Professional Documents
Culture Documents
Barna Ildikó, Székelyi Mária - Túlélőkészlet Az SPSS-hez PDF
Barna Ildikó, Székelyi Mária - Túlélőkészlet Az SPSS-hez PDF
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
&
1 ! 0 +" #
! "
" " # #
$ % !
#! & #!
' "
' % # " !
& "
!
( ! "
#
! % # )*+) , -
& + & # (
. /
% %
" ,
#
! (
0
! #
! 0
! #
!"
# # %
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
) ! #! "
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 .
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 %
#-
( $ .
C ! D
% @
75 )+
"% " #! A !
# "%
"% ,
@ A % "% "
# "% ) !
# .# " #
#
" )
! $ '
0E - -+- * ! '
!
" @ ! A
" ! ! #
@> QRR
! QR R A "
1.5. táblázat
Total Variance Explained
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 ! #
" % # "
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?
Extraction Method: Principal Component Analysis.
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
" " #
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
" %
# ! "
L .
# L " @&
; " #% A )
! @ A (
) ! "
! ( !
( # -
!
"
" % . .
"
(
" . - #! "
O
L
""
,;,, %
$ (
@ ! 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
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/METHOD=CORRELATION .
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
Total Variance Explained
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
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
!
1.9. táblázat
Communalities
Initial Extraction
VALLAS mennyire fontos:
1,000 ,135
vallásszabadság
VELEMENY mennyire
fontos: 1,000 ,410
véleményszabadság
ORVOSVAL mennyire
fontos: orvosválasztás 1,000 ,255
szabadsága
SAJTO mennyire fontos:
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
UTAZAS mennyire fontos:
1,000 ,592
utazás szabadsága
ELETFORM mennyire
fontos:
1,000 ,588
életforma-választás
szabadsága
VALLALK mennyire
fontos: vállalkozás 1,000 ,585
szabadsága
POLITIKA mennyire
fontos: politikai 1,000 ,633
szabadságjogok
Extraction Method: Principal Component Analysis.
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
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/METHOD=CORRELATION .
"! ! +7+ * 5 9- F)
)P;* - )2 )P+9 F+-7 ,G$, 7H ,WG 9)2 *7 2- K,
! @0 0> A
1.10. táblázat
Total Variance Explained
) ! "
#! " Q> "
"
"
!
% .# "
" @0 00 A
1.11. táblázat
Communalities
Initial Extraction
VELEMENY mennyire
fontos: 1,000 ,389
véleményszabadság
ORVOSVAL mennyire
fontos: orvosválasztás 1,000 ,241
szabadsága
SAJTO mennyire fontos:
1,000 ,540
sajtószabadság
PARTALAK mennyire
fontos: pártalakítás 1,000 ,457
szabadsága
SZERVALA mennyire
fontos: szervezetalakítás 1,000 ,524
szabadsága
TULAJDON mennyire
fontos: tulajdon 1,000 ,568
szabadsága
UTAZAS mennyire fontos:
1,000 ,614
utazás szabadsága
ELETFORM mennyire
fontos:
1,000 ,609
életforma-választás
szabadsága
VALLALK mennyire
fontos: vállalkozás 1,000 ,608
szabadsága
POLITIKA mennyire
fontos: politikai 1,000 ,631
szabadságjogok
Extraction Method: Principal Component Analysis.
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
utazas eletform vallalk politika
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/METHOD=CORRELATION .
% ! ! @0 0: 0 0E A/
? + . %
) ! %
" # " #
" " # %
X ) "( % C D % #
#
@ !/ A
% @ !/! A K #!
.# ! #
)
! "
#
!
1.12. táblázat
Total Variance Explained
1.13. táblázat
Communalities
Initial Extraction
VELEMENY mennyire
fontos: 1,000 ,365
véleményszabadság
SAJTO mennyire fontos:
1,000 ,519
sajtószabadság
PARTALAK mennyire
fontos: pártalakítás 1,000 ,461
szabadsága
SZERVALA mennyire
fontos: szervezetalakítás 1,000 ,534
szabadsága
TULAJDON mennyire
fontos: tulajdon 1,000 ,581
szabadsága
UTAZAS mennyire fontos:
1,000 ,628
utazás szabadsága
ELETFORM mennyire
fontos:
1,000 ,620
életforma-választás
szabadsága
VALLALK mennyire
fontos: vállalkozás 1,000 ,631
szabadsága
POLITIKA mennyire
fontos: politikai 1,000 ,640
szabadságjogok
Extraction Method: Principal Component Analysis.
!"
* #! " "
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
véleményszabadság
SAJTO mennyire fontos:
,720
sajtószabadság
PARTALAK mennyire
fontos: pártalakítás ,679
szabadsága
SZERVALA mennyire
fontos: szervezetalakítás ,731
szabadsága
TULAJDON mennyire
fontos: tulajdon ,762
szabadsága
UTAZAS mennyire fontos:
,792
utazás szabadsága
ELETFORM mennyire
fontos:
,787
életforma-választás
szabadsága
VALLALK mennyire
fontos: vállalkozás ,794
szabadsága
POLITIKA mennyire
fontos: politikai ,800
szabadságjogok
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
!#
*
. ! ! #
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 #
#
% ! % " "
U $) ,!
#! @0 0Q A
$ % ! U @0 0R
A
@
" "
% " 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
/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
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/ROTATION NOROTATE .
? ' 7
FACTOR
/VARIABLES vallas velemeny orvosval sajto partalak
szervala tulajdon utazas eletform vallalk politika
@ ! "
#
/MISSING LISTWISE
1 ! #
/ANALYSIS vallas velemeny orvosval sajto partalak
szervala tulajdon utazas eletform vallalk politika
@ !
#)
/PRINT INITIAL EXTRACTION
1
# @?@$@ > '! !
!
# 1A$B C$@D? 4
#
/CRITERIA FACTORS(2) ITERATE(25)
,E C$DB2-
! ! ! # '!
,@$1B $1- )= #1 !
% : ! ' :
:" & # ;
! )=
#@
)= '! #1
! '! 4 FFFF #
/EXTRACTION ML
1 " !
! ! ! "
# 1A$B C$@D? ! (>
' !
#
) G+ B@ 0>12 ! /
G ? >H2@2 #
/ROTATION NOROTATE .
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.
!# '! !
! !
" ! #
'
1A$B C$@D? " !
9 *F= 9 *J= # ,)#*# - 1A$B C$@D?
! !!
# ! !
I '! ! !
#
! 9 )K= ! !! !
! )K = #
!
9 )= #
#;
! " !
!! ! #K
2.2. táblázat
Total Variance Explained
K ; ! '
, ! ' - !
#;
! ! #
= 2622 ' !
#1 / #
'
#
#
'! ** #1
K O=9 9 FIJ #5
!
! '! ! =) P #1
KO
'! ' !
#1 "
! '!
II #
2.3. táblázat
Factor Matrixa
Factor
1 2
VALLAS vallásszabadság ,283 ,339
VELEMENY véleményszabadság ,545 ,114
ORVOSVAL orvosválasztás szabadsága ,410 8,767E-02
SAJTO sajtószabadság ,664 ,154
PARTALAK pártalakítás szabadsága ,668 ,520
SZERVALA szervezetalakítás szabadsága ,711 ,412
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
Extraction Method: Maximum Likelihood.
a. 2 factors extracted. 7 iterations required.
#
1 ! !
! " 9 )= #1 4 !
' !% &
! '
#
!
#P 5
! #
B !!
! % &# @
7 !!
' ,*- " '
9 )= ,)- "
!
" #? # ,)#K# -
+* !
" % & , 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
tulajdon utazas eletform vallalk politika
/MISSING LISTWISE
/ANALYSIS vallas velemeny sajto partalak szervala
tulajdon utazas eletform vallalk politika
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/ROTATION NOROTATE .
!
' 9 999# ,)#P# -
2.6. táblázat
Goodness-of-fit Test
Chi-Square df Sig.
242,519 26 ,000
!
# ,)#J# -
2.7. táblázat
Communalities
Initial Extraction
VALLAS vallásszabadság ,241 ,179
VELEMENY véleményszabadság ,393 ,292
SAJTO sajtószabadság ,459 ,447
PARTALAK pártalakítás szabadsága ,585 ,738
SZERVALA szervezetalakítás szabadsága ,598 ,690
TULAJDON a tulajdon szabadsága ,535 ,581
UTAZAS az utazás szabadsága ,624 ,707
ELETFORM az életforma szabadsága ,629 ,731
VALLALK a vállalkozás szabadsága ,597 ,646
POLITIKA politikai szabadságjogok ,552 ,584
Extraction Method: Maximum Likelihood.
> #+ #
' 7
FACTOR
/VARIABLES velemeny sajto partalak szervala tulajdon
utazas eletform vallalk politika
/MISSING LISTWISE
/ANALYSIS velemeny sajto partalak szervala tulajdon
utazas eletform vallalk politika
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/ROTATION NOROTATE .
)#O# #
2.8. táblázat
Goodness-of-fit Test
Chi-Square df Sig.
136,436 19 ,000
> #
)#F#
! #
2.9. táblázat
Communalities
Initial Extraction
VELEMENY véleményszabadság ,329 ,279
SAJTO sajtószabadság ,456 ,437
PARTALAK pártalakítás szabadsága ,577 ,754
SZERVALA szervezetalakítás szabadsága ,598 ,704
TULAJDON a tulajdon szabadsága ,535 ,580
UTAZAS az utazás szabadsága ,620 ,706
ELETFORM az életforma szabadsága ,629 ,732
VALLALK a vállalkozás szabadsága ,594 ,643
POLITIKA politikai szabadságjogok ,548 ,577
Extraction Method: Maximum Likelihood.
5
!
! !3 1
! %
&# E C$DB ( $B@A #
,)#*9# -
#1 '!
#
2.10. táblázat
Factor Matrixa
Factor
1 2
VELEMENY véleményszabadság ,527 4,435E-02
SAJTO sajtószabadság ,653 ,107
PARTALAK pártalakítás szabadsága ,685 ,534
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
Extraction Method: Maximum Likelihood.
a. 2 factors extracted. 6 iterations required.
! " # $
#
#
F2
F2’
F1’
F1
)#)# ' ! E*
E) 4
#> !
#, !
! " #- ;
E* E*R E) E)R #
1 !
! /
% &# ; !
#
!
!
'! # (
! '!
#
!
#?
7
FACTOR
/VARIABLES velemeny sajto partalak szervala tulajdon
utazas eletform vallalk politika
/MISSING LISTWISE
/ANALYSIS velemeny sajto partalak szervala tulajdon
utazas eletform vallalk politika
/PRINT INITIAL EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/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
VELEMENY véleményszabadság ,373 ,374
SAJTO sajtószabadság ,429 ,503
PARTALAK pártalakítás szabadsága ,177 ,850
SZERVALA szervezetalakítás
,282 ,790
szabadsága
TULAJDON a tulajdon szabadsága ,698 ,305
UTAZAS az utazás szabadsága ,803 ,246
ELETFORM az életforma szabadsága ,826 ,221
VALLALK a vállalkozás szabadsága ,735 ,321
POLITIKA politikai szabadságjogok ,533 ,541
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
)#**# !
/ !
!
' ! #;
'
!
' ! #( !
, -
! !
! ! ' !
F
# ( ! !3
F ; ! !
!
! #
1 '
*9
" ! #
' ! ! !
# ,)#*)# -
2.12. táblázat
Goodness-of-fit Test
Chi-Square df Sig.
49,399 13 ,000
2.13. táblázat
Communalities
Initial Extraction
SAJTO sajtószabadság ,411 ,426
PARTALAK pártalakítás szabadsága ,577 ,769
SZERVALA szervezetalakítás szabadsága ,596 ,701
TULAJDON a tulajdon szabadsága ,537 ,586
UTAZAS az utazás szabadsága ,614 ,702
ELETFORM az életforma szabadsága ,631 ,734
VALLALK a vállalkozás szabadsága ,591 ,653
POLITIKA politikai szabadságjogok ,546 ,575
Extraction Method: Maximum Likelihood.
? ! # ,)#*K# -
*9 ? #
2.14. táblázat
Rotated Factor Matrixa
Factor
1 2
SAJTO sajtószabadság ,433 ,488
PARTALAK pártalakítás szabadsága ,184 ,857
SZERVALA szervezetalakítás szabadsága ,289 ,786
TULAJDON a tulajdon szabadsága ,704 ,301
UTAZAS az utazás szabadsága ,803 ,238
ELETFORM az életforma szabadsága ,830 ,214
VALLALK a vállalkozás szabadsága ,743 ,318
POLITIKA politikai szabadságjogok ,540 ,533
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
+ " #
,)#*=# - ! '! 4
! ' ! '! 4
! !
! ' ! # ,( !
"#-
2.15. táblázat
Goodness-of-fit Test
Chi-Square df Sig.
19,177 8 ,014
!
% &#
,)#*P# -
!
! ' 9 *KO#
,)#*J# -
2.16. táblázat
Rotated Factor Matrixa
Factor
1 2
PARTALAK pártalakítás szabadsága ,191 ,888
SZERVALA szervezetalakítás szabadsága ,314 ,757
TULAJDON a tulajdon szabadsága ,711 ,286
UTAZAS az utazás szabadsága ,805 ,227
ELETFORM az életforma szabadsága ,831 ,202
VALLALK a vállalkozás szabadsága ,752 ,301
POLITIKA politikai szabadságjogok ,549 ,510
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
2.17. táblázat
Goodness-of-fit Test
Chi-Square df Sig.
6,778 4 ,148
! #
4 # ,)#*O# -
2.18. táblázat
Rotated Factor Matrixa
Factor
1 2
PARTALAK pártalakítás szabadsága ,233 ,773
SZERVALA szervezetalakítás szabadsága ,286 ,865
TULAJDON a tulajdon szabadsága ,701 ,297
UTAZAS az utazás szabadsága ,805 ,220
ELETFORM az életforma szabadsága ,836 ,197
VALLALK a vállalkozás szabadsága ,745 ,303
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
! !
' ! ! #(
! ,
! - !
'! #
)#*F# ' !
'! ! PF
!
'! #
2.19. táblázat
Total Variance Explained
'! # 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#
!# / '
! !#
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
/PRINT INITIAL EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/SAVE REG(ALL) .
200
100
" 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
*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
/CRITERIA FACTORS(3) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
*K $0N#5.?H+T+ 5#2 + #
2.6. ábra
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
! '
! R R̂ 4 # ,)#)*#
-
? !
# ,)#))# -
*= $ !#
*P 0 ! ! !
'! 4 , - ! !
4 #
2.21. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
2.23. táblázat
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,743
? ! ! #
,)#)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
Extraction Method: Maximum Likelihood.
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
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_5 q59_8 q59_9
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_8 q59_9
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(3) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
5(D 0 '
! ' 9 O=*#
!
" # '!
I ' )#)=# 7
2.25. táblázat
Total Variance Explained
! ' ! "
5(D 0
#
!
# ,)#)P# -
2.26. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
( ' !
# ,)#)O# -
2.28. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
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
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
5(D 9 PJK
"
! 5(D " #
!# ,)#)F# -
2.29. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
( ' ! "
# ,)#I*# -
2.31. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
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
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
*J ( M=FT= ! !
" ' / ! M=FT= ! M=FTO !
! ! "#
; M=FTO !
' ! " #
2.32. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
5(D ! 0 '
# ,)#II# -
2.33. táblázat
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,588
!# ,)#IK# -
2.34. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
! M=FT)
M=FTI M=FTK M=FT* M=FTF
!# ,)#IP# -
2.36. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
$ " / "
#1
7
'! # ,)#IJ# -
2.37. táblázat
Total Variance Explained
'!
# 9 FIO '!
'!
! #1 " '
% & ! #*O
$ )#)K# !
7
FACTOR
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_8
q59_9
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_8
q59_9
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(3) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
*O ( % & "
! #
( ! !
#
2.38. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 7 iterations.
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
Extraction Method: Maximum Likelihood.
a. One or more communalitiy estimates greater than
1.0 were encountered during iterations. The
resulting solution should be interpreted with caution.
> 5(D 0
# ,)#K9# -
2.40. táblázat
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,718
# ,)#K*# -
2.41. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
a. One or more communalitiy estimates greater than
1.0 were encountered during iterations. The
resulting solution should be interpreted with caution.
! M=ITI !
7 ' % &
# ,)#KI# -
2.43. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
2 % " 1 $ $ /$) ",
! / M=FTI
!
M=FTI !
' #
FACTOR
/VARIABLES q59_1 q59_2 q59_5 q59_6 q59_8 q59_9
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_5 q59_6 q59_8 q59_9
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
!# ,)#K=# -
2.45. táblázat
Goodness-of-fit Test
Chi-Squa
re df Sig.
3,206 4 ,524
( ! # ,)#KP# -
2.46. táblázat
Communalities
Initial Extraction
Q59_1 ,329 ,438
Q59_2 ,132 ,240
Q59_5 ,201 ,387
Q59_6 ,410 ,703
Q59_8 ,185 ,301
Q59_9 ,360 ,477
Extraction Method: Maximum Likelihood.
2.47. táblázat
Rotated Factor Matrixa
Factor
1 2
Q59_1 ,657 8,380E-02
Q59_2 2,870E-02 ,489
Q59_5 ,126 ,609
Q59_6 ,832 ,105
Q59_8 ,187 ,516
Q59_9 ,562 ,401
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
4 ! M=FTF !
#
FACTOR
/VARIABLES q59_1 q59_2 q59_5 q59_6 q59_8
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_5 q59_6 q59_8
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
CD((L? >@$@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
Extraction Method: Maximum Likelihood.
a. One or more communalitiy estimates greater than
1.0 were encountered during iterations. The
resulting solution should be interpreted with caution.
' " !
" ! '
M=FT) ! !!
#1 !
' #? ! "
' " !
" ! !
! #
%' ! ! !&
! !
# !
!
! ! ' !
"# '
! " "
! ! ! #
" #$
" #(
! ! ' " M=FTK
M=FTF # ,)#IO# )#IF# -
FACTOR
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_8
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_8
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(3) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/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
Extraction Method: Maximum Likelihood.
a. One or more communalitiy estimates greater than
1.0 were encountered during iterations. The
resulting solution should be interpreted with caution.
2.50. táblázat
Total Variance Explained
'!
# ! " ! #1
! ' ' #
FACTOR
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_8
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_6 q59_8
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
CD((L? >@$@12 ! ! M=FTO !
! # ,)#=*# -
2.51. táblázat
Communalities
Initial Extraction
Q59_1 ,332 ,533
Q59_2 ,182 ,268
Q59_3 ,158 ,238
Q59_4 ,280 ,478
Q59_5 ,228 ,327
Q59_6 ,344 ,598
Q59_8 ,182 ,242
Extraction Method: Maximum Likelihood.
? '
' M=FTO ! #$ #
FACTOR
/VARIABLES q59_1 q59_2 q59_3 q59_4 q59_5 q59_6
/MISSING LISTWISE
/ANALYSIS q59_1 q59_2 q59_3 q59_4 q59_5 q59_6
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
5(D 0 # ,)#=)# -
2.52. táblázat
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,623
2.53. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
> '!
# ( ' ! !
# ,)#=P# -
2.56. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
'
! #
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
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(3) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
)9 $0N#5.?H+T2@51B2$B $Z<@ #2 + #
! !# ,)#=O#
-
2.58. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
( " ! !
4 ,
!' !
' -# ,)#P9# -
!' ,C2 > N- ! ' ! ,)# -
' ! ,I# - !
#$ X
2.60. táblázat
Rotated Factor Matrixa
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
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
FACTOR
/VARIABLES akarater jokapcs titkol szerencs szorgalo
vallalas tarsadal tehetseg
/MISSING LISTWISE
/ANALYSIS akarater jokapcs titkol szerencs szorgalo
vallalas tarsadal tehetseg
/PRINT INITIAL EXTRACTION ROTATION
/FORMAT BLANK(.25)
/CRITERIA FACTORS(3) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
2.62. táblázat
Goodness-of-fit Test
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
Extraction Method: Maximum Likelihood.
! /
4 ! ,)#PK# - ! !
! '! #
!
' ! ' " ! '!
# !
!
" ! '!
#
2.64. táblázat
Rotated Factor Matrixa
Factor
1 2 3
AKARATER ,669
JOKAPCS ,466
TITKOL ,518
SZERENCS ,687
SZORGALO ,820
VALLALAS ,486
TARSADAL ,606
TEHETSEG ,589 ,272
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 5 iterations.
#5'
! ' 9 9* ,)#P)# -
" R̂ 4
/ # "
% & 9 )= '
! ! 7
! ' #B
'! '!
# ,)#P=# -
@ ! " !
!
:
: ! #
2.65. táblázat
Total Variance Explained
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
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
2.66. táblázat
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,605
)* $0N#5.?H+T2S1<D5#2 + ! #
' # ,)#PJ# -
2.67. táblázat
Goodness-of-fit Test
Chi-Square df Sig.
20,076 8 ,010
5' ! '!
# ,)#PO# -
2.68. táblázat
Total Variance Explained
!
% & ! ' #
,)#PF# -
+ 4 # ,)#J9# -
> ! !
' # 1
" :
: ! # "
" ! "
! ' #;
' " !
' ! #1
" ' #
2.69. táblázat
Communalities
Initial Extraction
KEPESSEG 48.1
szegénység okai:
7,611E-02 ,140
képesség, tehetség
hiánya
SZERENCS 48.2 a
szegénység okai: 7,940E-02 ,119
szerencse hiánya
LAZAERK 48.3 a
szegénység okai: laza ,109 ,310
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem ,101 ,219
eröltetik meg magukat
ELOITEL 48.5 a
szegénység okai:
,147 ,227
bizonyos csoportok
megkülönböztetése
LEHETOSE 48.6 a
szegénység okai: az ,203 ,571
esélyegyenlöség hiánya
GAZDREND 48.7 a
szegénység okai: a ,115 ,181
gazdasági renszer
Extraction Method: Maximum Likelihood.
2.70. táblázat
Rotated Factor Matrixa
Factor
1 2
KEPESSEG 48.1
szegénység okai:
1,077E-02 ,374
képesség, tehetség
hiánya
SZERENCS 48.2 a
szegénység okai: ,265 ,220
szerencse hiánya
LAZAERK 48.3 a
szegénység okai: laza -2,28E-02 ,556
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem 2,333E-02 ,467
eröltetik meg magukat
ELOITEL 48.5 a
szegénység okai:
,459 ,127
bizonyos csoportok
megkülönböztetése
LEHETOSE 48.6 a
szegénység okai: az ,754 -4,40E-02
esélyegyenlöség hiánya
GAZDREND 48.7 a
szegénység okai: a ,409 -,114
gazdasági renszer
Extraction Method: Maximum Likelihood.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
20 - - 3 -$
? ", !- %
' & ! X
FACTOR
/VARIABLES kepesseg lazaerk erofesz eloitel lehetose
gazdrend
/MISSING LISTWISE
/ANALYSIS kepesseg lazaerk erofesz eloitel lehetose
gazdrend
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
2.71. táblázat
Communalities
Initial Extraction
KEPESSEG 48.1
szegénység okai:
5,661E-02 ,114
képesség, tehetség
hiánya
LAZAERK 48.3 a
szegénység okai: laza ,103 ,293
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem 9,886E-02 ,254
eröltetik meg magukat
ELOITEL 48.5 a
szegénység okai:
,147 ,230
bizonyos csoportok
megkülönböztetése
LEHETOSE 48.6 a
szegénység okai: az ,198 ,612
esélyegyenlöség hiánya
GAZDREND 48.7 a
szegénység okai: a ,112 ,176
gazdasági renszer
Extraction Method: Maximum Likelihood.
5(D ' ' 9 =JK
, ' 9 9J-#
'! * PO
" ! # ,)#J*# -
( 4 !
' ' '
"% & / !#
FACTOR
/VARIABLES lazaerk erofesz eloitel lehetose gazdrend
/MISSING LISTWISE
/ANALYSIS lazaerk erofesz eloitel lehetose gazdrend
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA FACTORS(2) ITERATE(25)
/EXTRACTION ML
/CRITERIA ITERATE(25)
/ROTATION VARIMAX .
2.72. táblázat
Communalitiesa
Initial Extraction
LAZAERK 48.3 a
szegénység okai: laza 7,395E-02 ,153
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem 8,957E-02 ,467
eröltetik meg magukat
ELOITEL 48.5 a
szegénység okai:
,154 ,249
bizonyos csoportok
megkülönböztetése
LEHETOSE 48.6 a
szegénység okai: az ,202 ,622
esélyegyenlöség hiánya
GAZDREND 48.7 a
szegénység okai: a ,112 ,173
gazdasági renszer
Extraction Method: Maximum Likelihood.
a. One or more communalitiy estimates greater than
1.0 were encountered during iterations. The
resulting solution should be interpreted with caution.
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
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/METHOD=CORRELATION .
!
'! ! KP '!
! '! !#
,)#JI# -
2.73. táblázat
Total Variance Explained
! ' # ,)#JK# -
! ! !
! !# ,)#J=# -
2.74. táblázat
Communalities
Extraction
KEPESSEG 48.1
szegénység okai:
,388
képesség, tehetség
hiánya
LAZAERK 48.3 a
szegénység okai: laza ,529
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem ,483
eröltetik meg magukat
Extraction Method: Principal Component Analysis.
2.75. táblázat
Component Matrixa
Compone
nt
1
KEPESSEG 48.1
szegénység okai:
,623
képesség, tehetség
hiánya
LAZAERK 48.3 a
szegénység okai: laza ,728
erkölcsök
EROFESZ 48.4 a
szegénység okai: nem ,695
eröltetik meg magukat
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
L ! ! 7
FACTOR
/VARIABLES eloitel lehetose gazdrend
/MISSING LISTWISE
/ANALYSIS eloitel lehetose gazdrend
/PRINT INITIAL EXTRACTION
/CRITERIA FACTORS(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/METHOD=CORRELATION .
'!
! % & '
# ,)#JP# )#JJ# -
2.76. táblázat
Total Variance Explained
" ! ! "
%' &
! !
4 # ! !
!
#
!
! '
#
2.77. táblázat
Communalities
Initial Extraction
ELOITEL 48.5 a
szegénység okai:
1,000 ,500
bizonyos csoportok
megkülönböztetése
LEHETOSE 48.6 a
szegénység okai: az 1,000 ,649
esélyegyenlöség hiánya
GAZDREND 48.7 a
szegénység okai: a 1,000 ,421
gazdasági renszer
Extraction Method: Principal Component Analysis.
2.78. táblázat
Component Matrixa
Compone
nt
1
ELOITEL 48.5 a
szegénység okai:
,707
bizonyos csoportok
megkülönböztetése
LEHETOSE 48.6 a
szegénység okai: az ,805
esélyegyenlöség hiánya
GAZDREND 48.7 a
szegénység okai: a ,649
gazdasági renszer
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
< " " - + "
'!
! ! ! #
(
# :
: ! 4 #1
! % & 4
! !
! #
!
# ! '
!
# '
!
! #
% & #
2 " '
' ! '
! ' # !
' % &
% &
#;
! %
& !
" #
" "
! #
! !
"
! "
"
#
$ #
%
" !
#
"" " # !
#
" %
! #
"
& "
'
" " ! !
(' " "
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&=$) "
#
#
! "
81?) @
@ " / # 2 /4 !
# %
!
" :152)4& ;4;*4&2A=8 "
<( B " >
3.2. táblázat
Cluster Membership
Case 4 Clusters
1 1
2 1
3 2
4 1
5 2
6 3
7 2
8 1
9 2
10 1
11 2
12 3
13 2
14 3
15 4
C" ! #
! 2822 <( B " >
D 7
@
; @
7 @ #
; "
% #
7
2822 ! "
7 2 %
" " " !
"" " 'E
""
B
'F "" BGF
" # 2 # ""
% @
@
! 2 ! 2822
# " #
" " A %
" ! 2822 %
B , "" :4$)&?=+
"
#
"
4 ! "
(
A
" # " "
9
CLUSTER ziskoszt zjoved
/METHOD CENTROID
/MEASURE= SEUCLID
/PRINT CLUSTER(4)
/PLOT VICICLE
/SAVE CLUSTER(4) .
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&=$) 2:A4+514 !
K
" ! #
CLUSTER ziskoszt zjoved
/METHOD CENTROID
/MEASURE= SEUCLID
/PRINT SCHEDULE CLUSTER(4)
/PLOT VICICLE.
4 (G "
3.4. táblázat
Agglomeration Schedule
K "" " 2 /4
#
2) P4 " #
L
" ! <( G " >4 " ''
'( # " :?4QQ=:=4$)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
! ! " #$ #% &' #
'' "" 7
! ""
'B ; )*+ ,-$./0,1 23)4& ) $516 2 /
'( " " L 'F ' B
7
" K
& 7 # 7 % ""
#
"
% ""
% 4
" K "
J "
7 # !
3.5. táblázat
Agglomeration Schedule
$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) $4=PA*?& 7
9
CLUSTER ziskoszt zjoved
/METHOD COMPLETE
/MEASURE= SEUCLID
/PRINT SCHEDULE CLUSTER(4)
/PLOT VICICLE.
" " K J
"" " G
'G
4 G '
G F IGG B
G F BKI
" #$ $ +"
& $ " #$ " & $ +" $"
Q # 9
CLUSTER ziskoszt zjoved
/METHOD BAVARAGE
/MEASURE= SEUCLID
/PRINT SCHEDULE CLUSTER(4)
/PLOT VICICLE.
$ # % "
*4)S44$ P&?582 1=$, P4 " <( K " >
3.7. táblázat
Agglomeration Schedule
" ' B G 4
G "
" 4 G '
G B
"
= " 7
" 7 #
"
3.8. táblázat
Agglomeration Schedule
'I " #
#
3.9. táblázat
Agglomeration Schedule
= "
" E L 'F " 'B 'G
:4$)&?=+ :152)4&=$P
""
"
7
'E
9 <F 'K(T@F KK'> !
7 <' 'I'T@F GEG> 4
# M N
"
""
! " ""
, % " "
"" "
"" " 9
CLUSTER ziskoszt zjoved
/METHOD WARD
/MEASURE= SEUCLID
/PRINT SCHEDULE CLUSTER(4)
/PLOT VICICLE.
1 % S &+U2
<( 'F " > 7
" # % ""
" @ @
"
"" " "
% 9 <''T'(T'I> <ETLT'F> <'TBTG> <'BT'G> <KTJ>
<(TI> ! % "
'K = "" ""
# @ @ !
"" !
V 7
! 7 "
'L 4 $?/ " 25; ?Q 2W5 &42
! 9
" 4
! "" "
! / # "
" "
% "
3.10. táblázat
Agglomeration Schedule
4 M N "
" # ; "
# "
6
= 15 4"" " "
2
E L 'F
'B 'G !
7 " ""
PP1?;4& )=?$ 2:A4+514 " :?4QQ=:=4$)2 "
<( 'F " > " " %
% "
#
$ " # "
" @
@ ! # #
" # $ +"
4 " <
! > @
@
100
80
(100 – 10) = 90
60
d
40
20
(12 – 2) = 10
0
0 2 4 6 8 10 12 14
" 2822 @ @
" #
"
" " #
<S &+U2 > 7
'J
"
$ " ! !
7 ; # "
7 X
# ! % " " /
"
" 7
<
> % " / "
! "
#
$
7! 9
! "
%
# % #
) # # " %
# !
# % "
'J :4$)&?=+
"
% "
A % # " !
"
! !
! !
, @ # " % @
9
(f m (A) − f e (A))2 (f m (B) − f e (B))2
távolság (A,B) = i i
+ i i
i f e (A)
i
i f e (B)
i
f mi %
< Y' B ( f ei #
! ! #
( 'B "
% %
BF ! 7 ! ! ;
! × Z
" # ! %
"" 7 "
7
" #$ #% 2 " 0+ +
, ;4 $2 :152)4&B'
4
% 7 !
%
" M N #
" ! ! A # 7
# !
4
"
"
;
" M N
BB
!
9 "
M% N
"" ""
""
! M% N
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 $2 :152)4& # !
BG
! " 9
3.13. táblázat
Initial Cluster Centers
Cluster
1 2 3 4
ISKOSZT elvégzett
1,00 15,00 17,00 17,00
osztályok száma
JOVED jövedelem
10,00 200,00 80,00 250,00
(ezer Ft)
A 7 #
' '(
'G 'I
BI ""
4$) $( %" $ % 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
" #$ $ , $ "
"
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
/CRITERIA= CLUSTER(4) MXITER(10) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE)
/SAVE CLUSTER
/PRINT INITIAL.
@ " @ ' 'F ( 'I
<( 'K " >
3.17. táblázat
Initial Cluster Centers
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)
3.18. táblázat
Iteration Historya
4 !
" "
" "
% 7
# "
3.19. táblázat
Final Cluster Centers
Cluster
1 2 3 4
ZISKOSZT Zscore:
-1,20899 ,56419 -,86356 ,84917
elvégzett osztályok száma
ZJOVED Zscore:
-1,16444 -,64788 ,71793 1,14474
jövedelem (ezer Ft)
! "
! "
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
1
! !
A 7 #
!
"
5 # ! "
7 "
BJ
7! ! !
%
% #
(F ;
! #
@ 7 @
"
! " ! # "
('
"" % A
"" %
! " F % B
(B
% , "
" " # "
%
(( )*+ ,-$./0H52)J' 2 /
(G # * , $ ;
?
! !
! "
(I !
! !
(E
% " # #
(K
!
# "
# # " M
! N " "
7 ! " "
, # "
" # !
! !
# "
! !
F 'FF
(L
A # "
" # !
" " ! # "
H ! ! 7
#
" " !
" "" "
Q
(E
!
(K V
" ! " #
"" " # "
(L " F JJ " # ,#
A % #
(J
?5)Q=14YU:9_,' 2 /U ! !
!
"
,' 2 / 7 " 4 !
% "" $
# " " <( BB " >
"" " %
" Q=$ 1 :152)4& :4$)4&2 "
# #
D "" # #
# "
# 1 % "" 9
(J Z " ! !
#
QUICK CLUSTER
szegokb szegokk zszegar
/MISSING=LISTWISE
/CRITERIA= CLUSTER(4) MXITER(100) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE)
/SAVE CLUSTER
/PRINT INITIAL
/FILE='C:\k1.sav'
/OUTFILE='C:\k2.sav'.
3.22. táblázat
Iteration Historya
,' 2 /
!
" % Q=$ 1
:152)4& :4$)4&2 <( B( " >
=$=)= 1 :152)4& :4$)4&2 <( BG " > 4 #
"
3.23. táblázat
Final Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,84669 -,39369 ,23147 -1,04820
belsõ okok (PC)
SZEGOKK szegénység:
,62359 ,33123 -1,21507 ,11465
külsõ okok (PC)
ZSZEGAR Zscore:
,58070 -,80639 -,48184 ,98551
szegények aránya
; "
3.24. táblázat
Initial Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,84669 -,39369 ,23147 -1,04820
belsõ okok (PC)
SZEGOKK szegénység:
,62359 ,33123 -1,21507 ,11465
külsõ okok (PC)
ZSZEGAR Zscore:
,58070 -,80639 -,48184 ,98551
szegények aránya
Input from FILE Subcommand
4
A ^?5)Q=14 ! # #
"
% <( BI " >
;
"" "
"
"
3.25. táblázat
Iteration Historya
7% 5 " #$ $ , $ "
$ # <( BE "
>
" "
" " #
""
" #
# %
#
! "
7 "
""
! "
#
3.26. táblázat
Final Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,86209 -,34491 ,20222 -1,03999
belsõ okok (PC)
SZEGOKK szegénység:
,62299 ,30947 -1,25982 ,14115
külsõ okok (PC)
ZSZEGAR Zscore:
,57578 -,81234 -,45330 ,97985
szegények aránya
A # # "
!
" A %
= !
4"" " "
< " > "" " !
) "
" ""
! ! " #
" ! # "
"" "
"
7 4 ! #
"" " " "
" ` "
"
! ! ` !
7 ! / #
"
GF
%
3.27. táblázat
Number of Cases in each Cluster
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 "
" " #
" 4 $5;*4& ?Q : 242 =$ 4 :A :152)4&
" <( BL " >
3.28. táblázat
Number of Cases in each Cluster
Cluster 1 869,000
2 925,000
3 759,000
4 661,000
Valid 3214,000
Missing ,000
; " "
"!
X 8 =&S=24
"
" "" "
$ % " # #
; #
#
"
" 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
Final Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,84313 -,42117 ,32854 -,99543
belsõ okok (PC)
SZEGOKK szegénység:
,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
GG
4 " !
! " #
GI
#
GE
9
GE A # 1=2)S=24 ,
# $?/ " "
QUICK CLUSTER
szegokb szegokk zszegar
/MISSING=LISTWISE
/CRITERIA= CLUSTER(4) MXITER(100) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE)
/PRINT INITIAL ANOVA.
3.31. táblázat
ANOVA
Cluster Error
Mean Mean
Square df Square df F Sig.
SZEGOKB szegénység:
404,331 3 ,534 2602 757,485 ,000
belsõ okok (PC)
SZEGOKK szegénység:
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.
# " + X
2822 " 9
" # 4
# " " $?/ " "
GK ) "
Q " "
GL
"
"
2822 " !
" ""
" "
M N
# " %
# < ! '>
" < >
4 " "
#
" 4 " "
# "" !
""
; "" "" #
""
"" #
4 # " @
@ ""
! "" " !
! " # "
" !
"
GL A ! "
@ # " @
$?/ " " 4
" #
: ;$ '& ) # $/
9 "$+#$ # 6,+ $+ + <
" "
2?&) & %
GJ
"
" ! 2822 9
SORT CASES BY
szegokb (A) .
$ # " W5=:,
:152)4&9
QUICK CLUSTER
szegokb szegokk zszegar
/MISSING=LISTWISE
/CRITERIA= CLUSTER(4) MXITER(100) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE)
/PRINT INITIAL.
3.32. táblázat
Initial Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
1,69982 -1,89031 2,07542 -2,73632
belsõ okok (PC)
SZEGOKK szegénység:
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
Initial Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
2,07542 2,07542 -2,73632 -,26437
belsõ okok (PC)
SZEGOKK szegénység:
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
Final Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,86209 -,34491 ,20222 -1,03999
belsõ okok (PC)
SZEGOKK szegénység:
,62299 ,30947 -1,25982 ,14115
külsõ okok (PC)
ZSZEGAR Zscore:
,57578 -,81234 -,45330 ,97985
szegények aránya
; # " "
<( (I " >
3.35. táblázat
Final Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,45409 -,01212 -1,44107 ,41521
belsõ okok (PC)
SZEGOKK szegénység:
,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
1
" #
" ; #
" 9
SORT CASES BY
kor (A) .
W5=:, :152)4& 9
QUICK CLUSTER
szegokb szegokk zszegar
/MISSING=LISTWISE
/CRITERIA= CLUSTER(4) MXITER(100) CONVERGE(0)
/METHOD=KMEANS(NOUPDATE)
/PRINT INITIAL.
( (K " "
3.37. táblázat
Initial Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
2,07542 -2,73632 -2,73632 2,07542
belsõ okok (PC)
SZEGOKK szegénység:
1,97688 1,97688 -3,09812 -3,09812
külsõ okok (PC)
ZSZEGAR Zscore:
-,68747 1,90839 -,68747 ,11126
szegények aránya
* #
" <( (L " >
3.38. táblázat
Final Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,86242 -,97293 -,48950 ,23605
belsõ okok (PC)
SZEGOKK szegénység:
,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
Final Cluster Centers
Cluster
1 2 3 4
SZEGOKB szegénység:
,86209 -,34491 ,20222 -1,03999
belsõ okok (PC)
SZEGOKK szegénység:
,62299 ,30947 -1,25982 ,14115
külsõ okok (PC)
ZSZEGAR Zscore:
,57578 -,81234 -,45330 ,97985
szegények aránya
: " +
$ % , ;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$ %- ) "
&
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 ' ! ! "
" . ( " '
' -, (
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
! ' ( ( "
( ' " ' . (
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
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
a. JOVED by NEME a kérdezett neme
4.8. táblázat
Model Goodness of Fit
R R Squared
JOVED by NEME ,516 ,267
4.9. táblázat
MCAa
4.10. táblázat
Factor Summarya
Beta
Adjusted
Eta for Factors
JOVED NEME a kérdezett neme ,516 ,516
a. JOVED by NEME a kérdezett neme
6 ( "
( ( ' !
. " ! "
8B@ . . ! !! ( ;?
! "
' 4
ANOVA
VARIABLES=joved
BY neme (1 2) isk (0 1)
/STATISTICS MCA MEAN
/METHOD HIERARCHICAL
/FORMAT LABELS .
4.11. táblázat
Cell Meansb
4.1. ábra
Átlagjövedelem iskolázottság és nem szerint
140
120
Estimated Marginal Means
100
80 a kérdezett neme
férfi
60 nõ
alacsony magas
0 ! ( . " 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
4.13. táblázat
JOVED jövedelem (1000Ft)
Frequency
Valid 100,00 100
500,00 100
Total 200
500
Estimated Marginal Means
400
300
200
a kérdezett foglalko
100 prostituált
0 akadémikus
fiatal idõs
a kérdezett kora
), 6 ! ( " "
.
)' "( &* / &* *+ ( *$0*&( * +( - "
)-
= ' (
( ( ' (
( ! "
. ' ! 8B@ %- )- &
7 . "
4.14. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
Squares df Square F Sig.
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
. ! ' (
. '
Hierarchical Method
Sum of Mean
Squares df Square F Sig.
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
Model Goodness of Fit
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
Model Goodness of Fit
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 ( ' (
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
iskolai végzettsége
' ' "
% 2 "' ; 2 "' & ( "
@ 0D %- )O & "
5 ( 5
R8 <MRC2 < <MRC2 < ! "
R8 <MRC2 < 2 '
! ' <MRC2 <
"
! ( 1
4.19. táblázat
MCAa
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
Estimated Marginal Means
2,0
1,5
család etnikuma
1,0
magyar
,5 szlovák
alapfok szakmunkásképzõ középfok felsõfok
8 ( "
' - *) % - *H !
( &
4.21. táblázat
Factor Summarya
Beta
Adjusted
Eta for Factors
EGYFOJOV ETHNIC család etnikuma ,286 ,322
ISK htfõ legmagasabb
,144 ,193
iskolai végzettsége
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)
/STATISTICS MCA MEAN
/METHOD HIERARCHICAL
/FORMAT LABELS .
4.24. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
Squares df Square F Sig.
JOVED Main (Combined) 160479,4 3 53493,132 99,127 ,000
Effects KOR a kérdezett kora 5208,333 1 5208,333 9,651 ,002
ISK a kérdezett iskolai
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
ISK a kérdezett iskolai
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
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@ " "
' (
4.26. táblázat
ANOVA
Hierarchical Method
Sum of Mean
Squares df Square F Sig.
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 1. a kérdezett
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).
Std.
N Mean Deviation
FOJOV fõállásból havi
300 11,50 8,41
nettó jövedelem (1000 Ft)
Valid N (listwise) 300
( x − s)
( x − s) ( x − 0,5s )
( x − 0,5s ) ( x + 0,5s )
( x + 0,5s ) ( x + s)
( x + s)
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
(" !
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
Descriptive Statistics
Std.
N Mean Deviation
LNFOJOV COMPUTE
300 2,3059 ,4869
lnfojov = LN(fojov)
Valid N (listwise) 300
(x−s)
( x − s) ( x − 0,5s )
( x − 0,5s ) ( x + 0,5s )
( x + 0,5s ) ( x + s)
( x + s)
8 ( '
ANOVA
VARIABLES=lnfojov
BY isk5 (1 5) neme (1 2)
/STATISTICS MCA MEAN
/METHOD HIERARCHICAL
/FORMAT LABELS .
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
iskolai végzettség
NEME 1. a kérdezett
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 1. a kérdezett
neme
Model 21,484 9 2,387 14,006 ,000
Residual 49,334 289 ,170
Total 70,818 298 ,237
! ( ( (
! 7
!' 7 " ' "
!"#
$%&%
!"#
"#
$%&%
' 7 "
#% & $ ' 8B@ " "
! 2 " ; 2 " ( ! 8B@
! '
# $ !
! !
' ( ( 1' ( "
( ! L "
1 ! .
! '
( !
7' #' $
(
. ' (
( '
( ! !
( ' ( F
7 ( (
.
# $ 7 " "
( ' !
1 ' ' ( '
( !
. ( ' (
( ' '
! "
!# $ % &
# ! #
'
! ! (
!# ) # *
) !# &
! ! # #
!&
16
14
12
10
4
20,00 30,00 40,00 50,00 60,00 70,00 80,00
Életkor
*
+ * ! * *
!# *
# !# # & *
,#
! )
# * !$ %
- # ! #
*
. #
!
/+ 0 1
y Y = BX + C
B
C
# ! )
* ! !#
* !
$ % ! /
# 1) !# ,
Yi − Yˆi → min vagy (Yi − Yˆi ) 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
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
++ # !
* *
ˆ = ˆ ˆ
+
) )) !#
# * ! #
# *
B# @26 ) * # B
#
C
,
n
(Yˆi − Y ) 2
200
σ 2 (Yˆ ) = i =1
=
n 3
- # ! *
* )
. !
)
C ) Y ! #
! !#
!
Y2
Ŷ3
Ŷ1 Yˆ 2 Y3
Y1
* * * *
! #
)) !#
) $ % * /+ C 1
" ! # *
!# )) $ * %
** !
& ! # +4
#
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 .
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( <'
!
# (
! # * !
- )
! *
! # $ %
) # * ,
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. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,182a ,033 ,032 6,32
a. Predictors: (Constant), KOR a kérdezett kora
# ) , # !
"
# ! * ! # !#
* * !# 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
a. Predictors: (Constant), KOR a kérdezett kora
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 !
! # * #
! !#
#
)
!# * !#
" # ) &
" " !
" ) , #
M !# # >>> ! #
:>! ) C> ! # >! #*
40 ⋅ 0 + 60 ⋅ 1
! = 0,6 '
40 + 60
! )
" !#
! 0 * ' !C
! " # !# 0
C>
( ) # ! "
:
" "
: ( ! " &
" !
!
!
! " ))
)
7+ .
# ,
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme2 kor .
& !
! +
/+ > 1
5.10. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,214 a ,046 ,045 9,49
a. Predictors: (Constant), KOR a kérdezett kora,
NEME2 a kérdezett neme
# #
' #) # #
/+ 1
#)
+
# ,
+ #) -
* )
B ) # B
"
5.11. táblázat
ANOVAb
Sum of Mean
Model Squares df Square F Sig.
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
b. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
5.12. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 9,285 1,034 8,976 ,000
NEME2 a kérdezett neme -3,243 ,490 -,167 -6,618 ,000
KOR a kérdezett kora ,149 ,028 ,136 5,384 ,000
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 12,528 1,247 10,049 ,000
NEME a kérdezett neme -3,243 ,490 -,167 -6,618 ,000
KOR a kérdezett kora ,149 ,028 ,136 5,384 ,000
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
6 * + 4 + 0 8 @'('0
) ! >! )
Q # ) !
* '
# ! #
# ! # *
! .F
!# #
$ %# ! !
# # ! !
!#
/>! 1 / !01
F - @'( !0 ! >
* ! & ! ) #
9 :;00'" + &+
3 !# $ * % !
#
"! #
) !
" ) ( .
-
# ! ) ! #
% " - !
! # ! ! #
) ! # !
F H # !#
) .H # !#
" .O !# ))
$ %! . !
/ 9 1
! &
) G !
! # #
# * ! ))
@ !#
# " * @26 O
!
!# * * * *
E
+E * #
* * * ) ) *
! )* * )
# / # 1 *
E <H5 3I@J6KL'ML'GGNOP @26 G 6
*
* * ! ) "
* * # *
Z # !# !
) )
* * *
( !# #
/ * 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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor iskoszt .
C /+ : 1
5.14. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Model Squares df Square F Sig.
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
b. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
!#
! # *
/β=>!44V1 !
/β=B>! E>1! /β=>! 0C1 * Q # !#
# & & #
!
* ! !# !
U # *
! * ! * #
B * )
B /+ C 1
5.16. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -1,892 1,545 -1,225 ,221
NEME a kérdezett neme -3,505 ,460 -,180 -7,616 ,000
KOR a kérdezett kora ,138 ,026 ,126 5,342 ,000
ISKOSZT elvégzett
1,346 ,094 ,339 14,298 ,000
osztályok száma
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
@ !# !# @26 #
* * # ! #
@26 #
# ! $ %
00
) * ,
ANOVA
VARIABLES=fojov
BY kor3 (1 3) isk7 (1 7) neme (1 2)
/STATISTICS MCA MEAN
/METHOD HIERARCHICAL
/FORMAT LABELS .
00 @26 !# # # #
% ! # ! #
%# & * !# *
O **
!!
Q # !# @26 !#
& & * * * *
/+ F 1
) # H'< #
! # % * /'< =>! CC1!
! ) !#
# " /H'< =>! EF1 /+ E 1
5.17. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
Squares df Square F Sig.
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
iskolai végzettség
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
NEME a kérdezett neme
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
iskolai végzettség
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
04 * *
+C
0: G;GG , L'(26' '
# ! #
! # )
!
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
!
) * ) $* %
/+ V 1
5.19. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
lakásban volt-e villany
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
háztartásban élõk száma
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
$
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=BACKWARD gyvillan gyhanyfo gyfutlen gyehes2 .
@ * )
5.20. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 10,017 ,588 17,044 ,000
GYVILLAN gyerekkori
2,703 ,378 ,141 7,150 ,000
lakásban volt-e villany
GYHANYFO gyerekkori
-,278 ,081 -,067 -3,427 ,001
háztartásban élõk száma
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
lakásban volt-e villany
GYHANYFO gyerekkori
-,289 ,080 -,070 -3,631 ,000
háztartásban élõk száma
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
lakásban volt-e villany
GYHANYFO gyerekkori
-,300 ,079 -,073 -3,809 ,000
háztartásban élõk száma
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
) ) !
# !# # *
# /+ 0> 1 ) &
"
) MJ'-'G0
#
0E
#
) ! "
! ! * )
)
)) ! T2LR L5
+0 )
5.21. táblázat
Excluded Variablesc
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT y
/METHOD=STEPWISE x1 x2 x3 .
) /+ 00 + 04 1 ) $*
%
' [4 ) !
# >!EFC
- + 04 *
! # !# ) [
!# # [4
# ) [ )
>!+0+ * ! * *
* * # # ) , + 04
0 * !# [0 $
% ) !# )
[0 ) [0 [4 * *
[4 !
! ) ! [4
+ 0:
!# [ [0
[4 # >!4+V
5.22. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
Model Beta In t Sig. Correlation Tolerance
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
a. Dependent Variable: Y
5.25. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
a. Dependent Variable: Y
""
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER gyvillan gyhanyfo gyfutlen gyehes2 .
*
# , / 5U8G<'5 L GW8 L'1 #
4 ! # /+ 0C + 0F
1
5.26. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Model Squares df Square F Sig.
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
5.28. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
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
Frequency Percent Percent e Percent
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
Missing System 19 ,7
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
Frequency Percent Percent e Percent
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
Missing System 19 ,7
Total 2607 100,0
- )) # #
'MJGN'QQ! 'L<6'N 6 QQ Q ( !#
# !
* ) ) ,
@26
ANOVA
VARIABLES=fojov
BY fogl5 (1 5)
/STATISTICS MCA MEAN
/METHOD HIERARCHICAL
/FORMAT LABELS .
@ * # *
/+ 40 1 !
& * ! )
* ' * *
"
) # *
! !# )
!
#
5.32. táblázat
Cell Meansb
U # !# # * ,
# # ) /+ 44 1
5.33. táblázat
ANOVAa
Hierarchical Method
Sum of Mean
Squares df Square F Sig.
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
Model Goodness of Fit
R R Squared
FOJOV 129. föállásból
havi nettó jöv. 1000Ft
,348 ,121
by FOGL5 öt
kategóriás foglalkozás
@ ! * !# " T2MQ+
# * )
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER sztlen szkepz egyszell ertvez vallal .
( '@<'L )
! !# * )
5.36. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
5.37. táblázat
Excluded Variablesb
Collinearit
y
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
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
"
* # "
!# # !
& $ # %
! * * *
) # ! %
* * , "!
#
$ " % 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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT zfojov
/METHOD=ENTER zszkepz zegyszel zertvez zvallal .
5.38. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
értelmiségi,vezetõ-e
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
Descriptive Statistics
+ 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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER sztlen egyszell ertvez vallal .
GN3';N # GN<Q'@ )
$ %
5.40. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 11,742 ,300 39,176 ,000
SZTLEN
-3,142 ,390 -,182 -8,055 ,000
szakképzetlen fizikai-e
EGYSZELL egyszerû
,854 ,480 ,038 1,778 ,075
szellemi-e
ERTVEZ
5,851 ,524 ,234 11,161 ,000
értelmiségi,vezetõ-e
VALLAL vállalkozó-e 2,267 ,801 ,055 2,830 ,005
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
!#
& !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
Model R R Square R Square Estimate
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
Model R R Square R Square Estimate
1 ,348a ,121 ,120 7,90
a. Predictors: (Constant), VALLAL vállalkozó-e,
ERTVEZ értelmiségi,vezetõ-e, EGYSZELL egyszerû
szellemi-e, SZTLEN szakképzetlen fizikai-e
@ ! # *
! !
:0
)
G<';ROG' !#
:4
#
) * # + :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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 10,631 ,171 62,339 ,000
ERTVEZ
6,963 ,472 ,278 14,740 ,000
értelmiségi,vezetõ-e
2 (Constant) 15,741 ,506 31,089 ,000
ERTVEZ
6,979 ,462 ,279 15,095 ,000
értelmiségi,vezetõ-e
NEME 1. a kérdezett
-3,336 ,312 -,198 -10,692 ,000
neme
3 (Constant) 15,871 ,500 31,740 ,000
ERTVEZ
7,674 ,464 ,307 16,540 ,000
értelmiségi,vezetõ-e
NEME 1. a kérdezett
-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
értelmiségi,vezetõ-e
NEME 1. a kérdezett
-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
értelmiségi,vezetõ-e
NEME 1. a kérdezett
-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
VALLAL vállalkozó-e 3,746 ,750 ,091 4,998 ,000
6 (Constant) 16,922 ,756 22,399 ,000
ERTVEZ
8,499 ,486 ,340 17,474 ,000
értelmiségi,vezetõ-e
NEME 1. a kérdezett
-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
VALLAL vállalkozó-e 4,409 ,768 ,107 5,742 ,000
SZKEPZ szakképzett
1,531 ,404 ,081 3,788 ,000
fizikai-e
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor .
:: !# #
* ** * ! # !# * *
" " **
"
5.47. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,240a ,058 ,057 8,16
a. Predictors: (Constant), KOR, NEME 1. a kérdezett
neme
C
* /+ :F 1
5.48. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
!
!# #
! # ! ! *
* * /+ :E 1
'
< # ! GN<Q'@
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor szkepz egyszell ertvez vallal.
5.49. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 16,922 ,756 22,399 ,000
NEME 1. a kérdezett
-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
értelmiségi,vezetõ-e
VALLAL vállalkozó-e 4,409 ,768 ,107 5,742 ,000
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
) %&
/+ +> 1 %
* ! * # !
# *
* * * ! #
) * ) !#
) & !
*
*
* * #
) !# !
# # * !
* # )
- # !
# !# #
:+
*
( ) *
.@ !#
# # * *
# !
!# * !
# ! # )
) @ #
:C
! " 6 !#
! * "
#
!
*
) " ! *
# &
:+ Q * 6 QQ Q
#
:C # /'
<H5 3I@J6K58((J G 6 T2MQ " 1 #
# " * ) ) !
- !#
! * !#
"
:F
@ ,
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=STEPWISE neme kor fizszell vallal .
G<';ROG' !# #
* * /+ + 1
5.51. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
NEME 1. a kérdezett
-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
NEME 1. a kérdezett
-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
NEME 1. a kérdezett
-3,726 ,307 -,221 -12,143 ,000
neme
KOR -6,05E-02 ,009 -,120 -6,623 ,000
VALLAL vállalkozó-e 3,729 ,751 ,091 4,962 ,000
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
) ) @'(' *
TONGN'QQ /+ +0 1 ' #
! # # * * * #
* ! & * !
* ! #
@'(' # # !#
! ! !# * *
* &
@'(' ) E 4
/+ + 1
# ) ) ! #
# " H ) * )
# ! # # * *
! # # "
"
* ! !
>! :F /+ + + +0 1
) 6 QQ Q ! )
* * # )
# ' TONGN'QQ
' !#
* *
) # B
# B 9 ! C
3 !# #
) - ! *
* #
! &
- !
) # ! #
! *
' * )) ,:E
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme kor befisk vallal .
:E O '@<'L # ' %
)
5.53. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 10,479 ,780 13,437 ,000
NEME 1. a kérdezett
-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
VALLAL vállalkozó-e 1,794 ,732 ,044 2,450 ,014
a. Dependent Variable: FOJOV 129. föállásból havi nettó jöv. 1000Ft
V !" # /+ +4
1 #
* (
! !
* * *
) !
) ! * !
* * ) # !#
) /+ +:
1
- ) )
' #
:V
" #
+>
# &
!#
!# # !
+
# #
+0
# " )
!#
@ # # !
!# ) )
! ! !#
*
F ?* ' $! 8 + ! 2 +8(! $4
&4 $+ ! "
! '
# " )
O )
' )
* * ! *
# # !
!# * !
& ! ! # * *
*
:V I " *
+> * *
+ ' ) # (
" !# ! ) !
) & &
+0 O )
* # @ # !# *
* * ! #
# - *
* * # !
# ) "
H . - !
T ,+4
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT szabvagy
/METHOD=ENTER htfo osszjov egyfojov .
5.55. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
!#
# # )
# ! # " * * * *
" #
+:
#
"
## ! # # ! &
!# 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 - >!+ * # * V+
# Y>!4 "
! >!: # Y>!
# ! !# >!0B>!E )
# ! >!4B>!+ #
# &
+E ' >!0 # * Y>!4
) ) " #
#
@ #
+V
! *
C>
# )
* * !
C
* , >!4>C ) * ,
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=STEPWISE befisk teltip .
' * #
/+ +C 1
5.56. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,324 a ,105 ,105 9,19
2 ,339 b ,115 ,114 9,14
a. Predictors: (Constant), BEFISK legmagasabb
iskolai végzettsége
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 4,951 ,639 7,753 ,000
BEFISK legmagasabb
2,148 ,162 ,324 13,295 ,000
iskolai végzettsége
2 (Constant) 2,855 ,819 3,487 ,001
BEFISK legmagasabb
1,941 ,169 ,293 11,501 ,000
iskolai végzettsége
TELTIP település tipusa ,899 ,222 ,103 4,060 ,000
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
( # - * *
* !# ) <'Q<O;
H'TOG3 * /+ +F 1 ## !
# !
!#
# # *
* !#
) !#
! # ) * *
" C0
# ! * @ *
) ,
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER befisk .
C0 !# O
& !# $ %
* + +E
5.58. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,324a ,105 ,105 9,19
a. Predictors: (Constant), BEFISK legmagasabb
iskolai végzettsége
)
) ,
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER teltip .
) # ) + +V
#
5.59. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=STEPWISE befisk teltip .
#
/+ C> 1
5.60. táblázat
Excluded Variablesb
Collinearity
Partial Statistics
Model Beta In t Sig. Correlation Tolerance
1 TELTIP település tipusa ,103a 4,060 ,000 ,104 ,908
a. Predictors in the Model: (Constant), BEFISK legmagasabb iskolai végzettsége
b. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
) !# )
! ) ) ) ) ) ) )
# * /
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT zjoved
/METHOD=ENTER ziskoszt zlex .
5.61. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT zlex
/METHOD=ENTER ziskoszt
/SAVE ZRESID .
) !
# ! )
F>
! * '
# !
) ! 9
!
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/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
Model R R Square R Square Estimate
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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)
a. Dependent Variable: ZJOVED Zscore: háztartásfõ jövedeleme (ezer Ft
L # ,
!# *
! 9 $ %
/+ C: 1
( !# &
9 @ * " !# # 9
$ % ! * !
! * .;
$ % ! * 9
! ! * *
'## * !
9 T ! #
! 9 ) !
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT ziskoszt
/METHOD=ENTER zlex
/SAVE ZRESID .
## G;GG ) # )
F
T # !
* ! )
9 * !
) $
% ) ! 9
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT zjoved
/METHOD=ENTER zlex zresid2 .
/+ C+ 1
5.65. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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)
a. Dependent Variable: ZJOVED Zscore: háztartásfõ jövedeleme (ezer Ft
( # 9 !
* * /+ CC 1T
* # * * #
# /+ CF 1
0123420+
)
0 6218
0567
*)
0 6218
' * " !# * !#
!# 9
F0
* # * !
F0 # ) !#
! )
! * ! ) *
#
L !# 9
! !
) ! # M
!# ) #
!#
O * *
) ! #
) ! * !#
) * !
)
# # ! #
# ) ! #
- * * *
! )
# ! &
)
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/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_$.
EXECUTE .
5.10. ábra
Scatterplot
12
Regression Standardized Residual
10
-2
-4
-6 -4 -2 0 2 4
F: - ! "
!
* #
( ,F+
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme iskoszt
/SAVE RESID .
@ /+ CE 1
5.68. táblázat
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 3,19 21,53 11,78 3,72 133
Residual -12,98 21,31 1,47E-16 5,52 133
Std. Predicted Value -2,308 2,617 ,000 1,000 133
Std. Residual -2,333 3,832 ,000 ,992 133
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
6 '## * !
) ,
FILTER OFF.
USE ALL.
SELECT IF(filter_$ = 0).
EXECUTE .
' ,FC
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme iskoszt
/SAVE RESID .
* /+ CV 1
5.69. táblázat
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
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
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
+!4>! +!+0
/+ CE + CV 1 @ #) !#
* * # #
! # * !# /+!+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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme iskoszt
/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,
NEME a kérdezett neme
b. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
) + 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.
COMPUTE filter_$=(uniform(1)<=.50).
VARIABLE LABEL filter_$ 'Approximately 50 % of cases
(SAMPLE)'.
FORMAT filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE .
G (;Q'
E0
* ) *
' !
*
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme iskoszt .
' #
/+ F 1
5.71. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 4,914 1,188 4,137 ,000
NEME a kérdezett neme -3,199 ,440 -,244 -7,277 ,000
ISKOSZT elvégzett
1,075 ,091 ,397 11,808 ,000
osztályok száma
a. Dependent Variable: FOJOV fõállásból havi nettó jöv. (1000 Ft)
! # # # ) !
#
# # !#
* '
# "
) # & !#
$ %!
# # )) #
! # # #
) #
D * *
- #
USE ALL.
COMPUTE filter_$=(sample = 1 & kidob = 1).
VARIABLE LABEL filter_$ 'sample = 1 & kidob = 1
(FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FORMAT filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE .
' ! *
!# #
IF (sample=1 & kidob=1) becsjov = 4.914-3.199*neme+
1.075*iskoszt .
VARIABLE LABELS becsjov '1. alminta együtthatóival
becsült jövedelem' .
EXECUTE .
G ! * *
* *
IF (sample=1 & kidob=1) becsres = ((becsjov-fojov)*
(becsjov-fojov)) .
VARIABLE LABELS becsres '1. alminta együtthatóival
becsült jövedelem és a tényleges jövedelem négyzetes
eltérései' .
EXECUTE .
' !
E4
5.72. táblázat
Descriptive Statistics
N Mean
BECSRES 1. alminta együtthatóival becsült jövedelem
768 30,1139
és a tényleges jövedelem négyzetes eltérései
Valid N (listwise) 768
# #
* ! #
4>! /+ F0 1
@ ! !
E:
)
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT fojov
/METHOD=ENTER neme iskoszt
/SAVE RESID .
) 5'GSLO;<O6'G
# # /+ F4 1
n
(Yˆi − Yi ) 2
E4 2 i =1
σ (res) =
n
E: @ !# G'Q'QS< S G'G ) #
!
5.73. táblázat
Descriptive Statistics
N Variance
RES_1 Unstandardized
768 30,136
Residual
Valid N (listwise) 768
)) # B #
! # * * * B
#) # * #
# # !>>>F I
# * /FCF`FCF1
E+
) ! * #) # !#
* *
# #
# " )
! )
# !
#
M #
! *
) #
# # ! # !
# - )
! "
E+ #$ # #
!
! " "
" !# !
" $
%&
' ()*+,
*+-.)*+, /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
? ! ! $
! " !
# " # # 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
3
' ()*+,
2
1
*+-.)*+, /012)*+,
1
' '0)*+,
. ! ! β $
# = #
# $ " "
8
! $ 8 β
# $
! 1 # 9 β = "
! # # $
" !# ! 1 #
β
A ! $
$ " ! $
$ # 9<
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT gyeroszt
/METHOD=ENTER naposzt nanyoszt szuloszt .
6.1. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
%& $ ! ! $$ $
<G " $
$ " ! $ %< ! $
6.2. táblázat
Coefficientsa
Standardi
zed
Coefficien
ts
Model Beta t Sig.
1 (Constant) 37,394 ,000
NAPOSZT a kérdezett
apja által elvégzett ,079 2,347 ,019
osztályok száma
NANYOSZT a kérdezett
anyja által elvégzett ,012 ,354 ,724
osztályok száma
SZULOSZT a kérdezett
által elvégzett osztályok ,410 13,576 ,000
száma
a. Dependent Variable: GYEROSZT 1. gyerek által elvégzett iskolai
osztályok száma
# ! 8 8 9
G GHI # !
! ! ##
$ " G J& 5
' " $ "
" 9
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT szuloszt
/METHOD=ENTER naposzt nanyoszt .
$ " ! $ %> ! $
6.3. táblázat
Coefficientsa
Standardi
zed
Coefficien
ts
Model Beta t Sig.
1 (Constant) 22,240 ,000
NAPOSZT a kérdezett
apja által elvégzett ,264 7,975 ,000
osztályok száma
NANYOSZT a kérdezett
anyja által elvégzett ,219 6,632 ,000
osztályok száma
a. Dependent Variable: SZULOSZT a kérdezett által elvégzett
osztályok száma
F
" ! 6G <%J7
6G <&I7
= " ! $
" " $ "
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT nanyoszt
/METHOD=ENTER naposzt .
$ " ! $ $
$ !
$ $ $
$ # # ( $ " ! $
6% J %K 7
6.4. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,544a ,296 ,295 1,9290
a. Predictors: (Constant), NAPOSZT a kérdezett apja
által elvégzett osztályok száma
6.5. táblázat
Coefficientsa
Standardi
zed
Coefficien
ts
Model Beta t Sig.
1 (Constant) 20,823 ,000
NAPOSZT a kérdezett
apja által elvégzett ,544 21,149 ,000
osztályok száma
a. Dependent Variable: NANYOSZT a kérdezett anyja által
elvégzett osztályok száma
%J %K $ ! $
! # # # "
$ $ " 3
4 A "
! ( $ " ! $ # # 3
4 $ " $ $
$ !
= " " 6% > 7 !
" "
" !
" #" ! # " 8
8 " !
! " "
! " # !
%>
GL ! "
$ !
$ $ $$ $ !
! " $
" "
? $ # !
! " : !
" " &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
T:/1..
8 $ 8 #
$ ! $
H
5# " $ # "
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT xenof
/METHOD=ENTER antiszem jogbiz cigell antidem .
$ " " ! $
. ! %% $ ! 5# 3 4
%H ! ,#
! >> !
" ? # # "
# " <G !
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT antiszem
/METHOD=ENTER jogbiz cigell antidem .
= $ $!
$ # K
! ! " " " 6% L 7
6.8. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
(+:antidemokratikus)
a. Dependent Variable: ANTISZEM antiszemitizmus PC (+: antiszemita)
? IK ! $ "
!
$ " ! $ 8G GGG&J G &<>L%
&G
# ?
! ! # #
$ ! # !
" V ! !
&&
! $ !
9
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT cigell
/METHOD=ENTER jogbiz antidem .
6.9. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
(+:antidemokratikus)
a. Dependent Variable: CIGELL cigányellenesség PC (+:nagy)
&G "
&& W " 8 $ 8
! ! $ !
"# # $ $
" ! $
! !
! !
$ " !
" ?
# " "
F 5 #
$ #
! 5
6% I 7
$ $ 5 #
$! " 9
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT jogbiz
/METHOD=ENTER antidem .
6.10. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -9,90E-16 ,027 ,000 1,000
ANTIDEM
antidemokratikus
,413 ,027 ,413 15,499 ,000
gondolkodás PC
(+:antidemokratikus)
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
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 %
D % / / A 3 B:)<) # % &
%
& % # # & &
& &
E 3 B:)<) ? )+ *>@?+))<3 )F(( >: % &
0 B<7 (<))<3 & &
' # & % ' )*)) #
# &
J - . ' '
# B<)1L<)+ # %&
K +% # # ' %
7.1. táblázat
Group Statistics
%
&
)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)
DISZKR diszkriminációs
,973 9,445 2 677 ,000
hajlandóság (PC)
NEGSZTER negatív
,966 11,920 2 677 ,000
sztereotípiák (PC)
( " %)
( 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)
DISZKR diszkriminációs
-,502 1,000 ,535
hajlandóság (PC)
NEGSZTER negatív
-,290 ,535 1,000
sztereotípiák (PC)
H.
S + % # * % &
% '
& /
.-
< #
/ #
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
TOLER tolerancia mutató
,712 ,845
(PC)
DISZKR diszkriminációs
-,137 ,188
hajlandóság (PC)
NEGSZTER negatív
-,447 ,855
sztereotípiák (PC)
(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
TOLER tolerancia mutató
,684 ,812
(PC)
DISZKR diszkriminációs
-,135 ,186
hajlandóság (PC)
NEGSZTER negatív
-,432 ,826
sztereotípiák (PC)
'# % '
+ & #
# & # # %
' % #
' #
& # #
# % % #
% ' #
% % # H,
.D < # #
% ! # Q %' Q
/ (& # 5
' & #& %
!
.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
TOLER tolerancia mutató
,877* ,479
(PC)
DISZKR diszkriminációs
-,709* ,220
hajlandóság (PC)
NEGSZTER negatív
-,703* ,690
sztereotípiák (PC)
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
# # ' ' #
# % #&
& & # %
% < / # &
%
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+) # %
% 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.
# # ' 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
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
,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
Frequency Percent Percent e Percent
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
7.14. táblázat
Wilks' Lambda
Wilks' Chi-squar
Test of Function(s) Lambda e df Sig.
1 through 2 ,904 33,266 6 ,000
2 ,996 1,251 2 ,535
7.15. táblázat
Structure Matrix
Function
1
TELTIP Településtípus ,818
ISKOLA Mi az Ön
legmagasabb iskolai ,562
végzettsége?
VAGYON vagyoni
,525
státusz (PC)
Pooled within-groups correlations between discriminating
variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
# % %
& / & / %' & /
# &/ # # #
% /
D.
& #
& % H .K
7.16. táblázat
Functions at Group Centroids
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
Classification Resultsa
+ ' & # %
% GH .P I
7.18. táblázat
Wilks' Lambda
Wilks' Chi-squar
Test of Function(s) Lambda e df Sig.
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)
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
' % & /
# ' & /
Q ! Q # #
% %
! ' '
& ' #
% # #
% # '
# # + &
' #
# & &
%
3 ' & # %
GH ,- I
7.20. táblázat
Functions at Group Centroids
Function
TIPUS 1 2
1,00 antiszemita 1,192 9,064E-03
2,00 cigányellenes -,746 ,237
3,00 elutasító -,671 -,317
Unstandardized canonical discriminant
functions evaluated at group means
Q %& Q
# ' 2 !
& % #
& ' / ! %
% & % 4
# + & &
# # %
' ' Q
# Q &
' & #
# # & 5 GH ,.
I
7.21. táblázat
Classification Resultsa
? % # % & GH ,,
I
7.22. táblázat
Wilks' Lambda
Wilks' Chi-squar
Test of Function(s) Lambda e df Sig.
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
Pooled within-groups correlations between discriminating
variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
# %
# & %
& # &
H ,E
7.24. táblázat
Functions at Group Centroids
Function
TIPUS 1
1,00 antiszemita 1,171
2,00 cigányellenes -,835
3,00 elutasító -,761
Unstandardized canonical discriminant
functions evaluated at group means
&/
& # # %
' # '
% &%
% &
& &/ & +
# & " $
0 & # % Q
' # #
& Q & # %
#
DISCRIMINANT
/GROUPS=tipus(1 3)
/VARIABLES=statusdf intoldf
/ANALYSIS ALL
/FUNCTIONS (1)
/PRIORS SIZE
/STATISTICS=TABLE
/CLASSIFY=NONMISSING POOLED .
+ ' % % GH ,J I
7.25. táblázat
Wilks' Lambda
Wilks' Chi-squar
Test of Function(s) Lambda e df Sig.
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
diszkriminancia függvény
INTOLDF intoleráns
,386 ,922*
populizmus tengely
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
!
7.27. táblázat
Functions at Group Centroids
Function
TIPUS 1 2
1,00 antiszemita ,344 -,118
2,00 cigányellenes -3,55E-02 ,311
3,00 elutasító -,435 -,153
Unstandardized canonical discriminant
functions evaluated at group means
& %
# % + % '
# & &/
' & !
&/ #
& %
# % %
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
diszkriminancia függvény
INTOLDF intoleráns
9,06E-03 1,0182045 132 127,145
populizmus tengely
2,00 cigányellenes STATUSDF státus
-,1589326 1,0499437 90 93,696
diszkriminancia függvény
INTOLDF intoleráns
,2526356 1,0763661 90 93,696
populizmus tengely
3,00 elutasító STATUSDF státus
-,3337349 ,8705387 97 92,960
diszkriminancia függvény
INTOLDF intoleráns
-,3172265 ,8006260 97 92,960
populizmus tengely
Total STATUSDF státus
1,25E-03 1,0449262 319 313,800
diszkriminancia függvény
INTOLDF intoleráns
-1,5E-02 ,9993528 319 313,800
populizmus tengely
9 !% # &
!# # #
) # & # #
% ' # %
# &
!# & # <
/ & ! # %
#
% / " # $ &
" $ %
' &
% #&
! "
# ! $ ! $ %
& ' ( $ "
) $ * $
$ " "$ "
&* '+ ( $
% )
+ " ) "
+ , ,
* $ $ , " "
, "% ,
" " ,
$ "
" " " )
- . + / $
$
$ ! )
0 # + $ $ "
+ $ % "
1 % "
% ) 1 ! $
$ $ "
% * ) "
$ $ % $ # %
+ $ ! + $ "
$ " )1* + "
$ ' ( "
2 & $ "
&
% "
3
" ) & %
# % ) $$ $ %
. $ $ #
%# + * $ $
$ % )
! "
8.1. táblázat
Descriptive Statistics
Std.
N Mean Deviation
KABITOSZ kábítószeres 995 7,982 1,578
ROMA roma 994 7,297 1,893
HOMOSZ homoszexuális 995 7,254 1,976
SZERB szerb 995 6,471 1,812
ROMAN román 992 6,455 1,895
ARAB arab 995 6,348 1,877
HAJLEKT hajléktalan 991 6,209 1,965
KINAI kínai 993 6,072 1,972
NEGER néger 993 5,949 2,013
ZSIDO zsidó 991 4,922 2,135
SVAB sváb 990 4,709 2,175
Valid N (listwise) 976
3 %% )
5 0= )->4?<@ "0 4ABC) < + )
B $ & "
& & "
" + $ ) # $
% # % ;
$ # $ $ % "
)
8.1. ábra
0
Dimension 1
-1
-2
-,6 -,4 -,2 -,0 ,2 ,4 ,6
" "
% )
7)3) = $ $ ;
.& % " $ $ "
% & * $ "
2 ) %
)1 , "
" +
, %% + .' "
% " D(
$ )1 * $ % "
$ )
$ + # $ %
E
& $ D;
" $ ' ( % $
% $ )1
) 7)5)
8.2. ábra
1,0 hajléktalan
,8
homoszexuális
,6
,4
sváb kábítószeres
,2
zsidó
-,0
Dimension 2
-,2 négerarab
román
szerb
-,4 kínai roma
-,6
-3 -2 -1 0 1 2 3
Dimension 1
* & "
" + * $ "
% ) % $
# ) % & + %
$ ' ( ' ( "
E ! ' " % (
)
& ! % ' (
F
& ) 0 %#
% # $ +
& ) & "
# + ! &% "
! * )
$ #
+ )
0 $$ $ # "
)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 .
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
*+ $ )- % % # $
% =% & ! $$ %
# )< + # =" *
! " ) 1 0 =
* 0= " ) + )
7 : 2 + *
%& + % $ * + "
* ! )
% * % ) 7)5)
8.2. táblázat
Alscal Procedure Options
Data Options-
7)5) $ $
% % )1 " 2
)
# * $ &
' % ( )
8.3. táblázat
Model Options-
Model . . . . . . . . . . . Euclid
Maximum Dimensionality . . . . . 2
Minimum Dimensionality . . . . . 2
Negative Weights . . . . . . . Not Permitted
% 7)E) ! "
$ $ % $
$ "
% )0 # & !
%% $ # $ %
+ " & ! )
8.4. táblázat
Output Options-
% ! + + $
; .& ) 2
;BG0" & # !
.&* $ * ) 7)F)
8.5. táblázat
Algorithmic Options-
Maximum Iterations . . . . . . 30
Convergence Criterion . . . . . ,00100
Minimum S-stress . . . . . . . ,00500
Missing Data Estimated by . . . . Ulbounds
Tiestore . . . . . . . . . . 55
+ $$ % , !- (. / $ % &0 # ! ,)!' )
: # # $ " 2 &)
$ $ % " 2
% ) % # "
2 $ ) "
& * % %
% & # ) 7)K)
8.6. táblázat
Raw (unscaled) Data for Subject 1
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
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)
1 ,03040
2 ,02364 ,00677
3 ,02160 ,00204
4 ,02041 ,00119
5 ,01954 ,00087
For matrix
Stress = ,03379 RSQ = ,99551
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
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
1 % # $ # *
% # " # $ % ) B 8 B
% $ ;B:0 % "
8.10. táblázat
Stress and squared correlation (RSQ) in distances
091 " $ %% $$ # $
# % $. $ "
# )
8.5. ábra
! " # $
3,0
2,5
2,0
1,5
Distances
1,0
,5
-,5 0,0 ,5 1,0 1,5 2,0 2,5
Disparities
+ "
$ ) +
# % + $* &$ * ) 7)J) R%"
% * 091 " )
8 # % *
$ & )< + "
/
USE ALL.
COMPUTE filter_$=(ethnic = 1 | ethnic = 3).
VARIABLE LABEL filter_$ 'ethnic = 1 | ethnic = 3
(FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FORMAT filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE .
; + )
SORT CASES BY ethnic.
SPLIT FILE BY ethnic .
PROXIMITIES moral kompeten konf etnopone /PRINT NONE
/MATRIX OUT
('C:\WINDOWS\TEMP\spssalsc.tmp')
/MEASURE=EUCLID /STANDARDIZE=NONE /VIEW=VARIABLE .
& *%
8 1 ;9G81 :4O A 9? $ $
$ ! % # ) 7)33)
8.11. táblázat
Case Processing Summarya
Cases
Valid Missing Total
ETHNIC nemzetiség N Percent N Percent N Percent
1 erdélyi magyar 585 100,0% 0 ,0% 585 100,0%
3 szlovákiai magyar 558 100,0% 0 ,0% 558 100,0%
a. Euclidean Distance used
"% %% * *
091 " + & )
SPLIT FILE OFF.
ALSCAL
/MATRIX= IN('C:\WINDOWS\TEMP\spssalsc.tmp')
/LEVEL=INTERVAL
/CONDITION=MATRIX
/MODEL=INDSCAL
/CRITERIA=CONVERGE(.001) STRESSMIN(.005) ITER(30)
CUTOFF(0) DIMENS(2,2)
/PLOT=DEFAULT ALL
/PRINT=HEADER .
0 ,03652
1 ,03617
2 ,03218 ,00399
3 ,03194 ,00024
091 " $
+ )1 "
7)K) )
!
8.6. ábra
! " # $
3,0
2,5
2,0
1,5
Distances
1,0
,5
,5 1,0 1,5 2,0 2,5 3,0
Disparities
4 # $ ! ) "
* &* # % "
) 7)3E) 7)N)
8.13. táblázat
Stimulus Coordinates
Dimension
Stimulus Stimulus 1 2
Number Name
8.7. ábra
% ! &
2,0
kompetencia-fölény
1,5
1,0
,5
etnocentrizmus
0,0
konfliktuspotenciál
Dimension 2
-,5
-1,5
-1,5 -1,0 -,5 0,0 ,5 1,0 1,5
Dimension 1
* & . "
% % + % "
*' # (& ) $ , &
! + ,$ ! $
& * &% !"
+ * + "
" $ ' (
) & $ "
&% &% ' ( + " "
% "+ $ )
I + # "
! % $ ' %( $ )
7)7) 3" * + "
% "+ # #
# * ) %% % & "
+ $ * + " "
% $ & )
8.8. ábra
% ! '
,8
1
,7
,6
,5
,4
Dimension 2
,3
2
,2
,6 ,7 ,8 ,9 1,0
Dimension 1
0 % $ +
* % # $$ $ "
2 + ! $
$ ' ( )
9 ; + % $ ! "
* $ *
$ & "
$ ) " % 2
&* $ $ % . & "
% $ )
!
$ " &
#) #
! "
#$ %& $! ! &' ! " (
&
!' *
( #
, ( !
#
#
0 ! &
1
( ' # 2#$#
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 $%7& ' (&
#8
9:0;3$ !
!! ' (
" " ' # < <
! * ' (&
9.2. táblázat
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
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
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) -,127 ,058 -2,191 ,029
KOR 1,223E-02 ,001 ,293 12,687 ,000
a. Dependent Variable: HIVO01 hívõ-e
#K
& &
< ' ( < ! &
# &
& ! 2#K# #%
9.4. táblázat
Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value ,3748 1,0353 ,5929 ,1440 1717
a. Dependent Variable: HIVO01 hívõ-e
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
) !* ++ * ! , &
" #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
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#%#
$$
? " "
! , & P( Y = 1 )
' ( # '
,SM = ! Q $ 21KP&
! #
) - . " (
' #
D !
* #
- .
# &
$1
J
& J # &
" '
J
& J
" # &
$$ , N;/G6 /6 " #
$1 T J
! ! &
!
" ' ( (# J '&
( ' ( & J
J # &
J
#
!
" # J
' #
Q
#, ! !
' " ! &
#
! " ! &
!
! #
3 !/ !/ ., 0
&
" ! ! &
' " (# '&
&
!' ,/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
9.7. táblázat
Beginning Block Number 0. Initial Log Likelihood
Function
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
9.8. táblázat
Beginning Block Number 0. Initial Log Likelihood
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.
9.12. táblázat
Chi-Square df Significance
$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 & #
G 0, ! * ( " &
! # 2#$4#
9.13. táblázat
1 new variables have been created.
Name Contents
, * ' ( &
#
/
# R +# &
&
' &
#C +# &
+#
#
' (
( 9:0;1 ! # ' ! +# &
&
#11 2#$K#
11 "
#
/;0 & +##
!
9.14. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
1 ,159a ,025 ,025 7,72E-02
a. Predictors: (Constant), HIVO2 hivõ-e
, +# !*
& !
' #
&
! #
31 , 7 ! &' ! "+
# , "
' ( # 2#$%#
9.15. táblázat
PRE_1 Predicted Value
Valid Cumulativ
Frequency Percent Percent e Percent
Valid ,50272 736 42,9 42,9 42,9
,66053 981 57,1 57,1 100,0
Total 1717 100,0 100,0
3 %34&
14
3 55$& ' ( # , ' ( &
'
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%
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
-------------- Variables in the Equation --------------
1% & "
) !'
# ! &
# ! " Q
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER neme kor
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
1P
"#!! $ Q
-2 Log Likelihood 2320,6549
$( Q
-2 Log Likelihood 2128,563
R L2 &
#) R L2 = G M / D0 &
3 374# , &
'& # 2#$7#
9.18. táblázat
Chi-Square df Significance
/ ' ( '
! ' V ' &
# 2#$2#
1P ) &
! ' $ !
#
9.19. táblázat
Classification Table for HIVO2
The Cut Value is ,50
Predicted
nem igen Percent Correct
n i
Observed
nem n 322 377 46,07%
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
-------------- Variables in the Equation --------------
, 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
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER neme kor
/SAVE PRED
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
41
' ( MD,B1 ! #,
!' &
9:0;1#
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT pre_2
/METHOD=ENTER hivo2 .
' ;8G +
# 2#14#
9.23. táblázat
Model Summary
Std. Error
Adjusted of the
Model R R Square R Square Estimate
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
Descriptive Statistics
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
Valid N (listwise) 1717
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
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER isk5
/CONTRAST (isk5)=Indicator(1)
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
, " !
2#15#
" ! '
#
9.26. táblázat
-------------- Variables in the Equation --------------
Variable B S.E. Wald df Sig R Exp(B)
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 ! $&
' #
)
& &
" " " #
2#1P#
9.27. táblázat
Chi-Square df Significance
9.28. táblázat
HIVO2 hivõ-e * PGR_3 Predicted Group Crosstabulation
Count
PGR_3 Predicted
Group
1,00 nem 2,00 igen Total
HIVO2 1,00 nem 277 422 699
hivõ-e 2,00 igen 199 819 1018
Total 476 1241 1717
9.29. táblázat
Directional Measures
Asymp. Approx.
a b
Value Std. Error Approx. T Sig.
Nominal by Lambda Symmetric ,066 ,018 3,589 ,000
Nominal HIVO2 hivõ-e Dependent ,112 ,029 3,589 ,000
PGR_3 Predicted Group c c
,000 ,000 , ,
Dependent
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
c. Cannot be computed because the asymptotic standard error equals zero.
R ' &
#) - &
. #
2#43#
9.30. táblázat
-------------- Variables in the Equation --------------
!'
U 8>& " "
!' ! #/ ! &
'
! #
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER alap szakma erett dipl
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
2#4$# ' #
9.31. táblázat
-------------- Variables in the Equation --------------
# &
*
&
" " #
2#43 Q ! U 8>&
!
4K
- . #4%
9.32. táblázat
-------------- Variables in the Equation --------------
! + #9 ]M &
' #6 &
" " &
# ,
#
- . ! +
! ' # ! +
& # & &
4K - . U 8>& '
J #
4% 9 ( &
&
! #
45 ) U 8>&
#
!
&
- . # ! + &
' &
! !
4P
! &+ ! ' #,
#47 &
(
! ' ! +
#9 !&
42
" &
K3
! #
! ' *
#
) & ! &
! '! #, '
&
&
& #0
4P 6
#
47 R " &
#
42 N" " #
K3 9 "
!
+ ' ' #
!
&
" " # ! &
* ! '! ! &
( &
! !
K$
& #
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER neme kor iskoszt teltip gyvalsz gyfelek
/CONTRAST (teltip)=Indicator(1)
/CONTRAST (gyfelek)=Indicator(1)
/SAVE PGROUP
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
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
K1
"#!! $ 424$ %$7 &
' " # 2#45#
" "
"#!! 4$17 K15& " # 2#4P#
K1 ! "#!! "
! ! #
!
9.36. táblázat
* Constant is included in the model.
9.37. táblázat
Estimation terminated at iteration number 4 because
Log Likelihood decreased by less than ,01 percent.
9.38. táblázat
Chi-Square df Significance
= 13 K R L2 ' &
# 2#47#
9.39. táblázat
Classification Table for HIVO2
The Cut Value is ,50
Predicted
nem igen Percent Correct
n i
Observed
nem n 938 512 64,69%
Overall 71,62%
J 2#42# &
9:0;1 &
K4
" #
9.40. táblázat
HIVO2 hivõ-e * PGR_1 Predicted Group Crosstabulation
PGR_1 Predicted
Group
,00 nem 1,00 igen Total
HIVO2 ,00 nem Count 938 512 1450
hivõ-e 51,1%
1,00 igen Count 293 1094 1387
48,9%
Total Count 1231 1606 2837
9.41. táblázat
Directional Measures
Asymp. Approx.
a b
Value Std. Error Approx. T Sig.
Nominal by Lambda Symmetric ,385 ,021 16,523 ,000
Nominal HIVO2 hivõ-e Dependent ,420 ,022 15,095 ,000
PGR_1 Predicted Group
,346 ,025 11,443 ,000
Dependent
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.
2#K3# 2#K$#
&
%$ $ ' &
P$ 5 ! #
2#K1# " &
& ' &
#8 ! '!
' ! *
! #
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER neme kor iskoszt gyvalsz gyfelek
/CONTRAST (gyfelek)=Indicator(1)
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
!
9.42. táblázat
-------------- Variables in the Equation --------------
9.43. táblázat
Chi-Square df Significance
13 4 # 2#K4#
KK , $ &
! #
!
9.44. táblázat
Classification Table for HIVO2
The Cut Value is ,50
Predicted
nem igen Percent Correct
n i
Observed
nem n 936 514 64,55%
Overall 71,77%
# 2#KK#
9.45. táblázat
-------------- Variables in the Equation --------------
?
& Q &
" CA+,8,? 1
#) - &
. '
!
# 2#K%# &
/;0
! &
K5
# 0 &
" " &
" " " "
! ' #
> !/ , &$55
/ !&
! #0 ])
] &
" #?
& # &
& ' #
& ' (
! &
KP
# D (
#/
& ' " &
" !' #? &
Q
LOGISTIC REGRESSION VAR=hivo2
/METHOD=ENTER neme kor iskoszt gyvalsz
/SAVE PGROUP
/CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5) .
! &
#
!
) " *
J # 2#K5#
9.46. táblázat
Classification Table for HIVO2
The Cut Value is ,50
Predicted
nem igen Percent Correct
n i
Observed
nem n 930 520 64,14%
igen i 280 1107 79,81%
Overall 71,80%
P$ 7 &
( " #
9.47. táblázat
-------------- Variables in the Equation --------------
#K7 ) !
"
# "
# " !
#
) & ' !' ]
DISCRIMINANT
/GROUPS=hivo2(0 1)
/VARIABLES=neme kor iskoszt gyvalsz
/ANALYSIS ALL
/SAVE=CLASS
/PRIORS SIZE
/STATISTICS=CORR TABLE
/CLASSIFY=NONMISSING POOLED .
, " # 2#K7#
9.48. táblázat
Wilks' Lambda
Wilks' Chi-squar
Test of Function(s) Lambda e df Sig.
1 ,748 822,114 4 ,000
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
Pooled within-groups correlations between discriminating
variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
9.50. táblázat
Functions at Group Centroids
Function
HIVO2 hivõ-e 1
,00 nem -,567
1,00 igen ,593
Unstandardized canonical discriminant
functions evaluated at group means
'
" ' ' &
!
! ' # 2#%$#
9.51. táblázat
Classification Resultsa
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
a. 71,3% of original grouped cases correctly classified.
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
,00 nem 1,00 igen Total
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.–2.6.: Az SCORES ablak – mentés
%)-.)-//* 0&
%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.3.4.: A PLOTS ablak – ábrák
" "
> ?
# 9
2 / 9:/ 9; 9< , :
= ; !
> ?
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
"
,
2
" !
"
I.3.10.: Az ITERATE ablak – az iterálások szabályozása
, "
$ 2 > 2 ?
# %! 9 A&
, "
" "
@
I.3.12.: Az OPTIONS ablak – a hiányzó adatok kezelése, statisztikák
!2
#
"
(0 '(
0
!
# B
! "
! !"
# ! " $! % & ' ( ) * + &, *, &( + -
. ( ' +* . &( ) / ( ', 0
# $ "
9 -05-)
E )6()C
(F 6()C
/5-86*/-
! ,
#
2
> ? "
2
2
2
II.5.6.: A OPTIONS ablak – hiányzó adatok kezelése,
a változószelektálás kritériumai
%4*/56*/-&
%/5-86*/-& 1!
% "
$
II.7.4.: A STATISTICS ablak – statisztikák
#
# 2
$
% 1
(0 '(&
'
G
2 #
2
, @
# , %0- H(/I0J4KD B&
II.7.6.: A SAVE ablak – mentés
#
#
, @
&''( $
"
2
!
, 2
$ #
!
> ?
> ?
!
II.8.4.: A MODEL ablak – változók mérési szintje, a modell típusa
! , 2
#
# # $
, # # %#
2 &
II.9.4.: A SAVE ablak – kategoriális változók kezelése
2
# , @ # ,
'
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 !