Hajléktalanság.hu - Kazal Kolos szociálpolitikai szakértő

Olvasási problémák?
Kattinson ide, és tudja meg, hogyan lehet gyermeke sikeresebb a tanulásban!

Ön sem talál megfelelő méretet?
A Nagyruha.hu oldalán a legkisebb méret az XXL.

www.nagyruha.hu

Kazal Kolos
szociálpolitikai szakértő
hajléktalan személyek szociális ellátása tevékenységi kör
87/482-155, 30/277-06-91
kazalk@hajlektalansag.hu

Dávid Beáta-Tom Snijders
A budapesti hajléktalanok számának becslése

Mellékletek

A mellékletek a SNOWBALL és a GLIM programok eredményeit tartalmazzák.

1. melléklet
A populáció méretének becslése O. Frank & T.A.B. Snijders, Estimating the size of hidden populations using snowball sampling című tanulmányában alkalmazott módszerének felhasználásával.
Az itt alkalmazott jelölések megegyeznek a programban használtakkal.

Jelen alkalmazás:
A válaszadók és az általuk megnevezett személyek sorszáma 1 és 3000 között lehet csak.
Az eredeti minta maximális mérete 1500.
Az egy főre eső említések száma legfeljebb 20.
A futtatási korlátok kiszélesítése a megfelelő állandóknak a Turbo Pascal forráskódban eszközölt megváltoztatásával és újrarendezésével érhető el.

i. A snij2.dat file-ból beolvasott adatok.

Statisztika
n 1404 a kezdeti mintában szereplő személyek száma
m 426 a hólabda első hullámában szereplő személyek száma
r 389 az eredeti mintában szereplő kapcsolatok száma
s 498 az eredeti minta és az első hullám közti kapcsolatok száma
k 293 az eredeti mintában szereplő azon személyek száma, akiket legalább
egy másik személy említett az eredeti mintából

becsült értékek

v_1	3200.1
v_3	3129.4
v_5	3443.9

Standard hibák (j = jackknife, m = modell-alapú); (a modell-alapú standard hibák gyakorlati értéke általában kétséges).

se_1	m	121.5
se_1	j	172.8
se_3	m	80.4
se_3	j	129.6
se_5	j	167.1

ii. A cat1.dat file-ból beolvasott adatok.
Statisztika

n	1331
m	391
k	188
s	477
r	329

Becsült értékek

V2_1	3259.3
V2_3	2980.6
V2_5	4097.1

Standard hibák (j = jackknife, m = modellalapú); (a modell-alapú standard hibák gyakorlati értéke általában kétséges).

se_1	m	138.2
se_1	j	167.8
se_3	m	81.0
se_3	j	118.3
se_5	j	268.1

Zárómegjegyzéseikben Frank & Snijders (1994) a v_3 és v_5 becsült értékeket részesíti előnyben, ugyanakkor felhívják a figyelmet arra, hogy a v_3 torzíthat.
Abban az esetben, ha a v_3 és v_5 nagyon eltérő eredményeket hoz, a v_3 nem tekinthető megbízhatónak.

2. melléklet

[o] GLIM 3.77 update 1 (copyright)1985 Royal Statistical Society, London
[i] ? $units 7$
[i] ? $var count$
[i] ? $var l1 l2 l3$
[i] ? $data l1 l2 l3 count$
[i] ? $dinput 11$
[i] File name? tbc9698.dot
[i] ? $look l1 l2 l3 count$

[o]		L1	L2	L3	COUN
[o]	1	0.000	0.000	1.000	1018.00
[o]	2	0.000	1.000	0.000	1194.00
[o]	3	0.000	1.000	1.000	372.00
[o]	4	1.000	0.000	0.000	1581.00
[o]	5	1.000	0.000	1.000	262.00
[o]	6	1.000	1.000	0.000	115.00
[o]	7	1.000	1.000	1.000	72.00

[i] ? $yva count$
[i] ? $err p$
[i] ? $factor li1 2$
[i] ? $factor li2 2$
[i] ? $factor li3 2$
[i] ? $calc li1 = l1 + 1$
[i] ? $calc li2 = l2 + 1$
[i] ? $calc li3 = l3 + 1$
[i] ? $fit li1 + li2 + li3$
[o] scaled deviance = 242.34 at cycle 4
[o] d.f. = 3
[i] ? $dis e$

[o]		estimate	s.e.	parameter
[o]	1	8.704	0.04403	1
[o]	2	-1.445	0.04049	LI1(2)
[o]	3	-1.624	0.04063	LI2(2)
[o]	4	-1.644	0.04067	LI3(2)

[o] scale parameter taken as 1.000
[i] ? $fit + li1.li2$
[o] scaled deviance = 88.579 (change = -153.8) at cycle 3
[o] d.f. = 2 (change = -1 )
[i] ? $fit + li1.li3$
[o] scaled deviance = 58.929 (change = -29.65) at cycle 4
[o] d.f. = 1 (change = -1 )
[i] ? $fit + li2.li3$
[o] scaled deviance = 3.251e-11 (change = -58.93) at cycle 4
[o] d.f. = 0 (change = -1 )
[i] ? $dis e$

[o]		estimate	s.e.	parameter
[o]	1	9.421	0.1776	1
[o]	2	-2.055	0.1758	LI1(2)
[o]	3	-2.336	0.1752	LI2(2)
[o]	4	-2.495	0.1748	LI3(2)
[o]	5	-0.2850	0.1462	LI1(2).LI2(2)
[o]	6	0.6979	0.1616	LI1(2).LI3(2)
[o]	7	1.329	0.1644	LI2(2).LI3(2)

[o] scale parameter taken as 1.000
[i] ? $calc %exp(9.421)$
[o] 12345.
[i] ? $calc %exp(9.421 + (2*0.1776))$
[o] 17610.
[i] ? $calc %exp(9.421 - (2*0.1776))$
[o] 8654.
[i] ? $stop$

3. melléklet

[o] GLIM 3.77 update 1 (copyright)1985 Royal Statistical Society, London
[i] ? $units 7$
[i] ? $var count$
[i] ? $var l1 l2 l3$
[i] ? $data l1 l2 l3 count$
[i] ? $dinput 11$
[i] File name? tbc963.dot
[i] ? $look l1 l2 l3 count$

[o]		L1	L2	L3	COUN
[o]	1	1.000	1.000	1.000	9.000
[o]	2	1.000	1.000	0.000	238.000
[o]	3	1.000	0.000	1.000	25.000
[o]	4	1.000	0.000	0.000	1758.000
[o]	5	0.000	1.000	1.000	32.000
[o]	6	0.000	1.000	0.000	436.000
[o]	7	0.000	0.000	1.000	108.000

[i] ? $yva count$
[i] ? $err p$
[i] ? $factor li1 2$
[i] ? $factor li2 2$
[i] ? $factor li3 2$
[i] ? $calc li1 = l1 + 1$
[i] ? $calc li2 = l2 + 1$
[i] ? $calc li3 = l3 + 1$
[i] ? $fit li1+li2+li3$
[o] scaled deviance = 37.316 at cycle 4
[o] d.f. = 3
[i] ? $dis e$

[o]		estimate	s.e	parameter
[o]	1	8.138	0.07391	1
[o]	2	-0.6781	0.07042	LI1(2)
[o]	3	-2.006	0.06305	LI2(2)
[o]	4	-3.516	0.08880	LI3(2)

[o] scale parameter taken as 1.000
[i] ? $fit + li1.li2$
[o] scaled deviance = 36.126 (change = -1.191) at cycle 4
[o] d.f. = 2 (change = -1 )
[i] ? $fit +li1.li3$
[o] scaled deviance = 5.2150 (change = -30.91) at cycle 3
[o] d.f. = 1 (change = -1 )
[i] ? $fit + li2.li3$
[o] scaled deviance = 0.000000000 (change = -5.215) at cycle 5
[o] d.f. = 0 (change = -1 )
[i] ? $dis e$

[o]		estimate	s.e.	parameter
[o]	1	8.272	0.4457	1
[o]	2	-0.8001	0.4451	LI1(2)
[o]	3	-2.194	0.4432	LI2(2)
[o]	4	-3.590	0.4352	LI3(2)
[o]	5	0.1947	0.4377	LI1(2).LI2(2)
[o]	6	-0.6631	0.3858	LI1(2).LI3(2)
[o]	7	0.9780	0.3948	LI2(2).LI3(2)

[i] ? $calc %exp(8.272)$
[o] 3913.
[i] ? $calc %exp(8.272 + (2*0.4457))$
[o] 9541.
[i] ? $calc %exp(8.272 - (2*0.4457))$
[o] 1605.
[i] ? $stop$

www.varazsbetu.hu	www.oktatoprogram.hu	www.oktatoprogramok.hu	www.kazalkolos.hu	www.hajlektalansag.hu	www.kazalkolos.lapok.hu
www.dislexia.hu	www.xxlruha.hu	www.nagyruha.hu		www.anagyruha.hu	www.iratkapocs.hu