Model-based cluster analysis (MBCA) was created to automatize the often subjective model-selection procedure of traditional explorative clustering methods. It is a type of finite mixture modelling, assuming that the data come from a mixture of different subpopulations following given distributions, typically multivariate normal. In that case cluster analysis is the exploration of the underlying mixture structure. In MBCA finding the possible number of clusters and the best clustering model is a statistical model-selection problem, where the models with differing number and type of component distributions are compared. For fitting a certain model MBCA uses a likelihood based Bayesian Information Criterion (BIC) to evaluate its appropriateness and the model with the highest BIC value is accepted as the final solution. The aim of the present study is to investigate the adequacy of automatic model selection in MBCA using BIC, and suggested alternative methods, like the Integrated Completed Likelihood Criterion (ICL), or Baudry’s method. An additional aim is to refine these procedures by using so called quality coefficients (QCs), borrowed from methodological advances within the field of exploratory cluster analysis, to help in the choice of an appropriate cluster structure (CLS), and also to compare the efficiency of MBCA in identifying a theoretical CLS with those of various other clustering methods. The analyses are restricted to studying the performance of various procedures of the type described above for two classification situations, typical in person-oriented studies: (1) an example data set characterized by a perfect theoretical CLS with seven types (seven completely homogeneous clusters) was used to generate three data sets with varying degrees of measurement error added to the original values, and (2) three additional data sets based on another perfect theoretical CLS with four types. It was found that the automatic decision rarely led to an optimal solution. However, dropping solutions with irregular BIC curves, and using different QCs as an aid in choosing between different solutions generated by MBCA and by fusing close clusters, optimal solutions were achieved for the two classification situations studied. With this refined procedure the revealed cluster solutions of MBCA often proved to be at least as good as those of different hierarchical and k-center clustering methods. MBCA was definitely superior in identifying four-type CLS models. In identifying seven-type CLS models MBCA performed at a similar level as the best of other clustering methods (such as k-means) only when the reliability level of the input variables was high or moderate, otherwise it was slightly less efficient.
Háttér és célkitűzésekA wulffi elméletet alapul vevő Kritika Utáni Vallásosság skála két dimenzión alapuló kiértékelése (Martos, Kézdy, Robu, Urbán és Horváth-Szabó, 2009) lehetőséget nyújt egy újfajta vallásosságtipológia létrehozására. Kutatásunk célja az volt, hogy a vallás iránti attitűdöket személyorientált statisztikai eljárások segítségével vizsgáljuk annak érdekében, hogy a valláshoz való személyes viszonyulás differenciáltabb típusait tárjuk fel.MódszerHierarchikus agglomeratív és k-központú klaszteranalízist végeztünk el egy 1417 fős és egy 506 fős mintán, majd megbízhatóságát centroid módszerrel és egy újfajta validálási eljárással ellenőriztük (vö. Vargha, Bergman és Takács, 2016), majd a létrejövő klaszterstruktúrákat vizsgáltuk az értelemmegélés és értelemkeresés, valamint az aspirációk tükrében.EredményekAz eredmények szerint azonosítható egy megbízható 7 klaszteres struktúra. A feltárt klasz- terek között megjelent a szakirodalom által sugallt klasszikus négy attitűddel közel azonos mintázat (Ortodoxia, Külső Kritika, Relativizmus, Második Naivitás). Három további típus kimutatása hozzájárult ahhoz, hogy a vallás iránti egyéni viszonyulásokról árnyaltabb képet tárjunk fel.KövetkeztetésekAz Ortodoxia és a Második Naivitás csoportba tartozók kedvezőbb, a Külső Kritika csoportjába tartozók kedvezőtlenebb pontszámot érnek el az értelemmegélés és -keresés, illetve az aspirációk tekintetében. A transzcendencia befogadása az értelmesség megélésének pozitív előrejezője.Based on Wulffs theorem the two dimensional evaluation of the Post Critical belief scale presents a valuable opportunity to create a typology of religious attitudes. The main goal of the research was to explore different types of attitudes towards religiosity in a person-oriented framework. We performed a hierarchical agglomerative and k-means cluster analysis in two distinct samples (one with 1417 and one with 506 participants), and verified the results with centroid-method and a new validation process (Vargha, Bergman & Takács, 2016). Furthermore we examined the relationship between the given cluster structures and the presence of/ searching for meaning in life, and the intrinsic/extrinsic aspirations. The results show that there is a reliable underlying 7-cluster solution in both samples. The explored cluster structures include the classic pattern of religious attitudes (Orthodoxy, External Critique, Relativism, Second Naivité), moreover it expands the model with three additional types. The members of the Orthodoxy and Second Naivité clusters had higher scores, while the External Critique group had lower scores in the given external variables. The inclusion of transcendence is in a positive relationship with presence of meaning in life.
Kutatásunk célja, a halmozottan hátrányos helyzetű diákok Országos kompetenciamérésen nyújtott teljesítményének feltérképezése, melynek alapját Kispál, Gergely, T. Kárász és Takács (2020, kézirat) kutatásának eredményei adták. A halmozottan hátrányos helyzetű diákok minden évben részt vesznek az Országos kompetenciamérésen, ám teljesítményük elmarad az átlagtól. Fő célkitűzéseink közé tartozik megvizsgálni, hogy itemek szintjén megjelenik-e különbség a halmozottan hátrányos helyzetű diákok feladatmegoldásában, vannak-e olyan feladatok melyek kifejezetten nehezebbek vagy könnyebbek a számukra, illetve tudják-e kompenzálni az egyik kompetenciaterületen való hiányosságaikat a másikkal? Két statisztikai modell vizsgálata során(továbbiakban M2, M4 modell) megállapíthattuk, hogy mindkét esetben fennáll differenciált itemműködés, ugyanakkor az M4-es modell mutatja láthatóan, hogy a teszt információs görbéje a szövegértés dimenzióról sokkal több információt szolgáltat, mint a matematika dimenzióról. Ugyanakkor jelentősen elmarad az információ-tartalom maximuma a nem halmozottan hátrányos helyzetű csoporttól. Item-jellemzők és tartalmi kódolás vizsgálata esetén csak a tényismeret és egyszerű műveletek területen figyelhető meg szignifikánsan nagyobb esély a differenciált itemműködés megjelenésére. Összegezve elmondható, hogy a halmozottan hátrányos helyzetű diákok a matematika feladatok megoldásánál sokkal inkább a szövegértési kompetenciájukat veszik igénybe. Abban az esetben, ha a feladat nem kíván több matematika tudást, mint szövegértést, nem okoz differenciált itemműködést, míg ellenkező esetben igen. A szerzők a tanulmány alapjául szolgáló kutatást az Országos kompetenciamérés kutatócsoport 20642B800 témaszámú, a Károli Gáspár Református Egyetem Bölcsészet-és Társadalomtudományi Kara által finanszírozott pályázat keretében végezték. Dolgozatunk mellékleteként angol nyelven is közöljük tanulmányunkat.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.