# *
* * # * *
" ) !#
#
- * * *
# !
"
# ! * >!>CCV * *
* ! ) *
* ! *
#
U # # #
* * ) ! ))
# " ' * * # !#
'@<'L # )
! * ## ! # * *
*
#) !
# !# # *
! * #
# ! >! 4F /+ ++ 16
# ! # ))
! #
+:
# ) ! !
# &# * ! *
( ! !" >!>C+ C
!#
# # )
# ! # " * * * *
" #
+:
#
"
F 7 = * $! +8(! $4 &4 $+ ! " ,
## ! # # ! &
!# B B
! # !# *
# !# !#
# )
# ! !
#
!# )
# ' #)
< !# )
# ## ! # )
# ' )
#
# ! ! #
) ) )
' ) ! #
# ) !# #
* !
!# ) " #
8
) * !
# ) ) '
,
# ! !# #
# !# +
! & * # V+
++
#
++ V+ # !# # )
# * & !
)
) ! V+ # !+ )
V+ !#
# !# # *
# '
# !# ) ) #
! # ) * "
! ! ( * ))
) ! )
! # ) )
/+ V 1 Q !
) ! ! # >! !
# ) * # )
) * 3
! ) !
) )
* * * #
!# # )
) ! # # ! # * #
+C
) * )
* ! #
< # # V+ #
) $ %
# ! #
* !# #
$ %
+C ## ! # !
) ! )
) * *
( )) ! ) $
% ! # '
# !
G ) - 0>
! ) ! G
? # )
#
5.9. ábra: Az összes n-elem minta B értékeinek elméleti eloszlása
, ,(/ & () % .&)

&# & &-$ &$%".&)
* # ! #
B # B # )
# # )
# # ) * ,
sy 1 − R y2.12...k
σˆ bk = ⋅ !
sk (1 − Rk2.12...( k −1) )(n − k − 1)
# ! !
R y2.12...k ! #
# ! Rk2.12...( k −1)
* *
# ! ! )
# )
# #
* *
) Rk2.12...( k −1) Q # # ! #
! #
# !
' ) )
# # ) !
! # "
! )
# # )
2
R k .12...( k −1) ! #
* * - #
# . @
(1 − Rk2.12...( k −1) ) ! *
# * #
#
) # ) !
# # * !
) )
# - !
!
! #
+F
#
+E
F B! " " + !00 I ! &4 $+ ! " & (! " + " " ! 2

$ = & H "&
( ! ) !
# # #
) ! !#
# # !# *
!#
$" # % ' ! "
+F - >!+ * # * V+
# Y>!4 "
! >!: # Y>!
# ! !# >!0B>!E )
# ! >!4B>!+ #
# &
+E ' >!0 # * Y>!4
) ) " #
#
@ #
+V
! *
C>
# )
* * !
C
* , >!4>C ) * ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=STEPWISE befisk teltip .
' * #
/+ +C 1
5.56. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,324 a ,105 ,105 9,19
2 ,339 b ,115 ,114 9,14
a. Predictors: (Constant), BEFISK legmagasabb
b. Predictors: (Constant), BEFISK legmagasabb
iskolai végzettsége, TELTIP település tipusa
# # @
!# #
+V <H5 3I@J6KL'ML'GGNOP G 6
C> ( " <
! # )
#
C G !# * ! )
!# * * *
5.57. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 4,951 ,639 7,753 ,000
BEFISK legmagasabb
2,148 ,162 ,324 13,295 ,000
2 (Constant) 2,855 ,819 3,487 ,001
BEFISK legmagasabb
1,941 ,169 ,293 11,501 ,000
TELTIP település tipusa ,899 ,222 ,103 4,060 ,000
( # - * *
* !# ) <'Q<O;
H'TOG3 * /+ +F 1 ## !
# !
!#
# # *
* !#
) !#
! # ) * *
" C0
# ! * @ *
) ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER befisk .
C0 !# O
& !# $ %
* + +E
5.58. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,324a ,105 ,105 9,19
a. Predictors: (Constant), BEFISK legmagasabb
)
) ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER teltip .
) # ) + +V
#
5.59. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,192a ,037 ,036 9,53
a. Predictors: (Constant), TELTIP település tipusa
) ) >! :!
* * />! >+^>!>4C1 = >! :
* * ) * ,
* = />! : > :1 = >!>0F #
> * # ! #
( B
B * *
#
# ! # #
# ! ) *
,
T = 1 − R 2j !
# R 2j = R j .1,2 ,..., j −1, j +1,...k
!# . #
# * *
!
G;GG
) @ !#
) ) * ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=STEPWISE befisk teltip .
#
/+ C> 1
5.60. táblázat
Excluded Variablesb
Collinearity
Partial Statistics
1 TELTIP település tipusa ,103a 4,060 ,000 ,104 ,908
a. Predictors in the Model: (Constant), BEFISK legmagasabb iskolai végzettsége
) !# )
! ) ) ) ) ) ) )
# * /
C4
1 >!>V4 ))
C:
# # ! / B>!>V41
# > * ! #
* !#
!# ! ># *
!# )
C+
* *
F # J+ ! ' $ * $! +8(! $4
&4 $+ ! " ,
# !
# ! & *
* ' # !# !
) *#
/ 1 L )) !
# # $* %! * *
) # -
# ! *
* * !
# !# * *
* B # ! *
B # !
C4 '## !" # !
) ) ! ) B
B
C:
C+ - & !
! * /U26'51 H'TOG3 OG32GN<
* OG32GN< ) ! H'TOG3
>! >4 * & ) #
B & !# B
!
* *
CC
# @
") ! # ! #
# * #
9 #
* !
* * # >!E C
( * * ! * #
# ! ! #
# G;GG )
# # # #
# ( ! # #
* # ! ) ! #
! )
? ,
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT zjoved
/METHOD=ENTER ziskoszt zlex .
5.61. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,689a ,475 ,470 ,7282967
a. Predictors: (Constant), ZLEX Zscore: lexikonok
száma a házi könyvtár, ZISKOSZT Zscore:
háztartásfõ által elvégzett isk
CC ' # ) !
* * ! #
*
"
# :F
/+ C 1
5.62. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -3,46E-17 ,051 ,000 1,000
ZISKOSZT Zscore:
háztartásfõ által elvégzett ,222 ,089 ,222 2,482 ,014
isk
ZLEX Zscore: lexikonok
,496 ,089 ,496 5,561 ,000
száma a házi könyvtár
a. Dependent Variable: ZJOVED Zscore: háztartásfõ jövedeleme (ezer Ft
CF
+ C0 # # #
- * V+ #
# " !
# !# ) *
# H
! # # 3 *
* !
) !
'
!
) !
CF M ! #
# ' !# # )
! * *
# #
! * *
B B
( ! 9 ))
! 9
' * * # ! # #
#
CE
) (
& ! )
CV
& DG 6' NL'GO5
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT zlex
/METHOD=ENTER ziskoszt
/SAVE ZRESID .
) !
# ! )
F>
! * '
# !
) ! 9
!
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT zjoved
/METHOD=ENTER ziskoszt zresid1 .
!# * *
0
# ! 5U8G<'5 L
:F /+ C4 1
CE - * ) !
" * *
CV G;GG #
( !# #
! # !
F> G;GG NL'GK
! ! NL'GO5 )
5.63. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,689a ,475 ,470 ,7282967
a. Predictors: (Constant), ZRESID1 standardizált
reziduális (zlex by ziskoszt), ZISKOSZT Zscore:
háztartásfõ által elvégzett isk
5.64. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 1,257E-16 ,051 ,000 1,000
ZISKOSZT Zscore:
háztartásfõ által ,626 ,052 ,626 12,135 ,000
elvégzett isk
ZRESID1 standardizált
reziduális (zlex by ,288 ,052 ,287 5,561 ,000
ziskoszt)
L # ,
!# *
! 9 $ %
/+ C: 1
( !# &
9 @ * " !# # 9
$ % ! * !
! * .;
$ % ! * 9
! ! * *
'## * !
9 T ! #
! 9 ) !
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT ziskoszt
/METHOD=ENTER zlex
/SAVE ZRESID .
## G;GG ) # )
F
T # !
* ! )
9 * !
) $
% ) ! 9
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT zjoved
/METHOD=ENTER zlex zresid2 .
/+ C+ 1
5.65. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,689 a ,475 ,470 ,7282967
a. Predictors: (Constant), ZRESID2 standardizált
reziduális (ziskoszt by zlex), ZLEX Zscore:
lexikonok száma a házi könyvtár
F NL'GO50
5.66. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -1,05E-16 ,051 ,000 1,000
ZLEX Zscore: lexikonok
,677 ,052 ,677 13,116 ,000
száma a házi könyvtár
ZRESID2 standardizált
reziduális (ziskoszt by ,128 ,052 ,128 2,482 ,014
zlex)
( # 9 !
* * /+ CC 1T
* # * * #
# /+ CF 1
5.67. táblázat: A regressziós modellek béta együtthatói és standard hibái

$
& '( &
%
0123420+
)
0567
0123420+
)
0 6218
0567
*)
0 6218
' * " !# * !#
!# 9
F0
* # * !
F0 # ) !#
! )
! * ! ) *
#
L !# 9
! !
) ! # M
!# ) #
!#
O * *
) ! #
) ! * !#
) * !
)
# # ! #
# ) ! #
- * * *
! )
# ! &
)
K J!0 ! + " % ! (+&+ $ ! 8 " ! H

!4 +$+ "8
) ! *
! # #
** 3* # !# !
! ) '
!# ! )
* " !
* " - !
!# # !
* # !# *
* * -
!# #) )
& # !
% ! #
* ! # # ! *
! G;GG QO@' L L'M
L'GGO2@ ) # #
!
) - #
) # * ! #
) # # H
! @
! T
! *
F4
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme iskoszt
/SCATTERPLOT=(*ZRESID ,*ZPRED ) .
)
@ X
3 !#
) # ! # * *
# /+ > 1Z " # !#
!# *
#
Q !$ % #
! * " !
!# B
B ! !
F4 O <H5 3I@J6KL'ML'GGNOP G 6 +:
E ! #
) ! 3O52H )
# #) * !#
F:
# * ) # ,
COMPUTE filter_$=(uniform(1)<=.10).
VARIABLE LABEL filter_$ 'Approximately 10 % of cases
(SAMPLE)'.
FORMAT filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE .
5.10. ábra
Scatterplot
8 - ) ) 9& (&. : ';% %$.< =& ( ) < > !

14
12
Regression Standardized Residual
10
-2
-4
-6 -4 -2 0 2 4
Regression Standardized Predicted Value
F: - ! "
!
* #
( ,F+
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/SAVE RESID .
@ /+ CE 1
5.68. táblázat
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 3,19 21,53 11,78 3,72 133
Residual -12,98 21,31 1,47E-16 5,52 133
Std. Predicted Value -2,308 2,617 ,000 1,000 133
Std. Residual -2,333 3,832 ,000 ,992 133
6 '## * !
) ,
FILTER OFF.
USE ALL.
SELECT IF(filter_$ = 0).
EXECUTE .
F+ G'Q'S< S G'G ) # /TOQ<'LKa1!

* !
# <H5 3I@J6KG (;Q' G 6 " !
)
!
T !# /G'Q'S< S G'G1 5'Q'<'

'
* >
(SAMPLE)'.
FILTER BY filter_$.
EXECUTE .
' ,FC
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/SAVE RESID .
* /+ CV 1
5.69. táblázat
Std.
Predicted Value 6,37 18,45 12,51 2,62 126
Residual -9,96 17,55 4,93E-16 5,30 126
Std. Predicted Value -2,337 2,266 ,000 1,000 126
Std. Residual -1,864 3,282 ,000 ,992 126
+!4>! +!+0
/+ CE + CV 1 @ #) !#
* * # #
FC # <H5 3I@J6KG (;Q'0 G 6

"
! # * !# /+!+010
/+!4>10 # # ) ' #
, !>E + 40 !
FF
4: # * !EE
< # $ % #) #
( # ! #
, ## !#
# ) !
! -
) / /0 #
FE
!
# !# #
# / /01 # ! ,
ei = p ⋅ ei −1 + u i !
# # !1
# ! /0 / /01 # ! )
# ! !# #
** * # * !#
## ! # )
# ! 5 BR ) (
! 5 BR ! )
) ! * )
FF ) # 44 !
# 0C ! #
* # ) / 40` 0+1 *
) # * ( # 0>
# # !
*
FE - * * * / /01 #
* * ! "
- !# #
* * * ! "
( " !
"
! # 5 BR #
! #
!# +>> " !E 0!0 *
5 BR ! # #
FV
#
G;GG # QO@' L L'ML'GGO2@
G< <OG<OSG ' ) DL'GO58 QG 58LHO@
E>
@ )
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/RESIDUALS DURBIN .
5.70. táblázat
Model Summaryb
Std. Error
Adjusted of the Durbin-
Model R R Square R Square Estimate Watson
1 ,380a ,144 ,143 8,99 1,906
a. Predictors: (Constant), ISKOSZT elvégzett osztályok száma,
) + F>
# ! # (25'Q G8(( LJ &
)) ' 5 BR
!V>C! # # # !#
FV - 5 BR ! # &
! # )
G #
Q S # B2
E> O <H5 3I@J6KL'ML'GGNOP G 6
B + L !& 0 + %! &+ $ '! " !
Q
# ! * !#
* * # )
! )) #
H & !
!
# #
' !
# # '
*
" -
!
#
@ ) ' * #
E
& '## G'Q'S< S G'G )
# ! * )
USE ALL.
(SAMPLE)'.
FILTER BY filter_$.
EXECUTE .
G (;Q'
E0
* ) *
E <H5 3I@J6K6 QO5O<AG 6ONGMAQ < G 6

E0 3O52H !
# ! G (;Q'
USE ALL.
COMPUTE filter_$=(sample = 0 & kidob = 1).
VARIABLE LABEL filter_$ 'sample = 0 & kidob = 1
(FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FILTER BY filter_$.
EXECUTE .
' !
*
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme iskoszt .
' #
/+ F 1
5.71. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 4,914 1,188 4,137 ,000
ISKOSZT elvégzett
1,075 ,091 ,397 11,808 ,000
osztályok száma
! # # # ) !
#
# # !#
* '
# "
) # & !#
$ %!
# # )) #
! # # #
) #
D * *
- #
USE ALL.
COMPUTE filter_$=(sample = 1 & kidob = 1).
VARIABLE LABEL filter_$ 'sample = 1 & kidob = 1
(FILTER)'.
FILTER BY filter_$.
EXECUTE .
' ! *
!# #
IF (sample=1 & kidob=1) becsjov = 4.914-3.199*neme+
1.075*iskoszt .
VARIABLE LABELS becsjov '1. alminta együtthatóival
becsült jövedelem' .
EXECUTE .
G ! * *
* *
IF (sample=1 & kidob=1) becsres = ((becsjov-fojov)*
(becsjov-fojov)) .
VARIABLE LABELS becsres '1. alminta együtthatóival
becsült jövedelem és a tényleges jövedelem négyzetes
eltérései' .
EXECUTE .
' !
E4
5.72. táblázat
N Mean
BECSRES 1. alminta együtthatóival becsült jövedelem
768 30,1139
és a tényleges jövedelem négyzetes eltérései
# #
* ! #
4>! /+ F0 1
@ ! !
E:
)
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT fojov
/SAVE RESID .
) 5'GSLO;<O6'G
# # /+ F4 1
n
(Yî − Yi ) 2
E4 2 i =1
σ (res) =
n
E: @ !# G'Q'QS< S G'G ) #
!
5.73. táblázat
N Variance
RES_1 Unstandardized
768 30,136
Residual
)) # B #
! # * * * B
#) # * #
# # !>>>F I
# * /FCF`FCF1
E+
) ! * #) # !#
* *
# #
# " )
! )
# !
#
M #
! *
) #
# # ! # !
# - )
! "
E+ #$ # #
!
! " "
" !# !
" $
%&
6.1. ábra: Az útmodell felépítésének logikája

az iskolai mobilitás példáján keresztül
' ()*+,
*+-.)*+, /012)*+,
' '0)*+,
! !
! ! 3 $
4 5 # 1 ! " !
! "
# " "
6' ()*+, ' '0)*+, $ 7 !
" 6 $
*+-.)*+, 7 " ! "
##
$ # #
" 1 5
! " $
8 8 $
" # ! $
$ #" # "
6/012)*+,7 ! 1 !
! " # # $
" " 1
" ! ! "
" ! " ! !
"
" !
"
" # " $
$ # " $
$ 3 4 " $
$
$ $
$ "
$ 6 $7 " $ # # 5
$ !
" $ # " 3 4 " $
! " $ # "
$ " $ !! !
! $ ( $ $
$ # "# #
%& ! ! $ ! $
$
" " 9
GYEROSZT = β 1 * SZULOSZT + β 2 * NANYOSZT + β 3 * NAPOSZT + RESID1 ,
! β $ " ! $ 621*:;&7
$ !
! $ $
" " 9
SZULOSZT = γ 1 * NANYOSZT + γ 2 * NAPOSZT + RESID 2
! $ " ! $ 621*:;<7
!
= " ! $! $
1
NANYOSZT = δ * NAPOSZT + RESID 3

! $ " ! $ 621*:;>7
!
= " ! 3 " 4
! ! ! " $
1
GYEROSZT = β 1 * (γ 1 * NANYOSZT + γ 2 * NAPOSZT + RESID 2 ) + β 2 * NANYOSZT +
+ β 3 * NAPOSZT + RESID1
! !
# # 9
GYEROSZT = β 1 * γ 1 * NANYOSZT + β 1 * γ 2 * NAPOSZT + β 2 * NANYOSZT + β 3 * NAPOSZT +
+ RESID
? ! ! $
! " !
# " # # 9
GYEROSZT = β 1 * γ 1 * δ * NAPOSZT + β 1 * γ 2 * NAPOSZT + β 2 * δ * NAPOSZT + β 3 * NAPOSZT +
+ RESID
& ! ! !
# # "
! 3 4 1
" # # $
" 8 # 8
! " !
! 3 4 " ! !
" 1
$ 3 54
$ @
! $ 3 4 $
$ " ! $ # # 8
8 "#
' " %&
$ " ! $ # 6% < 7
6.2. ábra: Az iskolai mobilitás regressziós együtthatókkal

kiegészített útmodellje
3
' ()*+,
2
1
*+-.)*+, /012)*+,
1
' '0)*+,
. ! ! β $
# = #
# $ " "
8
! $ 8 β
# $
! 1 # 9 β = "
! # # $
" !# ! 1 #
β
A ! $
$ " ! $
$ # 9<
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT gyeroszt
/METHOD=ENTER naposzt nanyoszt szuloszt .
< ,B; @C'0=DE,F);1.. * =

. # $ $
6.1. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,452a ,204 ,202 2,6507
a. Predictors: (Constant), SZULOSZT a kérdezett által
elvégzett osztályok száma, NANYOSZT a kérdezett
anyja által elvégzett osztályok száma, NAPOSZT a
kérdezett apja által elvégzett osztályok száma
%& $ ! ! $$ $
<G " $
$ " ! $ %< ! $
6.2. táblázat
Coefficientsa
Standardi
zed
Coefficien
ts
Model Beta t Sig.
1 (Constant) 37,394 ,000
NAPOSZT a kérdezett
apja által elvégzett ,079 2,347 ,019
osztályok száma
NANYOSZT a kérdezett
anyja által elvégzett ,012 ,354 ,724
osztályok száma
SZULOSZT a kérdezett
által elvégzett osztályok ,410 13,576 ,000
száma
a. Dependent Variable: GYEROSZT 1. gyerek által elvégzett iskolai
osztályok száma
# ! 8 8 9
G GHI # !
! ! ##
$ " G J& 5
' " $ "
" 9
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT szuloszt
/METHOD=ENTER naposzt nanyoszt .
$ " ! $ %> ! $
6.3. táblázat
Coefficientsa
Standardi
zed
Coefficien
ts
Model Beta t Sig.
1 (Constant) 22,240 ,000
osztályok száma
NANYOSZT a kérdezett
anyja által elvégzett ,219 6,632 ,000
osztályok száma
a. Dependent Variable: SZULOSZT a kérdezett által elvégzett
osztályok száma
F
" ! 6G <%J7
6G <&I7
= " ! $
" " $ "
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT nanyoszt
/METHOD=ENTER naposzt .
$ " ! $ $
$ !
$ $ $
$ # # ( $ " ! $
6% J %K 7
6.4. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,544a ,296 ,295 1,9290
a. Predictors: (Constant), NAPOSZT a kérdezett apja
által elvégzett osztályok száma
6.5. táblázat
Coefficientsa
Standardi
zed
Coefficien
ts
Model Beta t Sig.
1 (Constant) 20,823 ,000
osztályok száma
a. Dependent Variable: NANYOSZT a kérdezett anyja által
%J %K $ ! $
! # # # "
$ $ " 3
4 A "
! ( $ " ! $ # # 3
4 $ " $ $
$ !
= " " 6% > 7 !
" "
6.3. ábra: Az iskolai mobilitás végleges útmodellje

.80
.08
' ()*+,
.26 .41
.KJ *+-.)*+, /012)*+,
.22
' '0)*+,
" !
" #" ! # " 8
8 " !
! " "
! " # !
%>
GL ! "
$ !
$ $ $$ $ !
! " $
" "
? $ # !
! " : !
" " &IJK # " %G #
>
$ !
5
# # ! " !
! $
! ! ! $
! 8 ! # # !
" 8
F " !
! " 5
J
! ! "
$ ! " " $ # # 5
# " # # $ !
1 $ "
# # ( $ " ! $
9 #
# ! 1 # !
! (
$ " ! $ # #
G <J< 1 # " # "
$ # " " #
! # !
K
# 9 $ "
" ! $
" " !
$
$ !
$ $ " ! $
! G <%JMG J&GNG &GLO !
G KJJMG <&IMG J&GNG GJI # ! !
> !! ! !
$
! #
J 5
! " ! 5
K F # # !
6G &GLPG GJI7NG &KH 5 G GL # !
# # ! # G <>H (
$ " ! $ # #
! # # # # # ! !
$
" "
G KJJMG G&<NG GG% ?
" # G <J< "
" $ # # $ " ! $
! $ $ " ! $ #
# ! $ 5
! " # # $ %
@# "
$ QIG # $
$ $ !
! 5# " #
5 # # "
8 ! # 8
E !
5
5 #
" ! 5# ! F
$
%
F " %J
% $
$ $
# $
"
6.4. ábra: Az idegengy lölet és az antidemokratikus
politikai attit dök útmodellje
',:*+1F
',:;1F R)/B:+ S1')A
T:/1..
8 $ 8 #
$ ! $
H
5# " $ # "
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT xenof
/METHOD=ENTER antiszem jogbiz cigell antidem .
$ " " ! $
. ! %% $ ! 5# 3 4
%H ! ,#
! >> !
" ? # # "
# " <G !
H ,B; @C'0=DS1') E,F);1.. * =

# $
6.6. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,576a ,332 ,329 ,8188998
a. Predictors: (Constant), ANTIDEM antidemokratikus
gondolkodás PC (+:antidemokratikus), CIGELL
cigányellenesség PC (+:nagy), ANTISZEM
antiszemitizmus PC (+: antiszemita), JOGBIZ
jogbizonytalanság-érzet PC (+:nagy)
6.7. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 9,000E-16 ,024 ,000 1,000
ANTISZEM
antiszemitizmus PC (+: ,245 ,025 ,245 9,748 ,000
antiszemita)
JOGBIZ
jogbizonytalanság-érzet 9,216E-02 ,027 ,092 3,476 ,001
PC (+:nagy)
CIGELL
cigányellenesség PC ,408 ,025 ,408 16,364 ,000
(+:nagy)
ANTIDEM
antidemokratikus
8,114E-02 ,027 ,081 3,049 ,002
gondolkodás PC
(+:antidemokratikus)
a. Dependent Variable: XENOF idegengyûlölet PC (+:nagy)
= " $ !
5
! ! 6% H 7 5#
" $
E ! ! 5# #
U $ # #
$
3 4L
! $ & %$ '
F # $
1
" ! $
$
# # "
" F !
$
! $ *
! "
# 1
! " # " $ # # !
" $ ! "
! # # #
$ " " $ # #
I
$
L 1 " ! $ 3 4
! ! # #
5# 3 4
I "
! $ $ !
5 !
$ $ " ! $
# # # " " 1
$ $ " ! $
! % # (( )*
' " $
! $
# 9
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT antiszem
/METHOD=ENTER jogbiz cigell antidem .
= $ $!
$ # K
! ! " " " 6% L 7
6.8. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 4,598E-16 ,028 ,000 1,000
JOGBIZ
jogbizonytalanság-érzet 6,186E-02 ,031 ,062 2,004 ,045
PC (+:nagy)
CIGELL
cigányellenesség PC ,227 ,028 ,227 8,017 ,000
(+:nagy)
ANTIDEM
antidemokratikus
,129 ,031 ,129 4,172 ,000
gondolkodás PC
a. Dependent Variable: ANTISZEM antiszemitizmus PC (+: antiszemita)
? IK ! $ "
!
$ " ! $ 8G GGG&J G &<>L%
&G
# ?
! ! # #
$ ! # !
" V ! !
&&
! $ !
9
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT cigell
/METHOD=ENTER jogbiz antidem .
6.9. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) 3,361E-16 ,029 ,000 1,000
JOGBIZ
jogbizonytalanság-érzet ,107 ,032 ,107 3,361 ,001
PC (+:nagy)
ANTIDEM
antidemokratikus
8,362E-02 ,032 ,084 2,632 ,009
gondolkodás PC
a. Dependent Variable: CIGELL cigányellenesség PC (+:nagy)
&G "
&& W " 8 $ 8
! ! $ !
"# # $ $
" ! $
! !
! !
$ " !
" ?
# " "
F 5 #
$ #
! 5
6% I 7
$ $ 5 #
$! " 9
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT jogbiz
/METHOD=ENTER antidem .
6.10. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -9,90E-16 ,027 ,000 1,000
ANTIDEM
antidemokratikus
,413 ,027 ,413 15,499 ,000
gondolkodás PC
a. Dependent Variable: JOGBIZ jogbizonytalanság-érzet PC (+:nagy)
5 # ! !
! G J& $ ! 6% &G
7
' " !
$ " " 6% K 7
6.5. ábra: Az idegengy lölet és az antidemokratikus politikai attit dök
összefüggésének útmodellje
',:*+1F
',:;1F R)/B:+ S1')A
T:/1..
!! % # $ ) +$,-
5 !
5 # $ U $
! ! $ # #
G << $ " ! $! # #
! 6% K 7 5 # # !
! $ # # 5
$ $ ! ! ! 5 #
5# ! #
?
5 #
$! $
5# W " !
5 # # # #
" 6G GL7 5 #
# # 6G &>7
5# # # !
# G &>MG <K N G GLMG J& N G G>>
! 5 #
5
# ! ? 5 #
U $ #
! !
$ # " 5# "
F " 9 $
! $ "
$
F !
? !
! $ ! "
!
5 5 #
# $! "
# 1
$ $
# # " !
!
. /% # $
$ $
" " !
$ # "
&<
" "
, " " ! !
!
$ $ ! !
# !
$ " *(** !
1 "# # " " ! "
! $ ! " !
&< $
#
5# !
! #
# ! " $ ! # " $
" " # "
" $! W
"
" " ! $
! " # $ ##
# #
% % & #
! % ' ! %
( # # #
& % &
#& %
' # ( #
! % ' #
% % '
& % # #
! # ' ' # % & & # (
& & # % # %
' # )*)) #& & &
&
! #
! " #
"!" "$ " %"& " # '"
+ ,--- &
& &
.
# # '
& / # '
% # & # #
. & &
# & # '
/ # ' ' " &
$ & # & # 0
# & % # & #
! # % ' &
1&# &
# # & / / # 2 %
# ' &
# #
#
& + &
% ' % &
' & &
#
#
&
3 )*))
# #
,
'4
DISCRIMINANT
/GROUPS=tipol(1 3)
/VARIABLES=toler diszkr negszter
/ANALYSIS ALL
/PRIORS SIZE
/STATISTICS=MEAN STDDEV UNIVF RAW CORR TABLE
/CLASSIFY=NONMISSING POOLED .
0 )*)) 4
/GROUPS= tipol (1 3)
+
# & &
5 %
, 167 893:0;7<)=8><(<3 3?< >@( ) 0 % # &

/VARIABLES=toler diszkr negszter
< & % !
/ANALYSIS ALL
+ # A0 >< 6B+) '
% & # C
D
& BB
/PRIORS SIZE
+ &
/STATISTICS=MEAN STDDEV UNIVF RAW CORR TABLE
< # %
& & + 3@0
% & # # #
%
/CLASSIFY=NONMISSING POOLED
+ ' &#&
E
3 '
>@F*) )1 1<)1<?) 1@1 B '
GH . I
( # %'
J
# - # . ' (+ 3
& ' '% % /
K
'
# % # # # #
# 4 #
#
D % / / A 3 B:)<) # % &
%
& % # # & &
& &
E 3 B:)<) ? )+ *>@?+))<3 )F(( >: % &
0 B<7 (<))<3 & &
' # & % ' )*)) #
# &
J - . ' '
# B<)1L<)+ # %&
K +% # # ' %
7.1. táblázat
Group Statistics
TIPOL a romák Valid N (listwise)

kiemelkedésének Std. Unweight
lehetséges módja Mean Deviation ed Weighted
1,00 belsõ erõforrások TOLER tolerancia mutató
-6,3E-02 ,8965929 228 213,191
(PC)
DISZKR diszkriminációs
,1609866 1,0042932 228 213,191
hajlandóság (PC)
NEGSZTER negatív
,2357170 ,8590626 228 213,191
sztereotípiák (PC)
2,00 asszimiláció TOLER tolerancia mutató
-,1902202 ,9949792 212 223,795
(PC)
6,52E-02 ,9089021 212 223,795
hajlandóság (PC)
NEGSZTER negatív
-1,0E-02 ,9438851 212 223,795
3,00 integráció TOLER tolerancia mutató
,2849161 ,9842377 248 243,888
(PC)
-,2214527 1,0390376 248 243,888
hajlandóság (PC)
NEGSZTER negatív
-,2066663 1,0704718 248 243,888
Total TOLER tolerancia mutató
1,99E-02 ,9814603 688 680,874
(PC)
-7,5E-03 ,9991287 688 680,874
hajlandóság (PC)
NEGSZTER negatív
-3,6E-03 ,9820546 688 680,874
%
&
)17 7+0< 1<@3 %
&
/
&
H
3@0
1+)1) @M +NF B<1: @M >@F* (+ 3) GH , I '
' L<B8)O B (67 &
# % #
H %
#' % # &
% # &
#
P
# .
& #
- & (
' % & # - '
' #
.
& & %
% # #
7.2. táblázat
Tests of Equality of Group Means
Wilks'
Lambda F df1 df2 Sig.
TOLER tolerancia mutató
,957 15,403 2 677 ,000
(PC)
,973 9,445 2 677 ,000
hajlandóság (PC)
NEGSZTER negatív
,966 11,920 2 677 ,000
( " %)
& & '

GH D I
+ !
' * %
# Q
Q +
( x ij − x i ) 2
P i j
# '4 Wilks' Lambda =
( x ij − x ) 2
i j
# # xi # x #
# % '
(
& #
R ! @ # %
# # ' &
+ ! #
%
S
% % ' #
% % #
# &
/ # #
& %
7.3. táblázat
Pooled Within-Groups Matrices
DISZKR
TOLER diszkrimi NEGSZTE
tolerancia nációs R negatív
mutató hajlandós sztereotípi
(PC) ág (PC) ák (PC)
Correlation TOLER tolerancia mutató
1,000 -,502 -,290
(PC)
-,502 1,000 ,535
hajlandóság (PC)
NEGSZTER negatív
-,290 ,535 1,000
H.
S + % # * % &
% '
& /
.-
7.1. ábra: A diszkriminálandó típusokon belüli és a teljes mintára

számított korrelációk
< #
/ #
Q
Q ' % # #
& 0 # *@@B+7 L<1C<3 >@F*) ( 1><?+)
GH D I & &
.- H. ' & #
% #
' % # &
'
' % ' % '
+ % #
& # ! %
..
% # # #
+ #
#
% 5
A)1 1<)1<?) ?@>> &
* " %" +, + %- ' & $

"! & + .- , &%
Q %'
% Q / #
% / '
4
D j = d 0 j + d 1 j x1 + d 2 j x 2 + + d kj x k
# # %
#
# # %
&/ %
/ +
! %'
5 % ' %
# % '
# /
#& % '
# % + /
# % + #
% / & #
% #
!
# %
%
% %
.. ' % % '
%
Q
Q % '
/
/ % '
'
& & ? 3@3<? B 7<)?><(<3 31 MF3?1<@3 ?@+MM<?<+31)
GH E I
7.4. táblázat
Canonical Discriminant Function Coefficients
Function
1 2
,712 ,845
(PC)
-,137 ,188
hajlandóság (PC)
NEGSZTER negatív
-,447 ,855
(Constant) -,017 -,012
Unstandardized coefficients
# # %
# # % /
% '
% / ! #
&
% # ' ! # /
C # %
.,
#
., # % ? 3@3<? B
7<)?><(<3 31 MF3?1<@3 ?@+MM<?<+31)
C & & &
A)1 1<)1<?) & > L&
& '
' )
# #
.D
# + ' )1 37 >7<=+7 ? 3@3<? B
7<)?><(<3 31 MF3?1<@3 ?@+MM<?<+31) & GH J I
7.5. táblázat
Standardized Canonical Discriminant Function Coefficients
Function
1 2
,684 ,812
(PC)
-,135 ,186
hajlandóság (PC)
NEGSZTER negatív
-,432 ,826
'# % '
+ & #
# & # # %
' % #
' #
& # #
# % % #
% ' #
% % # H,
.D < # #
% ! # Q %' Q
/ (& # 5
' & #& %
!
7.2. ábra: A diszkrimináló függvény és a függ változó csoportjai
.E
% G5.T 5,T 5DI
'# %
+
B
' # % Q %
# Q )1>F?1F>+ ( 1><U GH K I
.E % # /
& #
7.6. táblázat
Structure Matrix
Function
1 2
,877* ,479
(PC)
-,709* ,220
hajlandóság (PC)
NEGSZTER negatív
-,703* ,690
Pooled within-groups correlations between discriminating
variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
*. Largest absolute correlation between each variable and
any discriminant function
)1F>?1F>+ ( 1><U
' # %
G*@@B+7 L<1C<3 >@F*)I
* % & / 5 !
# %' ' ?@(*@3+31
( 1><U % ' M ?1@> ( 1><U +
% ' '# % /
& /
& /
# # # %
%
& % # !#
% # % # #
# & ) %
4 '%
3 % '
&# & " $ #'
# #
# # & '
& # # "
$ & ' ' & #&
C & #
% # A & # Q
/ "% $Q
# & #
# V &
% # % # &
&
'% " $ # # " #
.J
$ # D #
/ % "
.K
'$ &
# % <
'#
C & )1>F?1F>+ ( 1><U
# # ' ' #
# % #&
& & # %
% < / # &
%
.J & # % ' %'

'
.K C # %
'# & / 5
' ! ' % &
&# # % / !
% # #'
% #
/ -!,# &!0 ! & (+
6 & )*)) #
# %
' &
' & + #
L<B8)O B (67 +< +30 BF+) GH H HP I
7.7. táblázat
Wilks' Lambda
Wilks' Chi-squar
Test of Function(s) Lambda e df Sig.
1 through 2 ,932 47,572 6 ,000
2 ,982 12,231 2 ,002
.H
L<B8)O B (67 % ' %
# % # '
% ' #
# % &
# % '
& & '
# % % #& &
# '#
% & # ' &
# % Q
Q &
B & # %
.P
% # % '
+< +30 BF+) # %
.H L<B8)O B (67 &# & '

#
.P # % # %'
% " $ #
7.8. táblázat
Eigenvalues
% of Cumulativ Canonical
Function Eigenvalue Variance e% Correlation
1 ,054a 74,6 74,6 ,226
2 ,018a 25,4 100,0 ,134
a. First 2 canonical discriminant functions were used in the
analysis.
HP +< +30 BF+ # %

&
# W @M 0 >< 3?+
# .-- &
# % 3
#& # &
# '# %
) #
# % % ' '
? 3@3<? B ?@>>+B 1<@3 G & I
'
# %
' +1 '
1 -& +," " 2 "

# " &3 "
# # ' 3
& % '#
%
# % ' +
! # 1 % &
# % % ' #
HS &
7.9. táblázat: A n k és férfiak életkor szerinti hipotetikus megoszlása
% % ' #
' % #
% % '
/ 3@0 3 %&
& # % % # ' DJ
) &
% % '
# .K- % %
.S
' % # &
,-
#
# %
' / # 4
# #
% ' + '
! ' * # &
# DJ S - DJS
! 3 &
& & !
+ ! !
# %
.S D # % J %
H P.J
,- # ' & %
% # # #
#
# ! %
! !
% # # %
,.
# / '
# %
% '
# % %
% ' & '
% '
# % # #&
% % '
% ' L<B8)O B (67 % <
! # & %
# % ' + )*)) 5
' % AMF3?1<@3) G I
&
(& % ' /# %
/ % &
# & # %
,,
# #
# /
# %
5 G?B ))<M<? 1<@3 >+)FB1)I
GH .- I
,. % ! % 6 & +
% ! ' 4
P ( D G i ) ⋅ P (G i )
P (G i D ) = m
# !
P ( D G i ) ⋅ P (G i )
i =1
| ! #
# % #
,, 1 #
!
7.10. táblázat
Classification Resultsa
Predicted Group Membership

1,00
TIPOL a romák belsõ 2,00
kiemelkedésének erõforrá- asszi- 3,00
lehetséges módja sok miláció integráció Total
Original Count 1,00 belsõ erõforrások 73 58 83 213
2,00 asszimiláció 45 91 88 224
3,00 integráció 53 60 132 244
% 1,00 belsõ erõforrások 34,1 27,0 38,9 100,0
2,00 asszimiláció 20,2 40,5 39,3 100,0
3,00 integráció 21,6 24,4 53,9 100,0
a. 43,3% of original grouped cases correctly classified.
Q
/ # Q ED D # &
&# # % '
!
,D
DJ S (
# # % '
HE " # $ ' & #
# /
,E
%
,D C # % # & &
# ' %
&
RC / / # #
' #
& & .--QDJ SXKE .
% & # # & ' *>+ #
& ' & &
" $ #&
,E C & .--
3 % #
H.H H .H
&
7.11. táblázat: A módusz illetve diszkrimináló függvény segítségével
történ becslések összehasonlítása
H .. .J SS,J
# % . # %
% &
4 5 " !, 6
(& # # # % %
# % ' #
# #& %
# #
' & # %
GH ., I
7.12. táblázat
Functions at Group Centroids
TIPOL a romák kiemelkedésének Function

lehetséges módja 1 2
1,00 belsõ erõforrások -,189 ,166
2,00 asszimiláció -,156 -,170
3,00 integráció ,309 1,015E-02
Unstandardized canonical discriminant functions evaluated
at group means
,J # % & J
% D PE
/ # ' ' #
% ' '
Q # # % % Q '
+ % !
& # ' #
! & # #
% & '
%
& ' &
' &
% / &
# # % %
& &
# # # %
' #
% & % & &
# # #
G? 3@3<? B 7<)?><(<3 31 MF3?1<@3 ?@+MM<?<+31)I
# % +
/
' #
# # # 3 G)1
7 >7<=+7 ? 3@3<? B 7<)?><(<3 31 MF3?1<@3 ?@+MM<?<+31)I
' & /
5 # / # & %'
% % /
% # # &
# % %
# % /
# % +
& / 5 !Q
Q % C " $
!
! # # %
Q %
#& Q & / 5 # &
& C # %
& &# #
% & ) !!
'% #& # %
& / 5 '
# % # / # &
* 7 8 !
'% #& #
% ' # " $ " & $
' C #
& # #
# % < "
% & #
$ ! '
% #
% # ,K < !
# '
& # #
# # % %
# # & # # #
% ' & # 3
# Y
,K # & ' / % #
* & 5 ( &% &
# ,--. & # #
& #
" $ " $
,H ,P
& H .D
7.13. táblázat
TIPUS
Valid Cumulativ
Valid 1,00 antiszemita 136 37,7 37,7 37,7
2,00 cigányellenes 128 35,5 35,5 73,1
3,00 elutasító 97 26,9 26,9 100,0
Total 360 100,0 100,0
+ ' # & ' '#

& & #
,S
&
D-
# '4
DISCRIMINANT
/GROUPS=tipus(1 3)
/VARIABLES=teltip iskola vagyon
/ANALYSIS ALL
/FUNCTIONS (1)
/SAVE=SCORES
/PRIORS SIZE
/STATISTICS=TABLE
,H &/ ' ' & '

# '#
,P 167 893:0;8@(*B+11 7<)=8><(<3 3?< ) 0 # # &
,S 1+B1<* '4 .O OT ,O OT
DO OT EO6&# O
D- #
F % & %
% 6 # & #
/# # %
AMF3?1<@3 G.I
# # %
A) 0+X)?@>+) + ' & #
% % #& &
7.14. táblázat
Wilks' Lambda
Wilks' Chi-squar
1 through 2 ,904 33,266 6 ,000
2 ,996 1,251 2 ,535
H .E & '% " $

' #
# % & # #
% % 3 # %
GH .J I
7.15. táblázat
Structure Matrix
Function
1
TELTIP Településtípus ,818
ISKOLA Mi az Ön
legmagasabb iskolai ,562
végzettsége?
VAGYON vagyoni
,525
státusz (PC)
# % %
& / & / %' & /
# &/ # # #
% /
D.
& #
& % H .K
7.16. táblázat
Function
TIPUS 1
1,00 antiszemita ,373
2,00 cigányellenes -,162
3,00 elutasító -,354
Unstandardized canonical discriminant
functions evaluated at group means
&/
&/ # #
0
5 GH .H I
7.17. táblázat

1,00 2,00
antiszemi cigányelle 3,00
TIPUS ta nes elutasító Total
Original Count 1,00 antiszemita 103 0 33 136
2,00 cigányellenes 58 0 43 101
3,00 elutasító 50 0 46 97
% 1,00 antiszemita 75,9 ,0 24,1 100,0
2,00 cigányellenes 57,2 ,0 42,8 100,0
3,00 elutasító 52,0 ,0 48,0 100,0
D. # & / % %' &#

5 % ' & 5
#
/ #
EE P C # % #&
DH H
D,
% #
# % #&
( & !# '
'# C # 4
DD
' #
# # /
% &
# % ' #
# #
'4
DISCRIMINANT
/GROUPS=tipus(1 3)
/VARIABLES=toler belso kulso
/ANALYSIS ALL
/SAVE=SCORES
/PRIORS SIZE
/STATISTICS=TABLE
+ ' & # %
% GH .P I
7.18. táblázat
Wilks' Lambda
Wilks' Chi-squar
1 through 2 ,514 223,635 6 ,000
2 ,954 15,665 2 ,000
D, K -E
DD # # 'G #
I !#
& %
( # # % % # # %
# ' 3
& % GH .S I
7.19. táblázat
Structure Matrix
Function
1 2
BELSO a szegények
-,731* ,236
maguk hibáztathatók (PC)
TOLER tolerancia (PC) ,660* -,454
KULSO a szegények
sorsáért a társadalom ,360 ,880*
hibáztatható (PC)
' % & /
# ' & /
Q ! Q # #
% %
! ' '
& ' #
% # #
% # '
# # + &
' #
# & &
%
3 ' & # %
GH ,- I
7.20. táblázat
Function
TIPUS 1 2
1,00 antiszemita 1,192 9,064E-03
2,00 cigányellenes -,746 ,237
3,00 elutasító -,671 -,317
Q %& Q
# ' 2 !
& % #
& ' / ! %
% & % 4
# + & &
# # %
' ' Q
# Q &
' & #
# # & 5 GH ,.
I
7.21. táblázat

1,00 2,00
antiszemi cigányelle 3,00
TIPUS ta nes elutasító Total
Original Count 1,00 antiszemita 96 19 13 127
2,00 cigányellenes 17 75 27 120
3,00 elutasító 12 51 30 93
% 1,00 antiszemita 75,2 14,7 10,1 100,0
2,00 cigányellenes 14,2 62,8 22,9 100,0
3,00 elutasító 13,1 54,8 32,1 100,0
JS . %
DE
#& ' DH H
** 5 " 9!# $ %- " %" "
3 && & '#

% ' !# '%
& / #
'4
DISCRIMINANT
/GROUPS=tipus(1 3)
/VARIABLES=statusdf tolerdf
/ANALYSIS ALL
/FUNCTIONS (1)
/PRIORS SIZE
/STATISTICS=TABLE
? % # % & GH ,,
I
7.22. táblázat
Wilks' Lambda
Wilks' Chi-squar
1 through 2 ,511 208,328 4 ,000
2 ,994 1,993 1 ,158
# % ' GH ,D
I
DE ,S PS
7.23. táblázat
Structure Matrix
Function
1
TOLERDF toleráns
,979
szolidáris tengely
STATUSDF státus
,307
diszkriminancia függvény
# %
# & %
& # &
H ,E
7.24. táblázat
Function
TIPUS 1
1,00 antiszemita 1,171
2,00 cigányellenes -,835
3,00 elutasító -,761
&/
& # # %
' # '
% &%
% &
& &/ & +
# & " $
0 & # % Q
' # #
& Q & # %
#
DISCRIMINANT
/GROUPS=tipus(1 3)
/VARIABLES=statusdf intoldf
/ANALYSIS ALL
/FUNCTIONS (1)
/PRIORS SIZE
/STATISTICS=TABLE
+ ' % % GH ,J I
7.25. táblázat
Wilks' Lambda
Wilks' Chi-squar
1 through 2 ,868 43,863 4 ,000
2 ,960 12,742 1 ,000
+ # # # % '
#& & #
# & %
7.26. táblázat
Structure Matrix
Function
1 2
STATUSDF státus
,912* -,409
INTOLDF intoleráns
,386 ,922*
populizmus tengely
!
'% & & &

' # % #
&/ # & # % GH ,K
I
3 & # # %
GH ,H I
7.27. táblázat
Function
TIPUS 1 2
1,00 antiszemita ,344 -,118
2,00 cigányellenes -3,55E-02 ,311
3,00 elutasító -,435 -,153
& %
# % + % '
# & &/
' & !
&/ #
& %
# % %
C & # & &
&# & # &
% &
H ,P ! &
&/ +## '
& % % ' '#
!# ' # %
'#' ' &
7.28. táblázat
Group Statistics
Valid N (listwise)
Std. Unweight
TIPUS Mean Deviation ed Weighted
1,00 antiszemita STATUSDF státus
,3642016 1,0537738 132 127,145
INTOLDF intoleráns
9,06E-03 1,0182045 132 127,145
populizmus tengely
2,00 cigányellenes STATUSDF státus
-,1589326 1,0499437 90 93,696
INTOLDF intoleráns
,2526356 1,0763661 90 93,696
populizmus tengely
3,00 elutasító STATUSDF státus
-,3337349 ,8705387 97 92,960
INTOLDF intoleráns
-,3172265 ,8006260 97 92,960
populizmus tengely
Total STATUSDF státus
1,25E-03 1,0449262 319 313,800
INTOLDF intoleráns
-1,5E-02 ,9993528 319 313,800
populizmus tengely
9 !% # &
!# # #
) # & # #
% ' # %
# &
!# & # <
/ & ! # %
#
% / " # $ &
" $ %
' &
% #&
! "
# ! $ ! $ %
& ' ( $ "
) $ * $
$ " "$ "
&* '+ ( $
% )
+ " ) "
+ , ,
* $ $ , " "
, "% ,
" " ,
$ "
" " " )
- . + / $
$
$ ! )
0 # + $ $ "
+ $ % "
1 % "
% ) 1 ! $
$ $ "
% * ) "
$ $ % $ # %
+ $ ! + $ "
$ " )1* + "
$ ' ( "
2 & $ "
&
% "
3
" ) & %
# % ) $$ $ %
. $ $ #
%# + * $ $
$ % )
! "
4 # % )1 5663" # % & "

% "
% # $ * "
)5 " 7)3)
$ . 1 89:;0:<1 % )
8.1. táblázat
Std.
N Mean Deviation
KABITOSZ kábítószeres 995 7,982 1,578
ROMA roma 994 7,297 1,893
HOMOSZ homoszexuális 995 7,254 1,976
SZERB szerb 995 6,471 1,812
ROMAN román 992 6,455 1,895
ARAB arab 995 6,348 1,877
HAJLEKT hajléktalan 991 6,209 1,965
KINAI kínai 993 6,072 1,972
NEGER néger 993 5,949 2,013
ZSIDO zsidó 991 4,922 2,135
SVAB sváb 990 4,709 2,175
3 %% )
5 0= )->4?<@ "0 4ABC) < + )
B $ & "
& & "
" + $ ) # $
% # % ;
$ # $ $ % "
)
8.1. ábra
Derived Stimulus Configuration
0
Dimension 1
-1
-2
-,6 -,4 -,2 -,0 ,2 ,4 ,6
One Dimensional Plot
" "
% )
7)3) = $ $ ;
.& % " $ $ "
% & * $ "
2 ) %
)1 , "
" +
, %% + .' "
% " D(
$ )1 * $ % "
$ )
$ + # $ %
E
& $ D;
" $ ' ( % $
% $ )1
) 7)5)
8.2. ábra
Derived Stimulus Configuration

Individual differences (weighted) Euclidean distance model
1,0 hajléktalan
,8
homoszexuális
,6
,4
sváb kábítószeres
,2
zsidó
-,0
Dimension 2
-,2 négerarab
román
szerb
-,4 kínai roma
-,6
-3 -2 -1 0 1 2 3
Dimension 1
* & "
" + * $ "
% ) % $
# ) % & + %
$ ' ( ' ( "
E ! ' " % (
)
& ! % ' (
F
& ) 0 %#
% # $ +
& ) & "
# + ! &% "
! * )
$ #
+ )
# $% & '(' ' ) *
0 $$ $ # "
)4 # $ $ $ . "
"/
PROXIMITIES arab szerb roma neger roman kinai svab
zsido hajlekt homosz kabitosz
/PRINT NONE /MATRIX OUT('C:\WINDOWS\TEMP\spssalsc.tmp')
/MEASURE=EUCLID /STANDARDIZE=NONE /VIEW=VARIABLE .
SPLIT FILE OFF.
ALSCAL
/MATRIX= IN('C:\WINDOWS\TEMP\spssalsc.tmp')
/LEVEL=ORDINAL
/CONDITION=MATRIX
/MODEL=EUCLID
/CRITERIA=CONVERGE(.001) STRESSMIN(.005) ITER(30)
CUTOFF(0) DIMENS(2,2)
/PLOT=DEFAULT ALL
/PRINT=DATA HEADER .
;9GH: :0:1 % $ 33 33 % "

" 2 2 ) 2
F 4 + % $ + "
$ ) I + *
% "
)
% )J 1 % "
# $ " 2 % "
K
% + " B 8 B
+ $ ) %*
LB1<1BMG9 :4 B )1 " "
2+ ) $ ;9GH: :0:1 % "
& " 2 "
N
2 ) 1 + 8G4 :0:G4M 09:H
& ) # %# # "
* ) L89:019: % + "
* + ) : 14 $
$ $ )
$ & #
# * &$ / * "
7
% 2 ) L;BG0 %
# $ +
) L;9:40 % % "
$ % * "
" 2 )
J # % &
& "% #"
* )
K B 8 B" ) ;
$ $ * )
N $ # 2"+ " 2
# %% 3) 5) * 035"$
053 $ $ $ "$ " 2"
): L8G4 :0:G4M9180 4OAB 9 % $ ) ;
$ * & $ %& # 0 ≠0
*+ $ )- % % # $
% =% & ! $$ %
# )< + # =" *
! " ) 1 0 =
* 0= " ) + )
7 : 2 + *
%& + % $ * + "
* ! )
% * % ) 7)5)
8.2. táblázat
Alscal Procedure Options
Data Options-
Number of Rows (Observations/Matrix). 11

Number of Columns (Variables) . . . 11
Number of Matrices . . . . . . 1
Measurement Level . . . . . . . Ordinal
Data Matrix Shape . . . . . . . Symmetric
Type . . . . . . . . . . . Dissimilarity
Approach to Ties . . . . . . . Leave Tied
Conditionality . . . . . . . . Matrix
Data Cutoff at . . . . . . . . ,000000
7)5) $ $
% % )1 " 2
)
# * $ &
' % ( )
8.3. táblázat
Model Options-
Model . . . . . . . . . . . Euclid
Maximum Dimensionality . . . . . 2
Minimum Dimensionality . . . . . 2
Negative Weights . . . . . . . Not Permitted
% 7)E) ! "
$ $ % $
$ "
% )0 # & !
%% $ # $ %
+ " & ! )
8.4. táblázat
Output Options-
Job Option Header . . . . . . . Printed

Data Matrices . . . . . . . . Printed
Configurations and Transformations . Plotted
Output Dataset . . . . . . . . Not Created
Initial Stimulus Coordinates . . . Computed
% ! + + $
; .& ) 2
;BG0" & # !
.&* $ * ) 7)F)
8.5. táblázat
Algorithmic Options-
Maximum Iterations . . . . . . 30
Convergence Criterion . . . . . ,00100
Minimum S-stress . . . . . . . ,00500
Missing Data Estimated by . . . . Ulbounds
Tiestore . . . . . . . . . . 55
+ % & $ % ; " * ) 7)J)

1 $ * $ "
# " 091 + )
+ $$ % , !- (. / $ % &0 # ! ,)!' )
: # # $ " 2 &)
$ $ % " 2
% ) % # "
2 $ ) "
& * % %
% & # ) 7)K)
8.6. táblázat
Raw (unscaled) Data for Subject 1
arab szerb roma néger román
1 ,000
2 50,080 ,000
3 69,469 66,317 ,000
4 57,637 62,626 77,485 ,000
5 58,267 52,849 64,288 58,404 ,000
6 59,025 61,693 76,394 50,398 55,182
7 88,854 90,371 115,139 80,864 90,122
8 82,595 85,580 106,967 75,631 83,982
9 69,051 71,162 76,994 69,109 68,811
10 72,767 71,924 68,840 78,886 75,047
11 85,112 80,175 66,015 96,561 81,835
kínai sváb zsidó hajlék- homo-

talan szexuális
6 ,000
7 79,492 ,000
8 76,590 53,749 ,000
9 72,938 88,854 81,523 ,000
10 79,366 111,580 105,806 76,138 ,000
11 93,606 128,783 123,077 85,358 64,351
kábítószeres
,000
&* "
* + + * /$
% "
$ &
!
) + /$
+ σ" "
" # # "
*+ /$ σ Pσ ≤ )
$ ! $
) % %* " 091
%% $ "
+ + )I " 091 6
% $
* $ ) #
$ # $ $ "
Q
# ) $ "
* + $ " 091 6 6J" ) 4
" 091 + 6 36"
! )0 "
091 $ #
$ $ % $ .
" %
% )
+ # % $ * "
091 ) R%% ! + "
& & $ * % )
+# %% 091 " "
) * %%
! + +
+# % )
* 091 " *$ "
! $ 7)N) % "
)
Q ; σ" "
& + $ " * # )
"
8.7. táblázat
Iteration history for the 2 dimensional solution (in
squared distances)
Young's S-stress formula 1 is used.
Iteration S-stress Improvement
1 ,03040
2 ,02364 ,00677
3 ,02160 ,00204
4 ,02041 ,00119
5 ,01954 ,00087
Iterations stopped because

S-stress improvement is less than ,001000
Stress and squared correlation (RSQ) in distances
RSQ values are the proportion of variance of the scaled

data (disparities)
in the partition (row, matrix, or entire data)
which
is accounted for by their corresponding distances.
Stress values are Kruskal's stress formula 1.
For matrix
Stress = ,03379 RSQ = ,99551
* 091 " 6 6EENQ *

& $ $ % $.
&$ * % )1
*& # *
$ 9 S)1 $ "
$ + "
, ,
+ $ 6 QQJJ3)
% ) 7)E)
8.3. ábra
! " # $
2
Distances
0
0 1 2 3 4 5
Disparities
& $ +# * "
% ' ( "
# + % ) &$ * $
)
% ! &
) 7)7)
&$ $ #
# # ) 7)F) 1 +
) ! %& $ "
$ * "
* % & & $ "
* $ *% & )A "
$ * % .
* )
+# * % + "
% ) % & $ "
$ * $ + * )
& & * % & + "
$ )
8.8. táblázat
Configuration derived in 2 dimensions
Stimulus Coordinates
Dimension
Stimulus Stimulus 1 2
Number Name
1 Q24_1 ,0626 -,2867

2 Q24_2 ,2791 -,3401
3 Q24_3 1,4031 -,4772
4 Q24_4 -,5160 -,2907
5 Q24_5 ,1676 -,2953
6 Q24_6 -,4288 -,4851
7 Q24_7 -2,4437 ,1886
8 Q24_8 -2,0781 ,1689
9 Q24_9 -,0330 ,9336
10 Q24_10 1,2867 ,6345
11 Q24_12 2,3004 ,2496
8.4. ábra
% ! &
1,0
,8
,6
,4
,2
-,0
Dimension 2
-,2
-,4
-,6
-3 -2 -1 0 1 2 3
Dimension 1
% ! + & "
" 2) 7)Q)
8.9. táblázat
Optimally scaled data (disparities) for subject 1
1 2 3 4 5
1 ,000
2 ,191 ,000
3 1,333 1,157 ,000
4 ,496 ,797 1,971 ,000
5 ,496 ,191 1,157 ,612 ,000
6 ,612 ,723 1,803 ,191 ,496
7 2,537 2,774 3,904 2,073 2,656
8 2,195 2,422 3,541 1,497 2,293
9 1,224 1,333 1,971 1,316 1,183
10 1,487 1,402 1,183 2,026 1,487
11 2,301 2,073 1,157 2,868 2,195
6 7 8 9 10
6 ,000
7 2,073 ,000
8 1,803 ,366 ,000
9 1,487 2,537 2,183 ,000
10 2,049 3,757 3,397 1,497 ,000
11 2,826 4,744 4,379 2,422 1,157
11
11 ,000
091 " 9 S σ" " # "

* & $ * "
% + % $
% & 7)F) $ 33×33" 2 "
$ )
+ ! ) 0 " ! ) %' &( )( ! !! ( %
!
$ # . *
# ! ) "
$ % 1 * "
" *
) , ,
& $ # * " % "
$ * + &% & & % "
36
" + " % * "
$ + # )
+ %&
$ " "
$ % "
)33 1$$ $ " 2 &
% $ *)1 "
$ % $ /
% ' ( " 2 ) 1$$ %"
%% + & /
SORT CASES BY ethnic .
SPLIT FILE BY ethnic .
PROXIMITIES moral kompeten konf etnopone /PRINT NONE
/MATRIX OUT
('C:\WINDOWS\TEMP\spssalsc.tmp')
1 % # $ # *
% # " # $ % ) B 8 B
% $ ;B:0 % "
36 1 Q6" + * " %" % "

$ &% $ &
* ! & + ) % !
% % & ! ; %%
3QQ7 )
33 0= )->4?<@ "10I4:8) < + )
G 1BM:4 8 B # $ "
% )
SPLIT FILE OFF.
ALSCAL
/LEVEL=INTERVAL
/CONDITION=MATRIX
/MODEL=INDSCAL
/PLOT=DEFAULT ALL
/PRINT=HEADER .
& % * 091 " )

7)36)
8.10. táblázat

data (disparities)
in the partition (row, matrix, or entire data) which
Matrix Stress RSQ Matrix Stress RSQ

1 ,112 ,898 2 ,072 ,951
3 ,157 ,797 4 ,153 ,957
Averaged (rms) over matrices

Stress = ,12850 RSQ = ,90075
091 " $ %% $$ # $
# % $. $ "
# )
8.5. ábra
! " # $
3,0
2,5
2,0
1,5
Distances
1,0
,5
-,5 0,0 ,5 1,0 1,5 2,0 2,5
Disparities
+ "
$ ) +
# % + $* &$ * ) 7)J) R%"
% * 091 " )
8 # % *
$ & )< + "
/
USE ALL.
COMPUTE filter_$=(ethnic = 1 | ethnic = 3).
VARIABLE LABEL filter_$ 'ethnic = 1 | ethnic = 3
(FILTER)'.
FILTER BY filter_$.
EXECUTE .
; + )
SORT CASES BY ethnic.
SPLIT FILE BY ethnic .
PROXIMITIES moral kompeten konf etnopone /PRINT NONE
/MATRIX OUT
('C:\WINDOWS\TEMP\spssalsc.tmp')
& *%
8 1 ;9G81 :4O A 9? $ $
$ ! % # ) 7)33)
8.11. táblázat
Case Processing Summarya
Cases
Valid Missing Total
ETHNIC nemzetiség N Percent N Percent N Percent
1 erdélyi magyar 585 100,0% 0 ,0% 585 100,0%
3 szlovákiai magyar 558 100,0% 0 ,0% 558 100,0%
a. Euclidean Distance used
"% %% * *
091 " + & )
SPLIT FILE OFF.
ALSCAL
/LEVEL=INTERVAL
/CONDITION=MATRIX
/MODEL=INDSCAL
/PLOT=DEFAULT ALL
/PRINT=HEADER .
091 " + $ ) 7)35)

8.12. táblázat
Iteration history for the 2 dimensional solution (in
squared distances)
Young's S-stress formula 1 is used.
Iteration S-stress Improvement
0 ,03652
1 ,03617
2 ,03218 ,00399
3 ,03194 ,00024
Iterations stopped because

S-stress improvement is less than ,001000

data (disparities)
in the partition (row, matrix, or entire data) which
Matrix Stress RSQ MatrixStress RSQ

1 ,032 ,992 2 ,026 ,994
Averaged (rms) over matrices

Stress = ,02897 RSQ = ,99315
091 " $
+ )1 "
7)K) )
!
8.6. ábra
! " # $
3,0
2,5
2,0
1,5
Distances
1,0
,5
,5 1,0 1,5 2,0 2,5 3,0
Disparities
4 # $ ! ) "
* &* # % "
) 7)3E) 7)N)
8.13. táblázat
Stimulus Coordinates
Dimension
Stimulus Stimulus 1 2
Number Name
1 MORAL ,7539 -1,1416

2 KOMPETEN 1,1260 1,5606
3 KONF -1,3854 -,5040
4 ETNOPONE -,4945 ,0851
"
8.7. ábra
% ! &
2,0
kompetencia-fölény
1,5
1,0
,5
etnocentrizmus
0,0
konfliktuspotenciál
Dimension 2
-,5
-1,0 morális fölényérzet
-1,5
-1,5 -1,0 -,5 0,0 ,5 1,0 1,5
Dimension 1
* & . "
% % + % "
*' # (& ) $ , &
! + ,$ ! $
& * &% !"
+ * + "
" $ ' (
) & $ "
&% &% ' ( + " "
% "+ $ )
I + # "
! % $ ' %( $ )
7)7) 3" * + "
% "+ # #
# * ) %% % & "
+ $ * + " "
% $ & )
8.8. ábra
% ! '
,8
1
,7
,6
,5
,4
Dimension 2
,3
2
,2
,6 ,7 ,8 ,9 1,0
Dimension 1
0 % $ +
* % # $$ $ "
2 + ! $
$ ' ( )
9 ; + % $ ! "
* $ *
$ & "
$ ) " % 2
&* $ $ % . & "
% $ )
!
" " #$ " %# &

' " ' (
( ' &
# !!
Y = B0 + B1 X 1 + B2 X 2 + ... + B k X k ! !
! #) *&
' &
" " ! &
# + !' &
#,
' "
"
" ' " &
# &
" - . ' !
" #/ " &
" (
#0 ! &
#
$ " &
#) #
! "
#$ %& $! ! &' ! " (
&
!' *
( #
, ( !
#
#
0 ! &
1
( ' # 2#$#
9.1. táblázat
NEME2 a kérdezett neme * HIVO01 hívõ-e Crosstabulation
HIVO01 hívõ-e
,00 nem 1,00 igen Total
NEME2 a kérdezett ,00 férfi Count 366 370 736
neme % within NEME2
49,7% 50,3% 100,0%
a kérdezett neme
1,00 nõ Count 333 648 981
% within NEME2
33,9% 66,1% 100,0%
a kérdezett neme
Total Count 699 1018 1717
% within NEME2
40,7% 59,3% 100,0%
a kérdezett neme
3 %34 ' (
" " ' # ' (
3 55$# 6 3 $%7& ' (&
#8
9:0;3$ !
!! ' (
" " ' # < <
! * ' (&
1 6=>#?@/A0B8;CD,C&6 /E8F#G 0 # &

! #
"
4
# / ' & # 2#1#
9.2. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) ,503 ,018 28,101 ,000
NEME2 a kérdezett neme ,158 ,024 ,159 6,669 ,000
a. Dependent Variable: HIVO01 hívõ-e
3
# &
3H$ ( !!
' ( 3
' ( $&
" " ' ' (
3 %34# /,),1 !
3 $&
' ( ' #
# I!' &
(
' # 2#4#
)
J ! #
" ( &
" " "
' ' ( &
4 , /,),
/,),1 9:0;1 9:0;3$ 3& $& #, &
'
3H$ ( &
' ! ! &
#
9.3. táblázat
Coefficientsa
Standardi
zed
Coefficients ts
1 (Constant) -,127 ,058 -2,191 ,029
KOR 1,223E-02 ,001 ,293 12,687 ,000
#K
& &
< ' ( < ! &
# &
& ! 2#K# #%
9.4. táblázat
Std.
Predicted Value ,3748 1,0353 ,5929 ,1440 1717
8 ' ( " " &

! # ' (&
2#$# #
K , ! " ( ' #9
&
" " ' ( #
% , * E/G6 /> D>:L,>
MD,>:N6,> 0 8E,G ! #
9.1. ábra Becsült valószín ségek az életkor mentén
1,2
0,8
0,6
0,4
0,2
0
40 45 50 55 60 65 70 75 80 85 90 95 100
- . " " &

" " $33 &
" ' ! #
O ( (
*
#
) !* ++ * ! , &
< < ( &

- . &
! *
' * &
& ' " &
#6 ' &
" #,
" # &
" <
< #
) " - . $! $ $/
" #9 &
4P3 ' 455 ' < " P45 <
' ( " " ' Q
370
p( H FFI ) = = 0,503
736
I !! ' ( &
Q
p( NH FFI ) = 1 − p( H FFI ) = 0,497 #
, ! ' (&
#6 ' Q
0,503
E ( H FFI ) = = 1,012
0,497
9 !! ! " #9
271 " 5K2 ' 444 !
' Q
0,661
E (H N ) = = 1,950
0,339
)) $/ / 0
" "
! " #
' #
, !! !
' &
! ! - &
.' &
5
- . &
# !
! Q
5 ' #
1,950
= 1,93
1,012
" ! ! Q
1,012
= 0,52
1,950
6 ' &
! *
" Q &
! " #9
! ! &
P
#
1 2 ! &' ! " - * $
M ' ( &
"&
Q
P (Y = 1) = B0 + B1 X 1 + + Bk X k
R < ' ( &
<3 $ " ' &
!
' ( &
$ " # !
! ' ( &
Q
P (Y = 1)
= B0 + B1 X 1 + + Bk X k
1 − P (Y = 1)
' #8
P 0 ! $ 24 3 %1&
( - *. !
" " #
7 6 - . " " &
! ( * *
" #
J ' ( 3# )
' ' '&

! # & &
Q &
& #6 " !! Q2
P (Y = 1)
ln = B0 + B1 X 1 + + Bk X k
1 − P (Y = 1)
= &
! &
! "
#, *
' ( Q
P (Y = 1)
ln = B0 + B1 X 1 + + Bk X k
1 − P (Y = 1)
P( Y = 1 )
= e B0 + B1 X 1 + + Bk X k
1 − P( Y = 1 )
' #: &
" ' (
# ( P( Y = 1 ) = a # 8
' " !! Q
a
a = 1− a
a
1+
1− a
" " Q
a
1− a = a = a #
1− a + a 1
1− a
2 ! ' #
0 P( Y = 1 ) Q
P( Y = 1 )
1 − P( Y = 1 )
P( Y = 1 ) = #
P( Y = 1 )
1+
1 − P( Y = 1 )
P( Y = 1 )
1 − P( Y = 1 )
!
#6 Q
e B0 + B1 X1 + + Bk X k
P( Y = 1 ) =
1 + e B0 + B1 X1 + + Bk X k
) " * &
' - .
# ,
*
'
' ( #
!
' ! "&
#O
! #) ! &
&
! $ 24 #/
$3
! # 2#%#
$3 2& GMGG& ' ! &

* #
9.5. táblázat
-------------- Variables in the Equation --------------
Variable B S.E. Wald df Sig R Exp(B)
NEME ,6548 ,0999 42,9567 1 ,0000 ,1328 1,9247

Constant -,6439 ,1621 15,7741 1 ,0001
$$
? " "
! , & P( Y = 1 )
' ( # '
,SM = ! Q $ 21KP&
! #
) - . " (
' #
D !
* #
- .
# &
$1
J
& J # &
" '
J
& J
" # &
$$ , N;/G6 /6 " #
$1 T J
! ! &
!
" ' ( (# J '&
( ' ( & J
J # &
J
#
!
" # J
' #
Q
#, ! !
' " ! &
#
! " ! &
!
! #
3 !/ !/ ., 0
/ GMGG ! ' !'

' & ! &
#
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER neme
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
&
" ! ! &
' " (# '&
&
!' ,/6,D
$4
+;DU D> = N?U D> # &
" " VND:6,D: &
! M:/ M;E6
$4 - .
#
G6,MU:G, #)
,/6,D #
#$K : ! J &
# NE6 #%
#
! 2#5#
GMGG $ 1 3& $&
#
9.6. táblázat
Dependent Variable Encoding:
Original Internal
Value Value
1,00 0
2,00 1
" ! & &

# 2#P#
9.7. táblázat
Beginning Block Number 0. Initial Log Likelihood
Function
-2 Log Likelihood 2320,6549
2#P# !
=,C://:/C =8;N? /E)=,D 3
! #, :/:6: 8 ! ! &
& !
' #, ' 1& &
' " ' '& *
$K ! &
'
#
&
& ! #
' ! "
" & # ) &
$%
!! ! ' &
' "#!! ! '
#) "#!! &
* #
! "#!! &
!! - . &
#? ! &
! &
3& #
3 & 0 *%!! $ / 4
"#!! $ " !!
' Q
D0 = −2{( nY =1 ) ln[P( Y = 1 )] + ( nY =0 ) ln[P( Y = 0 )]}
"
' (
"
" ' ( #M
" " #
6 ( % ' "%
! ! #9 '
' " &
" ! ' (
( ! # < (<
" # J &
! &
! ' ' (&
# !
" ' (&
$% 9 ' #
& '# , ' ( '
&
% $& "% 3 ' (&
$5
- (. Q
k n −k
n k (n −k
⋅ ⋅
k n n
G (
& J #) &
&
J !! &
#0 Q
n k (n − k
ln + k ⋅ ln + ( n − k ) ⋅ ln
k n n
k
0 ' (
n
n−k
" ( & ! &
n
' ( (1 − P ) & " # 6 &
' Q
n
ln + k ⋅ ln P + ( n − k ) ⋅ ln( 1 − P )
k
, # &
n
! Q
k
1 1
k⋅ −( n − k )⋅
P (1 − P )
9 Q
1 1
k⋅ =( n − k )⋅
P 1− P
k
p=
n
$5 6 ' ( '
#
" J
Q
k n−k
− −
P2 ( 1 − P )2
*# ) &
k
' J #
n
C &
( " J #)
&
' & '
#
"#!! W $ Q
D0 = −2{( nY =1 ) ln [P (Y = 1) ] + ( nY = 0 ) ln [P (Y = 0) ]} =
= − 2{1018 * [− 0,52274 ] + 699 * [− 0,89868 ]} = 2320 ,6549
G ' GMGG ' # 2#7#
9.8. táblázat
Function
9 - .
" $&
* !
/;0 " # &
$&
' * $
" ' ! "
#
3) ' 5' $ 0 , $
6 ! ,/6,D &
! ! &
#/ !
# 2#2#
9.9. táblázat
Beginning Block Number 1. Method: Enter
Variable(s) Entered on Step Number
1.. NEME 1. a kérdezett neme
' &
! # GMGG
! & &
# ! &
3 3$ " # 2#$3#
9.10. táblázat
Estimation terminated at iteration number 2 because
Log Likelihood decreased by less than ,01 percent.
2#$$# "#!! &

! < < &
! #, !! &
# &
/;0 & ! " # &

->,0: 6:;/ N9:&
GXE D,.& $( & " #
9.11. táblázat
Goodness of Fit 1716,973
Cox & Snell - R^2 ,025
Nagelkerke - R^2 ,034
3& ! "#!! $ 1413 5%K2
$( 11PP 17%& " #
" )( & '&
# 2#$1#
9.12. táblázat
Chi-Square df Significance
Model 43,370 1 ,0000

Block 43,370 1 ,0000
Step 43,370 1 ,0000
& '& ! &

$P
*& # :
! < ! < &
! & #) &
!! ! &
! !
# '& &
! #
! ' #$7 8 &
'& ! 3 3333 &
$2
#
$P 6 "
&
#
$7 & ! "
& &
&
#
$2 GMGG -C;;>/,GG ;+ +:6. 9 8 Y &
- '& . ' * $3&
GMGG& ! #, &
" "#!! ! #
31 , 0 , !/ " 6
' +# !
! #
* &
' #/ ' &
13
&
+# !!
& #
#
GMGG + Q N;S&G/,88& &
#
/ C,8?,D?,& +# N;S&G/,88 &
' " *
" #, !
J !
#, ' &
1$
# +#&
# +# / C,8?,D?, " #,
* $
#
N;S&G/,88& +
J #
GMGG ' (
! ' *
! ( &
" ! # 9
)( $
)(,$
R L2 & #
13 9 " " %3<%3 ! &

J * #
* #
1$ ,
! #
R L2 Q
2320,655 − 2277 ,285
= 0 ,019
2320,655
R L2
" $&# 3
$ " " 3
&
# R L2 & < " &
< &
2
# * R LA
!' <
#
< + &
" " &
" # ! " Q
2 G M − 2k
R LA =
D0
% ! #8
& " Q " &
" " &
#, GMGG ! #
2
R LA ! Q 3 3$7#
#
0 ;8G + &
* &
( " # '
" Q &
#, " &
' ( #
/METHOD=ENTER neme
/SAVE PRED
G 0, ! * ( " &
! # 2#$4#
9.13. táblázat
1 new variables have been created.
Name Contents
PRE_1 Predicted Value
, * ' ( &
#
/
# R +# &
&
' &
#C +# &
+#
#
' (
( 9:0;1 ! # ' ! +# &
&
#11 2#$K#
11 "
#
/;0 & +##
!
9.14. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,159a ,025 ,025 7,72E-02
a. Predictors: (Constant), HIVO2 hivõ-e
, +# !*
& !
' #
&
! #
31 , 7 ! &' ! "+
J& & ' # &

&
" '
' (
! ! &
# , "
' ( # 2#$%#
9.15. táblázat
PRE_1 Predicted Value
Valid Cumulativ
Valid ,50272 736 42,9 42,9 42,9
,66053 981 57,1 57,1 100,0
Total 1717 100,0 100,0
3 %34&
14
3 55$& ' ( # , ' ( &
'
1K
# ! ' ( Q
3 ' 9:0;1 3
' ( ! $& $ &
' ( #
" ' ( #, ' (&
3H$ " " " &
#, " "
' ( ! " &
- . #/ Z
9.16. táblázat
Classification Table for HIVO2
The Cut Value is ,50
Predicted
nem igen Percent Correct
n i
Observed
nem n 0 699 ,00%
igen i 0 1018 100,00%
Overall 59,29%
J 2#$5# !
' ( ! " #) &
' ( 3 %&
14 %3 4 " ! 55 $ #
B0 + B1 X 1
e
, ' ( P( Y = 1 ) = ! ! &
1 + e B0 + B1 X1
! #
1K ,
9:0;1 $& 3& 1& ! $& #
#: &
VND:6,D: ! NE6 #% # ,
' (
' &
' ( &
# 9 ! '
3% " " " &
" ! (
#, J
! "
# J &
#
33 *%!! "
&
* ( < &
! < # ! &
(
" "
#
! &
# &
! &
U 8>& # 2#$P#
9.17. táblázat
NEME ,6548 ,0999 42,9567 1 ,0000 ,1328 1,9247

Constant -,6439 ,1621 15,7741 1 ,0001
U 8>& & !
3& # U 8>& &
GMGG ! U 8>& !
! " Q
2 B2
Wald =
S .E .2B
" ' '& " #1%
! #
GMGG ! + ' - &
. ' # , ! +
U 8>& ' #15 )
U 8>& $ '
' #
&
#
! & ! ! ,SM =
#,
$ 21& "
#6 " " '
$ 21& " " #
1% & "
U 8>& ' ' ( &

! #
Wald − 2df
15 + ! Q R=± # " ! ± &
D0
+& #
8 , 0 +4 - $
) !'
# ! &
# ! " Q
/METHOD=ENTER neme kor
1P
"#!! $ Q
$( Q
R L2 &
#) R L2 = G M / D0 &
3 374# , &
'& # 2#$7#
9.18. táblázat
Model 192,091 2 ,0000

Block 192,091 2 ,0000
Step 192,091 2 ,0000
/ ' ( '
! ' V ' &
# 2#$2#
1P ) &
! ' $ !
#
9.19. táblázat
Predicted
n i
Observed
nem n 322 377 46,07%
igen i 222 796 78,19%
Overall 65,11%
) %2 4 '
#?
5% $ & &
! #
&
#) ! VG 0,
MCD;EM ' ' #, " " !
17
! & # 9
! 9:0;1
& J # 2#13# &
, & J ' # &
"
#
9.20. táblázat
HIVO2 hivõ-e * PGR_1 Predicted Group Crosstabulation
Count
PGR_1 Predicted
Group
1,00 nem 2,00 igen Total
HIVO2 1,00 nem 322 377 699
hivõ-e 2,00 igen 222 796 1018
Total 544 1173 1717
17 MCDB$ #
!
9.21. táblázat
Directional Measures
Asymp. Approx.
a b
Value Std. Error Approx. T Sig.
Nominal by Lambda Symmetric ,080 ,018 4,311 ,000
Nominal HIVO2 hivõ-e Dependent ,143 ,031 4,311 ,000
PGR_1 Predicted Group c c
,000 ,000 , ,
Dependent
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
c. Cannot be computed because the asymptotic standard error equals zero.
3 $K4& 2#1$#
"&
#12
) "
43
& #
2#11#
12 " '
J ' ' &
! ' ( ! " &
( ! #,
" '
& ! " "
! &
# &
' J
#9 * !'
' #
43 G &
'& !
J #: &
' & &
Q " " " !
'& & ' "
#
!
9.22. táblázat
NEME ,6321 ,1044 36,6367 1 ,0000 ,1222 1,8816

KOR ,0553 ,0048 132,0908 1 ,0000 ,2368 1,0569
Const. -3,8193 ,3269 136,4899 1 ,0000
, U 8>& &
#
"
! ! &
$ 77&
# ! $ 35
" "
#
! + '
#= + ' ! &
! &
# / &
&
' " #
8 9 ,$ 4 &: 0 0 ! "
!/% "
&
BYX ⋅ s X
β YX =
sY
#O (
' # , '
<∞ [∞ &
!
"
# " * * ;8G
sŶ2
+# 4$
R2 = #9 '
sY2
& ( Ŷ ) &
sl2ogit( Ŷ )
! ( Ŷ ) & # \ sl2ogit( Y ) = 2
! ' ! &
R
&
#9 !&
' " ! Q
BYX ⋅ s X ⋅ R
β YX =
s logit( Ŷ )
'
" ! #
#
, " ;8G +& &
' ( Q
/METHOD=ENTER neme kor
/SAVE PRED
41
' ( MD,B1 ! #,
!' &
9:0;1#
REGRESSION
/MISSING LISTWISE
/NOORIGIN
/DEPENDENT pre_2
/METHOD=ENTER hivo2 .
4$ " ! +# ;8G +#& #G GMGG

!! -D.
#
41 , MD,B$ #
!
' ;8G +
# 2#14#
9.23. táblázat
Model Summary
Std. Error
Adjusted of the
1 ,325a ,106 ,105 ,1519299
a. Predictors: (Constant), HIVO2 hivõ-e
" ! logit( Ŷ )
Ŷ
logit( Ŷ ) = ln
1 − Ŷ
! N;)ME6, ! ' " #44
compute logit=ln(pre_2/(1-pre_2)).
) logit( Ŷ ) #
>,GND:M6:0,G ! * &
# 2#1K#
9.24. táblázat
Std.
N Minimum Maximum Mean Deviation
NEME a kérdezett neme 1717 1,000 2,000 1,571 ,495
KOR a kérdezett kora 1717 41,000 95,000 58,830 11,768
LOGIT 1717 -,918 2,592 ,430 ,740
44 :
' ( AW$ & "&
#
! !
Q
0,632 ⋅ 0,495 ⋅ 0,325
β Y ,NEM = = 0,137
0,740
! Q
0,055 ⋅ 11,768 ⋅ 0,325
β Y ,KOR = = 0,284
0,740
GMGG ! !
! + ' &
" " # ' J
' " &
'
&
#
; ! *%!! " ! &'

! "+
" " ! # ( "&

(! Q " &
' # ! &
! " "
% #
GMGG
&
' !! *
" #
' ! !
#)
" " &
:/>:N 6;D
N;/6D G6 #, &
' ! &
# , !! *
!
&
! ' &
! #/ ! Q
/METHOD=ENTER isk5
/CONTRAST (isk5)=Indicator(1)
VN;/6D G6 :/>:N 6;D $&

! *
# !
* # 2#1%#
9.25. táblázat
Parameter
Value Freq Coding
(1) (2) (3) (4)
ISK5
befejezetlen alapfok 1,00 470 ,000 ,000 ,000 ,000
8 általános 2,00 420 1,000 ,000 ,000 ,000
szakma 3,00 351 ,000 1,000 ,000 ,000
érettségi 4,00 288 ,000 ,000 1,000 ,000
diploma 5,00 188 ,000 ,000 ,000 1,000
, " !
2#15#
" ! '
#
9.26. táblázat
ISK5 124,3743 4 ,0000 ,2239
ISK5(1) -,7300 ,1498 23,7543 1 ,0000 -,0968 ,4819
ISK5(2) -1,0688 ,1541 48,1028 1 ,0000 -,1409 ,3434
ISK5(3) -1,5824 ,1629 94,3154 1 ,0000 -,1994 ,2055
ISK5(4) -1,5678 ,1847 72,0932 1 ,0000 -,1738 ,2085
Constant 1,2459 ,1107 126,5824 1 ,0000
!
2#15# !
N;>:/C $ ! $&
N;>:/C 1 ! $&
' #
)
& &
" " " #
2#1P#
9.27. táblázat
Model 135,264 4 ,0000

Block 135,264 4 ,0000
Step 135,264 4 ,0000
'& " " &

# R L2 & &
Q
2320 ,6549 − 2185,391
R L2 = = 0,058
2320 ,6549
* " %7 #/
' &
& 9:0;1
&
# Q
/SAVE PGROUP ! ' -
. 9:0;1 # 2#17# '
& ' &
& ! &
# 2#12#
!
9.28. táblázat
Count
PGR_3 Predicted
Group
1,00 nem 2,00 igen Total
HIVO2 1,00 nem 277 422 699
hivõ-e 2,00 igen 199 819 1018
Total 476 1241 1717
9.29. táblázat
Asymp. Approx.
a b
PGR_3 Predicted Group c c
,000 ,000 , ,
Dependent
c. Cannot be computed because the asymptotic standard error equals zero.
R ' &
#) - &
. #
2#43#
9.30. táblázat
ISK5 124,3743 4 ,0000 ,2239

ISK5(1) -,7300 ,1498 23,7543 1 ,0000 -,0968 ,4819
ISK5(2)-1,0688 ,1541 48,1028 1 ,0000 -,1409 ,3434
ISK5(3)-1,5824 ,1629 94,3154 1 ,0000 -,1994 ,2055
ISK5(4)-1,5678 ,1847 72,0932 1 ,0000 -,1738 ,2085
Constant 1,2459 ,1107 126,5824 1 ,0000
!
!'
U 8>& " "
!' ! #/ ! &
'
! #
/METHOD=ENTER alap szakma erett dipl
2#4$# ' #
9.31. táblázat
ALAP -,7300 ,1498 23,7543 1 ,0000 -,0968 ,4819

SZAKMA -1,0688 ,1541 48,1028 1 ,0000 -,1409 ,3434
ERETT -1,5824 ,1629 94,3154 1 ,0000 -,1994 ,2055
DIPL -1,5678 ,1847 72,0932 1 ,0000 -,1738 ,2085
Constant 1,2459 ,1107 126,5824 1 ,0000
) ! & 2#43# 2#4$#

! &
#
! * ( '
#,
! *
# &
*
&
" " #
2#43 Q ! U 8>&
!
4K
- . #4%
! !' & &

!! * !! !
# M &
(
#9 ! ! &
! # 2#41# &
!
45
U 8>& !! *
#
9.32. táblázat
ISK5 -,4229 ,0390 117,8010 1 ,0000 -,2234 ,6552

Constant 1,4976 ,1168 164,2802 1 ,0000
! + #9 ]M &
' #6 &
" " &
# ,
#
- . ! +
! ' # ! +
& # & &
4K - . U 8>& '
J #
4% 9 ( &
&
! #
45 ) U 8>&
#
!
&
- . # ! + &
' &
! !
4P
! &+ ! ' #,
#47 &
(
! ' ! +
#9 !&
42
" &
K3
! #
< # 0 + = & " , 0
! ' *
#
) & ! &
! '! #, '
&
&
& #0
4P 6
#
47 R " &
#
42 N" " #
K3 9 "
!
+ ' ' #
!
&
" " # ! &
* ! '! ! &
( &
! !
K$
& #
/METHOD=ENTER neme kor iskoszt teltip gyvalsz gyfelek
/CONTRAST (teltip)=Indicator(1)
/CONTRAST (gyfelek)=Indicator(1)
/SAVE PGROUP
9.33. táblázat
Dependent Variable Encoding:
Original Internal
Value Value
,00 0
1,00 1
! " &
3H$ ( !' #
2#44# '
" ! &
# 2#4K#
2#4%# 9:0;1
! !
#
K$ 6=>#?@/A0B8;CD,C&):/>,/6 =,8,#G 0 # ,
& K3 ! #
!
9.34. táblázat
Parameter
Value Freq Coding
(1) (2) (3) (4)
GYFELEK
római kat. 1 1898 ,000 ,000 ,000 ,000
görög kat. 2 117 1,000 ,000 ,000 ,000
református 3 622 ,000 1,000 ,000 ,000
evangélikus 4 86 ,000 ,000 1,000 ,000
semmilyen 5 114 ,000 ,000 ,000 1,000
TELTIP
község 1 1072 ,000 ,000 ,000
város 2 822 1,000 ,000 ,000
megyeszékhely 3 396 ,000 1,000 ,000
Budapest 4 547 ,000 ,000 1,000
9.35. táblázat
Dependent Variable.. HIVO2 hiv -e

Function
K1
"#!! $ 424$ %$7 &
' " # 2#45#
" "
"#!! 4$17 K15& " # 2#4P#
K1 ! "#!! "
! ! #
!
9.36. táblázat
* Constant is included in the model.
Beginning Block Number 1. Method: Enter
Variable(s) Entered on Step Number

1.. NEME a kérdezett neme
KOR a kérdezett kora
ISKOSZT elvégzett iskolai osztályok száma
TELTIP Település tipusa:
GYVALSZ szülei vallásosan nevelték-e
GYFELEK születéskor milyen felekezetbe jegyezték be
9.37. táblázat
Estimation terminated at iteration number 4 because
Log Likelihood decreased by less than ,01 percent.

Goodness of Fit 2854,209
Cox & Snell - R^2 ,247
Nagelkerke - R^2 ,329
" ' R L2 &

803,092
R L2 = = 0,204
3931,518
13 K # ,
!! !
9:0;1 &
J
<
' 1& " < ' ( J&
" # O R L2
- . '
' #
! !
9.38. táblázat
Model 803,092 11 ,0000

Block 803,092 11 ,0000
Step 803,092 11 ,0000
= 13 K R L2 ' &
# 2#47#
9.39. táblázat
Predicted
n i
Observed
nem n 938 512 64,69%
igen i 293 1094 78,88%
Overall 71,62%
J 2#42# &
9:0;1 &
K4
" #
K4 9:0;1 ! " " J !

# J !
' #
!
9.40. táblázat
PGR_1 Predicted
Group
HIVO2 ,00 nem Count 938 512 1450
hivõ-e 51,1%
1,00 igen Count 293 1094 1387
48,9%
Total Count 1231 1606 2837
9.41. táblázat
Asymp. Approx.
a b
PGR_1 Predicted Group
,346 ,025 11,443 ,000
Dependent
2#K3# 2#K$#
&
%$ $ ' &
P$ 5 ! #
2#K1# " &
& ' &
#8 ! '!
' ! *
! #
/METHOD=ENTER neme kor iskoszt gyvalsz gyfelek
/CONTRAST (gyfelek)=Indicator(1)
!
9.42. táblázat
NEME ,5774 ,0891 42,0313 1 ,0000 ,1009 1,7815

KOR ,0163 ,0029 31,0247 1 ,0000 ,0859 1,0164
ISKOSZT -,0819 ,0164 24,8451 1 ,0000 -,0762 ,9213
TELTIP 5,3318 3 ,1491 ,0000
TELTIP(1)-,2021 ,1093 3,4191 1 ,0644 -,0190 ,8170
TELTIP(2)-,1720 ,1411 1,4851 1 ,2230 ,0000 ,8420
TELTIP(3),0298 ,1298 ,0528 1 ,8183 ,0000 1,0303
GYVALSZ 1,8185 ,1050 300,1544 1 ,0000 ,2754 6,1628
GYFELEK 16,9191 4 ,0020 ,0476
GYFELEK(1),4914 ,2245 4,7893 1 ,0286 ,0266 1,6346
GYFELEK(2),0372 ,1086 ,1177 1 ,7316 ,0000 1,0379
GYFELEK(3)-,6196 ,2574 5,7942 1 ,0161 -,0311 ,5381
GYFELEK(4)-,7615 ,3266 5,4366 1 ,0197 -,0296 ,4670
Constant-1,9972 ,2961 45,4990 1 ,0000
) ! '! "#!! $ &

KK
R L2 ' )( #
9.43. táblázat
Model 797,760 8 ,0000

Block 797,760 8 ,0000
Step 797,760 8 ,0000
13 4 # 2#K4#
KK , $ &
! #
!
9.44. táblázat
Predicted
n i
Observed
nem n 936 514 64,55%
igen i 287 1100 79,31%
Overall 71,77%
# 2#KK#
9.45. táblázat
NEME ,5713 ,0886 41,5914 1 ,0000 ,1004 1,7705

KOR ,0161 ,0029 31,7781 1 ,0000 ,0870 1,0163
ISKOSZT -,0832 ,0156 28,4428 1 ,0000 -,0820 ,9202
GYVALSZ 1,8232 ,1034 310,9058 1 ,0000 ,2803 6,1914
GYFELEK 17,0128 4 ,0019 ,0479
GYFELEK(1),4864 ,2240 4,7136 1 ,0299 ,0263 1,6264
GYFELEK(2),0336 ,1081 ,0966 1 ,7559 ,0000 1,0342
GYFELEK(3)-,6078 ,2572 5,5825 1 ,0181 -,0302 ,5446
GYFELEK(4)-,7864 ,3250 5,8552 1 ,0155 -,0313 ,4555
Constant-2,0462 ,2936 48,5677 1 ,0000
?
& Q &
" CA+,8,? 1
#) - &
. '
!
# 2#K%# &
/;0
" " & #9 /;0 <

*& <
" % &
' " " " &
#
/ Q &
# $ PP&
&
"&
" $ P1& ' ( '
" " #K% "
'
" " &
# &
! " " "
' " "
" #, " *
" ( #
* "&
( &
' ! # ""
$ 54&
#
" Q " " !&
! ' " " #: &
! #
- . &
' ! " #9
K% " ' $& 1&

" #
!
! &
K5
# 0 &
" " &
" " " "
! ' #
> !/ , &$55
/ !&
! #0 ])
] &
" #?
& # &
& ' #
& ' (
! &
KP
# D (
#/
& ' " &
" !' #? &
Q
/METHOD=ENTER neme kor iskoszt gyvalsz
/SAVE PGROUP
K5 I CA+,8,? W:/>:N 6;D % ' * &

#
KP
! &
#
!
) " *
J # 2#K5#
9.46. táblázat
Predicted
n i
Observed
nem n 930 520 64,14%
igen i 280 1107 79,81%
Overall 71,80%
P$ 7 &
( " #
9.47. táblázat
NEME ,5503 ,0881 39,0378 1 ,0000 ,0971 1,7338

KOR ,0161 ,0028 32,4587 1 ,0000 ,0880 1,0162
ISKOSZT -,0868 ,0155 31,2453 1 ,0000 -,0862 ,9169
GYVALSZ 1,8773 ,1014 342,6941 1 ,0000 ,2944 6,5356
Constant-2,0222 ,2875 49,4736 1 ,0000
) & ' "

" # &
#
2#KP# &
!
#K7 ) !
"
# "
# " !
#
) & ' !' ]
DISCRIMINANT
/GROUPS=hivo2(0 1)
/VARIABLES=neme kor iskoszt gyvalsz
/ANALYSIS ALL
/SAVE=CLASS
/PRIORS SIZE
/STATISTICS=CORR TABLE
, " # 2#K7#
9.48. táblázat
Wilks' Lambda
Wilks' Chi-squar
1 ,748 822,114 4 ,000
, & " ' & ' &

" " " ! #
! #
2#K2#
K7 !
+& " #9 &
' ( - .
#
!
9.49. táblázat
Structure Matrix
Function
1
GYVALSZ szülei
,888
vallásosan nevelték-e
KOR a kérdezett kora ,582
ISKOSZT elvégzett
-,423
iskolai osztályok száma
NEME a kérdezett neme ,255
' ! ' ! &

'
! " #
, !
" !
# , * <
<! ! &
! # 2#%3#
9.50. táblázat
Function
HIVO2 hivõ-e 1
,00 nem -,567
1,00 igen ,593
'
" ' ' &
!
! ' # 2#%$#
9.51. táblázat
Predicted Group
Membership
HIVO2 hivõ-e ,00 nem 1,00 igen Total
Original Count ,00 nem 891 559 1450
1,00 igen 255 1132 1387
Ungrouped cases 53 32 85
% ,00 nem 61,4 38,6 100,0
1,00 igen 18,4 81,6 100,0
Ungrouped cases 62,4 37,6 100,0
J &
! " &
! #
" ' - .! &
&
' " &
& ' & ' #
2#%1#
9.52. táblázat
PGR_2 Predicted Group * DIS_1 Predicted Group for Analysis 1
Crosstabulation
Count
DIS_1 Predicted
Group for Analysis 1
PGR_2 Predicted ,00 nem 1198 66 1264
Group 1,00 igen 1 1657 1658
Total 1199 1723 2922
! !
5P " 14 &
#
,
* & '
&
! #
! "
&
! & * #
!!
"
! " &
#R " &
&
& '
" !
#
I.1.–2.1.: A f komponens- és a faktorelemzés indítása
I.1.–2.2.: F komponens- és faktorelemzés f menü – els lépések
! "
I.1.–2.3.: A DESCRIPTIVES ablak – statisztikák

I.1.–2.4.: Az EXTRACTION ablak– módszerek, faktorszám
# $
%#
&
I.1.–2.5.: A ROTATION ablak– rotálás
$
! ,
%'()* (+&
I.1.–2.6.: Az SCORES ablak – mentés
%)-.)-//* 0&
I.1.–2.7.: Az OPTIONS ablak – hiányzó adatok kezelése, kis faktorsúlyok elrejtése
%4*/56*/- '(.7
8(*)6*/-&
# 1 !2
$
2
, 3
I.1.–2.8.: F komponens- és faktorelemzés f menü – a parancs futtatása
# 2
I.3.1.: A hierarchikus klaszterelemzés indítása
I.3.2.: Hierarchikus klaszterelemzés f menü – els lépések
I.3.3.: A STATISTICS ablak – statisztikák
"
,
! ,
"
I.3.4.: A PLOTS ablak – ábrák
" "
> ?
# 9
2 / 9:/ 9; 9< , :
= ; !
I.3.5.: A METHOD ablak – módszerek
> ?
I.3.6.: A SAVE ablak – a klaszterazonosítók elmentése
"
I.3.7.: A K-Means klaszterelemzés indítása
I.3.8.: K-Means klaszterelemzés f menü – els lépések
"
,
I.3.9.: A CENTERS ablak – középpontok mentése és el hívása
2
" !
"
I.3.10.: Az ITERATE ablak – az iterálások szabályozása
, "
$ 2 > 2 ?
# %! 9 A&
I.3.11.: A SAVE ablak – az eredmények elmentése
, "
" "
@
I.3.12.: Az OPTIONS ablak – a hiányzó adatok kezelése, statisztikák
!2
#
"
(0 '(
0
!
# B
! "
! !"
# ! " $! % & ' ( ) * + &, *, &( + -
. ( ' +* . &( ) / ( ', 0
# $ "
II.5.1.: A lineáris regresszióanalízis indítása

II.5.2.: Lineáris regresszióanalízis f menü – els lépések
9 -05-)
E )6()C
(F 6()C
/5-86*/-
II.5.3.: A STATISTICS ablak – statisztikák
! ,
#
2
> ? "
C2 6 2 > ? (0 '( C-4

% /D ()7
2 # & ! ,
II.5.4.: A PLOTS ablak – ábrák
2
2
II.5.5.: A SAVE ablak – mentés
2
II.5.6.: A OPTIONS ablak – hiányzó adatok kezelése,
a változószelektálás kritériumai
%4*/56*/-&
%/5-86*/-& 1!
% "
II.7.1.: A diszkriminancia-analízis indítása

II.7.2.: Diszkriminancia-analízis f menü – els lépések
II.7.3.: A DEFINE RANGE ablak – a függ változó széls értékeinek megadása
$
II.7.4.: A STATISTICS ablak – statisztikák
#
# 2
$
% 1
(0 '(&
II.7.5.: A CLASSIFY ablak – a modell paramétereinek megadása
'
G
2 #
2
, @
# , %0- H(/I0J4KD B&
II.7.6.: A SAVE ablak – mentés
#
#
, @
&''( $
II.8.1.: A többdimenziós skálázás indítása

II.8.2.: Többdimenziós skálázás f menü – els lépések
"
2
!
, 2
$ #
!
> ?
II.8.3.: A MEASURE ablak – a távolság „mértékegységének” megadása
> ?
!
II.8.4.: A MODEL ablak – változók mérési szintje, a modell típusa
! , 2
II.8.5.: A OPTIONS ablak – ábrák, az iterációs paraméterek meghatározása
#
# # $
II.9.1.: A logisztikus regresszió indítása

II.9.2.: Logisztikus regresszió f menü – els lépések
II.9.3.: A CATEGORICAL ablak – kategoriális változók kezelése
, # # %#
2 &
II.9.4.: A SAVE ablak – kategoriális változók kezelése
2
# , @ # ,
II.9.5.: Az OPTIONS ablak – statisztikák és ábrák
'
2
! " # $% ! & ' (
% # " )* " + ,-
./ 0 1 2 3 $ ' 41 526
% 7 #0 84# 3
+ & 9( :% ; 8
$ $7
8 1 23 $" 23 +80 8 $ < 1 23 **
% ' 3
' ; = -> $ " : 9
! " #
' # : ;& * $
'04 1 $ 1 8 2#8 +1 9? % %
'02 2 1 6 = '0 84# 3
' # = % $: "8 9 !
2 ! $ & " 2 # @@ &" ' (

" A ,B # " ;
" @ '
" # 8 . ) *
+ % > ' 3
' $ 5 , 9
( " * , - -
5 = ! 8 8 < 9 9*?$
9 ?
# ( . / # ( ? C
7 D = D 9 ! 0 & " 1
" # 2
7 # & (( " 8 ; #
?) ( 9$(?)

Barna Ildikó, Székelyi Mária - Túlélőkészlet Az SPSS-hez PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Barna Ildikó, Székelyi Mária - Túlélőkészlet Az SPSS-hez PDF

Uploaded by

Copyright:

Available Formats

Többváltozós elemzési technikákról

+ P: < # Q >% ! = 0 <$% =

0 +12 &3 456$7,8*75 , 5 " !

1.2. táblázat: A Likert-skála és a f komponens átlaga és heterogenitása

( + "# (" &" *&"

/VARIABLES sz1int sz1segit sz1toler sz1verse

1.4. táblázat: A f komponens-szkórok és az eredeti, mért változók

Extraction Sums of Squared

)P+9 F+-7 ,G$, 7H ,WG 9)2 *7 2- K,

) * + ,-$."/&%0" ! "#"$ #&# .($'1

+ " ! " ! "

pozitív sztereotípiák szlo-szlo PC-je

O " L 27, "!

Extraction Sums of Squared

Extraction Sums of Squared

Extraction Sums of Squared

1.15. táblázat: A férfiak és a n k átlagos szabadságvágya

" / ' + "#"

0> C D C !D " % " !

0: - #! " " .# " H F060

1.16. táblázat: A különböz korcsoportok átlagos szabadságvágya

" / ' + "#"

#& 44 (& & &

' ,@?@$@ >- '!

Extraction Sums of Squared

)#)# ! @?@$@ > 1@<1?+ >L1 ' !

E C$DB ( $B@A ,)#I# - "

2.4. táblázat: Több faktoron jelen lév változók hovatartozása

2.2. ábra: A faktorok rotálása

B " ! ' # ,)#*I# -

Extraction Sums of Squared

2.3. ábra: A faktorok létrehozásának mechanizmusa

** $ ' >#B# ,*FPP- K)J:KIP#

. !-$ + $ " * -$ / ",

? " ! # ,)#K# )#=#

Std. Dev = ,92

magánszféra szabadságvágy (regression)

közszféra szabadságvágy (regression)

Factor Scree Plot

Bartlett's Test of Approx. Chi-Square 1102,969

J# ! ,)#))# 1A$B C$@D? -

Bartlett's Test of Approx. Chi-Square 1010,326

Extraction Sums of Squared

1,793 + 0,783 + 0,162 = 2,738

Bartlett's Test of Approx. Chi-Square 362,355

Extraction Sums of Squared Rotation Sums of Squared

2 $ " ! $9$ ( , ", !( 1

M=FTK M=FTF ! # ,)#IO# -

Bartlett's Test of Approx. Chi-Square 787,178

> 5(D 0 # ,)#KK#

Bartlett's Test of Approx. Chi-Square 723,250

> " ' ! !

2 . :! " " " !9 ( "

Extraction Sums of Squared

Bartlett's Test of Approx. Chi-Square 585,294

( $D$ > + B@ ?C1 1A6> @?1N

Rotation Sums of Squared Loadings

> M=FT) M=FTI M=FTK M=FT=

' " GEDB( $ 0> ?5,#)=-

Bartlett's Test of Approx. Chi-Square 924,120

Rotation Sums of Squared Loadings

5(D " ,)#PP# - '

Bartlett's Test of Approx. Chi-Square 371,130