MOGUĆI PROBLEMI ISTRAŽIVANJA

ŠKOLSKOG USPEHA
- KAKO SE USPEH MANIFESTUJE?
- ŠTA JE POVEZANO SA USPEHOM?
- OD ČEGA USPEH ZAVISI?

- NA ŠTA USPEH UTIČE?

Čime se bavimo (u psihologiji)?

dva “lica” istog

problema
Čime se bavimo (u psihologiji)?

dva “lica” istog

problema
Čime se bavimo (u psihologiji)?

dva “lica” istog

problema
 Primer: Koji fakultet upisati?

 Prediktorska  Kriterijumska
varijabla: varijabla:
 Numeričke  Vrsta fakulteta
sposobnosti  Filozofski
 skor na testu  FTN
 Akademija umetnosti
 Primer: Koji fakultet upisati?
- na osnovu jedne varijable
 1. ispitati razlike između već postojećih grupa: ANOVA

2. nove slučajeve locirati u grupu kojoj su najsličniji

 Problem: grupe se razlikuju po većem broju varijabli

 Primer: Koji fakultet upisati?
- na osnovu većeg broja varijabli

 Prediktori  Kriterijum
(merne varijable): (kategorijalna varijabla)
 Memorija  Vrsta fakulteta
 Verbalne  Filozofski
sposobnosti  FTN
 Spacijalne  Akademija umetnosti
sposobnosti
 Numeričke
sposobnosti
Kako predvideti kategorijalni kriterijum na
osnovu većeg broja varijabli?
 Serijom pojedinačnih ANOVA?
 Problem - ne bi u obzir bile uzete:
 male razlike istog smera
 interakcija među varijablama
 Bolje: uzeti u obzir sve varijable i njihove
međusobne odnose
 Kako predvideti kategorijalni kriterijum na
osnovu većeg broja varijabli?

 Nezavisne varijable -  Zavisna varijabla -

prediktori kriterijum (kategorijalna)
(merne):
 Kako predvideti kategorijalni kriterijum na
osnovu većeg broja varijabli?
 Regresiona analiza?
 Problem 1: kategorijalna zavisna varijabla
 Problem 2: moguće da postoji više latentnih
dimenzija odgovornih za razlike - izolovati linearne
kombinacije koje diskriminišu grupe
 Kanonička korelaciona analiza?
 Problem: u drugom skupu je samo jedna varijabla,
kategorijalna
Kanonička diskriminaciona
analiza
 Ciljevi u diskriminativnoj analizi:
 Deskriptivni cilj:
 utvrditi značajnost razlika među grupama
 utvrditi doprinos varijabli razlikovanju grupa tj.
izolovati (latentne) diskriminativne faktore
 Klasifikacioni cilj:
 klasifikovati slučajeve (entitete, ispitanike) u prostoru
diskriminantivnih faktora
 Postupak
Grupe:
S1
S4
F1
Rc1
S2 F2
F3

S3
 Postupak
S1
S4
Rc1 dummy 2
S2
dummy 1

S3
Dummy varijable
 Binarne (1, 0)
 g-1
 Primer 1: POL (m=1, ž=0)

dummy 1 dummy 2
m 1 0
ž 0 1
Dummy varijable
 Binarne (1, 0)
 g-1
 Primer 2: FAKULTET (3 grupe)

dummy 1 dummy 2
Filoz 1 0
FTN 0 1
Umetn 0 0
 Postupak
S1
S4
dummy 2
S2
dummy 1

S3
Yd1=b1I1+ b2I2 + b3I3 + b4I4
Rc1 Yg1=b1D1+ b2D2

Yd2=b1I1+ b2I2 + b3I3 + b4I4

Rc2 Yg2=b1D1+ b2D2
 Postupak
I diskr f.

II diskr f.
 Rezultati

Pokazatelj
Značajnosti
Sadržaja diskriminativnih funkcija
Doprinosa pojedinačnih varijabli
diskriminaciji grupa
... još pokazatelja opisa razlika
između grupa
... još pokazatelja namenjenih
klasifikaciji novih slučajeva
Rezultat
Bartlett-ov hi-kvadrat
Matrica ortogonalnih projekcija
(jednostavne korelacije)
Matrica paralelnih projekcija
(beta – ponderi)
 Deskripcija: broj dimenzija

Rc Wilks  Chi–sqr. df p
0 .92 .06 546.1 8 .00
1 .44 .76 36.53 3 .00
Deskripcija: varijable sa najvećom
diskriminativnom vrednošču

Matrica standardizovanih koeficijenata

Root 1 Root 2
Memorija .43 .01
Verbalne .52 -.74
Numeričke -.95 -.40
Spacijalne -.58 .58
 Deskripcija: struktura razlika

Matrica strukture diskrim. funkcija

Root 1 Root 2
Memorija -.22 .31
Verbalne .12 -.86
Numeričke .71 .17
Spacijalne .63 .74
 Deskripcija: struktura razlika

Matrica strukture diskrim. funkcija

Root 1 Root 2
Memorija -.22 .31
Verbalne .12 -.86
Numeričke .71 .17
Spacijalne .63 .74
 Deskripcija: struktura razlika

Matrica strukture diskrim. funkcija

Root 1 Root 2
Memorija -.22 .31
Verbalne .12 -.86
Numeričke .71 .17
Spacijalne .63 .74
 Grafik: položaj grupa na
diskriminativnim fukcijama
Root 1 vs. Root 2
5

1
R oot 2

-1

-2

-3
ftn
-4 filoz
-15 -10 -5 0 5 10 15 umetn
Root 1
Deskripcija: položaj grupa na
dimenzijama

Centroidi grupa
Root 1 Root 2
FTN 7.6 .21
Filozofski -1.8 -.71
Akademija -5.8 .52
 Klasifikacija: model

na osnovu predviđanja
ftn filozofski umetnički

ftn 50 0 0
opažene filozofski 0 48 2
umetnički 0 1 49
Klasifikacija: model – enter/remove

Matrica standardizovanih koeficijenata

Root 1 Root 2
Memorija .43 .01
Verbalne .52 -.74
Numeričke -.95 -.40
Spacijalne -.58 .58
 Klasifikacija: model
– remove Memorija
Root 1 vs. Root 2
5

1
Root 2

-1

-2

-3
ftn
-4 umetn
-15 -10 -5 0 5 10 15 filoz
Root 1
Klasifikacija: model – enter/remove

Matrica standardizovanih koeficijenata

Root 1 Root 2
Memorija .43 .01
Verbalne .52 -.74
Numeričke -.95 -.40
Spacijalne -.58 .58
Klasifikacija: model
– remove Numeričke i Verbalne
Root 1 vs. Root 2
5

1
R oot 2

-1

-2

-3
ftn
-4 umetn
-6 -4 -2 0 2 4 6 8 filoz
Root 1
Klasifikacija: novi slučajevi
 Klasifikacione funkcije, za svaku grupu
G 1(ftn) = a + b1x1 + b2x2 +...bmxm
G 2(filozofski) = a + b1x1 + b2x2 +...bmxm
G 3(umetnički) = a + b1x1 + b2x2 +...bmxm
 Alokacija ispitanika u grupu na kojoj ima najviši
klasifikacioni skor
 Na ovom principu se zasniva linearna (Fisher-ova)
diskriminativna analiza
 za diskriminaciju dve grupe
 ne nudi opis strukture razlika
 Uslovi za primenu diskriminativne
analize
Uslov da ne
Najmanje intervalni nivo merenja nezavisnih varijabli √

Normalnost distribucija nezavisnih varijabli √

Homogenost varijansi grupa √

Linearan odnos varijabli √

Nezavisnost distribucije greške √

Homoskedasticitet √

Eksperimentalno (linearno) nezavisni podaci √

 Uslovi za primenu diskriminativne
analize

POVEZANOST VARIJABLI POREĐENJE GRUPA

Nivo merenja varijabli Homogenost varijansi

grupa
Normalna distribucija
- Box M test
Linearan odnos između Nezavisnost distribucije
varijabli greške
Homoskedasticitet
Eksperimentalno
(linearno) nezavisni podaci
- Tolerance (1-R2)
 Uslovi za primenu diskriminativne
analize

POVEZANOST VARIJABLI POREĐENJE GRUPA

Nivo merenja varijabli Homogenost varijansi

grupa
Normalna distribucija
- Box M test
Linearan odnos između Nezavisnost distribucije
varijabli greške
Homoskedasticitet
Eksperimentalno
(linearno) nezavisni podaci
- Tolerance (1-R2)
 Uslovi za primenu diskriminativne
analize

POVEZANOST VARIJABLI POREĐENJE GRUPA

Nivo merenja varijabli Homogenost varijansi

grupa
Normalna distribucija
- Box M test
Linearan odnos između Nezavisnost distribucije
varijabli greške
Homoskedasticitet
Eksperimentalno
(linearno) nezavisni podaci
- Tolerance (1-R2)
Tolerantnost: 1-R2
 Uslovi specifični za primenu
diskriminativne analize

Uslov
1. Broj ispitanika
2. Nekorelisanost aritmetičkih sredina i varijansi
 Uslovi specifični za primenu
diskriminativne analize

Uslov
1. Broj ispitanika:
- najmanje 40-50 ispitanika u grupi / 1 var
2. Nekorelisanost aritmetičkih sredina i varijansi
 Korelisanost M-ova i varijansi
Varijabla Memorija: nekorelisanost M i SD

M SD Max
FTN 5.01 0.35 5.80
Filoz. 6.59 0.64 7.90

Umetn. 5.94 0.52 7.00

 Korelisanost M-ova i varijansi: outlieri
Varijabla Memorija: korelisanost M i SD

M SD Max
FTN 10.00 6.37 50.00
Filoz. 6.59 0.64 7.90

Umetn. 5.94 0.52 7.00

outlier!
 Korelisanost M-ova i varijansi: outlieri

Matrica standardizivanih koeficijenata

Root 1 Root 2
Memorija -1.94 -2.49

Verbalne 0.66 -0.52

Numeričke 1.80 2.27

Spacijalne 0.51 0.22