WEBVTT Kind: captions; Language: fi

1
00:00:02.300 --> 00:00:09.660
Tervetuloa kvantitatiivisten
monimuotomenetelmien perusteiden kurssille.

2
00:00:09.660 --> 00:00:14.270
Minä olen opintojakson
vastuuopettaja pessi lyyra.

3
00:00:14.270 --> 00:00:23.730
Ja tässä videossa tutustutaan
alustavasti kurssin aiheisiin.

4
00:00:23.730 --> 00:00:30.170
Vilkaistaan ensin taustaksi
opintojakson osaamistavoitteita.

5
00:00:30.170 --> 00:00:38.080
Tässä näette ne hieman tulkittuna
ja tiivistettynä näistä virallisista.

6
00:00:38.080 --> 00:00:44.120
Ja ne on ensinnäkin että.
Opiskeltu aina jaksolla.

7
00:00:44.120 --> 00:00:50.960
Tunnistatte näitä menetelmiä
ja ymmärrätte niiden erot?

8
00:00:50.960 --> 00:00:55.600
Ja tunnistatte.
Mikä?

9
00:00:55.600 --> 00:00:58.930
Psykologian alalla relevanttia
menetelmä sopii minkäänlaiseen

10
00:00:58.930 --> 00:01:04.860
tutkimuskysymykseen vastaamiseen.
Toiseksi.

11
00:01:04.860 --> 00:01:08.850
Opitte käyttämään näitä menetelmiä.

12
00:01:08.850 --> 00:01:14.350
Toteuttamaan on niillä analyyseja.
Ja raportoimaan ja.

13
00:01:14.350 --> 00:01:20.050
Tulkitsemaan.
Niillä saatujen tuloksia.

14
00:01:20.050 --> 00:01:23.250
Ja näiden taitojen varassa sitten
osaatte arvioida menetelmien

15
00:01:23.250 --> 00:01:27.990
käyttöä muissa tutkimuksissa.
Ja niissä.

16
00:01:27.990 --> 00:01:32.520
Tehtyjä päätelmiä ja tulkintoja,
jotka perustuu näihin.

17
00:01:32.520 --> 00:01:38.580
Menetelmiin.
Ja tässä johdon tulen tuossa.

18
00:01:38.580 --> 00:01:45.140
Tavoite on tuo.
Alustavasti tutustua näiden käytön ideaan.

19
00:01:45.140 --> 00:01:47.330
Eli.

20
00:01:47.330 --> 00:01:52.270
Kiinnittyy tuohon
ensimmäiseen osaamistavoitteet.

21
00:01:52.270 --> 00:01:59.470
Aiemmin olette tutustunut näihin
yksi ja 2 muuttujan menetelmiin.

22
00:01:59.470 --> 00:02:03.530
Jotka sopeutuu tämmöisten
yksinkertaisten keskiarvoerojen tai

23
00:02:03.530 --> 00:02:08.770
2 muuttujien välisten
yhteyksien selvittämiseen.

24
00:02:08.770 --> 00:02:13.890
Mutta psykologiassa tyypillisesti
tutkitaan useita toisilleen läheisiä

25
00:02:13.890 --> 00:02:20.870
ilmiöitä ja laajoissa aineistoissa
on paljon muuttujia ja olisi hankalaa

26
00:02:20.870 --> 00:02:26.010
tehdä vaan näitä parit taisia vertailuja.

27
00:02:26.010 --> 00:02:33.170
No näissä monimutkaisia menetelmissä voi
olla yksi aikaa useampia selittäviä muuttujia.

28
00:02:33.170 --> 00:02:42.700
Eli selittäjiä tai useita selvitettäviä.
Muuttujia.

29
00:02:42.700 --> 00:02:46.850
Englannin kielessä
näistä usean selittäjänä.

30
00:02:46.850 --> 00:02:53.220
Muuttujista käytetään joskus
termiä malti variable metod.

31
00:02:53.220 --> 00:02:58.720
Ja esimerkki voisi olla tämmöinen
yksinkertainen, että kuinka hyvinvointia.

32
00:02:58.720 --> 00:03:05.830
Motivaatio, jotka on toisiinsa
yhteydessä, voivat yksi selittää oppimista.

33
00:03:05.830 --> 00:03:12.400
Ja sitten näitä usean selitettävän muuttujan
metodeja kutsutaan englannissa joskus.

34
00:03:12.400 --> 00:03:15.390
Matsi variant metod termillä.

35
00:03:15.390 --> 00:03:19.500
Esimerkki voisi olla, että itsetunto.

36
00:03:19.500 --> 00:03:24.350
Selittää yksi aikaa hyvinvointia.

37
00:03:24.350 --> 00:03:31.840
Ja motivaatio, jotka
on keskenään yhteydessä.

38
00:03:31.840 --> 00:03:37.060
Ja tota.
Näissä.

39
00:03:37.060 --> 00:03:40.360
Sitten se hienous on että.

40
00:03:40.360 --> 00:03:46.390
Pystytään menetelmissä ottamaan
tää yhteisvaikutustelu huomioon.

41
00:03:46.390 --> 00:03:53.690
Eli ei tehdä näitä.
Aa erikseen näitä parittaaisia vertailuja.

42
00:03:53.690 --> 00:04:00.870
Ja kun se yhteisvaikutustelu otetaan
mukaan näihin malleihin, niin se tarkentaa

43
00:04:00.870 --> 00:04:06.180
näitä tilastollisia malleja ja
testien tilastollinen voima paranee.

44
00:04:06.180 --> 00:04:08.430
Ja, mikä tärkeintä.

45
00:04:08.430 --> 00:04:14.970
Uusia ilmiöitä ja niiden
moniulotteisia suhteita tulee esiin.

46
00:04:14.970 --> 00:04:17.000
Eli se on se hienous näissä.

47
00:04:17.000 --> 00:04:23.420
Moni muuttuja menetelmissä.

48
00:04:23.420 --> 00:04:28.620
Näin, että moni muuttujamenetelmiä
on on vaikka kuinka monta.

49
00:04:28.620 --> 00:04:34.360
Tässä nyt on tällainen jonkunlainen
listaus tuon äskeisen jaon perusteella,

50
00:04:34.360 --> 00:04:40.120
että näitä usean selittäjä
muut usean selittäjämenetelmiä.

51
00:04:40.120 --> 00:04:45.010
On.
Monisuuntainen varianssianalyysi.

52
00:04:45.010 --> 00:04:48.250
Toisto mittausten varianssianalyysi.

53
00:04:48.250 --> 00:04:52.630
Ja moni muuttujan
regressioanalyysi esimerkiksi.

54
00:04:52.630 --> 00:04:56.110
Ja nää käydään tässä kurssilla läpi.

55
00:04:56.110 --> 00:05:00.010
Nää perustuu näihin teille
jo aikaisemmin tuttuihin.

56
00:05:00.010 --> 00:05:04.420
Menetelmiä niistä vaan sitten nää monin
muuttuja tai usean selittäjäversiot

57
00:05:04.420 --> 00:05:09.780
tulee käyttöön ja sitten näistä
usean selittävän muuttujan.

58
00:05:09.780 --> 00:05:12.520
Usean selitettävän.

59
00:05:12.520 --> 00:05:20.490
Muuttujan menetelmistä käydään
moniin muuttuja varianssianalyysi.

60
00:05:20.490 --> 00:05:24.860
Ja sitten faktori analyysi,
että tuossa on sitten.

61
00:05:24.860 --> 00:05:28.720
Yleissivistyksen vielä mainittu.

62
00:05:28.720 --> 00:05:34.690
Näitä muita menetelmiä,
jos johon joihin tässä.

63
00:05:34.690 --> 00:05:36.660
Tällä kurssilla ei mennä.

64
00:05:36.660 --> 00:05:41.140
Ne on sitten noitten
myöhempien kurssien aiheita.

65
00:05:41.140 --> 00:05:50.510
OK ja varianssianalyysin oli tää
ryhmien välisten keskiarvoerojen testi.

66
00:05:50.510 --> 00:05:56.460
Ja siinä oli selittävänä
muuttujana ja jatkuva muuttuja.

67
00:05:56.460 --> 00:06:00.470
Sä nyt esimerkiksi
esimerkissä sitten se olisi.

68
00:06:00.470 --> 00:06:07.480
Oppimisen taso jollakin
testi pistemäärällä mitattuna.

69
00:06:07.480 --> 00:06:10.940
Ja sitten nää selvittäjät on
tämmöisiä ryhmittelevia, minkä

70
00:06:10.940 --> 00:06:16.110
mukaan näitä ryhmiä sitten muodostetaan.

71
00:06:16.110 --> 00:06:19.770
Ja sitten testataan näitä
ryhmien välisiä keskiarvoeroja.

72
00:06:19.770 --> 00:06:26.330
Perustuen niiden vaihteluun.

73
00:06:26.330 --> 00:06:30.620
Ja tämmöisessä monisuuntainen
värianalyysi on.

74
00:06:30.620 --> 00:06:38.060
Vähintään 2 tämmöistä ristikkäistä.
Ryhmä muuttujaa.

75
00:06:38.060 --> 00:06:41.510
Tässä tapauksessa siis sitten kun.

76
00:06:41.510 --> 00:06:47.720
Testataan eri ryhmien oppimista.
Niin on jaettu.

77
00:06:47.720 --> 00:06:54.040
Sillä tavalla on kiinnostuttu, että
kuinka tämmöinen välituntiliike liikunta.

78
00:06:54.040 --> 00:06:59.020
Vaikuttaa oppimiseen ja samaan aikaan
ollaan kiinnostuneita, että miten tämmöinen.

79
00:06:59.020 --> 00:07:04.380
Energiajuoman
juonti vaikuttaa. Aa.

80
00:07:04.380 --> 00:07:12.050
Oppimiseen.
Ja.

81
00:07:12.050 --> 00:07:19.090
Opiskelijat jaetaan sillä tavalla
ryhmiin, että on tämmöiset yksi ryhmä.

82
00:07:19.090 --> 00:07:23.730
Liikkuu välitunnilla ja toiset
tekevät jotain muuta vaikka

83
00:07:23.730 --> 00:07:27.180
vaan juttelevat siellä välitunnilla.

84
00:07:27.180 --> 00:07:32.420
Se on tuo punainen– näissä.

85
00:07:32.420 --> 00:07:40.290
Kuvioissa ja sitten on
tämmöinen vertailuryhmä.

86
00:07:40.290 --> 00:07:45.360
Ja siis nää juttelijat.
Ja sitten.

87
00:07:45.360 --> 00:07:50.800
Tää näiden viivojen tää
vasen pää kuvastaa sitä.

88
00:07:50.800 --> 00:07:55.960
Kun nää liikkujat ja
vertailuryhmä on juoneet vettä.

89
00:07:55.960 --> 00:08:01.530
Ja oikea puoli sitä, että
kun on juotu energiajuomaa.

90
00:08:01.530 --> 00:08:05.110
Ja näitä tuloksia sitten
voi tulla sillä tavalla että.

91
00:08:05.110 --> 00:08:09.180
Tässä ensimmäisessä ne on
suurin piirtein samalla tasolla.

92
00:08:09.180 --> 00:08:16.550
Molemmissa.
Molemmilla viivoilla molemmissa päissä.

93
00:08:16.550 --> 00:08:19.400
Mutta voi myös käydä niin, että.

94
00:08:19.400 --> 00:08:22.650
Veden juojilla seuraavassa kuviossa.

95
00:08:22.650 --> 00:08:30.360
Testipistemäärät on korkeampia kuin.
Energiajuomajuojilla.

96
00:08:30.360 --> 00:08:33.720
No se voisi olla myös niin päin,
että se energiajuomajuojilla

97
00:08:33.720 --> 00:08:37.190
olisi testi pistemäärä korkeampi.

98
00:08:37.190 --> 00:08:43.210
Mutta nää viivat on
edelleen samalla tasolla.

99
00:08:43.210 --> 00:08:46.620
Elikkä, sillä näiden mukaan sillä.

100
00:08:46.620 --> 00:08:51.480
Väli liikunta välitunti
liikunnalla ei olisi merkitystä,

101
00:08:51.480 --> 00:08:55.750
mutta energiajuoma juonnilla on.

102
00:08:55.750 --> 00:09:01.260
No sitten voisi olla myös niin, että
ne olisi eri tasoilla nää viivat.

103
00:09:01.260 --> 00:09:04.880
Ää sillä tavoin, että.

104
00:09:04.880 --> 00:09:10.080
Liikkujilla voisi olla
korkeammalla tuo pistemäärä ja.

105
00:09:10.080 --> 00:09:16.470
Vihreillä juttelijoilla alempi
pistemäelle testi pistemäärä.

106
00:09:16.470 --> 00:09:23.310
Mutta jos samanlainen
sekä veden juojilla että.

107
00:09:23.310 --> 00:09:25.510
Energiajuomat juojilla.

108
00:09:25.510 --> 00:09:31.820
Eli liikunta vaikuttaa
semmoista energiajuoma ei.

109
00:09:31.820 --> 00:09:35.310
Mutta sen lisäksi.

110
00:09:35.310 --> 00:09:39.530
Voi tulla tämmöinen tulos,
että se onkin sitten se.

111
00:09:39.530 --> 00:09:42.640
Liikkumisen vaikutus erilaista.

112
00:09:42.640 --> 00:09:45.970
Veden juojilla ja energiajuomanjilla.

113
00:09:45.970 --> 00:09:56.250
Eli silloin kun juodaan vettä niin
liikunta saattaisi nostaa sitä.

114
00:09:56.250 --> 00:09:59.910
Tota tota.
Pistemäärää.

115
00:09:59.910 --> 00:10:08.400
Mutta.
Väliaika näillä juttelijoilla.

116
00:10:08.400 --> 00:10:13.840
Sitten taas.
Olisi alempi.

117
00:10:13.840 --> 00:10:18.380
Mutta kun juodaan energiajuomaa, niin
sitten kävisikin niin, että välitunti

118
00:10:18.380 --> 00:10:22.600
juttelijoilla oppimis
pistemäärä olisi korkeampi kuin.

119
00:10:22.600 --> 00:10:25.250
Näillä liikkujille.

120
00:10:25.250 --> 00:10:28.290
Ja silloin kun tää on erilaisten
näissä eri ryhmissä niin

121
00:10:28.290 --> 00:10:32.170
puhutaan tämmöisestä
yhdysvaikutuksesta eli.

122
00:10:32.170 --> 00:10:37.800
Interaktiot.
Ja.

123
00:10:37.800 --> 00:10:41.070
Silloin kun muodostetaan tämmöinen
monisuuntainen varianssianalyysi,

124
00:10:41.070 --> 00:10:44.090
niin voidaan sitten se
etu on siinä, että voidaan.

125
00:10:44.090 --> 00:10:49.850
Testata kaikki nää efektit
että mikä efekti on?

126
00:10:49.850 --> 00:10:53.510
Liikkumisella ja energiajuoma juonnilla.

127
00:10:53.510 --> 00:10:56.650
Ja sitten myös, että onko
tämmöinen interaktio, että kaikkia

128
00:10:56.650 --> 00:10:59.620
näitä voidaan testata yksi kertaa?

129
00:10:59.620 --> 00:11:03.340
Ja sitten jos tehtäisiin tämmöisiä
parillisia vertailuja, niin vaikka siellä

130
00:11:03.340 --> 00:11:06.540
tavallaan näkyy se sama
juttu, niin sitä ei suoraan.

131
00:11:06.540 --> 00:11:10.100
Testata.

132
00:11:10.100 --> 00:11:16.010
Ja tässä varianssi analyysissa
sitten sehän perustuu siihen, että se.

133
00:11:16.010 --> 00:11:18.400
Varianssi.

134
00:11:18.400 --> 00:11:22.900
Siinä mallissa jaetaan näiden
ryhmien väliseen ja sitten

135
00:11:22.900 --> 00:11:26.160
tämmöiseen virheen varianssin ja niitä.

136
00:11:26.160 --> 00:11:29.610
Verrataan toisiinsa,
jos se ryhmien väline on.

137
00:11:29.610 --> 00:11:33.700
Tarpeeksi monta kertaa suurempi
kuin tää jäännös varianssi riippuen

138
00:11:33.700 --> 00:11:38.530
otoksen suuruudesta,
niin sitten se tulee se.

139
00:11:38.530 --> 00:11:51.710
Tilastollisesti merkitseväksi se.
Se ero.

140
00:11:51.710 --> 00:11:54.030
No sitten.

141
00:11:54.030 --> 00:11:57.000
Toinen vaihtoehto tutkijasta
samaa asiaa olisi tämmöinen

142
00:11:57.000 --> 00:12:00.540
toisto mittausten varianssianalyysi.

143
00:12:00.540 --> 00:12:06.990
Se on periaatteessa samanlainen kuin
tuo edellinen, sillä erotuksella että.

144
00:12:06.990 --> 00:12:12.320
Nyt sitten meillä on nää vain 2 ryhmää.

145
00:12:12.320 --> 00:12:15.830
On nää liikkujat ja juttelijat ja.

146
00:12:15.830 --> 00:12:24.220
Sitten nää molemmat ryhmät saa nää molemmat
käsittelyt eli eri välitunnilla he juovat.

147
00:12:24.220 --> 00:12:28.980
Yksi vettä ja sitten
mitataan oppimista ja.

148
00:12:28.980 --> 00:12:35.860
Toisella kertaa energiajuomaa ja tää on se
toistomittaus sitten tai sitten voi tehdä toisin

149
00:12:35.860 --> 00:12:41.330
päin tai kannattaakin tehdä välillä
toisin päin että energiajuomaa ja.

150
00:12:41.330 --> 00:12:47.750
Sitten vettä ja satunnaista on
nää sitten tota siellä ryhmä.

151
00:12:47.750 --> 00:12:56.420
Sisälle.

152
00:12:56.420 --> 00:12:59.800
Joka tapauksessa sitten
meillä on nää ihan täsmälleen

153
00:12:59.800 --> 00:13:03.210
samat tulosvaihtoehdot mahdollisia.

154
00:13:03.210 --> 00:13:07.270
Mutta tässä kun se kokonaisvalta anssi.

155
00:13:07.270 --> 00:13:12.450
Jaetaankin ensin tähän ryhmien
väliseen ja sen lisäksi tähän ryhmien.

156
00:13:12.450 --> 00:13:15.620
Sisäiseen.

157
00:13:15.620 --> 00:13:20.070
Ja ryhmien sisäinen edelleen
tähän tutkittavan sisäiseen.

158
00:13:20.070 --> 00:13:22.970
Koska että näitä tutkittavia
on mitattu 2 kertaa niin

159
00:13:22.970 --> 00:13:25.970
voidaan sitten osa tästä varianssista.

160
00:13:25.970 --> 00:13:29.060
Osoittaa, että se on
peräisin siitä tutkittavasta.

161
00:13:29.060 --> 00:13:31.540
Ja sitten jää tämmöinen
pienempi jäännös varianssi.

162
00:13:31.540 --> 00:13:33.340
Mitä?

163
00:13:33.340 --> 00:13:37.640
Verrataan tähän ryhmien väliseen,
jolloin sitten tää suhde tulee helpommin.

164
00:13:37.640 --> 00:13:42.070
Suhdeluku tulee suuremmaksi helpommin
eli tää tilastollinen voima tässä.

165
00:13:42.070 --> 00:13:47.430
Paranee ja sillä tavalla tää
toisto mittaus varianssianalyysi.

166
00:13:47.430 --> 00:13:51.860
Sitä kannattaa aina
käyttää, jos on mahdollista.

167
00:13:51.860 --> 00:13:57.960
Ellei sitten ne nää toistot vaikuta
toinen toisiinsa niinku valitettavasti

168
00:13:57.960 --> 00:14:04.770
tässä oppimispistemäärän
mittaamisessa saattaa olla että käy.

169
00:14:04.770 --> 00:14:06.580
Että pitää ainakin.

170
00:14:06.580 --> 00:14:10.330
Erilaisia tai eri oppimista
mittaavia testejä käyttää tai

171
00:14:10.330 --> 00:14:13.140
jotain muuta tämmöistä
konstia, että se ei.

172
00:14:13.140 --> 00:14:17.070
Ei sitten kävisi niin, että ne
toistot sitten vaikuttaisi siihen.

173
00:14:17.070 --> 00:14:23.110
Mittaamiseen.
Mutta näitä.

174
00:14:23.110 --> 00:14:26.520
Ryhmäeroja voi näillä molemmilla tavoilla.

175
00:14:26.520 --> 00:14:39.010
Testata tämmöisessä laajemmassa mallissa.

176
00:14:39.010 --> 00:14:43.280
No sitten näitä varianssi
analyyseja on vielä yksi muoto.

177
00:14:43.280 --> 00:14:45.100
Joo.

178
00:14:45.100 --> 00:14:50.620
Ja tää on nimeltään monimuoto ja varianssianalyysi
eikä monisuuntainen niinku se edellinen

179
00:14:50.620 --> 00:14:55.740
ja tässä monimuoto versiossa
niitä selittäviä muuttujia monta.

180
00:14:55.740 --> 00:15:00.690
Edellisessä oli yksi se oppiminen, niin
tässä on sitten useampi ja niillä kannattaa

181
00:15:00.690 --> 00:15:05.530
olla tämmöinen sisällöllinen
yhteys ja yhteisvaikutus.

182
00:15:05.530 --> 00:15:09.030
Tässä nyt sitten selvitettävänä on
tuolla laatikossa yhteisöön kuulumisen

183
00:15:09.030 --> 00:15:15.850
tunne pätevyyden kokemus ja itsenäisyyden
kokemus, jotka on yksi tämmöisen

184
00:15:15.850 --> 00:15:20.520
motivaation ja
hyvinvoinnin teorian mukaan.

185
00:15:20.520 --> 00:15:25.640
Niiden tämmöisiä osa ulottuvuuksia.
Eli kun nää on.

186
00:15:25.640 --> 00:15:29.800
Kasvaa niin sitten motivaatio
ja hyvinvointikin kasvaa.

187
00:15:29.800 --> 00:15:31.710
Ja.

188
00:15:31.710 --> 00:15:37.770
Nyt se otettaisiin olla kiinnostuneita
esimerkiksi siitä, että mitenkä tämmöinen.

189
00:15:37.770 --> 00:15:44.400
Nää kokemukset toteutuu eri
tämmöisessä pedagogisessa konteksteissa.

190
00:15:44.400 --> 00:15:49.740
Ja jamkissa tulee tradenomeja
2 eri linjalta tää peruslinja

191
00:15:49.740 --> 00:15:52.430
ja sitten tiimi akatemiassa
jossa on tämmöinen.

192
00:15:52.430 --> 00:15:55.180
Yhteisöllisempi ja.

193
00:15:55.180 --> 00:16:03.030
Tämmöinen yrittäjän henkisempi pedagogiikka
käytös ja voidaan sitten testata että.

194
00:16:03.030 --> 00:16:06.990
Olisiko sitten tuolla tiimiakatemian
hypoteesi voisi olla, että siellä

195
00:16:06.990 --> 00:16:12.070
nää yhteisön kuulumisen ja itsenäisyyden
kokemus ja miksei pätevyyden

196
00:16:12.070 --> 00:16:16.920
kokemukset kaikki kerrallaan,
että se vaikuttaisi.

197
00:16:16.920 --> 00:16:23.170
Näihin niinku tämmöisenä?
Yhdistettynä muuttujana.

198
00:16:23.170 --> 00:16:28.160
Ja se mikä sitten se ilo tästä on niin
kun näillä on tätä yhteisvaikutustelua

199
00:16:28.160 --> 00:16:33.940
keskenään niin sitten se
tilastollinen voima paranee.

200
00:16:33.940 --> 00:16:36.100
Voidaan tavallaan se ottaa se.

201
00:16:36.100 --> 00:16:42.610
Noiden selittävien
muuttujien vaihtelu huomioon.

202
00:16:42.610 --> 00:16:44.800
Ja tota.

203
00:16:44.800 --> 00:16:50.120
Tyypillisesti tämmöinen
pienempi sitten riittää.

204
00:16:50.120 --> 00:16:54.960
Tässä moni muuttuja
varianssianalyysin tapauksessa.

205
00:16:54.960 --> 00:16:58.840
Mutta toivottavasti tästä nyt sitten
ymmärsitte nää varianssianalyysi

206
00:16:58.840 --> 00:17:05.770
on näiden keskiarvoerojen testi.
Ja sitten.

207
00:17:05.770 --> 00:17:09.450
Mikä on tää moni muuttujaisen
toistonmittaus ja sitten

208
00:17:09.450 --> 00:17:12.080
monimuoto ja varianssianalyysi ero?

209
00:17:12.080 --> 00:17:18.560
Ja tästä moni muuttujan varianssianalyysi
voisi tehdä tämmöisen toistonmittausversion.

210
00:17:18.560 --> 00:17:23.570
Ja plus sitten voidaan käyttää
tämmöisiä kovariaatteja.

211
00:17:23.570 --> 00:17:28.110
Aa sitomaan siitä vaihtelusta vielä osa.

212
00:17:28.110 --> 00:17:32.110
Mutta näistä sitten
näitä toisto mittausalue.

213
00:17:32.110 --> 00:17:41.900
Varianssi analyysia ja moni muuttuja
varianssianalyysin harjoitellaan tässä kurssilla.

214
00:17:41.900 --> 00:17:49.870
No sitten muistatte, että lineaarinen
regressioanalyysi oli tämmöinen.

215
00:17:49.870 --> 00:17:52.510
2 eri muuttujan.

216
00:17:52.510 --> 00:18:01.150
Tai yksinkertainen lineaarinen regressioanalyysi
oli 2 eri muuttujan välistä yhteyttä.

217
00:18:01.150 --> 00:18:07.560
Testaava.
Ja siinä sitten luotiin tämmöinen malli.

218
00:18:07.560 --> 00:18:10.750
Yksinkertaisen tämmöisen
matemaattisen kaavan muodossa.

219
00:18:10.750 --> 00:18:17.090
Tämmöinen malli siitä, että
minkälainen se niitten välineyhteys on.

220
00:18:17.090 --> 00:18:19.450
Ja sitten näillä malleilla.

221
00:18:19.450 --> 00:18:25.510
Se niitten idis on sekin että.

222
00:18:25.510 --> 00:18:29.980
Voidaan tavallaan laskea se, että
kuinka paljon se toinen muuttuja.

223
00:18:29.980 --> 00:18:35.690
Selittää siitä toisesta ja sitten
voidaan sen mallin varassa ennustaa.

224
00:18:35.690 --> 00:18:42.000
Että jos.
Se toinen muuttuja muuttuu tietyn verran.

225
00:18:42.000 --> 00:18:45.090
Niin millä tavalla se sitten
sitten vaikuttaa siihen?

226
00:18:45.090 --> 00:18:51.470
Toiseen muuttujaan todennäköisesti.

227
00:18:51.470 --> 00:18:54.990
No tää monimutkainen regressioanalyysi.

228
00:18:54.990 --> 00:18:58.810
On sitten semmoinen,
että siinä on sitten sen.

229
00:18:58.810 --> 00:19:03.220
Yksi selitettävän.

230
00:19:03.220 --> 00:19:06.860
Tai yksiselitteettävä niinku siinä
yksinkertaisessa, mutta sitten että

231
00:19:06.860 --> 00:19:12.250
selittäjä voi olla 2 tai
enemmän ja se ilmaistaan sitten.

232
00:19:12.250 --> 00:19:23.510
Tuommoisen kaavan
muodossa. No.

233
00:19:23.510 --> 00:19:32.130
Sitä kaavaa voi lukea sillä tavalla, että.

234
00:19:32.130 --> 00:19:36.400
Että kun tää.
Selitettävä muuttuja.

235
00:19:36.400 --> 00:19:39.300
Tässä nyt voi olla sitten.

236
00:19:39.300 --> 00:19:45.670
Taas tämmöinen oppimispistemäärä
pisa pistemäärä.

237
00:19:45.670 --> 00:19:49.060
Ja sitten selvitettävänä.

238
00:19:49.060 --> 00:19:57.130
Muuttujana on sukupuolia.
Sosioekonominen asema.

239
00:19:57.130 --> 00:20:01.950
Niin.
Kun.

240
00:20:01.950 --> 00:20:06.110
Yksi tapahtuu yksi pykälän muutos.

241
00:20:06.110 --> 00:20:12.960
Niin tuo yksi kertoo, että
kuinka suuri muutos sitten tuossa.

242
00:20:12.960 --> 00:20:17.800
Toisessa selittäessä tässä
nyt sitten tuo sosioekonominen

243
00:20:17.800 --> 00:20:22.270
asemani, kuinka suuri
muutos siinä tapahtuu?

244
00:20:22.270 --> 00:20:27.970
Silloin kun tuo.
X 2 pysyy samana.

245
00:20:27.970 --> 00:20:34.070
Ja 2 on sitten.
Kun muuttuu yksi.

246
00:20:34.070 --> 00:20:37.930
Niin kuinka paljon 2 muuttuu?

247
00:20:37.930 --> 00:20:42.300
Kun tuo pysyy samana ja
sitten sinne jää tämmöinen pieni.

248
00:20:42.300 --> 00:20:47.370
Tai tommoinen aineistosta
riippuen tuommoinen.

249
00:20:47.370 --> 00:20:52.070
Jäännös vaihtelu osuus.

250
00:20:52.070 --> 00:20:54.690
Ja tyypillisesti kun tää on
tämmöinen vähän abstraktisti

251
00:20:54.690 --> 00:20:57.200
tää yhteys niin sitä ei voi tämmöisten.

252
00:20:57.200 --> 00:21:03.800
Yksi viivan tai 2 kanssa viivan
muotoa oikein piirtää kaksiulotteisesti

253
00:21:03.800 --> 00:21:08.630
järkevästi, paitsi jos se on toinen
näistä muuttujista tämmöinen 2 luokkainen

254
00:21:08.630 --> 00:21:13.680
niinku tässä tapauksessa sitten on tää.
Sukupuoli niin silloin.

255
00:21:13.680 --> 00:21:19.420
Itse asiassa se voidaan niille
tämmöiset omat viivansa vetää.

256
00:21:19.420 --> 00:21:24.060
Ja siniset on tässä täplät poikia ja se.

257
00:21:24.060 --> 00:21:27.980
Mustat tyttöjä ja nähdään,
että lisäpistemäärissä jonkun

258
00:21:27.980 --> 00:21:31.930
verran sitten korkeampia on nuo.

259
00:21:31.930 --> 00:21:36.400
Tyttöjen pisteet että se muutos
on samanlaista molemmissa.

260
00:21:36.400 --> 00:21:51.090
Mutta se lähtötaso on
tytöillä vähän korkeampi.

261
00:21:51.090 --> 00:21:57.010
No sitten kun näitä on tota näitä muuttujia
monta niin sitten siinä on mahdollisuus

262
00:21:57.010 --> 00:22:01.660
tehdä sitten vielä tämmöisiä
vähän hienompia versioita.

263
00:22:01.660 --> 00:22:07.700
Että voidaan näitä regressio
tai sinne näitä selittäjiä.

264
00:22:07.700 --> 00:22:14.400
Laittaa sitten tämmöisen askelmittarin
yksi tai 2 tai useampi kerrallaan.

265
00:22:14.400 --> 00:22:19.470
Ja sitten testata sitä
selvitysasteen muutosta.

266
00:22:19.470 --> 00:22:24.450
Ja sen tilastollista
merkitystä merkitsevyyttä.

267
00:22:24.450 --> 00:22:28.510
Ja sen lisäksi voidaan.
Testata.

268
00:22:28.510 --> 00:22:33.450
Että lähimarkkinoillakin
regressioanalyysin tämmöistä.

269
00:22:33.450 --> 00:22:38.350
Yhdysvaikutusta samaan tyyppiin samalla
lailla kuin tuossa varianssi analyysissä

270
00:22:38.350 --> 00:22:43.020
oli lisäämällä sinne tämmöinen
yhdysvaikutusten termi vielä.

271
00:22:43.020 --> 00:22:47.930
Lisäksi käyn tässä paksuunetulla.

272
00:22:47.930 --> 00:22:52.270
Ja sillä sitten voitaisiin saada
näkyviä jotain semmoista, että.

273
00:22:52.270 --> 00:22:58.600
Aa.
Että sitten tää.

274
00:22:58.600 --> 00:23:04.560
Tyttöjen pistemäärän nousu.
Onkin.

275
00:23:04.560 --> 00:23:12.460
Poikien nousu nousua hieman jyrkempää.
Jos tää.

276
00:23:12.460 --> 00:23:15.360
Olisi tota ja te voi sitten
vielä testata, että onko se

277
00:23:15.360 --> 00:23:18.620
tilastollisesti merkitsevästi jyrkempää.

278
00:23:18.620 --> 00:23:21.540
Testaamalla, että yhdysvaikutusten termin.

279
00:23:21.540 --> 00:23:28.820
Aa merkitsevyyttä tässä
hierarkkisessa regressioanalyysin.

280
00:23:28.820 --> 00:23:41.400
Ja tätäkin harjoitellaan sitten tuolla.
Kurssilla ja demoissa.

281
00:23:41.400 --> 00:23:46.260
No sitten faktori analyysi
vielä ja siinähän tarkoitus on.

282
00:23:46.260 --> 00:23:48.510
Seuloo.

283
00:23:48.510 --> 00:23:53.040
Ja tiivistää tietoa suuresta määrästä
muuttujia ja oletus on, että se yhteisvaihtelu

284
00:23:53.040 --> 00:23:57.040
on tämmöisestä piilevästä
tekijästä, joista piilo muuttujasta.

285
00:23:57.040 --> 00:24:06.080
Joskus puhutaan latentin muuttujasta.
Eli faktorista.

286
00:24:06.080 --> 00:24:12.290
Ja.
Tässä nyt olisi tämmöinen esimerkki, että.

287
00:24:12.290 --> 00:24:15.990
Oltaisiin kiinnostuneita siitä,
että minkälainen olisi tämmöinen,

288
00:24:15.990 --> 00:24:18.850
että mitä ominaisuuksia olisi tämmöisellä.

289
00:24:18.850 --> 00:24:24.510
Täydellisellä kymmenottelija.

290
00:24:24.510 --> 00:24:28.620
Ja sitten meillä on
viidenkymmenen urheilijan.

291
00:24:28.620 --> 00:24:31.940
Kymmenottelun lajipisteet.

292
00:24:31.940 --> 00:24:37.020
Ja niistä on laskettu tämmöiset.
Korrelaatiot.

293
00:24:37.020 --> 00:24:40.100
Ja laitettu tämmöiseen taulukkoon
ja voidaan nähdä tässä 100

294
00:24:40.100 --> 00:24:44.490
tuloksella ja neljänsadan
metrin tuloksella on.

295
00:24:44.490 --> 00:24:49.770
Aika voimakas yhteys ja
täällä on kaikkien lajien.

296
00:24:49.770 --> 00:24:52.620
Väliset yhteydet.

297
00:24:52.620 --> 00:24:55.750
Ja niitä pistemääriä yhteydet
ja kiekon ja kuulan kohdalla

298
00:24:55.750 --> 00:24:58.170
nähdään, että on kanssa korkea ja.

299
00:24:58.170 --> 00:25:05.250
Tuhannenviidensadan metrin juoksuja kiekon
heiton välillä on on tota hyvin heikko.

300
00:25:05.250 --> 00:25:09.740
Yhteys ja voidaan sillä tavalla
nähdä, että OK, täällä on niitä.

301
00:25:09.740 --> 00:25:12.260
Osassa on vähäisempiä yhteyksiä.

302
00:25:12.260 --> 00:25:16.940
Toisissa on tosi korkeita,
mutta että voitaisiinko jotenkin?

303
00:25:16.940 --> 00:25:21.650
Laskennallisesti niin kun
löytää sieltä semmoisia.

304
00:25:21.650 --> 00:25:25.700
Jotain piilo muuttujia, jotka selittäisi
sitten, että minkä takia näiden välillä

305
00:25:25.700 --> 00:25:32.400
olisi, että semmoinen
jäsenetmpi kuva saataisiin siitä.

306
00:25:32.400 --> 00:25:34.690
No faktori.

307
00:25:34.690 --> 00:25:39.680
Rysillä sitten voidaan
muodostaa näitä faktoreita.

308
00:25:39.680 --> 00:25:43.820
Joko teoreettisesti tai sitten
laskennallisesti voidaan valita se niiden määrä.

309
00:25:43.820 --> 00:25:47.580
Ja tässä nyt on valikoitunut
sitten 3 tämmöistä muuttujaa,

310
00:25:47.580 --> 00:25:52.570
jotka näyttäisi selittävän hyvin näitä.

311
00:25:52.570 --> 00:25:57.200
Lajipisteiden välisiä yhteyksiä
ja sitten kun ne sillä tavalla.

312
00:25:57.200 --> 00:26:01.610
Kutsutaan rotatoiksi sillai kierretään
niin sitten ne saadaan järjesteltyä vielä

313
00:26:01.610 --> 00:26:06.870
semmoiseen muotoon, että se voidaan
tulkita helposti ja nähdä että.

314
00:26:06.870 --> 00:26:11.720
Meillä on tässä 3 faktoria että.
Ensimmäiselle näyttäisi.

315
00:26:11.720 --> 00:26:17.010
Näitä kutsutaan esimerkiksi latauksia,
jotka on tämmöisiä korrelaatioita sen.

316
00:26:17.010 --> 00:26:22.170
Tota näitten lajipistemäärien
tähän factoriin ja kuulalla ja

317
00:26:22.170 --> 00:26:26.020
kiekolla on tosi korkeat
ja muilla pienempiä.

318
00:26:26.020 --> 00:26:30.920
Ja faktorille 200 100 juoksua
neljänsadan metrin juoksu on.

319
00:26:30.920 --> 00:26:35.120
Korkeita ja kolmannelle sitten
tuhannenviidensadan metrin juoksu

320
00:26:35.120 --> 00:26:40.170
on korkea ja 100 on
sitten negatiivisesti.

321
00:26:40.170 --> 00:26:42.430
Yhteydessä.

322
00:26:42.430 --> 00:26:46.960
Ja tästä nyt sitten voisi yrittää
jotain tämmöistä sisällöllistä.

323
00:26:46.960 --> 00:26:54.140
Tulkintaa tälle tehdä.
Ja voitte hetken miettiä että.

324
00:26:54.140 --> 00:26:59.090
Mitä nää faktorit
saattaisi teidän mielestä?

325
00:26:59.090 --> 00:27:07.450
Edustaa.

326
00:27:07.450 --> 00:27:10.650
No tässä nyt on tämmöinen yks
perustutkinto, että kenties

327
00:27:10.650 --> 00:27:13.940
kuulojääkiekko vaatii tämmöistä voimaa.

328
00:27:13.940 --> 00:27:19.240
Ja 100 ja 400 nopeutta ja
tuhatviisisataa metriä kestävyyttä,

329
00:27:19.240 --> 00:27:21.900
mutta se voisi myös olla että.

330
00:27:21.900 --> 00:27:26.380
Käsien nopeusvoima ja jalkojen
nopeusvoima ja sitten tämmöinen kestävyys

331
00:27:26.380 --> 00:27:31.130
tai joku muu, mutta se on
sitten tullut tutkijasta kiinni.

332
00:27:31.130 --> 00:27:34.980
Ja semmoinen tää on semmoinen tutkijoiden
menetelmä monella tapaa ja sitten tulkinta

333
00:27:34.980 --> 00:27:39.710
varsinkin että tää on vaan tämmöinen
laskennallinen apukeino sitten.

334
00:27:39.710 --> 00:27:45.390
Millä saadaan erityisen suuresta
määrästä muuttujia sitten tota seulottua

335
00:27:45.390 --> 00:27:48.290
sitä tietoa ja näitä
voi käyttää sitten näitä.

336
00:27:48.290 --> 00:27:53.320
Faktoreitä tämmöisinä omina
muuttujina vaikkapa tämmöisessä.

337
00:27:53.320 --> 00:28:00.460
Regressioanalyysissä sitten.

338
00:28:00.460 --> 00:28:04.240
No tästä tää oli tämmöinen
exploreatiivinen, että katsottiin niinku

339
00:28:04.240 --> 00:28:09.000
kaikkien väliset suhteet ja
niistä sitten se että mitkä.

340
00:28:09.000 --> 00:28:13.560
Tota tai kaikkien suhteet
käytiin läpi ja katsottiin sitten.

341
00:28:13.560 --> 00:28:18.800
Että mitkä on vahvoja ja mitkä
muuttujat milläkin faktoille latautuu ja

342
00:28:18.800 --> 00:28:22.560
näyttää tämmöisiä piilo muuttuja
yleensä kuvataan tämmöisellä ympyröillä

343
00:28:22.560 --> 00:28:26.970
ja sitten laatikoilla
näitä havaittuja muuttujia.

344
00:28:26.970 --> 00:28:32.530
Ja tätä käytetään erityisesti
sitten kun halutaan.

345
00:28:32.530 --> 00:28:38.030
Tehdä joku kysely jostain aiheesta ja siihen
on kirjallisuuden perusteella on kehitetty

346
00:28:38.030 --> 00:28:42.920
useita tämmöisiä kysely väittämiä ja
sitten niitten väittämien tämmöistä sisäistä

347
00:28:42.920 --> 00:28:47.400
rakennetta, että jos meillä vaikka 20
väittämää sieltä, että mitkä tavallaan kuuluisi

348
00:28:47.400 --> 00:28:53.430
yksi ja mittaisi tämmöistä yksi osa
ulottuvuutta sieltä vaikka niinku se hyvinvoinnin

349
00:28:53.430 --> 00:29:01.560
ja motivaation kohdalla nää pätevyys ja
yhteisöllisyyden tunne ja itsenäisyyden

350
00:29:01.560 --> 00:29:04.930
tää on tämmöinen hallinnan tunne.

351
00:29:04.930 --> 00:29:09.090
Tai tän voi myös sitten tehdä
tämmöisenä konfirmaatioisena eli.

352
00:29:09.090 --> 00:29:13.740
Sitten voidaan meillä on joku tämmöinen kysely
niin ja tiedetään, että siellä pitäisi esiintyä

353
00:29:13.740 --> 00:29:18.780
nyt kun tietyt ulottuvuudet niin voidaan
testata suoraan, että natsaako ne.

354
00:29:18.780 --> 00:29:22.880
Muuttujat mitä me ajatellaan
niin näihin faktoreihin?

355
00:29:22.880 --> 00:29:25.980
Ja tota.

356
00:29:25.980 --> 00:29:28.700
Tavallaan voidaan sitten
semmoinen tapa niinku validoida

357
00:29:28.700 --> 00:29:33.520
tämmöisiä kyselyn mittareita esimerkiksi.

358
00:29:33.520 --> 00:29:39.340
Mutta tässä, että kurssilla käydään tuo
exploreatiivinen, ei vähiten siitä syystä että.

359
00:29:39.340 --> 00:29:48.640
Se on se ne pystyy tuolla
SPS ohjelmistolla tekemään.

360
00:29:48.640 --> 00:29:53.480
OK nyt on alustavasti käyty läpi nää.

361
00:29:53.480 --> 00:29:57.290
Jaksolla opiskeltavat menetelmät.

362
00:29:57.290 --> 00:30:01.770
Ja osaamistavoitteiden
johdanto luennolle oli.

363
00:30:01.770 --> 00:30:06.470
Oppia.
Tunnistamaan näitä menetelmiä?

364
00:30:06.470 --> 00:30:14.490
Ja.
Ymmärtämään niiden käytön alaa.

365
00:30:14.490 --> 00:30:20.540
Ja, koska oman osaamisen testaaminen on
tutkitusti tehokkain oppimisstrategia niin.

366
00:30:20.540 --> 00:30:28.040
Voitaisiin hieman.
Testata nyt tätä osaamista.

367
00:30:28.040 --> 00:30:30.680
Eli tehtävänä olisi.

368
00:30:30.680 --> 00:30:41.500
Yhdistää tutkimuskysymys
ja monin muuttujamenetelmä.

369
00:30:41.500 --> 00:30:45.860
Eli ehkäpä tuo.
Monivalintatehtävä.

370
00:30:45.860 --> 00:30:53.370
Sitä saa tehdä niin monta
kertaa, että saa oikein.

371
00:30:53.370 --> 00:30:59.810
Juu ja.
Hyvinvoinnin ulottuvuuksia.

372
00:30:59.810 --> 00:31:03.850
Tutkivan kyselyn 50 väittämään
ja niistä pitäisi seuloa

373
00:31:03.850 --> 00:31:06.000
sitten näitä ulottuvuuksia niin.

374
00:31:06.000 --> 00:31:12.020
Siihen tietysti käy
faktori analyysi. Ja.

375
00:31:12.020 --> 00:31:17.000
Eroavatko nää eri ryhmän?
Eri ryhmien.

376
00:31:17.000 --> 00:31:18.940
Oppilaat.

377
00:31:18.940 --> 00:31:23.700
2 tämmöisen selitettävän muuttujan
suhteen, niin siihen tietysti

378
00:31:23.700 --> 00:31:27.410
käy moniin muuttujan varianssi analyysiä.

379
00:31:27.410 --> 00:31:32.970
Ja sitten tämmöinen selitystä
se eri selittävien selitystä

380
00:31:32.970 --> 00:31:36.440
vertailu, niin siihen
tietysti käy monimuoto.

381
00:31:36.440 --> 00:31:44.920
Regressioanalyysi.

382
00:31:44.920 --> 00:31:49.140
No niin ja testi myötä sitten
näemme, miten ollaan hienosti

383
00:31:49.140 --> 00:31:53.180
saavutettu nää osaamistavoitteet eli.

384
00:31:53.180 --> 00:31:56.830
Tunnistatte näitä määrällisiä.

385
00:31:56.830 --> 00:32:03.780
Moni muuttujamenetelmiä ja ymmärrätte
niiden sovellusalue ajo alustavasti ja.

386
00:32:03.780 --> 00:32:08.160
Luennoilla ja.
Demonilla.

387
00:32:08.160 --> 00:32:14.470
Ja harjoitustehtävässä sitten.
Opiskellaan tarkemmin.

388
00:32:14.470 --> 00:32:22.530
Tätä niiden.
Käyttöä ja raportointia.

389
00:32:22.530 --> 00:32:28.680
Ja seuraavassa.
Videossa kerron alustavasti.

390
00:32:28.680 --> 00:32:32.770
Näistä.
Opiskeluja. Opetus ja suoritusmuodoista.