DARNAUS VYSTYMOSI TYRIMŲ METODOLOGIJA IR METODAI EUROPOS SĄJUNGA     MODULIS DARNAUS VYSTYMOSI TYRIMŲ METODOLOGIJA IR METODAI Vitalija RUDZKIENĖ Mykolo Romerio universitetas

I TEMA. DV PARADIGMOS IR JOMS BŪDINGOS TYRIMŲ METODOLOGIJOS Situacijų analizei ir galimos ateities prognozavimui taikomos metodologijas ir metodai skiriasi priklausomai nuo taikomų darnaus vystymosi paradigmos ir teorijų: materialinės (industrinės); neoklasikinės ekonomikos; ekologinės ekonomikos; save organizuojančių sistemų; globalių evoliucinių procesų.

I TEMA. DV PARADIGMOS IR JOMS BŪDINGOS TYRIMŲ METODOLOGIJOS Materialinė paradigma: pagal šį scenarijų žmonija vystėsi nuo pat civilizacijos atsiradimo pradžios; gamta suvokiama kaip žmogaus gerovės priemonė, eksploatuojama žmogaus materialinės gerovės palaikymui; būdingas pasitikėjimas neribotu materialiniu progresu, paremtu technologijomis ir informacija; vystymosi procesai aproksimuojami statiniais tiesiniais modeliais.

I TEMA. DV PARADIGMOS IR JOMS BŪDINGOS TYRIMŲ METODOLOGIJOS Neoklasikinės ekonomikos paradigma : ekonominė sistema suprantama kaip į autonomiška, save reguliuojanti sistema; esant tinkamai apibrėžtoms nuosavybės teisėms ir užtikrintai konkurencijai, sistema idealiai save reguliuoja dėl savo vidinės santykinių kainų logikos ; resursų pakeitimą užtikrina tinkama konkurencija; atliekant tyrimus taikomi tradiciniai mikro ir makro ekonominiai rodikliai ir daroma prielaida, kad vykstantys procesai yra stabilūs ir grįžtami laike; vykstančių procesų vertinimui dažniausiai taikomi tiesiniai ir netiesiniai matematinio programavimo metodai.

I TEMA. DV PARADIGMOS IR JOMS BŪDINGOS TYRIMŲ METODOLOGIJOS Ekologinės ekonomikos paradigma : inkorporuojamas gaminamos produkcijos entropinis poveikis aplinkai ; entropija matuoja energiją, kurios nebegalima paversti tinkama panaudoti tolesniam perdirbimui ; dėl produkcijos gamybai naudojamo energijos ir medžiagos kiekio sukuriamas negrįžtamas entropijos procesas, kuris apriboja ekonomikos augimą; atliekant tyrimus materijos ir energijos ryšiai analizuojami taikant termodinamikos dėsnius, sukurtus mechaninių sistemų veiklai tirti.

I TEMA. DV PARADIGMOS IR JOMS BŪDINGOS TYRIMŲ METODOLOGIJOS Save organizuojančių (netiesinių) sistemų paradigma : įvertina, kad socialinių-ekonominių sistemų vystymasis paklūsta bendriems save organizuojančių sistemų dėsniams; sistemos pasižymi gebėjimu optimaliu būdu keisti savo parametrų charakteristikas ir visos sistemos funkcinius ryšius; maži sistemos kintamųjų pokyčiai gali sukelti atsitiktinius svyravimus, kurie sistemoje sukelia negrįžtamus struktūrinius pasikeitimus ; atliekant tyrimus taikomi netiesinių kompleksinių dinaminių sistemų veikimo principai.

I TEMA. DV PARADIGMOS IR JOMS BŪDINGOS TYRIMŲ METODOLOGIJOS Globalių evoliucinių procesų modelių sudarymo principai: aplinka suprantama kaip daugialypė ir sudėtinga sistema ne tik dėl daugybinių ekosistemų lygių ir tarpusavio ryšių efektų, bet ir dėl vykstančių evoliucijos procesų ; vis didėjančią reikšmę įgauna komponentai, kompleksiškai atspindintys sistemos dalių netiesiškumą, negrįžtamumą ir parametrų sklaidą; tyrimams vis dažniau taikomi netiesinių kompleksinių sistemų, chaoso teorijos, evoliucijos teorijos metodai, fraktalai, diferencialinių lygčių sistemos.

II TEMA. TYRIMŲ TEMOS PARINKIMAS IR TYRIMO PROJEKTO SUDARYMAS Tyrimo projektas. Projekte pateikiama tyrimo struktūra, kuri susieja visus tyrimo elementus. Tyrimo projektą sudaro šie pagrindiniai elementai: tikslas ir uždaviniai; metodika; tyrimo procedūros parinkimas ; matavimo skalės parinkimas; imties sudarymo būdas ir dydis ; biudžetas ir laiko diagrama; duomenų kodavimas ir analizė; ataskaitos parengimas.

II TEMA. TYRIMŲ TEMOS PARINKIMAS IR TYRIMO PROJEKTO SUDARYMAS Tipiniai klausimai, į kuriuos reikia atsakyti sudarant tyrimo planą: Problemos apibrėžimas: Koks tyrimo tikslas? Kas jau yra žinoma? Ar bus reikalinga papildoma informacija? Kas bus matuojama? Kaip bus matuojama? Ar duomenys bus prieinami? Ar bus vykdomas tyrimas? Ar gali būti suformuluotos pradinės hipotezės? .

III TEMA. DV INFORMACIJOS RINKIMO BŪDAI IR ŠALTINIAI Informacijos rinkimo sistema Informacijos rinkimas, jungimas ir analizė Pastovus informacijos srautas sprendimų priėmėjui Vidiniai antriniai duomenys Vidiniai pirminiai duomenys Išoriniai antriniai duomenys Išoriniai pirminiai duomenys

III TEMA. DV INFORMACIJOS RINKIMO BŪDAI IR ŠALTINIAI Antriniai duomenų rodikliai ir jų šaltiniai: vidinius antrinius duomenis galima rasti savo įmonės buhalterijoje bei vidinio įmonės audito ataskaitose; Išorinius antrinius duomenis galima rasti: oficialiuose leidiniuose, pavyzdžiui, statistikos metraščiuose; ekonomikos ir verslo leidinių - laikraščių ir žurnalų puslapiuose; specialiuose verslo duomenų bazėse; dienraščių, katalogų ir skelbimų puslapiuose; internete ir t.t.

III TEMA. DV INFORMACIJOS RINKIMO BŪDAI IR ŠALTINIAI Antrinių duomenų šaltinių patikimumas : surinktų statistinių duomenų nauda bei norimų gauti rezultatų tikslumas priklauso nuo teorinių prielaidų, kuriomis remiantis buvo renkami duomenys; metodo, kuris buvo taikomas duomenų rinkimui, ir nuo duomenų šaltinio. oficialiuose leidiniuose, pavyzdžiui, statistikos metraščiuose; apklausose surinktų duomenų patikimumas priklauso nuo atsakytų anketų dalies;

III TEMA. DV INFORMACIJOS RINKIMO BŪDAI IR ŠALTINIAI Visi metodai, taikomi pirminių duomenų rinkimui ir tyrimo procesui, suskirstomi į dvi dideles klases: kiekybinius ir kokybinius. Kiekybinės duomenų analizės duomenys dažniausiai turi skaitinę formą ir gaunami tiriamo objekto požymių matavimui taikant įvairias matavimo skales.

III TEMA. DV INFORMACIJOS RINKIMO BŪDAI IR ŠALTINIAI Po terminu “kokybinė analizė” slypi platus spektras filosofinių požiūrių, metodologinių strategijų ir analitinių procedūrų. Kokybinėje analizėje galima išskirti šias dalis: įsigilinimą į tiriamą reiškinį; tiriamo reiškinio atvaizdo sintezę, įvertinant ryšius ir sąveikas su jo aspektais; teorinius samprotavimus apie tai, kas tie ryšiai yra ir kokia jų įtaka; esamo konteksto papildymas naujomis žiniomis apie nagrinėjamą reiškinį ar jo ryšius.  

IV TEMA. EKSPERTINIS VERTINIMAS “Kas sako, tas nežino, kas žino, tas nesako” (senovės kinų filosofas Lao-tzu) Ekspertiniai vertinimai yra viena iš populiariausių greitai besivystančių mokslinių – praktinių disciplinų, kurios tikslas - žinių iš žmogaus eksperto gavimo sisteminis organizavimas, kodavimas, struktūrinis perdirbimas ir interpretavimas taikant loginius ir matematinius metodus. Ekspertinis vertinimas ilgą laiką buvo taikomas technikos ir technologijų srityje ir tik vėliau buvo pradėtas taikyti ekonomikoje ir vadyboje. Ekspertinis metodas tinka tais atvejais, kai labai sudėtinga arba praktiškai neįmanoma pritaikyti objektyvius skaičiuojamuosius ar empirinio tyrimo metodus.

IV TEMA. EKSPERTINIS VERTINIMAS Individualūs Grupiniai Anketavimas Teismo Smegenų šturmo Delfi Diskusijų Interviu Alternatyvų atrankos metodas Scenarijų EKSPERTINIO VERTINIMO METODAI Stebėjimai Pasyvūs Aktyvūs “Mąstymo balsu” analizė Samprotavimų eigos analizė Paskaitos Ekspertinių vertinimo metodų klasifikavimas

IV TEMA. EKSPERTINIS VERTINIMAS EKSPERTINIO TYRIMO STADIJOS IR TYRIMO PLANAS Taikant ekspertinio vertinimo metodą atliekami šie žingsniai: 1.  sudaromas ekspertinio tyrimo planas; 2. parenkamas ekspertų apklausos metodas ir parengiami būtini dokumentai; 3.   atrenkami ekspertai; 4.   atliekama ekspertinio vertinimo procedūra; 5. analizuojami ekspertinio vertinimo duomenys, pašalinamos klaidos ir prieštaravimai; 6.   rezultatai interpretuojami; 7.   ateikiami oficialūs ekspertinio vertinimo rezultatai ir išvados.

IV TEMA. EKSPERTINIS VERTINIMAS EKSPERTŲ ATRANKA IR JŲ SAVYBĖS Ekspertinio vertinimo patikimumas priklauso nuo: ekspertų grupės dydžio (ekspertų skaičiaus); ekspertų sudėties pagal jų specialybes; ekspertų savybių. Vienas iš sudėtingesnių ekspertų atrankos uždavinių – suformuoti ekspertų savybių sistemą. Šios savybės turi apibrėžti ekspertų, kaip specialistų, kvalifikaciją ir santykius tarp atskirų ekspertų, kurie irgi turi įtakos rezultatams. Ekspertų charakteristikos turi lemiamos reikšmės ekspertinio tyrimo kokybei ir rezultatams.  

IV TEMA. EKSPERTINIS VERTINIMAS EKSPERTŲ GRUPĖS DYDIS Nustatant priimtiną ekspertų skaičių reikia vadovautis metodologinėmis prielaidomis, suformuluotomis klasikinėje testų teorijoje. Teorija teigia, kad agreguotų sprendimų patikimumą ir priimančių sprendimą (šiuo atveju ekspertų) skaičių sieja greitai gęstantis netiesinis ryšys Ekspertų vertinimų standartinio nuokrypio priklausomybė nuo ekspertų skaičiaus

IV TEMA. EKSPERTINIS VERTINIMAS EKSPERTINIŲ VERTINIMŲ SUDERINAMUMAS Ekspertinis vertinimas remiasi prielaida, kad sprendimas gali būti gautas tik esant ekspertų nuomonių suderinamumui, todėl iš ekspertų grupės pašalinami ekspertai, kurių nuomonės skiriasi nuo daugumos. Žvelgiant į konkrečius skaičiavimo metodus, tai atvejais, kai ekspertų yra tik du (m=2), jų nuomonių suderinamumas tikrinamas ranginės koreliacijos koeficientais. Kai ekspertų daugiau nei du (m>2) – konkordancijos koeficientais. Kendall konkordancijos koeficientas. Skaičiuojant šį konkordancijos koeficientą tikrinama, ar ekspertų vertinimai dera tarpusavyje. Suformuluojame hipotezes:   H0: ekspertų vertinimai prieštaringi (t.y. konkordancijos koeficientas lygus nuliui); HA: ekspertų vertinimai panašūs (t.y. konkordancijos koeficientas nelygus nuliui).

IV TEMA. EKSPERTINIS VERTINIMAS EKSPERTŲ KOMPETENCIJA Apskaičiuotas konkordacijos koeficientas neatsako į klausimą, ar yra ekspertų, kurių vertinimas skiriasi nuo daugumos ir kokie tai ekspertai. Norint nustatyti tokius ekspertus, rekomenduojama įvertinti ekspertų kompetenciją. Kadangi ekspertinis vertinimas remiasi prielaida, kad sprendimas gali būti gautas tik esant ekspertų nuomonių suderinamumui, todėl iš ekspertų grupės pašalinami ekspertai, kurių nuomonė skiriasi nuo daugumos nuomonės. Ekspertų kompetencijos koeficientas apskaičiuojamas pagal alternatyvų įvertinimo rezultatus. Šis įvertinimas remiasi idėja, kad ekspertų nuomonė turi derėti su visos grupės nuomone.

V TEMA. VIENINGA DARNAUS VYSTYMOSI RODIKLIŲ SISTEMA Vieninga darnaus vystymosi rodiklių sistema ir jos kūrimo problemos Iki 1970 metų BVP buvo vyraujantis ekonominio progreso ir socialinės gerovės matas; Vieną iš pirmųjų gerovės vertinimo kriterijų 1979 m. sukūrė profesorius Morris ir pavadino jį fizinės gyvenimo kokybės indeksu (Physical Quality of Life Index – PQLI); Devintajame dešimtmetyje buvo sukurti socialinių rodiklių naudojimo ir socialinės gerovės vertinimo teoriniai pagrindai (didelis Amartya Sen indėlis); XX a. pabaigoje gyvenimo kokybės sąvoka, pradėta vartoti Vakarų šalių mokslininkų, pakeitė ankstesnius terminus – gyvenimo lygio, gyvenimo stiliaus ar gyvenimo būdo; Dalinis gyvenimo kokybės indekso analogas yra šiuo metu plačiai naudojamas socialinės pažangos indeksas (Human Development Index – HDI);

V TEMA. VIENINGA DARNAUS VYSTYMOSI RODIKLIŲ SISTEMA Kad vieningą rodiklių kūrimo metodika galima būtų praktiškai taikyti, ji turi tenkinti šias būtinas sąlygas: Turėti gerą teorinį pagrindimą; Turėti teisinį statusą; Turėti metodikos programą realizuojančius instrumentus, prieinamus tyrėjams – praktikams; Turėti sukurtą finansinį, organizacinį, informacinį, technologinį aprūpinimą; Turėti sprendėjų priėmėjų palaikymą tam, kad valstybėje būtų įstatymiškai sukurta rodiklių matavimo sistema.

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI Kiekybinių duomenų analizei naudojamos statistinės duomenų analizės programos. Statistinių programinių produktų rinka pasižymi didele įvairove (Tarptautinio statistikos instituto duomenimis, jų skaičius artėja prie tūkstančio), todėl svarbu sugebėti orientuotis šioje rinkoje. Dažniausiai statistinės programos skirstomos į tris grupes: integruotos bendros paskirties statistinės sistemos; specializuotos statistinės sistemos; mokymui skirtos statistinės sistemos. Dažniausiai naudojamos integruotos bendros paskirties statistinės sistemos.

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI Statistinėse duomenų analizės sistemose pateikiami matematiniai – statistiniai metodai sudalinti į atskiras modulių bibliotekas. Pavyzdžiui, SPSS statistinės sistemos modulių biblioteką sudaro šie moduliai: Bazinis (SPSS Base); Regresijos (Regression); Pažangūs (Advanced Models); Lentelių (Tables); Amos (Analysis of moment structures); Sprendimo medžiai (Answer Tree); Kategorijų (Categories); Clementine ir kt.

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI Surinkus duomenis, prasideda duomenų analizės procesas. Todėl duomenys turi būti transformuoti į informaciją, kuri duotų atsakymus į keliamus klausimus. Redagavimas Kodavimas Duomenų analizė Įvedimas į atmintį Aprašomoji analizė Dvimatė analizė Daugiamatė analizė Specialūs metodai Duomenų analizės etapai

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI - PAVYZDYS Anketa Anketos numeris ______________ (pildo interviuotojas) Lytis □ Vyras (užbraukite reikalingą kvadratą) □ Moteris Kiek Jums metų?_____________ (užrašykite skaičių) Ar dabartinės vyriausybės vykdoma politika dera su darnios plėtros principais? Kaip pasakytumėte: labai gerai dera, gerai, blogai ar labai blogai dera? □ Labai gerai □ Gerai □ Blogai □ Labai blogai □ Nežinau Pavyzdys - Apklausos anketos fragmentas

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI - KODAVIMAS Anketa Anketos numeris ______________ (pildo interviuotojas) Lytis □ 1: Vyras (užbraukite reikalingą kvadratą) □ 2: Moteris □ 0: Nėra duomenų Kiek Jums metų?_____________ (užrašykite skaičių) Ar dabartinės vyriausybės vykdoma politika dera su darnios plėtros principais? Kaip pasakytumėte: labai gerai dera, gerai, blogai ar labai blogai dera? □ 1: Labai gerai □ 2: Gerai □ 3: Blogai □ 4: Labai blogai □ 5: Nežinau Pavyzdys - anketai sudaryta kodavimo lentelė

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI – DUOMENŲ MATRICA Duomenų matrica ir duomenų įvedimas į laikmeną Duomenų matrica yra keturkampė sritis, sudaryta iš duomenų, išdėstytų eilutėmis ir stulpeliais; Duomenys, parengti darbui su statistinėmis duomenų analizės sistemomis, turi būti pateikti būtent tokiu pavidalu. Duomenų matricos fragmentas Anketos Nr. Lytis Amžius Politika 1 moteris 56 gerai 2 vyras 34 nežinau 3 62 4 43 5 65 l. blogai

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI PRADINĖ DUOMENŲ ANALIZĖ Duomenų matavimo skalė Nominalioji Intervalų Rangų Santykių Dvi kategorijos Daugiau nei dvi kategorijos Taikomi aprašomosios statistikos metodai Dažnių lentelės Proporcijos (procentai) Moda Mediana ir kvartiliai Histogramos, indeksai Centro ir sklaidos charakteristikos Skirtingiems duomenų tipams leistinos aprašomosios statistikos procedūros

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI PRADINĖ DUOMENŲ ANALIZĖ Duomenų transformacija. Duomenų transformacijos tikslas –pradinius duomenis užrašyti formatu, kuris labiau tiktų duomenų analizei ir geriau atitiktų tyrimo tikslus. Tyrėjai dažnai modifikuoja skaliarinius duomenis ar sukuria naujus kintamuosius. Kartais tam užtenka elementarios aritmetinės operacijos. Kartais prireikia sudėtingesnių ir painesnių apmąstymų ir skaičiavimų. Pavyzdžiui, daug tyrėjų mano, kad tikslesnį atsakymai gaunami respondento klausiant ne jo amžiaus, o gimimo metų. Žinant gimimo metus užtenka pritaikyti paprastą tiesinę transformaciją ir galima gauti respondento amžių.

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI PRADINĖ DUOMENŲ ANALIZĖ Pavyzdys. Klausimyne Likert skalė buvo pateikta šiuo pavidalu: Savivaldybės administracija įdeda daug pastangų stiprindama vietos bendruomenes: Visiškai sutinku Sutinku Nei sutinku, nei nesutinku Nesutinku Visiškai nesutinku

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI PRADINĖ DUOMENŲ ANALIZĖ Sudarius atsakymų kategorijų dažnių lentelę, buvo gauti šie rezultatai: 5 kategorijų Likert skalė Atsakymai, proc. 1. Visiškai sutinku 3 2. Sutinku 22 3. Nei sutinku, nei nesutinku 31 4. Nesutinku 39 5. Visiškai nesutinku 5

VI TEMA. KIEKYBINĖS DUOMENŲ ANALIZĖS METODAI PRADINĖ DUOMENŲ ANALIZĖ Kraštinių kategorijų atsakymus pasirinko labai maža dalis respondentų, todėl šias kategorijas tikslinga sujungti su gretimomis: kategoriją „visiškai sutinku“ su kategorija „sutinku“, o kategoriją „visiškai nesutinku“ su kategorija „nesutinku“. Taip gaunama nauja trijų kategorijų Likert skalė 3 kategorijų Likert skalė (sujungta) Atsakymai, proc. 1. Visiškai sutinku/sutinku 25 2. Nei sutinku, nei nesutinku 31 3. Visiškai nesutinku/nesutinku 44

VII TEMA. TIESINIS (PAPRASTAS) REGRESIJOS MODELIS Būsimiems pokyčiams įvertinti vartojamos trys sąvokos: įvertis (arba įvertinimas), planavimas ir prognozė. Įvertis – tai netiesioginis matas sąlygų ar rodiklių, kurių negalima išmatuoti tiesiogiai. Pavyzdžiui: įvairių autobusų maršrutų krūvį galima įvertinti per keletą pasirinktų dienų skaičiuojant, kiek žmonių važiuoja autobusais. Planavimas yra sąlyginis „jeigu, tai“ (if-then) teiginys apie ateitį. Planavimas paprasčiausiai teigia: „Jei atsitiks taip, tai ateitis bus tokia. Jeigu atsitiks kitaip, tai ir šio rezultato nebus.“ Prognozė – tai sudėtingesnis nei planavimas labiausiai tikėtinos ateities numatymo metodas. Dėl didelio sudėtingumo, galimo netikslumo ir galimų prieštaringų rezultatų prognozę atlikti reikalingos specialios žinios.

VII TEMA. TIESINIS (PAPRASTAS) REGRESIJOS MODELIS Tiesinė kintamojo Y priklausomybė nuo kintamojo X reiškiama lygtimi: y=+x+. Šioje lygtyje  ir  yra nežinomi koeficientai (konstantos), o  – atsitiktinė paklaida. Kaip apskaičiuoti geriausiai tiesę atitinkančius koeficientus? Tai atliekama taikant matematinį metodą – mažiausių kvadratų metodą. Šiuo metodu gaunamos koeficientų  ir  reikšmės – įverčiai (jos žymimos raidėmis a ir b), randamos minimizuojant reiškinį: .

VII TEMA. TIESINIS (PAPRASTAS) REGRESIJOS MODELIS Regresijos modelio reikšmingumas. Dažniausiai tikrinama hipotezė, kad tarp kintamųjų X ir Y nėra jokio tiesinio ryšio, t.y., kad koeficientas β lygus nuliui: H0: β1 =0 HA: β1≠0. Norint patikrinti šią hipotezę, galima taikyti t statistiką: Jei nulinė hipotezė, kad nėra jokio tiesinio ryšio, yra teisinga, ši statistika turi Stjudento t skirstinį su (n–2) laisvės laipsniais. Hipotezę, kad tiesė eina per koordinačių pradžią, t. y., kad koeficientas α lygus nuliui, galima patikrinti naudojantis kita statistika: Ši statistika taip pat turi Stjudento t skirstinį su (n–2) laisvės laipsniais.

VII TEMA. REGRESINĖS ANALIZĖS MODELIS SU KOKYBINIAIS KINTAMAISIAIS Kokybiniai kintamieji dažniausiai parodo tam tikros savybės turėjimą ar neturėjimą. Vienas iš būdų, padedančių apibrėžti tokius kintamuosius, yra dirbtinių kintamųjų, galinčių įgyti tik reikšmes 1 arba 0, sudarymas. Kintamieji, kuriems priskiriamos reikšmės 0 arba 1, dar vadinami fiktyviais kintamaisiais arba pseudokintamaisiais. Taip pat jie vadinami ir kitais – dichotominiais kintamaisiais, dvejetainiais kintamaisiais bei indikatoriniais kintamaisiais. Regresiniuose modeliuose fiktyvūs kintamieji naudojami taip pat, kaip ir kiekybiniai kintamieji. Regresiniame modulyje gali būti net keli pagalbiniai kintamieji, kurie iš esmės yra kokybiniai.

VII TEMA. VIENFAKTORINĖ DISPERSINĖ ANALIZĖ Dispersinės analizės (ANOVA – Analysis of Variance) metodas naudojamas daugiau nei dviejų vidurkių palyginimui. Dispersinėje analizėje vieni kintamieji nagrinėjami kaip priežastys, o kiti – kaip šių priežasčių veikimo pasekmės. Pirmojo tipo kintamieji yra nepriklausomi ir vadinami faktoriais, o jų veikimą atspindintys antrojo tipo kintamieji yra vadinami priklausomais kintamaisiais. Pavyzdžiui, tiriamų asmenų amžius arba būdas, kuriuo jiems pateikiama informacija, yra faktoriai, o informacijos įsisavinimo greitis – priklausomas kintamasis.

VII TEMA. VIENFAKTORINĖ DISPERSINĖ ANALIZĖ Visa kvadratų suma SST Grupių kvadratų suma (imčių vidurkių skirtumai) SSB Vidinė kvadratų suma (paklaida) SSW SST=ΣΣ SSB=Σni SSW=ΣΣ

VIII TEMA. FAKTORINĖS ANALIZĖS METODŲ TAIKYMAS DV VERTINTI Dažnai statistiniai metodai taikomi siekiant nustatyti ryšį tarp priklausomo ir nepriklausomų kintamųjų. Faktorinės analizės tikslas kitas: ji taikoma norint ištirti daugelio priklausomų kintamųjų ryšius. Šio tyrimo tikslas atrasti ir paaiškinti juos veikiančio nepriklausomo kintamojo (kuris nėra matuojamas tiesiogiai) prigimtį. Todėl atsakymai, gauti taikant faktorinės analizės metodus visuomet yra negalutiniai ir daugiau nuspėjami, lyginant su tais, kurie gaunami tada, kai nepriklausomas kintamasis yra matuojamas tiesiogiai.

VIII TEMA. FAKTORINĖS ANALIZĖS METODŲ TAIKYMAS DV VERTINTI Numanomi nepriklausomi kintamieji yra vadinami faktoriais. Taikant faktorinę analizę siekiama gauti atsakymus į šiuos klausimus: Kiek reikia skirtingų faktorių norint paaiškinti tiriamų priklausomų kintamųjų ryšius? Kokių šių faktorių prigimtis? Kaip gerai šie hipotetiniai faktoriai paaiškina turimus stebėjimus (duomenis)? Kurią dalį dispersijos kiekvienas faktorius paaiškina?

VIII TEMA. FAKTORINĖS ANALIZĖS METODŲ TAIKYMAS DV VERTINTI Apribojimai - kintamųjų ir stebėjimų (atvejų) kiekis: Stebėjimų skaičius: stebėjimų skaičius turi būti toks, kad būtų galima gauti patikimus kintamųjų koreliacijos įverčius. Pagal bendrą nuomonę, netikslinga taikyti faktorinės analizės metodus jeigu stebėjimų yra mažiau nei 50. Kintamųjų skaičius: Tačiau bendrai rekomenduojama kad imties dydis būtų dukart didesnis nei kintamųjų skaičius, t.y. kad stebėjimų būtų dukart daugiau nei kintamųjų, ir stebėjimai būtų heterogeniniai taikomų matų atžvilgiu.

VIII TEMA. FAKTORINĖS ANALIZĖS METODŲ TAIKYMAS DV VERTINTI Be šių apribojimų, faktorinės analizės metodais gaunami patikimesni rezultatai, jei tenkinamos šios prielaidos: kintamieji turi daugiamatį normalųjį skirstinį; kintamieji susiję tiesinės formos ryšiais; nėra ryškiai išsiskiriančių (nutolusių) reikšmių. Faktorinės analizės etapai Kokį uždavinį bespręstume faktorinės analizės metodais, tenka atlikti šiuos žingsnius: Apskaičiuoti stebimų duomenų tarpusavio koreliacinę matricą ir nustatyti duomenų tikimą faktorinei analizei. 2. Rasti pradinį galimų faktorių sprendinį. 3. Iš pradinio sprendinio nustatyti tinkamiausią faktorių kiekį. 4. Jeigu reikalinga išryškinti faktorių šabloną, pritaikyti faktorių sukimo metodą 5. Interpretuoti faktorius ir, jeigu reikia, kiekvienam tiriamam objektui apskaičiuoti faktorių reikšmes (factor scores).

IX TEMA. HIERARCHINĖ IR NEHIERARCHINĖ KLASTERINĖ ANALIZĖ Klasterinės analizės metodai Hierarchiniai metodai Pirmiausia nustatoma bendra visų klasterių tarpusavio priklausomybių struktūra. Tada sprendžiama, koks klasterių skaičius yra optimalus. Nehierarchiniai metodai Taikomi tada, kai iš anksto žinomas (pasirenkamas)klasterių skaičius tiriamiems objektams klasterizuoti. Jungimo metodai Pradžioje visi stebėjimai – tai atskiri klasteriai. Žingsnis po žingsnio stebėjimai yra jungiami į klasterius. Sujungus du stebėjimus į vieną klasterį, prie jo jungiami kiti. Suformuotas klasteris jau neskaidomas. Tyrėjas turi pats nuspręsti, kuriame žingsnyje sustoti. Skaidymo metodai Pradžioje turimas vienas klasteris, kuris vėliau skaidomas į dalis.

IX TEMA. HIERARCHINĖ KLASTERINĖ ANALIZĖ B C D E F G BC DEF DEFG BCDEFG Hierarchinių klasterių dendrograma

IX TEMA. NEHIERARCHINĖ KLASTERINĖ ANALIZĖ Niehierarchiniams jungimo metodus sudaro du pagrindiniai metodai: k – vidurkių algoritmas, k – medianų algoritmas. Dažniausiai taikomas k – vidurkių algoritmas. Tai vienas iš paprasčiausių klasterizavimo algoritmų, priskiriamų vienas kitą išskiriančių algoritmų klasei. Taikant šį algoritmą yra minimizuojama tikslo funkcija O:

Kiekvienas scenarijus remiasi tam tikromis prielaidomis ir sąlygomis. X TEMA. DAUGIAKRITERINIAI SPRENDIMO PARAMOS MODELIAI (SCENARIJŲ ANALIZĖ) Visų klasių scenarijai yra analitinės ir aiškiai apibrėžtos ateities konstrukcijos, kurios pateikia galimų alternatyvų aibę. Scenarijų metodo tikslas yra pažvelgti į kompleksinės dinaminės sistemos veikimą ir vidinius ryšius. Kiekvienas scenarijus remiasi tam tikromis prielaidomis ir sąlygomis. Scenarijai padeda sprendimų priėmėjui įvertinti prielaidų svarbą ir nuspręsti, kuris scenarijus yra tinkamiausias. Nors scenarijai siūlo racionalaus ateities vertinimo sistemą, tačiau nebūtinai yra efektyvūs.

Vertinant šiuo metodu išskiriami trys svarbūs komponentai (etapai): X TEMA. DAUGIAKRITERINIAI SPRENDIMO PARAMOS MODELIAI (SCENARIJŲ ANALIZĖ) Žvelgiant į plėtrą iš šių normatyvinių pozicijų, analizės modeliai kartu su ekspertų vertinimais pajėgūs įvertinti esamą ir būsimą padėtį prie tam tikrų apribojimų, apibrėžiamų ribinėmis reikšmėmis ir terminais. Vertinant šiuo metodu išskiriami trys svarbūs komponentai (etapai): nustatyti išmatuojamų darnos rodiklių aibę, sudaryti normatyvinių standartizuotų ribinių reikšmių aibę, sukurti plėtros vertinimo praktinę metodologiją, orientuotą į sprendimų priėmimą ir įvertinančią išorės poveikį, visuomenės nuomonę ir politinę orientaciją.

4. Neapibrėžtumo ir jautrumo analizė X TEMA. DAUGIAKRITERINIAI SPRENDIMO PARAMOS MODELIAI (SCENARIJŲ ANALIZĖ) 1. Problemos identifikavimas 4. Neapibrėžtumo ir jautrumo analizė 2. Scenarijų apibrėžimas 3. Scenarijų vertinimas Scenarijų kūrimo procesas.

AČIŪ UŽ DĖMESĮ