Hodnocení prestiže povolání v souvislosti se sférou společnosti, kde je zastoupeno. Seminární práce na kurz Analýza kvantitativních dat II
|
|
- Bohumil Pravec
- před 8 lety
- Počet zobrazení:
Transkript
1 AKDII., ZS 2013 Hodnocení prestiže povolání v souvislosti se sférou společnosti, kde je zastoupeno Seminární práce na kurz Analýza kvantitativních dat II ANONYMIZOVÁNO Komentář [JS1]: viz poznámku o hlavní otázce či tématu z názvu jakéhokoliv textu by to mělo být hned patrné Tedy tohle jsem nastřelil, je to pěkně krkolomné, třeba by Vás napadlo něco lepšího. Úvod Výzkumy prestiže mají v Čechách a potažmo v Československu dlouhou tradici. V Československu byl první výzkum prestiže už v roce 1937 Antonínem Obrdlíkem. Od té doby se československá a česká společnost značně změnila a potažmo s tím se měnil i počet povolání v rámci jednotlivých výzkumů. Dnes se tedy v seznamech povolání neobjevuje dělník, svářeč či např. tajemník politické strany. V dnešní době jsou výzkumy prestiže povolání prováděny v rámci pravidelných výzkumů CVVM (dříve IVVM) nazvaných Naše společnost. Jedná se o každoroční výzkum, kdy respondenti, kromě běžných sociodemografických otázek, mají zodpovídat otázky týkající se např. spokojenosti s životním prostředním, zemědělstvím, soudnictvím a také otázky týkající se politiky a politiků např. kterou stranu volil daný respondent při posledních volbách, hlásí se spíše k pravici či k levici apod. Co se týče prestiže, má respondent posuzovat celkem 26 povolání. Jejich kompletní seznam dostane respondent v rámci testování a má mezi těmito povoláními najít to, které je podle jeho názoru nejprestižnější. Tomuto povolání udělí 99 bodů. Poté má respondent najít naopak povolání, které je podle něj nejméně prestižní, tomu dá jen jeden bod. A zbývajícím povoláním má respondent přiřadit body mezi dvěma a 98. Tím vytvoří svůj žebříček prestižnosti povolání. Na rozhodování jednotlivých respondentů má samozřejmě vliv mnoho faktorů například to, jaké povolání mají samotní respondenti či zda jsou respondenti schopni si za daným povoláním představit nějakého zástupce. Vzhledem k tomu, že na povolání se v rámci tohoto výzkumu výzkumníci přímo neptali, zaměříme se na jinou otázku týkající se posuzování prestiže vztahu mezi hodnocením profese a spokojeností se sférou (společenskou oblastí), ve které se dané povolání nejčastěji vyskytuje. Ukažme si to na příkladu povolání lékaře, to je povolání, které získává v moderních industrializovaných zemích (včetně České republiky) vždy vysoké hodnocení, co se týče prestiže. Ve výzkumu Komentář [JS2]: M2jte namysli nepoučeného čtenáře, proto vždy postupujte ve výkladu od obecného ke konkrétnímu. Zde je to navíc trochu nejasné/složité, proto o to víc to chce hned v úvodu pojmenovat (nejde Vám přeci o prestiž jako takovou ale její vztah k těm sférám). Vím máte to tam v dalším odstavci, ale zde to nevadí zopakovat to. 1
2 Naše společnost z června 2012 bylo průměrné hodnocení tohoto povolání přibližně 90 (tab. 1), což je nepochybně velmi vysoké hodnocení, avšak spokojenost s českým zdravotnictvím jako takovým už vysoká není průměrná hodnota odpovědí je 3,24 (tab. 2), což znamená, že respondenti jsou tak napůl spokojeni s českým zdravotnictvím, to dokládá i graf 1. Jinými slovy, lékařské povolání se těší vysoké prestiži, ale české zdravotnictví už tolik ne. Dalo by se říci, že ne příliš velká spokojenost s českým zdravotnictvím patrně nebude způsobena lékaři samotnými, ale může být způsobena jinými okolnostmi např. mohou být respondenti nespokojeni s cenami léků, cenami lékařských výkonů, s poplatky u lékaře, s čekací dobou na ošetření či operace apod. Další možností této jakési diskrepance mezi hodnocením prestiže lékaře a hodnocením zdravotnictví může tkvít i v sociální desirabilitě je možné, že lidé si myslí, že se od nich očekává dát lékaři dobré hodnocení, že by nebylo žádoucí, aby měl lékař špatné hodnocení. Bohužel tuto otázku nelze v rámci tohoto výzkumu uspokojivě zodpovědět. Budeme tedy v našem výzkumu zjišťovat, zda existuje vztah mezi hodnocením jednotlivých součástí společenského systému a hodnocením prestiže povolání jejich představitelů. Vzhledem k tomu, že v našich analýzách budou vystupovat kardinální (spojité) proměnné a ordinální proměnné, budeme k našim analýzám využívat analýzu rozptylu ANOVA, kde závislou proměnnou bude hodnota prestiže dané profese (měřená indexem 1 99) a případě poté i post hoc test pro určení rozdílů mezi konkrétními kategoriemi nezávislé proměnné (spokojenost s danou sférou), konkrétně Bonferroniho korekce. K analýze rozptylu však potřebujeme alespoň přibližně normální rozložení hodnot, což patrně nebude dodrženo ve všech případech, proto budeme muset některé proměnné rekódovat a tedy spojovat některé hodnoty dohromady. Jinou možností by bylo využít některý neparametrický test např. Kruskal Wallisův test. My však využijeme první možnost. Komentář [JS3]: Průměr tady není nejvhodnější míra, raději procenta, tedy sečíst % velmi+spíše spokojen oproti % velmi+spíše nespokojen. Viz poznámku u Tabulky 2. Komentář [JS4]: Tady by si čtenář zasloužil přehledně vyjmenovat všechny oblasti a zástupce vyjmenovat, tj. zdravotnictví a lékař (případně i argumentovat, co Vás vedlo k výběru právě těchto profesí). Ona je to vlastně operacionalizace hypotéz (to jaké zástupce vyberete pro jaké oblasti). Komentář [JS5]: To je pravda, ale to se týká závislé proměnné, tady indexu prestiže dané profese. Viz také poznámku Komentář ke zvolené analýze a typu proměnných: Hned v úvodu bychom měli poznamenat, že naše analýzy mají poměrně vysoké procento chybějících hodnot, což je z toho důvodu, že v rámci výzkumu Naše společnost z roku 2012 dotazovalo CVVM 1034 respondentů, avšak celý tento vzorek rozdělila na dvě poloviny na skupinu X s 511 respondenty a na skupinu Y s 523 respondenty. Tudíž prestiž hodnotili pouze respondenti z výběrového souboru X. 2
3 Analýzy Ještě přede všemi analýzami je potřeba zkontrolovat hodnoty proměnných, s nimiž budeme později pracovat a případně dát nereálné hodnoty do missingů. Začneme tím, co jsme naznačili už v úvodu spokojenost s českým zdravotnictvím a prestiží povolání lékaře. V tomto případě se nám naše hypotéza nepotvrdila výsledek analýzy rozptylu (ONEWAY ANOVA) vyšla ukazuje, že nemůžeme zamítnout nulovou (statistickou) hypotézu o rovnosti průměrů neprůkazně (p=0,131) (tab. 3). Komentář [JS6]: Tohle příště raději jen do poznámky. Nyní podobné testování provedeme se školstvím (PS_5d), bezpečností občanů (PS_5f), situací v armádě (PS_5h), soudnictvím (PS_5l), zemědělstvím (PS_5p), politickou situaci v ČR (PS_5q) a vědou a výzkumem (PS_5t). Především si ale zkontrolujeme všechny hodnoty proměnných. Ty jsou v pořádku všechny chybějící hodnoty jsou správně zadány a proměnné neobsahují žádné nereálné či jinak špatné hodnoty. Můžeme se tedy pustit do analýz. Jen je potřeba hned na úvod poznamenat, že v některých případech bylo ale nutno testovat dvakrát například školství bylo testováno na učiteli základní školy i na učiteli vysoké školy. Avšak ještě se musíme podívat, zda všechny proměnné mají přibližně normální rozdělení, což je základní podmínkou ANOVY. U zdravotnictví jsme viděli už podle sloupcového grafu (tzv. barchart), že daná proměnná má normální rozdělení, nyní tedy rozdělení hodnot prozkoumáme i u dalších proměnných, u nich si necháme zobrazit histogram a také normálovou křivku. Normální rozdělení nemají pouze 3 proměnné spokojenost se situací v soudnictví (graf 2), spokojenost se situací v zemědělství (graf 3) a spokojenost se situací na politické scéně (graf 4). Všechny tyto proměnné jsou výrazně vychýleny doprava, tedy respondenti jsou spíše nespokojeni s danou situací, proto musíme všechny tyto 3 proměnné rekódovat tak, že sloučíme odpověď velmi spokojen a spíše spokojen. Toto slučování nevyřešilo zcela problém u spokojenosti s poltickou situací v ČR, protože tato proměnná zůstává stále vychýlena doprava, směrem k nespokojenosti. Nicméně my už tuto proměnnou dále rekódovat nebudeme, protože to bychom museli spojit odpovědi velmi spokojen, spíše spokojen a tak napůl spokojen, což je poměrně velký záběr odpovědí, které už není žádoucí. 3
4 Můžeme tedy přistoupit k analýzám. V rámci přílohy jsou uvedeny tabulky u těch proměnných, které vyšly průkazně, u statisticky neprůkazných vztahů je uvedena pouze p hodnota analýzy ANOVA. Co se týče spokojenosti ve školství a učitele na základní či vysoké školy, tak v tomto případě se žádný statisticky prokazatelný vztah neobjevil (p=0,397 u učitele ZŠ a p=0,378 v případě učitele na VŠ). Co se týče bezpečnosti občanů a hodnocení prestiže policisty, tak ani zde se žádný vztah neobjevil (p=0,826). Statisticky prokazatelný vztah se objevil až v případě hodnocení situace v armádě a hodnocení prestiže vojáka z povolání (p=0,000), kde se mezi sebou liší respondenti, kteří odpovědi, že jsou spíše spokojeni se situací v armádě od těch, kteří odpověděli, že jsou spíše nespokojeni a velmi nespokojeni (tab. 4), graficky znázorněný vidíme tento vztah na grafu 5. Z něj vidíme, že čím více jsou lidé nespokojení se situací v armádě, tím méně prestižně označují povolání profesionálního vojáka. Stejná situace nastala i v případě hodnocení soudce kdo je nespokojen se situací v soudnictví, hodnotí hůře prestiže soudce (p=0,000). K překvapení však došlo v případě hodnocení prestiže zemědělce (graf 7). I v tomto případě vyšel vztah průkazně (p=0,006), avšak zde je situace přesně opačná, než u soudce čím jsou lidé více nespokojení s českým zemědělstvím, tím více hodnotí povolání zemědělce jako prestižní. To můžeme vysvětlit například tak, že lidé si myslí, že za případnými problémy českého zemědělství nestojí zemědělci, ale někdo jiný, tedy že příčinou problémů v českém zemědělství je někdo jiný než samotná zemědělci. K překvapení však nedošlo v případě hodnocení poslance (p=0,000) a ministra (p=0,000) a spokojeností respondentů s politickou situací v ČR tedy čím více jsou lidé nespokojeni s českou politickou situací, tím méně jim přijde povolání poslance a ministra prestižní. Poslední sledovanou položkou byla spokojenost s vědou a výzkumem a vztah k prestiži vědce. V tomto případě však nebyl žádný vztah nalezen. Nelze si však myslet, že by mezi každými dvěma proměnnými musel nutně existovat monokauzální vztah. Drtivá většina jevů ve společnosti není způsobena jednou příčinou, ale má příčin hned několik. My se v další části analýz podíváme blíže na tyto intervenující vlivy. K testování vlivu 3. proměnné využijeme kontingenční tabulky, k tomu však potřebujeme rekódovat některé proměnné, abychom neměli v kontingenční tabulce prázdná místa. Naše Komentář [JS7]: Komentář ke zvolené analýze a typu proměnných: Pokud One Way ANOVA, pak bych asi nezávislé proměnné nejprve rekódoval do menšího počtu věcně smysluplných kategorií ( typů lidí ) Jde o to, že v analýze rozptylu se většinou používá na kategoriální nezávislé proměnné, zejména vysloveně kvalitativní nominální. To je její smyslem. Takže tady by bylo smysluplné překódování na 1+2 (rozhodně+spíše) Nespokojen 3 Tak napůl 4+5(spíše+rozhodně) Nespokojen. Alternativně by šlo analyzovat vztahy na původních ordinálních škálách pomocí ordinálníchpořadových korelací. Ale věcně to moc neřekne (v tomto jsou interpretačně nejvděčnější % rozdíly, tady tedy rozdíly v průměrech na škále prestiže). Pokud byste chtěla procenta, pak by se i závislá proměnná index prestiže profese musel rekódovat na kategorie, zde bych to udělal buď po/nad medián a nebo lépe na tercily. Ostatně tak to máte i tabulce 9 a 10, kde provádíte třídění 3.stupně. Komentář [JS8]: POZOR Důležité upozornění: V prvním kroku sledovat jen p value a rychle tak zamítnout hypotézy (tj. přijmout nulovouhyp. o nerozdílech ) je ok (hypotéza je zde v OneWayANOVA, že minimálně jedna kategorie nezávislé proměnné se odlišuje ). Ale jakmile svou hypotézu nezamítáte, ptejte se také po velikosti rozdílu, tj. kolik bodů je rozdíl v průměru mezi krajními kategoriemi spokojenosti (či při menším počtu pro všechny kategorie, zde Spokojen/Napůl/Nespokojen). Ten pak dokonce můžete porovnávat i mezi oblastmi (je větší u zdravotnictví X lékař a nebo armáda X voják? k tomu se hodí koeficienty EtaSq) a hlavně tento rozdíl věcně interpretuje. Vždy se ptejte: Kolik bodů je rozdíl mezi kategoriemi nezávislého znaku při jakém rozpětí škály, ideální je si to alespoň pro sebe vyjádřit pomocí procent. Komentář [JS9]: i zde by v odborném textu měly být uvedeny hodnoty testu (alespoň tedy p value) 4
5 hypotéza zní, že ve vztahu mezi prestiží poslance a spokojeností s politickou situací budeme kontrolovat vliv proměnné týkající se ztráty zaměstnání. Jinými slovy, očekáváme, že lidé, kteří mají obavu, že mohou o své zaměstnání přijít, budou hodnotit prestiž poslance více negativně, protože budou mít pocit, že ti pro ně nic nedělají a že díky nim, je jejich situace na trhu práce takto nejistá. Zjistili jsme, že čím více jsou lidé spokojení se situací na politické scéně, tím lépe hodnotí poslance DOPLNIT O KOLIK (tab. 9). Avšak není tento vztah determinován spíše respondentovou případně ovlivněn moderujícím působením případnou obavou o své zaměstnání? Jak velkou redukci v tom vztahu tvoří třetí proměnná obava respondenta o zaměstnání? Zjistili jsme, že poměrně vysokou 56% (tab. 12). Jinými slovy, pokud se respondent bojí o své zaměstnání, je o to více nespokojen s politickou scénou. Tady chybí závěr, kde by se stručně zopakovalo, co jsme zkoumali, jak jsme to analyzovali (to velmi, velmi stručně), k čemu jsme došli a nějaké obecnější sociologické zhodnocení zkoumaného fenoménu (tj. zde vztahu mezi prestiží konkrétních profesí a hodnocení oblastí, kde se tyto profese vyskytují). Komentář [JS10]: OK, velmi zajímavá hypotéza. Nicméně malá poznámka, řekl bych že tou pravou příčinnou je stejně vzdělání (to totiž asi ovlivňuje jak hodnocení prestiže tak i pocit ztráty zaměstnání a nakonec i hodnocení politiky). Ověřit by to šlo jednoduše spočítáním korelace vzdělání se všemi zde uvažovanými proměnnými. Pokud k tomu nemáte zvláštní důvod, tak vždy volte logicky (časově) předcházející proměnnou, navíc jaksi robustnější a pestřejší z hlediska interpretace (zde tedy vzdělání). Ale může se jednat o Komentář [JS11]: To možná ano (a t oje dobré na úvod zmínit), ale o to přeci v této elaboraci nejde. Tady se nejprve ptáte, zda je vztah pro prestiž a spokojenost s politikou stejný v kategoriích obavy o zaměstnání (tj. jsou % rozdíly krajních kategoriích Hodnocení politiky stejné v kategoriích Obavy o zaměstnání?). Pak, pokud 3.proměnná (obava o zam.) intervenuje, pak se můžeme ptát o kolik (a zda vůbec) poklesl vliv spokojenosti s politikou na prestiž (tj. kolik % v tomto vztahu bylo zprostředkováno kontrolní proměnnou Obavou). Pro jednoduché ověření této interakce (zároveň ale se statistickým testem) by stačilo nejprve udělat na původních spojitých proměnných graf ERROR BAR PrestižPolitika BY HodnoceníPolitiky BY Má/nemáObavuOzam. 5
6 Příloha tabulky a grafy Tabulka 1: Průměrné hodnocení prestiže povolání lékaře; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Report EU.104xi Hodnocení povolání lékař Mean N Std. Deviation 90, ,932 N (validní) = 509 (chybějící hodnoty 50,8% jedná se pouze o polovinu výběrového souboru) Tabulka 2: Tabulka zobrazující průměrné odpovědi u otázky ohledně spokojenosti s českým zdravotnictvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 1026 (chybějící hodnoty 0,8%) Statistics PS.5b Spokojenost - zdravotnictví N Valid 1026 Missing 8 Mean 3,24 Komentář [JS12]: Tak tady bych dal rozložení procent odpovědí na původní škále spokojenosti tj. to co je v následujícím grafu 1 (kde jsou ale absolutní četnosti). Průměr sám jako takový nic moc neříká (navíc je statisticky problematický, byť tady je to ok), pokud použít průměr, tak spíše pro srovnání více položek, tj. zde spokojeností s různými oblastmi života. To může něco říci o pozici zdravotnictví relativně vůči ostatním hodnoceným oblastem. Graf 1: Sloupcový graf zobrazující spokojenost respondentů s českým zdravotnictvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 1026 (chybějící hodnoty 0,8%) 6
7 Tabulka 3: Tabulka analýzy rozptylu ANOVA; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA EU.104xi Hodnocení povolání lékař F Sig. Between Groups 1,784 0,131 N (validní) = 506 (chybějící hodnoty: 51,1% jedná se pouze o polovinu výběrového souboru) Graf 2: Sloupcový graf zobrazující spokojenost respondentů s českým soudnictvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 946 (chybějící hodnoty 8,5%) 7
8 Graf 3: Sloupcový graf zobrazující spokojenost respondentů s českým zemědělstvím; všichni respondenti starší 15 let z výzkumu Naše společnost N (validní) = 969 (chybějící hodnoty 6,3%) Graf 4: Sloupcový graf zobrazující spokojenost respondentů s českou politickou situací; všichni respondenti starší 15 let z výzkumu Naše společnost
9 N (validní) = 1020 (chybějící hodnoty 1,4%) Tabulka 4: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace v armádě a hodnocením prestiže vojáka z povolání; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost spíše spokojen spíše nespokojen,019 velmi nespokojen,001 ANOVA: p= 0,000; F hodnota = 5,168) N (validní) = 333 (chybějící hodnoty 67,8% jedná se pouze o polovinu výběrového souboru) Graf 5: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace v armádě a hodnocením prestiže vojáka z povolání; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 5,168) N (validní) = 333 (chybějící hodnoty 67,8% jedná se pouze o polovinu výběrového souboru) 9
10 Tabulka 5: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace v soudnictví a hodnocením prestiže soudce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Multiple Comparisons Dependent Variable: EU.104xq Hodnocení povolání soudce Bonferroni (I) Spokojenost se soudnictvím rekódovaná Sig. Spokojen/a Spíše nespokojen/a,006 Velmi nespokojen/a,000 Napůl spokojen/a Spíše nespokojen/a,000 Velmi nespokojen/a,000 ANOVA: p= 0,000; F hodnota = 16,182) N (validní) = 467 (chybějící hodnoty 54,8% jedná se pouze o polovinu výběrového souboru) 10
11 Graf 6: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace v soudnictví a hodnocením prestiže soudce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 16,182) N (validní) = 467 (chybějící hodnoty 54,8% jedná se pouze o polovinu výběrového souboru) Tabulka 6: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace v zemědělství a hodnocením prestiže zemědělce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Multiple Comparisons Dependent Variable: EU.104xe Hodnocení povolání soukromý zemědělec Bonferroni (I) Spokojenost se zemědělstvím rekódovaná Spokojen/a Napůl spokojen/a Velmi nespokojen/a Velmi nespokojen/a Sig.,011,009 ANOVA: p= 0,006; F hodnota = 4,235) N (validní) = 477 (chybějící hodnoty 53,9% jedná se pouze o polovinu výběrového souboru) 11
12 Graf 7: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace v zemědělství a hodnocením prestiže zemědělce; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,006; F hodnota = 4,235) N (validní) = 477 (chybějící hodnoty 53,9% jedná se pouze o polovinu výběrového souboru) Tabulka 7: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže poslance; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Dependent Variable: EU.104xy Hodnocení povolání poslanec Bonferroni (I) Spokojenost s politickou situací rekódovaná Spokojen/a Velmi nespokojen/a Sig.,015 Napůl spokojen/a Velmi nespokojen/a,006 ANOVA: p= 0,000; F hodnota = 7,102) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) 12
13 Graf 8: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže poslance; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 7,102) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) Tabulka 8: Tabulka Bonferroniho korekcí pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže ministra; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Multiple Comparisons Dependent Variable: EU.104xr Hodnocení povolání ministr Bonferroni (I) Spokojenost s politickou situací rekódovaná Sig. 13
14 Spokojen/a Velmi nespokojen/a,029 Napůl spokojen/a Velmi nespokojen/a,003 Spíše nespokojen/a Velmi nespokojen/a,006 ANOVA: p= 0,000; F hodnota = 6,999) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) Graf 9: Graf konfidenčních intervalů pro závislost mezi hodnocením spokojenosti situace na politické scéně a hodnocením prestiže ministra; respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost ANOVA: p= 0,000; F hodnota = 6,999) N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) 14
15 Tabulka 9: Kontingenční tabulka závislosti prestiže poslance na spokojenosti respondenta s politickou situací (s vyznačenými procenty, s nimiž budeme počítat při kontrole vlivu třetí proměnné jedná se o hrubý rozdíl: 86,3% 76,9%=9,3%); respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost 2012 Prestiž poslance - rekódovaná * Spokojenost s politickou situací - rekódovaná Crosstabulation % within Spokojenost s politickou situací - rekódovaná Spokojenost s politickou situací - rekódovaná Total Spokojen/a Napůl Spíše Velmi spokojen/a nespokojen/a nespokojen/a Prestiž poslance - Váží si málo 76,9% 77,0% 77,2% 86,3% 81,3% rekódovaná Váží si hodně 23,1% 23,0% 22,8% 13,7% Komentář [JS13]: K tomu 18,7% rekódu nenacházím nikde žádné Total 100,0% 100,0% 100,0% 100,0% 100,0% vysvětlení, na základě čeho byl proveden. Pod/nad průměr nebo pod/nad medián? N (validní) = 502 (chybějící hodnoty 51,5% jedná se pouze o polovinu výběrového souboru) Tabulka 10: Kontingenční tabulka závislosti prestiže poslance na spokojenosti respondenta s politickou situací, při kontrole proměnné týkající se obavy respondenta o ztrátu zaměstnání (s vyznačenými procenty, s nimiž budeme počítat při kontrole vlivu třetí proměnné); respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Prestiž poslance - rekódovaná * Spokojenost s politickou situací - rekódovaná * Pravděpodobnost ztráty zaměstnání - rekódovaná Crosstabulation % within Spokojenost s politickou situací - rekódovaná Pravděpodobnost ztráty zaměstnání - rekódovaná Spokojenost s politickou situací - rekódovaná Spokojen/a Napůl spokojen/a Spíše nespokojen/a Velmi nespokojen/a Prestiž poslance - rekódovaná Prestiž poslance - rekódovaná Prestiž poslance - rekódovaná Prestiž poslance - rekódovaná Váží si málo Váží si hodně Váží si málo Váží si hodně Váží si málo Váží si hodně Váží si málo Váží si hodně Spíše či velmi pravděpodobn é N (validní) = 221 (chybějící hodnoty 78,6% jedná se pouze o polovinu výběrového souboru) Spíše či velmi nepravděpodobn é Total 66,7% 69,2% 68,8% 33,3% 30,8% 31,2% 42,9% 75,9% 69,4% 57,1% 24,1% 30,6% 79,3% 86,8% 84,1% 20,7% 13,2% 15,9% 88,9% 90,0% 89,7% 11,1% 10,0% 10,3% 15
16 Tabulka 11: Tabulka četností odpovědí na otázku, jaká je podle respondenta pravděpodobnost, že v nejbližší době ztratí zaměstnání (s vyznačenými validními procenty, s nimiž budeme propočítávat vliv třetí proměnné); respondenti z výběrového souboru X starší 15 let z výzkumu Naše společnost Pravděpodobnost ztráty zaměstnání - rekódovaná Frequency Percent Valid Percent Cumulative Percent Valid Spíše či velmi pravděpodobné Spíše či velmi nepravděpodobné ,2 29,5 29, ,6 70,5 100,0 Total ,9 100,0 Missing System ,1 Total ,0 N (validní) = 464 (chybějící hodnoty 55,1% jedná se pouze o polovinu výběrového souboru) Tabulka 12: Tabulka výpočtu redukce vlivu proměnné obava ze ztráty zaměstnání na vztah mezi spokojeností se stavem politické scény a prestiží poslance. Výpočet vlivu třetí proměnné Spokojen/a s politickou situací 66,7*0,295+69,2*0,705 = 68,4625 Napůl spokojen/a s politickou situací 42,9*0,295+75,9*0,705 = 66,165 Spíše nespokojen/s politickou situací 79,3*0,295+86,8*0,705 = 84,5875 Velmi nespokojen/a s politickou situací 88,9*0,295+90*0,705 = 89,6755 ČISTÝ ROZDÍL 89, ,4625 = 21,213 REDUKCE 1 (9,3/21,213)*100 = 56, = 56% 16
17 Příloha - kompletní syntax celé seminární práce *Hodnocení prestiže lékaře. MEANS EU_104xi. *Spokojenost se zdravotnictvím v ČR. FREQUENCIES PS_5b/BARCHART/STATISTICS MEAN. *Dá se očekávat, že lidé nespokojení např. se zdravotnictvím, nebudou hodnotit tak kladně lékaře jako ti, kteří jsou se zdravotnictvím spokojeni. *Spokojenost se zdravotnictvím a hodnocení lékaře nejprve si raději zkontrolujeme hodnoty proměnné zda jsou v pořádku:. FREQUENCIES PS_5b EU_104xi. *Ještě dáme do missingů hodnotu NEVÍ. MISSING VALUES PS_5b (0 9). FREQUENCIES PS_5b. EXAMINE EU_104xi BY PS_5b. ONEWAY EU_104xi BY PS_5b. *ANOVA vyšla neprůkazně (p=0,131). *Každopádně zde se nám naše hypotéza nepotvrdila, zkusíme to tedy se školstvím (PS_5d), bezpečností občanů (PS_5f), situací v armádě (PS_5h). *Také otestujeme soudnictví (PS_5l), zemědělství (PS_5p), politickou situaci v ČR (PS_5q), vědu a výzkum (PS_5t). *Nejdříve opět zkontrolujeme hodnoty jednotlivých proměnných. FREQUENCIES PS_5d PS_5f PS_5h PS_5l PS_5p PS_5q PS_5t. *Zjistíme, zda mají všechny proměnné, s nimiž budeme později pracovat, normální rozdělení. FREQUENCIES PS_5d PS_5f PS_5h PS_5l PS_5p PS_5q PS_5t/HISTOGRAM NORMAL. *Normální rozdělení nemají pouze 3 proměnné spokojenost se situací v soudnictví (PS_5l), spokojenost se situací v zemědělství (PS_5p) a spokojenost se situací na politické scéně (PS_5q). *Nyní tyto 3 proměnné rekodujeme tak, že spojíme odpověď velmi spokojen a spíše spokojen. *Nejdříve rekódujeme soudnictví. RECODE PS_5l (1 2 = 1) (3 = 2) (4 = 3) (5 = 4) (ELSE = COPY) INTO PS_5l_RECODE. VARIABLE LABELS PS_5l_RECODE "Spokojenost se soudnictvím rekódovaná". VALUE LABELS PS_5l_RECODE 1 "Spokojen/a" 2 "Napůl spokojen/a" 3 "Spíše nespokojen/a" 4 "Velmi nespokojen/a". MISSING VALUES PS_5l_RECODE (9). FREQUENCIES PS_5l_RECODE/HISTOGRAM NORMAL. *Nyní rekódujeme zemědělství. RECODE PS_5p (1 2 = 1) (3 = 2) (4 = 3) (5 = 4) (ELSE = COPY) INTO PS_5p_RECODE. VARIABLE LABELS PS_5p_RECODE "Spokojenost se zemědělstvím rekódovaná". VALUE LABELS PS_5p_RECODE 1 "Spokojen/a" 2 "Napůl spokojen/a" 3 "Spíše nespokojen/a" 4 "Velmi nespokojen/a". MISSING VALUES PS_5p_RECODE (9). FREQUENCIES PS_5p_RECODE/HISTOGRAM NORMAL. *Nyní rekódujeme politickou situaci. RECODE PS_5q (1 2 = 1) (3 = 2) (4 = 3) (5 = 4) (ELSE = COPY) INTO PS_5q_RECODE. VARIABLE LABELS PS_5q_RECODE "Spokojenost s politickou situací rekódovaná". 17
18 VALUE LABELS PS_5q_RECODE 1 "Spokojen/a" 2 "Napůl spokojen/a" 3 "Spíše nespokojen/a" 4 "Velmi nespokojen/a". MISSING VALUES PS_5q_RECODE (9). FREQUENCIES PS_5q_RECODE/HISTOGRAM NORMAL. *Tato proměnná je přesto stále poměrně vychýlena doprava, nicméně nyní již rekódovat nebudeme, protože bychom už spojovali poměrně nesouměřitelné odpovědi. *. *ANALÝZY ANOVA. *Školství (PS_5d) učitel na ZŠ (EU_104xj), učitel na VŠ (EU_104xd). ONEWAY EU_104xj BY PS_5d. *V tomto případě vyšla ANOVA neprůkazně (p=0,397). ONEWAY EU_104xd BY PS_5d. *V tomto případě vyšla ANOVA neprůkazně (p=0,378). *Bezpečnost občanů (PS_5f) policista (EU_104xm). ONEWAY EU_104xm BY PS_5f. *V tomto případě vyšla ANOVA neprůkazně (p=0,826). *Situace v armádě (PS_5h) voják z povolání (EU_104xk). ONEWAY EU_104xk BY PS_5h /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=5,168 > liší se spíše spokojen od spíše nespokojen (p=0,019) a spíše spokojen od velmi nespokojen (p=0,001). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xk BY PS_5h. *Soudnictví (PS_5l) soudce (EU_104xq). ONEWAY EU_104xq BY PS_5l_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=16,182 > liší se spokojen od spíše nespokojen (p=0,006), spokojen od velmi nespokojen (p=0,000) a napůl spokojen od spíše i velmi nespokojen (oboje p=0,000). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xq BY PS_5l_RECODE. *Zemědělství (PS_5p) soukromý zemědělec (EU_104xe). ONEWAY EU_104xe BY PS_5p_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,006; F=4,235 > liší se spokojen od velmi nespokojen (p=0,015); tak napůl od velmi nespokojen (p=0,006). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xe BY PS_5p_RECODE. EXAMINE EU_104xe BY PS_5p_RECODE. *Politická situace v ČR (PS_5q) poslanec (EU_104xy); ministr (EU_104xr). *Poslanec. ONEWAY EU_104xy BY PS_5q_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=7,102 > liší se spíše spokojen od velmi nespokojen (p=0,026);tak napůl od velmi nespokojen (p=0,009) spíše nespokojen od velmi nespokojen (p=0,009). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xy BY PS_5q_RECODE. *Ministr. ONEWAY EU_104xr BY PS_5q_RECODE /MISSING ANALYSIS /POSTHOC=BONFERRONI ALPHA(0.05). *ANOVA: p=0,000; F=6,999 > liší se spokojen od velmi nespokojen (p=0,029); napůl od velmi nespokojen (p=0,003) spíše nespokojen od velmi nespokojen (p=0,006). *Ještě se na celou situaci podíváme i v grafické podobě v podobě grafu konfidenčního intervalu. GRAPH ERRORBAR (CI) EU_104xy BY PS_5q_RECODE. 18
19 *Věda a výzkum (PS_5t) vědec (EU_104xo). ONEWAY EU_104xo BY PS_5t. *V tomto případě vyšla ANOVA neprůkazně (p=0,308). *. *ODSTRANĚNÍ VLIVU 3. PROMĚNNÉ. *Ti, kdo hodnotí politickou situaci jako špatnou, budou mít pocit, že mají větší pravděpodobnost ztráty zaměstnání (EU_103). *Nejdříve si zkontrolujeme všechny proměnné, s nimiž budeme pracovat a poté ty spojité rekódujeme vytvoříme z nich ordinální proměnné. FREQUENCIES EU_103. *Odstraníme hodnotu 9 ("Neví") do chybějících hodnot. MISSING VALUES EU_103 (0 9). FREQUENCIES EU_103. *Nyní provedeme rekódování proměnné prestiž poslance. FREQUENCIES EU_104xy. RECODE EU_104xy (1 THRU 50 = 1) (51 THRU 99 = 2) INTO EU_104xy_RECODE. VARIABLE LABELS EU_104xy_RECODE "Prestiž poslance rekódovaná". VALUE LABELS EU_104xy_RECODE 1 "Váží si málo" 2 "Váží si hodně". FREQUENCIES EU_104xy_RECODE. *Nyní rekódujeme proměnnou pravděpodobnost ztráty zaměstnání. FREQUENCIES EU_103. RECODE EU_103 (1 THRU 2 = 1) (3 THRU 4 = 2) INTO EU_103_RECODE. VARIABLE LABELS EU_103_RECODE "Pravděpodobnost ztráty zaměstnání rekódovaná". VALUE LABELS EU_103_RECODE 1 "Spíše či velmi pravděpodobné" 2 "Spíše či velmi nepravděpodobné". FREQUENCIES EU_103_RECODE. *Třídění 2.stupně. CROSSTABS EU_104xy_RECODE BY PS_5q_RECODE/CELLS = COLUMN. *Hrubý rozdíl: 86,3% 76,9%=9,3%. *Čím více jsou lidé spokojení se situací na politické scéně, tím lépe hodnotí poslance. *Třídění 3.stupně. CROSSTABS EU_104xy_RECODE BY PS_5q_RECODE BY EU_103_RECODE/CELLS = COLUMN. * Zde získáme hodnoty validních procent, pomocí nichž budeme převažovat. FREQUENCIES EU_103_RECODE. 19
Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
VíceSpokojenost se životem
SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO
VíceExcel mini úvod do kontingenčních tabulek
UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (ZS 2005+) Kvantitativní metody výzkumu v praxi Excel mini úvod do kontingenčních tabulek (nepovinnáčást pro KMVP) Jiří Šafr jiri.safratseznam.cz
VíceAnalýza dat z dotazníkových šetření. Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/
Analýza dat z dotazníkových šetření Cvičení 3. - Jednorozměrné třídění Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/ - Seznamte se s dotazníkem a strukturou
VíceKategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1
Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze
VíceADDS cviceni. Pavlina Kuranova
ADDS cviceni Pavlina Kuranova Testy pro dva nezávislé výběry Mannův Whitneyho test - Založen na Wilcoxnově statistice W - založen na pořadí jednotlivých pozorování (oba výběry spojeny do jednoho celku)
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
VíceJana Vránová, 3.lékařská fakulta UK, Praha. Hypotézy o populacích
Jana Vránová, 3.lékařská fakulta UK, Praha Hypotézy o populacích Příklad IQ test: Předpokládejme, že z nějakého důvodu ministerstvo školství věří, že studenti absolventi středních škol v Hradci Králové
VíceMetodologie pro ISK 2, jaro Ladislava Z. Suchá
Metodologie pro ISK 2, jaro 2014. Ladislava Z. Suchá Metodologie pro Informační studia a knihovnictví 2 Modul 7: Třídění druhého stupně. Kontingenční tabulky Co se dozvíte v tomto modulu? Co je třídění
VíceTabulka 1 Rizikové online zážitky v závislosti na místě přístupu k internetu N M SD Min Max. Přístup ve vlastním pokoji 10804 1,61 1,61 0,00 5,00
Seminární úkol č. 4 Autoři: Klára Čapková (406803), Markéta Peschková (414906) Zdroj dat: EU Kids Online Survey Popis dat Analyzovaná data pocházejí z výzkumu online chování dětí z 25 evropských zemí.
VíceTestování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test
Testování hypotéz 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test Testování hypotéz proces, kterým rozhodujeme, zda přijmeme nebo zamítneme nulovou hypotézu
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceMetodologie pro Informační studia a knihovnictví
Metodologie pro Informační studia a knihovnictví Transformace proměnných Co se dozvíte v tomto modulu? Jak vytvořit novou proměnnou pomocí rekódování? Jak vytvořit novou proměnnou pomocí aritmetických
VíceTestování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry
Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet
VíceVymezení důležitých pojmů. nulová hypotéza, alternativní hypotéza testování hypotézy hladina významnosti (alfa) chyba I. druhu, chyba II.
Testování hypotéz 1. vymezení důležitých pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test 4. t-test pro nezávislé výběry 5. t-test pro závislé výběry Vymezení důležitých pojmů nulová
VíceAnalýza rozptylu. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Srovnávání více než dvou průměrů
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Analýza rozptylu Srovnávání více než dvou průměrů If your experiment needs statistics, you ought to have done a better experiment. Ernest Rutherford
Víceps Kvóty: 1/[14] Jilská 1, Praha 1 Tel.:
ps150305 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: +420 286 840 129 E-mail: jan.cervenka@soc.cas.cz Spokojenost se stavem ve vybraných
VíceÚKOL 2 1886 22 5,77 5,00 5 2,531,003,056 -,869,113
ÚKOL 2 Jméno a příjmení: UČO: Imatrik. ročník: Úkol 2.1: V souboru EVS99_cvicny.sav zjistěte, zdali rozložení názoru na to, kdo by měl být odpovědný za zajištění bydlení (proměnná q54h), je normální. Řešte
VíceTestování hypotéz a měření asociace mezi proměnnými
Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,
VícePříprava souboru dat a analýza
UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (LS 2007) Kvantitativní metody výzkumu v praxi PRAKTIKUM část 2 Příprava souboru dat a analýza Jiří Šafr jiri.safr@seznam.cz vytvořeno
Více5. Závislost dvou náhodných veličin různých typů (kategoriální a metrická veličina)
5. Závislost dvou náhodných veličin různých typů (kategoriální a metrická veličina) Cílem tématu je správné posouzení a výběr vhodného testu v závislosti na povaze metrické a kategoriální veličiny. V následující
Víceps Kvóty: 1/[20] Jilská 1, Praha 1 Tel.:
ps1607 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: +40 86 840 1 E-mail: milan.tucek@soc.cas.cz Spokojenost se stavem ve vybraných oblastech
VíceNázor na rozšířenost a míru korupce u veřejných činitelů a institucí březen 2017
Tisková zpráva Názor na rozšířenost a míru korupce u veřejných činitelů a institucí březen 0 Pouze % respondentů se domnívá, že velice málo veřejných činitelů je zkorumpováno. O zapojení téměř všech těchto
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
VícePříloha č. 1 Jedno a vícefaktorová analýza dat ANOVA
Příloha č. 1 Jedno a vícefaktorová analýza dat ANOVA Význam jednotlivých zkratek a pojmů: N Sm. odch. Sm. ch. Počet Směrodatná odchylka Směrodatná chyba -95,00% +95,00% Konfidenční interval SČ PČ F p Součet
VícePopisná statistika kvantitativní veličiny
StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali
Víceps Kvóty: 1/[19] Jilská 1, Praha 1 Tel.:
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: +420 286 840 1 E-mail: jan.cervenka@soc.cas.cz Spokojenost se stavem ve vybraných oblastech veřejného
VíceTECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
VíceStav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6
1. Příklad Byly sledovány rodinné stavy nevěst a ženichů při uzavírání sňatků a byla vytvořena následující tabulka četností. Stav Svobodný Rozvedený Vdovec Svobodná 37 10 6 Rozvedená 8 12 8 Vdova 5 8 6
VíceProgram Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.
Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní
VíceMetodologie pro ISK II
Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Jméno: Lucie Krechlerová, Karel Kozma, René Dubský, David Drobík Ročník: 2015/2016
VíceStatgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
VíceTISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: milan.tucek@soc.cas.cz Prestiž povolání červen 2013 Technické parametry Výzkum:
VíceKORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VíceJednofaktorová analýza rozptylu
Jednofaktorová analýza rozptylu David Hampel Ústav statistiky a operačního výzkumu, Mendelova univerzita v Brně Kurz pokročilých statistických metod Global Change Research Centre AS CR, 5 7 8 2015 Tato
VíceZpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.
Ing. Michal Dorda, Ph.D. 1 Př. 1: Cestující na vybraném spoji linky MHD byli dotazováni za účelem zjištění spokojenosti s kvalitou MHD. Legenda 1 Velmi spokojen Spokojen 3 Nespokojen 4 Velmi nespokojen
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceSeminář 6 statistické testy
Seminář 6 statistické testy Část I. Volba správného testu Chceme zjistit, zda se středeční a čtvrteční seminární skupiny liší ve výsledcích v 1. průběžné písemce ze statistiky. Chceme zjistit, zda 1. průběžná
VíceANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ ANALÝZA VÝSLEDKŮ VYUŢITÍ PROJEKTOVÉHO ŘÍZENÍ V ESN Příjmení a jméno: Hrdá Sabina, Kovalčíková
VíceDVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica
DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica Úloha A) koncentrace glukózy v krvi V této části posoudíme pomocí párového testu, zda nový lék prokazatelně snižuje koncentraci
VíceNávod na statistický software PSPP část 2. Kontingenční tabulky
Návod na statistický software PSPP část 2. Kontingenční tabulky Jiří Šafr FHS UK poslední revize 31. srpna 2010 Logika kontingenčních tabulek... 2 Postup vytváření kontingenčních tabulek v PSPP (SPSS)....
VíceSTATISTICA Téma 7. Testy na základě více než 2 výběrů
STATISTICA Téma 7. Testy na základě více než 2 výběrů 1) Test na homoskedasticitu Nalezneme jej v několika submenu. Omezme se na submenu Základní statistiky a tabulky základního menu Statistika. V něm
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 7: Třídění druhého stupně. Kontingenční tabulky Co se dozvíte v tomto modulu? Co je třídění druhého stupně Jak vytvořit a interpretovat kontingenční
VíceOpakování: Nominální proměnná více hodnotová odpověď.
Analýza dat z dotazníkových šetření Cvičení 4. - Zobecňování výběru na populaci Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/37771/ - Seznamte se s dotazníkem a strukturou otázek,
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceTestování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry
Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
Více1. Kategoriální proměnná nominální: (Tabulka a graf četností) Př.: sloupec (PokudanoJakčasto) -> Analyze -> Descriptive statistics -> Frequencies
Analýza dat z dotazníkových šetření Cvičení 2. - Jednorozměrné třídění Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/ - Seznamte se s dotazníkem a strukturou
VíceSEMINÁRNÍ PRÁCE Analýza kvantitativních dat II. Děti a závislost četby na jejich prospěchu. Revize (opravy a poznámky) Jiří Šafr
SEMINÁRNÍ PRÁCE Analýza kvantitativních dat II. Děti a závislost četby na jejich prospěchu Revize (opravy a poznámky) Jiří Šafr ANONYMIZOVÁNO FHS HISO 2.ročník 31.8.14 1 Obsah 1. Úvod do problematiky,
VíceTřídění statistických dat
2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.
VíceLEKCE 5: UMĚLÉ PROMĚNNÉ
LEKCE 5 UMĚLÉ PROMĚNNÉ TRANSFORMACE PROMĚNNÝCH RECODE COMPUTE CATEGORIZE VARIABLES COUNT RANK CASES 2 RECODE Vytváří z variant nominální proměnné či ordinální proměnné obecnější kategorie (kolapsuje obor
VíceJednofaktorová analýza rozptylu
I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých
VíceKorelace. Komentované řešení pomocí MS Excel
Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne
VíceSeminář 6 statistické testy
Seminář 6 statistické testy Část I. Volba správného testu Chceme zjistit, zda se Ježkovy a Širůčkovy seminární skupiny liší ve výsledcích v. průběžné písemce ze statistiky. Chceme zjistit, zda 1. průběžná
VícePearsonův korelační koeficient
I I.I Pearsonův korelační koeficient Úvod Předpokládejme, že náhodně vybereme n objektů (nebo osob) ze zkoumané populace. Často se stává, že na každém z objektů měříme ne pouze jednu, ale několik kvantitativních
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 6: Transformace proměnných Co se dozvíte v tomto modulu? Jak vytvořit novou proměnnou pomocí rekódování? Jak vytvořit novou proměnnou pomocí aritmetických
VícePrestiž povolání červen 2012
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: milan.tucek@soc.cas.cz Prestiž povolání červen 2012 Technické parametry Výzkum:
VíceNezaměstnanost z pohledu veřejného mínění
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: nadezda.horakova@soc.cas.cz Nezaměstnanost z pohledu veřejného mínění Technické
VíceVÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ
VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.
VíceStatistické testování hypotéz II
PSY117/454 Statistická analýza dat v psychologii Přednáška 9 Statistické testování hypotéz II Přehled testů, rozdíly průměrů, velikost účinku, síla testu Základní výzkumné otázky/hypotézy 1. Stanovení
VíceZpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.
SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné
VíceNázor na rozšířenost a míru korupce u veřejných činitelů a institucí březen 2016
po0 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 8 80 E-mail: jarmila.pilecka@soc.cas.cz Názor na rozšířenost a míru korupce u veřejných činitelů
VíceZX510 Pokročilé statistické metody geografického výzkumu. Téma: Měření síly asociace mezi proměnnými (korelační analýza)
ZX510 Pokročilé statistické metody geografického výzkumu Téma: Měření síly asociace mezi proměnnými (korelační analýza) Měření síly asociace (korelace) mezi proměnnými Vztah mezi dvěma proměnnými existuje,
VíceLEKCE 6 ZÁKLADY TESTOVÁNÍ HYPOTÉZ
1 LEKCE 6 ZÁKLADY TESTOVÁNÍ HYPOTÉZ STATISTICKÉ HYPOTÉZY neboli formální výroky o: neznámých parametrech základního souboru, o tvaru rozložení četností, o statistických vztazích mezi soubory či proměnnými
VíceČETNOSTI A ROZLOŽENÍ ČETNOSTÍ
PSY117/454 Statistická analýza dat v psychologii Přednáška 2 ČETNOSTI A ROZLOŽENÍ ČETNOSTÍ Je snadné lhát s pomocí statistiky. Je těžké říkat pravdu bez ní. Andrejs Dunkels; wikiquote Jaké hodnoty máme
Více(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.
Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ ANALÝZA VÝSLEDKŮ DOTAZNÍKOVÉHO ŠETŘENÍ (FAKULTNÍ DOTAZNÍK) Datum odevzdání: 13.05.2016
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci
VíceZpracoval: Milan Tuček Centrum pro výzkum veřejného mínění, Sociologický ústav AV ČR, v.v.i. Tel.:
Tisková zpráva Míra naléhavosti různých oblastí veřejného života únor Nejnaléhavějším problémem je opět korupce. % dotázaných její řešení považuje za velmi naléhavé. Následuje ji přistěhovalectví (61 %),
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 4: Kódování a rekódování. Deskriptivní statistika popis dat I Co se dozvíte v tomto modulu? Co zjišťujeme u nominálních proměnných? Co zjišťujeme
VíceStatSoft Jak poznat vliv faktorů vizuálně
StatSoft Jak poznat vliv faktorů vizuálně V tomto článku bychom se rádi věnovali otázce, jak poznat již z grafického náhledu vztahy a závislosti v analýze rozptylu. Pomocí následujících grafických zobrazení
VíceLEKCE 02a UNIVARIAČNÍ ANALÝZA KATEGORIZOVANÝCH DAT
LEKCE 02a UNIVARIAČNÍ ANALÝZA KATEGORIZOVANÝCH DAT 1 Základní statistickou úlohou je popis stavu základního souboru Východiskem je většinou výběrový soubor (odvozujeme popis základního souboru z popisu
VíceIntervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace
Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje
VíceLEKCE02a ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH DAT vzorový výsledek cvičení
SOC1/ LEKCE : ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH A SPOJITÝCH DAT: LEKCEa ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH DAT vzorový výsledek cvičení CVIČENÍ.1: Je česká populace věřící, nebo nevěřící? Tuto otázku
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
VíceDemokracie, lidská práva a korupce mezi politiky
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR V Holešovičkách 41, Praha 8 Tel./fax: 02/86 84 0129, 0130 E-mail: cervenka@soc.cas.cz Demokracie, lidská práva a korupce mezi
VíceUniverzita Karlova v Praze, Fakulta Humanitních Studií Obor Historická sociologie. Seminární práce: volný čas a sport
Univerzita Karlova v Praze, Fakulta Humanitních Studií Obor Historická sociologie Seminární práce: volný čas a sport Z kurzu: Analýza kvantitativních dat I Vypracoval: ANONYMIZOVÁNO Praha 2014 Ve své práci
VíceNázev testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)
VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p
Více4. Zpracování číselných dat
4. Zpracování číselných dat 4.1 Jednoduché hodnocení dat 4.2 Začlenění dat do písemné práce Zásady zpracování vědecké práce pro obory BOZO, PÚPN, LS 2011 4.1 Hodnocení číselných dat Popisná data: střední
VíceTabulka 1. Výběr z datové tabulky
1. Zadání domácího úkolu Vyberte si datový soubor obsahující alespoň jednu kvalitativní a jednu kvantitativní proměnnou s alespoň 30 statistickými jednotkami (alespoň 30 jednotlivých údajů). Zdroje dat
VícePSY117/454 Statistická analýza dat v psychologii seminář 9. Statistické testování hypotéz
PSY117/454 Statistická analýza dat v psychologii seminář 9 Statistické testování hypotéz Základní výzkumné otázky/hypotézy 1. Stanovení hodnoty parametru =stanovení intervalu spolehlivosti na μ, σ, ρ,
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VíceMetody sociálních výzkumů. Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika.
Metody sociálních výzkumů Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika. Statistika Význam slova-vychází ze slova stát, s jeho administrativou
Více4ST201 STATISTIKA CVIČENÍ Č. 7
4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 3 Jak a kdy použít parametrické a
VíceFINANČNÍ ZAJIŠTĚNÍ DOMÁCNOSTÍ A OBAVY Z EKONOMICKÉHO
TISKOVÁ INFORMACE Z VÝZKUMU STEM TRENDY 1/213 VYDÁNO DNE 11. 2. 213 FINANČNÍ ZAJIŠTĚNÍ DOMÁCNOSTÍ A OBAVY Z EKONOMICKÉHO VÝVOJE CELKOVĚ BEZ VĚTŠÍCH ZMĚN. V uplynulém roce se třetina domácností (32 %) ocitla
VíceZpracoval: Jan Červenka Centrum pro výzkum veřejného mínění, Sociologický ústav AV ČR, v.v.i. Tel.: ;
Tisková zpráva Občané o přijetí eura a dopadech členství ČR v EU Zavedení eura jako platidla v ČR namísto koruny podporuje jen pětina českých občanů, proti jsou tři čtvrtiny Čechů, přičemž polovina se
VíceÚstav matematiky Fakulta chemicko inženýrská Vysoká škola chemicko-technologická v Praze
Komentované řešení pomocí programu R Ústav matematiky Fakulta chemicko inženýrská Vysoká škola chemicko-technologická v Praze Popis vstupních dat Vstupní data pro úlohu (A) se nacházejí v souboru "glukoza.csv".
VíceSociologický výzkum (stručný úvod) Michal Peliš
Sociologický výzkum (stručný úvod) Michal Peliš vědy exaktní X sociální tvrzení deterministického charakteru univerzální platnost experiment prokazování kauzality tvrzení pravděpodobnostního charakteru
VíceEu40409 TISKOVÁ ZPRÁVA. Občané a zaměstnání
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR V Holešovičkách 41, Praha 8 Tel./fax: 286 840 129, 130 E-mail: cervenka@soc.cas.cz Občané a zaměstnání Technické parametry Výzkum:
VícePARAMETRICKÉ TESTY. 1) Měření Etalonu. Dataset - mereni_etalonu.sta - 9 měření etalonu srovnáváme s PŘEDPOKLÁDANOU HODNOTOU 10.
PARAMETRICKÉ TESTY Testujeme rovnost průměru - předpokladem normální rozdělení I) Jednovýběrový t-test 1) Měření Etalonu. Dataset - mereni_etalonu.sta - 9 měření etalonu srovnáváme s PŘEDPOKLÁDANOU HODNOTOU
Vícevelmi dobře spíše dobře spíše špatně velmi špatně neví
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 86 840 19 E-mail: milan.tucek@soc.cas.cz Názory občanů na úroveň sociální zabezpečení v ČR a
VíceHodnocení činnosti ministerstev květen 2019
Tisková zpráva Hodnocení činnosti ministerstev květen 20 Hodnocení činnosti vládních úřadů v uplynulých dvanácti měsících se tentokrát poměrně výrazně zkoncentrovalo okolo průměrné známky trojky. Nejlepší
VíceVYHODNOCOVÁNÍ KVANTITATIVNÍCH DAT (ÚVOD DO PROBLEMATIKY) Metodologie pro ISK
VYHODNOCOVÁNÍ KVANTITATIVNÍCH DAT (ÚVOD DO PROBLEMATIKY) Metodologie pro ISK 14. 11. 2014 NENÍ STATISTIKA JAKO STATISTIKA Deskriptivní statistika Výzkumné otázky, ne hypotézy (případně deskriptivní hypotézy)
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul V: Nekategorizovaná data Metodologie pro ISK 2, jaro 2014. Ladislava Z. Suchá Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis
VícePlaty učitelů. v regionálním školství. Zdroj dat: Statistika MŠMT
Platy učitelů v regionálním školství Zdroj dat: Statistika MŠMT 1 Základní údaje o počtu pracovníků v regionálním školství a jejich průměrných platech v roce 2015 V regionálním školství bylo zaměstnáno
Více