| Bevezetés | 11 |
| A hasznos véletlen hiba | 13 |
| Adatredukciós módszerek | 17 |
| Főkomponens-elemzés | 18 |
| A főkomponens jelentése | 25 |
| Mikor használjunk főkomponens-elemzést? | 25 |
| A puding próbája | 28 |
| Az egyenlő teherviselés | 30 |
| Faktorelemzés | 40 |
| A modell javítgatása | 49 |
| Lássunk tisztán! A rotálás | 53 |
| Mentsük, ami menthető: a faktorszkópok létrehozása | 60 |
| Amiért fáradotzunk: létrejöttek a látens változók | 62 |
| A hiányzó adatok kezelése | 64 |
| A faktorelemzés buktatói | 65 |
| A Kaiser-Meyer-Olkin mutató és a Bartlett-teszt | 66 |
| Amikor a faktorok 100 százaléknál többet magyaráznak | 71 |
| A legnagyobb kommunalitású változó kihagyása | 71 |
| A rosszul interpretálható változók kihagyása | 78 |
| Az egyeduralomra törő változók esete | 82 |
| Vissza az elágazási ponthoz | 85 |
| A változók tartalma és a faktorok jelentése | 89 |
| A konfirmációs modell | 91 |
| Amikor minden reménytelen | 96 |
| Kétségbeesett kísérlet | 101 |
| Feladás helyett: visszahátrálás a főkomponensbe | 103 |
| Szezon és fazon | 108 |
| Klaszterelemzés | 109 |
| Tudás versus anyagi javak | 109 |
| Hierarchikus klaszterek | 115 |
| A hierarchikus klaszterezés módszerei | 119 |
| A legközelebbi, illetve a legtávolabbi szomszéd | 119 |
| Klaszterek távolsága mint a klaszterelemek távolságainak átlaga | 122 |
| Klaszterek távolságának meghatározása a klaszterközéppontok segítségével | 125 |
| Miben mérjük a távolságot? | 129 |
| Euklideszi távolság | 129 |
| Az euklideszi távolság négyzete | 130 |
| Asszociáción alapuló közelség-távolság | 130 |
| Sok hűhó majdnem semmiért | 132 |
| Klaszterezés nagy file-okon | 133 |
| Iniciális klaszterközéppontok | 133 |
| Útban a tökéletesség felé: iterálás | 137 |
| A klaszterek interpretálása | 138 |
| Kendőzetlen őszinteség versus a standardizálás álcája | 141 |
| Kilépés az életbe: típuskeresés klaszterekkel | 143 |
| És megint elölről: iterálás több lépésben | 145 |
| Névadás: klaszterek interpretálása | 148 |
| Adjunk-e profilt a bizonytalankodóknak? A hiányzó adatok kezelése | 150 |
| Egy tautológia két jelentése: ANOVA egy kicsit másképpen | 154 |
| Minden út Rómába vezet? Változtassunk a kezdőpontokon! | 157 |
| A magunk ásta verem és a kiút | 159 |
| Tanulságok | 163 |
| Magyarázó modellek | 164 |
| Variancia-analízis | 166 |
| Egyutas variancia-analízis | 167 |
| Kétutas variancia-analízis | 175 |
| Az interakció | 176 |
| Az interakcióról bővebben | 178 |
| A négyzetösszegek értelmezése a kétutas ANOVA-ban | 180 |
| Az interferencia | 182 |
| A hierarchikus ANOVA | 188 |
| Korlátozó feltételek | 192 |
| Normalitás-vizsgálat | 194 |
| Lineáris regresszióanalízis | 204 |
| A regressziós egyenes egyenlete | 205 |
| Egyszerű példa a lineáris regresszióra | 209 |
| Illeszkedés: mennyire vehetjük komolyan a regressziós egyenest? | 211 |
| Lineáris regressziónalaízis "élesben" - egyszerű modell | 214 |
| A "deviánsokról" | 217 |
| Vissza az output-hoz | 220 |
| Kétváltozós regressziós modell | 222 |
| Kétértékű vagy dummy változók | 222 |
| Modellépítés | 223 |
| Még egy kicsit a dummy változókról | 226 |
| Többváltozós regressziós modell | 227 |
| Ordinális független változók | 227 |
| A Lazarsfeld-paradigma és a regresszió | 230 |
| Interferencia a regresszióban: a változószelektálás módszerei | 234 |
| A Forward módszer | 235 |
| A Backward módszer | 238 |
| A Stepwise módszer | 241 |
| Az Enter módszer | 244 |
| Nominális mérési szintű változók becsempészése a regrssziós modellbe: dummyzás | 246 |
| Összefüggő független változók: a multikollinearitás | 252 |
| Függvényszerű multikollinearitás | 252 |
| A baj nem jár egyedül: magas mérési szintű és dummy változók a regressziós modellben | 259 |
| Amikor csak a gondolkodás segít - dummyzzunk másként | 266 |
| Szabaduljunk meg a nominális változóktól | 269 |
| Függvnyszerű kapcsolat - sztochasztikus multikollinearitás | 271 |
| Miért félünk a sztochasztikus multikollinearitástól? | 274 |
| Barátságosabb út a multikollinearitás meghatározására - kétféle mérőszám | 277 |
| Hogyan védekezzünk a sztochasztikus multikollinearitás ellen? | 282 |
| Hab a tortán: a homoszkedaszticitás és az elsőrendű autokorreláció | 289 |
| Biztos, ami biztos: a regressziós modellek validitása | 296 |
| Útmodellek | 301 |
| Az utak erőssége | 302 |
| Közvetlen és közvetett hatások | 308 |
| Gondolkodási sémák | 310 |
| Mi az ők, és mi az okozat? | 313 |
| A modell továbbépítése | 314 |
| A modell interpretációja | 317 |
| Az útmodell korlátai | 318 |
| Diszkriminancia-analízis | 320 |
| A romák lehetséges beilleszkedése a többségi társadalomba: ahogyan a többség látja | 320 |
| Sok kicsi sokra megy? | 324 |
| A magyarázó változók együttes jelentése: a diszkrimináló függvények | 327 |
| Az üdvözlendő diszkrimináció | 333 |
| Sose lehetünk elég óvatosak - átlagok és eloszlások összehasonlítása | 334 |
| Lássuk a medvét! | 338 |
| Komplex modell | 340 |
| Antiszemitizmus és cigányellenesség | 341 |
| Státus és attitűdök: együttes magyarázat | 347 |
| Többdimenziós skálázás | 352 |
| Kisebbségek egy rokonszenv-térképen | 353 |
| Többdiemnziós skálázás az SPSS-ben | 356 |
| Meddig mehetünk el? A dimenziócsökkentés határai | 359 |
| Etnikai csoportok az egymásról alkotott vélemények terében | 366 |
| Logisztikus regresszió | 374 |
| A "sztahanovista" lineáris regresszió. Miért van szükség logisztikus regresszióra? | 375 |
| A legfontosabb fogalmak | 378 |
| A valószínűség és az esély | 379 |
| Az esélyhányados | 379 |
| Út a logisztikus regresszióanalízis felé | 380 |
| Egy egyszerű modell | 384 |
| A likelihood függvényről | 386 |
| Az output érdemi része | 389 |
| A modell magyarázóereje | 391 |
| Találatmátrix a logisztikus regresszióban | 394 |
| A független változó hatása | 396 |
| A modell bővítése | 398 |
| Összemérhető hatások: a standardizált regressziós együttható | 401 |
| Kategoriális független változó a logisztikus regresszióban | 404 |
| Mindent bele! Sokváltozós modell | 410 |
| Ugyanaz másképpen | 419 |
| Melléklet | 425 |
| A parancsikonok használata: Főkomponens- és faktorelemzés | 425 |
| A parancsikonok használata: Klaszteremzés | 430 |
| Hierarchikus klaszterezés | 430 |
| K-Means klaszterezés | 434 |
| A parancsikonok használata: Variancia-analízis | 438 |
| A parancsikonok használata: A lineáris regresszióanalízis | 438 |
| A parancsikonok használata: Diszkriminancia-analízis | 442 |
| A parancsikonok használata: A többdimenziós skálázás | 446 |
| A parancsikonok használata: A logisztikus regresszió | 449 |
| Felhasznált irodalom | 452 |