Tällä oppitunnilla tutustutaan tilastollista riippuvuutta kuvaaviin tunnuslukuihin. Muuttujien välisten tilastollisten riippuvuuksien etsiminen on tutkimustyön yksi keskeinen tavoite. Tieteen edistysaskeleissa on usein kyse juuri uusien yhteyksien löytämisestä muuttujien välillä. Arkisimpia esimerkkejä lienevät tutkimustulokset siitä, miten yksilön noudattamat elämäntavat vaikuttavat yksilön terveyteen ja elinikään.
Oppitunnilla tutustutaan lähemmin korrelaatioon, jonka avulla voidaan kuvata muuttujien välistä yhteyttä. Pääset syventämään tietoasi tästä jo ensimmäisellä oppitunnilla käsitellystä aiheesta ja opit myös korrelaatiokertoimen laskemisen. Kolmannella oppitunnilla tarkastellaan lisäksi muuttujien välisen yhteyden suoraviivaisuutta sekä sitä, miten voimakkaasti korreloivien muuttujien yhteyden tulkitseminen ei välttämättä ole täysin ongelmatonta. Vai miten itse tulkitsisit hukkumiskuolemien ja jäätelökaupan välisen voimakkaan yhteyden?
Tällä oppitunnilla tarkastellaan lähemmin myös muuttujien välistä kausaalisuhdetta, eli syy-seuraussuhdetta. Tutustut yhteen aineiston analyysimenetelmään, regressioanalyysiin, jonka avulla voidaan ennustaa yhden muuttujan vaikutusta toiseen. Tietoa regressioanalyysin käytöstä tarvitset, jos haluat esimerkiksi selvittää koulutustaustasi vaikutusta ansiotuloihisi tai opiskeluhalukkuuden vaikutusta koulumenestykseesi. Oppitunnilla tarkastellaan lyhyesti myös tilastollista testausta.
Ennen aloittamista voit testata tietosi alkutestillä.
| Aihe 3.1: | Muuttujien väliset yhteydet |
| Aihe 3.2: | Tilastolliset testit: Keskiarvojen ero |
| Aihe 3.3: | Korrelaatio (Pearsonin kerroin) |
| Aihe 3.4: | Pearsonin korrelaatiokertoimen määritelmä |
| Aihe 3.5: | Järjestyskorrelaatio |
| Aihe 3.6: | Suoraviivainen regressio |
| Aihe 3.7: | Kahden muuttujan regressiomalli |
Tilastokeskus
Vaihde (09) 17 341
Yhteystiedot
Tekijänoikeudet ja käyttöehdot
Palaute |