Kutatási beszámoló - 2026

1. és 2. fázis

Szerző

Abari Kálmán

Dátum

2026. május 19.

1 Magyar minta - 1. fázis

ImportantHipoptézis/Kérdés - Válasz

Befolyásolja-e a régió azt, hogy mekkora az esélye az „az” választásának az „ez” választásához képest? Eltér-e az „az” választásának esélye az I., II. és III. régió között?

A 3 régió kitapintható, szignifikáns a hatása:

  • Az I. régióban az „az” esélye körülbelül 95%-kal kisebb, mint a II. régióban.
  • A III. régióban az „az” választásának esélye 5,67-szerese a II. régióénak.
df <- rio::import("output/adat/1_fazis_magyar_regio.xlsx")

# View(df)
str(df)
'data.frame':   356 obs. of  5 variables:
 $ ID                        : chr  "905998040-593498531-1" "905998040-593498531-1" "905998040-593498531-1" "905998040-593498531-1" ...
 $ valasztott_gomb_felirattal: chr  "az" "az" "az" "az" ...
 $ dist_celkorong            : num  3.16 3.61 4 5.1 1 ...
 $ handedness_match          : chr  "opposite" "same" NA "same" ...
 $ region                    : chr  "II" "II" "II" "III" ...
# ez - az a sorrend
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
table(df$valasztott_gomb_felirattal)

 az  ez 
150 206 
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
206 150 
df$region <- factor(df$region)
table(df$region)

  I  II III 
118 116 122 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
116 118 122 
df$ID <- factor(df$ID)
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("handedness_match", "dist_rel", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                         
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                             
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                            
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID )                          
   Distribution     Binomial          Dichotomous event distribution of y                                           
   Link function    Logit             Log of the odd of y                                                           
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )   
   Sample size                 356                                                                                  
   Converged        yes                                                                                             
   C.I. method      Wald                                                                                            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 MODEL RESULTS

 Model Fit                                                              
 ────────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²         p            
 ────────────────────────────────────────────────────────────────────── 
   Conditional    0.7650704    3.0000000    180.7007279    < .0000001   
   Marginal       0.2846698    2.0000000    128.1237532    < .0000001   
 ────────────────────────────────────────────────────────────────────── 


 Additional Indices                                             
 ────────────────────────────────────────────────────────────── 
   Info              Model Value     Comment                    
 ────────────────────────────────────────────────────────────── 
   LogLikelihood     -151.9871913                               
   AIC                311.9743827    Less is better             
   BIC                327.4741056    Less is better             
   Deviance           303.9743827    Less is better             
   Residual DF        352.0000000                               
   Chi-squared/DF       0.7852129    Overdispersion indicator   
 ────────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                      
 ──────────────────────────────────────────────── 
             X²          df          p            
 ──────────────────────────────────────────────── 
   region    68.60183    2.000000    < .0000001   
 ──────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                       
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names          Effect         Estimate      SE           Exp(B)        Lower         Upper         z            p            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)    (Intercept)    -0.9302802    0.4814150    0.39444316    0.15353352     1.0133644    -1.932387     0.0533117   
   region1        I - II         -3.0697486    0.4753784    0.04643282    0.01828868     0.1178875    -6.457485    < .0000001   
   region2        III - II        1.7343306    0.4395814    5.66513424    2.39352438    13.4085729     3.945414     0.0000797   
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                
 ──────────────────────────────────────────────────────────────── 
   Groups      Name           Variance    SD          ICC         
 ──────────────────────────────────────────────────────────────── 
   ID          (Intercept)    6.727353    2.593714    0.6715788   
   Residual                   3.289868    1.813799                
 ──────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 356 , Number of groups: ID 37

2 Magyar minta - 2. fázis

ImportantHipoptézis/Kérdés - Válasz

Befolyásolja-e a régió azt, hogy mekkora az esélye az „az” választásának az „ez” választásához képest? Eltér-e az „az” választásának esélye az I., II. és III. régió között?

Nincs hatása a régióknak, a 3 régió már nem tapintható ki.

df <- rio::import("output/adat/2_fazis_magyar_regio.xlsx")


# # View(df)
str(df)
'data.frame':   241 obs. of  7 variables:
 $ ID                        : chr  "562664666-815186817-1" "562664666-815186817-1" "562664666-815186817-1" "562664666-815186817-1" ...
 $ valasztott_gomb_felirattal: chr  "az" "az" "az" "ez" ...
 $ dist_celkorong            : num  4.47 6.32 5.1 1 4.47 ...
 $ dist_zavarokorong         : num  3 5.1 5 2.83 4.47 ...
 $ dist_rel                  : chr  "-" "-" "-" "+" ...
 $ handedness_match          : chr  "opposite" "opposite" "same" NA ...
 $ region                    : chr  "II" "III" "III" "I" ...
# ez - az a sorrend
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
levels(df$valasztott_gomb_felirattal)
[1] "az" "ez"
table(df$valasztott_gomb_felirattal)

 az  ez 
 95 146 
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
146  95 
# - 0 + a sorrend
df$dist_rel <- factor(df$dist_rel)
table(df$dist_rel)

  -   +   0 
133  54  54 
df$dist_rel <- factor(df$dist_rel, levels = c("-", "0", "+"))
table(df$dist_rel)

  -   0   + 
133  54  54 
df$region <- factor(df$region)
table(df$region)

  I  II III 
 81  79  81 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
 79  81  81 
df$ID <- factor(df$ID)
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("handedness_match", "dist_rel", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                         
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                             
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                            
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID )                          
   Distribution     Binomial          Dichotomous event distribution of y                                           
   Link function    Logit             Log of the odd of y                                                           
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )   
   Sample size                 241                                                                                  
   Converged        yes                                                                                             
   C.I. method      Wald                                                                                            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 MODEL RESULTS

 Model Fit                                                             
 ───────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²        p            
 ───────────────────────────────────────────────────────────────────── 
   Conditional    0.4353786    3.0000000    36.0884275    < .0000001   
   Marginal       0.0132566    2.0000000     3.1759718     0.2043368   
 ───────────────────────────────────────────────────────────────────── 


 Additional Indices                                             
 ────────────────────────────────────────────────────────────── 
   Info              Model Value     Comment                    
 ────────────────────────────────────────────────────────────── 
   LogLikelihood     -143.5669758                               
   AIC                295.1339515    Less is better             
   BIC                309.0731393    Less is better             
   Deviance           287.1339515    Less is better             
   Residual DF        237.0000000                               
   Chi-squared/DF       0.6963804    Overdispersion indicator   
 ────────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                     
 ─────────────────────────────────────────────── 
             X²          df          p           
 ─────────────────────────────────────────────── 
   region    3.219424    2.000000    0.1999452   
 ─────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                   
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names          Effect         Estimate      SE           Exp(B)       Lower        Upper       z             p           
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)    (Intercept)    -0.6800898    0.3474605    0.5065715    0.2563787    1.000921    -1.9573154    0.0503104   
   region1        I - II         -0.2000763    0.3810882    0.8186683    0.3879048    1.727789    -0.5250131    0.5995741   
   region2        III - II        0.4599217    0.3760040    1.5839499    0.7580298    3.309761     1.2231830    0.2212606   
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                
 ──────────────────────────────────────────────────────────────── 
   Groups      Name           Variance    SD          ICC         
 ──────────────────────────────────────────────────────────────── 
   ID          (Intercept)    2.459570    1.568302    0.4277931   
   Residual                   3.289868    1.813799                
 ──────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 241 , Number of groups: ID 28

3 Angol minta - 1. fázis

ImportantHipoptézis/Kérdés - Válasz

Befolyásolja-e a régió azt, hogy mekkora az esélye az „az” választásának az „ez” választásához képest? Eltér-e az „az” választásának esélye az I., II. és III. régió között?

A 3 régió már nem tapintható ki, ugyan szignifikáns a hatása:

  • Az I. régióban az „az” esélye körülbelül 94,6%-kal kisebb, mint a II. régióban (ez szignifikáns volt).
  • A III. és II. régió között nincs érdemi különbség az „az” választásának esélyében.
df <- rio::import("output/adat/1_fazis_angol_regio.xlsx")

# View(df)
str(df)
'data.frame':   297 obs. of  5 variables:
 $ ID                        : chr  "478622667-776727740-1" "478622667-776727740-1" "478622667-776727740-1" "478622667-776727740-1" ...
 $ valasztott_gomb_felirattal: chr  "ez" "az" "ez" "ez" ...
 $ dist_celkorong            : num  3.61 4 1 2.24 6.32 ...
 $ handedness_match          : chr  "same" NA NA "same" ...
 $ region                    : chr  "II" "II" "I" "I" ...
# ez - az a sorrend
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
table(df$valasztott_gomb_felirattal)

 az  ez 
121 176 
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
176 121 
df$region <- factor(df$region)
table(df$region)

  I  II III 
101 100  96 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
100 101  96 
df$ID <- factor(df$ID)
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("handedness_match", "dist_rel", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                         
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                             
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                            
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID )                          
   Distribution     Binomial          Dichotomous event distribution of y                                           
   Link function    Logit             Log of the odd of y                                                           
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )   
   Sample size                 297                                                                                  
   Converged        yes                                                                                             
   C.I. method      Wald                                                                                            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 MODEL RESULTS

 Model Fit                                                              
 ────────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²         p            
 ────────────────────────────────────────────────────────────────────── 
   Conditional    0.7890251    3.0000000    141.3613318    < .0000001   
   Marginal       0.1166425    2.0000000     51.3049522    < .0000001   
 ────────────────────────────────────────────────────────────────────── 


 Additional Indices                                             
 ────────────────────────────────────────────────────────────── 
   Info              Model Value     Comment                    
 ────────────────────────────────────────────────────────────── 
   LogLikelihood     -130.0619402                               
   AIC                268.1238804    Less is better             
   BIC                282.8988089    Less is better             
   Deviance           260.1238804    Less is better             
   Residual DF        293.0000000                               
   Chi-squared/DF       0.6280366    Overdispersion indicator   
 ────────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                      
 ──────────────────────────────────────────────── 
             X²          df          p            
 ──────────────────────────────────────────────── 
   region    35.87727    2.000000    < .0000001   
 ──────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                       
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names          Effect         Estimate      SE           Exp(B)        Lower         Upper        z             p            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)    (Intercept)    -1.1502044    0.6719984    0.31657205    0.08481379    1.1816222    -1.7116178     0.0869671   
   region1        I - II         -2.9156575    0.5248221    0.05416840    0.01936496    0.1515219    -5.5555163    < .0000001   
   region2        III - II       -0.1566869    0.4352592    0.85497173    0.36429938    2.0065273    -0.3599852     0.7188582   
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                 
 ───────────────────────────────────────────────────────────────── 
   Groups      Name           Variance     SD          ICC         
 ───────────────────────────────────────────────────────────────── 
   ID          (Intercept)    10.484895    3.238039    0.7611670   
   Residual                    3.289868    1.813799                
 ───────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 297 , Number of groups: ID 31

4 Angol minta - 2. fázis

ImportantHipoptézis/Kérdés - Válasz

Befolyásolja-e a régió azt, hogy mekkora az esélye az „az” választásának az „ez” választásához képest? Eltér-e az „az” választásának esélye az I., II. és III. régió között?

Nincs hatása a régióknak, a 3 régió már nem tapintható ki.

df <- rio::import("output/adat/2_fazis_angol_regio.xlsx")


# View(df)
str(df)
'data.frame':   288 obs. of  7 variables:
 $ ID                        : chr  "471966515-13756419-1" "471966515-13756419-1" "471966515-13756419-1" "471966515-13756419-1" ...
 $ valasztott_gomb_felirattal: chr  "this" "that" "that" "this" ...
 $ dist_celkorong            : num  2.83 1.41 6.32 6.32 1.41 ...
 $ dist_zavarokorong         : num  1.41 1 6.32 5 1.41 ...
 $ dist_rel                  : chr  "-" "-" "0" "-" ...
 $ handedness_match          : chr  "same" "opposite" "same" "same" ...
 $ region                    : chr  "I" "I" "III" "III" ...
# ez - az a sorrend
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
levels(df$valasztott_gomb_felirattal)
[1] "that" "this"
levels(df$valasztott_gomb_felirattal) <- c("az", "ez")
table(df$valasztott_gomb_felirattal)

 az  ez 
 76 212 
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
212  76 
# - 0 + a sorrend
df$dist_rel <- factor(df$dist_rel)
table(df$dist_rel)

  -   +   0 
159  66  63 
df$dist_rel <- factor(df$dist_rel, levels = c("-", "0", "+"))
table(df$dist_rel)

  -   0   + 
159  63  66 
df$region <- factor(df$region)
table(df$region)

  I  II III 
 96  99  93 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
 99  96  93 
df$ID <- factor(df$ID)
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("ID", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                         
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                             
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                            
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID )                          
   Distribution     Binomial          Dichotomous event distribution of y                                           
   Link function    Logit             Log of the odd of y                                                           
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )   
   Sample size                 288                                                                                  
   Converged        yes                                                                                             
   C.I. method      Wald                                                                                            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 MODEL RESULTS

 Model Fit                                                              
 ────────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²         p            
 ────────────────────────────────────────────────────────────────────── 
   Conditional    0.9577849    3.0000000    133.6833021    < .0000001   
   Marginal       0.0016660    2.0000000      2.4936855     0.2874108   
 ────────────────────────────────────────────────────────────────────── 


 Additional Indices                                            
 ───────────────────────────────────────────────────────────── 
   Info              Model Value    Comment                    
 ───────────────────────────────────────────────────────────── 
   LogLikelihood     -99.3589431                               
   AIC               206.7178862    Less is better             
   BIC               221.3697282    Less is better             
   Deviance          198.7178862    Less is better             
   Residual DF       284.0000000                               
   Chi-squared/DF      0.3225330    Overdispersion indicator   
 ───────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                     
 ─────────────────────────────────────────────── 
             X²          df          p           
 ─────────────────────────────────────────────── 
   region    2.408357    2.000000    0.2999383   
 ─────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                           
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names          Effect         Estimate       SE           Exp(B)         Lower          Upper         z              p           
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)    (Intercept)    -7.33811852    2.1086900    6.502728e-4    1.042739e-5    0.04055233    -3.47994180    0.0005015   
   region1        I - II         -0.77007409    0.5551857      0.4629788      0.1559503    1.37447237    -1.38705673    0.1654245   
   region2        III - II       -0.01476019    0.5475510      0.9853482      0.3369097    2.88181405    -0.02695675    0.9784942   
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                 
 ───────────────────────────────────────────────────────────────── 
   Groups      Name           Variance     SD          ICC         
 ───────────────────────────────────────────────────────────────── 
   ID          (Intercept)    74.511458    8.632002    0.9577145   
   Residual                    3.289868    1.813799                
 ───────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 288 , Number of groups: ID 34

5 (Spanyol minta - 1. fázis)

df <- rio::import("output/adat/1_fazis_spanyol_regio.xlsx")

# View(df)
str(df)
'data.frame':   296 obs. of  5 variables:
 $ ID                        : chr  "842604359-399212437-1" "842604359-399212437-1" "842604359-399212437-1" "842604359-399212437-1" ...
 $ valasztott_gomb_felirattal: chr  "ez" NA "az" "az" ...
 $ dist_celkorong            : num  2 1.41 3.16 3.61 4.47 ...
 $ handedness_match          : chr  NA "opposite" "same" "opposite" ...
 $ region                    : chr  "I" "I" "II" "II" ...
# ez - az a sorrend
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
table(df$valasztott_gomb_felirattal)

 az  ez 
 86 124 
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
124  86 
df$region <- factor(df$region)
table(df$region)

  I  II III 
 97 100  99 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
100  97  99 
df$ID <- factor(df$ID)
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("handedness_match", "dist_rel", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                         
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                             
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                            
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID )                          
   Distribution     Binomial          Dichotomous event distribution of y                                           
   Link function    Logit             Log of the odd of y                                                           
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )   
   Sample size                 210                                                                                  
   Converged        yes                                                                                             
   C.I. method      Wald                                                                                            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 MODEL RESULTS

 Model Fit                                                              
 ────────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²         p            
 ────────────────────────────────────────────────────────────────────── 
   Conditional    0.7833165    3.0000000    105.8105595    < .0000001   
   Marginal       0.3805486    2.0000000     93.8324930    < .0000001   
 ────────────────────────────────────────────────────────────────────── 


 Additional Indices                                            
 ───────────────────────────────────────────────────────────── 
   Info              Model Value    Comment                    
 ───────────────────────────────────────────────────────────── 
   LogLikelihood     -89.1985201                               
   AIC               186.3970402    Less is better             
   BIC               199.7854703    Less is better             
   Deviance          178.3970402    Less is better             
   Residual DF       206.0000000                               
   Chi-squared/DF      0.5903344    Overdispersion indicator   
 ───────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                      
 ──────────────────────────────────────────────── 
             X²          df          p            
 ──────────────────────────────────────────────── 
   region    37.86562    2.000000    < .0000001   
 ──────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                          
 ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names          Effect         Estimate      SE           Exp(B)         Lower          Upper         z             p            
 ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)    (Intercept)    -0.1022342    0.5204519    0.902818109    0.325529862    2.50385797    -0.1964335     0.8442709   
   region1        I - II         -5.0841365    0.8291887    0.006194233    0.001219497    0.03146258    -6.1314590    < .0000001   
   region2        III - II       -1.1950666    0.7222599    0.302683782    0.073485291    1.24674572    -1.6546214     0.0980013   
 ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                
 ──────────────────────────────────────────────────────────────── 
   Groups      Name           Variance    SD          ICC         
 ──────────────────────────────────────────────────────────────── 
   ID          (Intercept)    6.115156    2.472884    0.6502010   
   Residual                   3.289868    1.813799                
 ──────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 210 , Number of groups: ID 31

Nem elemzett!

6 (Spanyol minta - 2. fázis)

df <- rio::import("output/adat/2_fazis_angol_regio.xlsx")


# View(df)
str(df)
'data.frame':   288 obs. of  7 variables:
 $ ID                        : chr  "471966515-13756419-1" "471966515-13756419-1" "471966515-13756419-1" "471966515-13756419-1" ...
 $ valasztott_gomb_felirattal: chr  "this" "that" "that" "this" ...
 $ dist_celkorong            : num  2.83 1.41 6.32 6.32 1.41 ...
 $ dist_zavarokorong         : num  1.41 1 6.32 5 1.41 ...
 $ dist_rel                  : chr  "-" "-" "0" "-" ...
 $ handedness_match          : chr  "same" "opposite" "same" "same" ...
 $ region                    : chr  "I" "I" "III" "III" ...
# ez - az a sorrend
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
levels(df$valasztott_gomb_felirattal)
[1] "that" "this"
levels(df$valasztott_gomb_felirattal) <- c("az", "ez")
table(df$valasztott_gomb_felirattal)

 az  ez 
 76 212 
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
212  76 
# - 0 + a sorrend
df$dist_rel <- factor(df$dist_rel)
table(df$dist_rel)

  -   +   0 
159  66  63 
df$dist_rel <- factor(df$dist_rel, levels = c("-", "0", "+"))
table(df$dist_rel)

  -   0   + 
159  63  66 
df$region <- factor(df$region)
table(df$region)

  I  II III 
 96  99  93 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
 99  96  93 
df$ID <- factor(df$ID)
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("ID", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                         
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                             
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                            
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + region + ( 1 | ID )                          
   Distribution     Binomial          Dichotomous event distribution of y                                           
   Link function    Logit             Log of the odd of y                                                           
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )   
   Sample size                 288                                                                                  
   Converged        yes                                                                                             
   C.I. method      Wald                                                                                            
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 MODEL RESULTS

 Model Fit                                                              
 ────────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²         p            
 ────────────────────────────────────────────────────────────────────── 
   Conditional    0.9577849    3.0000000    133.6833021    < .0000001   
   Marginal       0.0016660    2.0000000      2.4936855     0.2874108   
 ────────────────────────────────────────────────────────────────────── 


 Additional Indices                                            
 ───────────────────────────────────────────────────────────── 
   Info              Model Value    Comment                    
 ───────────────────────────────────────────────────────────── 
   LogLikelihood     -99.3589431                               
   AIC               206.7178862    Less is better             
   BIC               221.3697282    Less is better             
   Deviance          198.7178862    Less is better             
   Residual DF       284.0000000                               
   Chi-squared/DF      0.3225330    Overdispersion indicator   
 ───────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                     
 ─────────────────────────────────────────────── 
             X²          df          p           
 ─────────────────────────────────────────────── 
   region    2.408357    2.000000    0.2999383   
 ─────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                           
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names          Effect         Estimate       SE           Exp(B)         Lower          Upper         z              p           
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)    (Intercept)    -7.33811852    2.1086900    6.502728e-4    1.042739e-5    0.04055233    -3.47994180    0.0005015   
   region1        I - II         -0.77007409    0.5551857      0.4629788      0.1559503    1.37447237    -1.38705673    0.1654245   
   region2        III - II       -0.01476019    0.5475510      0.9853482      0.3369097    2.88181405    -0.02695675    0.9784942   
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                 
 ───────────────────────────────────────────────────────────────── 
   Groups      Name           Variance     SD          ICC         
 ───────────────────────────────────────────────────────────────── 
   ID          (Intercept)    74.511458    8.632002    0.9577145   
   Residual                    3.289868    1.813799                
 ───────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 288 , Number of groups: ID 34

Nem elemzett!

7 Magyar minta 1-2 fázis

ImportantHipotézis/Kérdés - Válasz

Más-e az „az” választásának esélye a 2. fázisban, mint az 1. fázisban?

A 2. fázisban az „az” esélye kb. 10%-kal alacsonyabb, mint az 1. fázisban. Nem szignifikáns. A fázis nem mutatott szignifikáns hatást az „az” választásának esélyére. Bár a 2. fázisban az esélyarány alapján kissé alacsonyabb az „az” esélye, mint az 1. fázisban, ez a különbség nem megbízható statisztikailag, p = 0,845.

df_1 <- rio::import("output/adat/1_fazis_magyar_regio.xlsx")
df_2 <- rio::import("output/adat/2_fazis_magyar_regio.xlsx")

ID <- c(df_1$ID, df_2$ID)
valasztott_gomb_felirattal <- c(df_1$valasztott_gomb_felirattal, df_2$valasztott_gomb_felirattal)
dist_celkorong <- c(df_1$dist_celkorong, df_2$dist_celkorong)
fazis <- rep(c("1. fazis", "2. fazis"), times = c(nrow(df_1), nrow(df_2)))
region <- c(df_1$region, df_2$region)

df <- data.frame(valasztott_gomb_felirattal, dist_celkorong, fazis, ID, region)

df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
table(df$valasztott_gomb_felirattal)

 az  ez 
245 352 
df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
352 245 
df$fazis <- factor(df$fazis)
df$ID <- factor(df$ID)

df$region <- factor(df$region)
table(df$region)

  I  II III 
199 195 203 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
195 199 203 
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + dist_celkorong + region + fazis + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("ID", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                           
 ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                               
 ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                              
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + dist_celkorong + region + fazis + ( 1 | ID )   
   Distribution     Binomial          Dichotomous event distribution of y                                             
   Link function    Logit             Log of the odd of y                                                             
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )     
   Sample size                 597                                                                                    
   Converged        yes                                                                                               
   C.I. method      Wald                                                                                              
 ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Note. All covariates are centered to the mean


 MODEL RESULTS

 Model Fit                                                              
 ────────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²         p            
 ────────────────────────────────────────────────────────────────────── 
   Conditional    0.6175382    5.0000000    187.2861443    < .0000001   
   Marginal       0.1557123    4.0000000    101.4609975    < .0000001   
 ────────────────────────────────────────────────────────────────────── 


 Additional Indices                                             
 ────────────────────────────────────────────────────────────── 
   Info              Model Value     Comment                    
 ────────────────────────────────────────────────────────────── 
   LogLikelihood     -310.5250091                               
   AIC                633.0500183    Less is better             
   BIC                659.4015210    Less is better             
   Deviance           621.0500183    Less is better             
   Residual DF        591.0000000                               
   Chi-squared/DF       0.7029639    Overdispersion indicator   
 ────────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                                
 ────────────────────────────────────────────────────────── 
                     X²             df          p           
 ────────────────────────────────────────────────────────── 
   dist_celkorong    12.78331825    1.000000    0.0003497   
   region             2.11062341    2.000000    0.3480839   
   fazis              0.03811696    1.000000    0.8452085   
 ────────────────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                               
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names             Effect                 Estimate      SE           Exp(B)       Lower        Upper        z             p           
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)       (Intercept)            -0.7621295    0.2896927    0.4666716    0.2644993    0.8233760    -2.6308207    0.0085179   
   dist_celkorong    dist_celkorong          0.7277392    0.2035420    2.0703946    1.3893059    3.0853780     3.5753767    0.0003497   
   region1           I - II                 -0.3408213    0.4266153    0.7111860    0.3082106    1.6410386    -0.7988960    0.4243507   
   region2           III - II               -0.3353853    0.4488698    0.7150625    0.2966644    1.7235452    -0.7471772    0.4549566   
   fazis1            2. fazis - 1. fazis    -0.1096738    0.5617508    0.8961264    0.2979931    2.6948364    -0.1952357    0.8452085   
 ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                
 ──────────────────────────────────────────────────────────────── 
   Groups      Name           Variance    SD          ICC         
 ──────────────────────────────────────────────────────────────── 
   ID          (Intercept)    3.972544    1.993124    0.5470006   
   Residual                   3.289868    1.813799                
 ──────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 597 , Number of groups: ID 65

8 Angol minta 1-2 fázis

ImportantHipoptézis/Kérdés - Válasz

Más-e az „az” választásának esélye a 2. fázisban, mint az 1. fázisban?

A 2. fázisban az „az” választásának esélye körülbelül 84%-kal kisebb, mint az 1. fázisban. De ez az eredmény statisztikailag nem szignifikáns.

df_1 <- rio::import("output/adat/1_fazis_angol_regio.xlsx")
df_2 <- rio::import("output/adat/2_fazis_angol_regio.xlsx")

ID <- c(df_1$ID, df_2$ID)
valasztott_gomb_felirattal <- c(df_1$valasztott_gomb_felirattal, df_2$valasztott_gomb_felirattal)
dist_celkorong <- c(df_1$dist_celkorong, df_2$dist_celkorong)
fazis <- rep(c("1. fazis", "2. fazis"), times = c(nrow(df_1), nrow(df_2)))
region <- c(df_1$region, df_2$region)

df <- data.frame(valasztott_gomb_felirattal, dist_celkorong, fazis, ID, region)

df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal)
table(df$valasztott_gomb_felirattal)

  az   ez that this 
 121  176   76  212 
levels(df$valasztott_gomb_felirattal) <- c("az",   "ez",   "az", "ez")


df$valasztott_gomb_felirattal <- factor(df$valasztott_gomb_felirattal, levels = c("ez", "az"))
table(df$valasztott_gomb_felirattal)

 ez  az 
388 197 
df$fazis <- factor(df$fazis)
df$ID <- factor(df$ID)

df$region <- factor(df$region)
table(df$region)

  I  II III 
197 199 189 
df$region <- factor(df$region, levels = c("II", "I", "III"))
table(df$region)

 II   I III 
199 197 189 
GAMLj3::gamlj_gmixed(
    formula = valasztott_gomb_felirattal ~ 1 + dist_celkorong + region + fazis + ( 1 | ID ),
    data = df,
    dep = valasztott_gomb_felirattal,
    factors = list("ID", "region"),
    covs = dist_celkorong,
    model_type='logistic')

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |......................................................................| 100%
                                                                                          

 GENERALIZED MIXED MODEL

 Model Info                                                                                                           
 ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Info                                                                                                               
 ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Model Type       Logistic Model    Model for binary y                                                              
   Model            lme4::glmer       valasztott_gomb_felirattal ~ 1 + dist_celkorong + region + fazis + ( 1 | ID )   
   Distribution     Binomial          Dichotomous event distribution of y                                             
   Link function    Logit             Log of the odd of y                                                             
   Direction        P(y=1)/P(y=0)     P( valasztott_gomb_felirattal = az ) / P( valasztott_gomb_felirattal = ez )     
   Sample size                 585                                                                                    
   Converged        yes                                                                                               
   C.I. method      Wald                                                                                              
 ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Note. All covariates are centered to the mean


 MODEL RESULTS

 Model Fit                                                              
 ────────────────────────────────────────────────────────────────────── 
   Type           R²           df           LRT X²         p            
 ────────────────────────────────────────────────────────────────────── 
   Conditional    0.8291174    5.0000000    273.3943511    < .0000001   
   Marginal       0.0874761    4.0000000     46.2158367    < .0000001   
 ────────────────────────────────────────────────────────────────────── 


 Additional Indices                                             
 ────────────────────────────────────────────────────────────── 
   Info              Model Value     Comment                    
 ────────────────────────────────────────────────────────────── 
   LogLikelihood     -237.0345488                               
   AIC                486.0690975    Less is better             
   BIC                512.2987686    Less is better             
   Deviance           474.0690975    Less is better             
   Residual DF        579.0000000                               
   Chi-squared/DF       0.4651696    Overdispersion indicator   
 ────────────────────────────────────────────────────────────── 


 Fixed Effects Omnibus Tests                                
 ────────────────────────────────────────────────────────── 
                     X²             df          p           
 ────────────────────────────────────────────────────────── 
   dist_celkorong     0.05666986    1.000000    0.8118390   
   region            18.02274727    2.000000    0.0001220   
   fazis              2.63001285    1.000000    0.1048609   
 ────────────────────────────────────────────────────────── 


 Parameter Estimates (Fixed Coefficients)                                                                                                  
 ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   Names             Effect                 Estimate       SE           Exp(B)       Lower         Upper        z              p           
 ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 
   (Intercept)       (Intercept)            -2.18312453    0.6411701    0.1126889    0.03207126    0.3959552    -3.40490684    0.0006619   
   dist_celkorong    dist_celkorong         -0.05831182    0.2449517    0.9433557    0.58367650    1.5246803    -0.23805431    0.8118390   
   region1           I - II                 -2.09117797    0.5519482    0.1235415    0.04187876    0.3644451    -3.78872162    0.0001514   
   region2           III - II                0.02357363    0.5764465    1.0238537    0.33080016    3.1689113     0.04089473    0.9673798   
   fazis1            2. fazis - 1. fazis    -1.84333127    1.1366440    0.1582892    0.01705840    1.4688062    -1.62173143    0.1048609   
 ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── 


 Random Components                                                 
 ───────────────────────────────────────────────────────────────── 
   Groups      Name           Variance     SD          ICC         
 ───────────────────────────────────────────────────────────────── 
   ID          (Intercept)    14.278236    3.778655    0.8127363   
   Residual                    3.289868    1.813799                
 ───────────────────────────────────────────────────────────────── 
   Note. Number of Obs: 585 , Number of groups: ID 65

Ugyan a 2. fázisban az „az” választásának esélye körülbelül 84%-kal kisebbnek tűnik, mint az 1. fázisban, de ez nem szignifikáns.