“Analiza podataka korištenjem IBM SPSS Statistics” - tečaj 42.000 RUB. iz MSU, obuka (2 mjeseca), datum 03.12.2023.
Miscelanea / / December 06, 2023
U vrlo sažetom obliku, ovaj tečaj je dio popularnog tečaja učenja na daljinu “Kako raditi znanstveno istraživanje: metodologija, alati, metode” Otvorenog sveučilišta E. Foundation. Gaidar (oko 2 tisuće. slušatelja godišnje). Ekonomski fakultet Moskovskog državnog sveučilišta studentima pruža mogućnost korištenja opremljene računalne klase s instaliranim SPSS-om detaljno proučiti metode rada s podacima licem u lice s učiteljem, raditi s programom vlastitim rukama SPSS. Moguće je raditi ne samo s bazama podataka koje predloži nastavnik, već i s podacima učenika; nastavnik će vam savjetovati koje metode i kako koristiti za analizu vaših podataka.
Ovaj je tečaj testiran na Otvorenom sveučilištu Zaklade E. Gajdar.
Doktor ekonomije, profesor Ekonomskog fakulteta Moskovskog državnog sveučilišta, specijalist za kvantitativna istraživanja u društvene sfere, voditelj više od 30 istraživačkih projekata, ima iskustvo u predavanju analitičkih kolegija na Nacionalnom istraživačkom sveučilištu HSE, REU im. V.G. Plehanov.
Email: [e-mail zaštićen]
1 Bit i glavni pravci uzorkovanja stanovništva. Mogućnosti korištenja posebnih PPP-ova za obradu podataka uzorka
Metode prikupljanja kvantitativnih informacija. Studije uzoraka. Uzorci sociodemografskih istraživanja u Rusiji. Osnovni statistički programski paketi za društvena istraživanja. Funkcije posebnog softvera (Statistica, SPSS) u obradi podataka iz istraživanja uzoraka. Struktura, SPSS moduli. Područja obrade podataka. Priprema podataka. Unos i spremanje podataka. Mjerne ljestvice (kvantitativne, ordinalne, nominalne). Svojstva ljestvica i njihove dopuštene transformacije. Vrste kategorizacije podataka.
2 Priprema podataka. Izbor i modifikacija podataka
Izbor opažanja. Razvrstavanje zapažanja. Podjela zapažanja u skupine. Izmjena podataka. Izračun novih varijabli. Izračun novih varijabli prema određenim uvjetima. Formuliranje uvjeta. Agregacija podataka. Transformacije ranga. Težine predmeta. Razlozi i mehanizmi za stvaranje praznina u podacima. Mogućnost ignoriranja propusta. Metode popunjavanja vrijednosti koje nedostaju. Metode za prepoznavanje anomalnih vrijednosti. Primjena robusnih postupaka procjene. Analiza višestrukih odgovora
3 Deskriptivna statistika. Tablice nepredviđenih situacija
Uloga statistike u obradi rezultata uzoračkih istraživanja. Mikro i metapodaci. Područja primjene i granice primjenjivosti matematičkih i statističkih metoda. Sažetak zapažanja. Opisne statistike. Univarijantne distribucije. Indikatori varijacije. Disperzija, raspon varijacije, srednja apsolutna devijacija, kvantilni rasponi. Izrada tablica kontingencije. Grafički prikaz tablica kontingencije.
4 Parametarski i neparametarski testovi
Analiza odnosa između karakteristika. Neovisnost varijabli. Osnovne karakteristike komunikacije. Neparametarski i parametarski testovi. Test neovisnosti (test usklađenosti χ2). Usporedba dva i više uzoraka (ovisni i neovisni). t-test. Statistički testovi za tablice nepredviđenosti. Koeficijenti korelacije (za nominalne i rang ljestvice). Mjere bliskosti odnosa između varijabli. Najjednostavnije mjere bliskosti veze (za dihotomne varijable). Mjere odnosa za tablice s rednim podacima. Kendalove t-mjere i njihova svojstva. Somersove d-mjere. Goodman-Kruskal mjera i njena svojstva. Analiza varijance
5 Korelacijska i regresijska analiza
Bit i ciljevi korelacijske analize. Dijagrami raspršenosti. Upareni koeficijenti korelacije. Mjerenje stupnja bliskosti statističkog odnosa, "očišćenog" od utjecaja stranih karakteristika pomoću parcijalnih koeficijenata korelacije. Provjera značaja odnosa između znakova. Intervali pouzdanosti za korelacijske koeficijente. Koeficijent višestruke korelacije. Koeficijent determinacije. Model dvodimenzionalne regresijske analize: linearni i nelinearni regresijski modeli. Krivulje rasta u problemima predviđanja, "dummy" varijable i njihove primjene. Model višestruke linearne regresije. Nelinearna regresija (binarna logistička regresija, multinomna logistička regresija, ordinalna regresija, probit analiza, fitovanje krivulje).
6 Metode smanjenja dimenzionalnosti
Statistički pristup u metodi glavne komponente. Proračun glavnih komponenti i njihova grafička interpretacija. Informacijski sadržaj reduciranog igranog prostora. Regresija glavnih komponenti. Uloga i mjesto neparametarskih metoda u modeliranju konstrukcija. Hijerarhijska analiza klastera. Metrika prostora značajki. Principi mjerenja udaljenosti između skupina objekata. Algoritmi za brzu klaster analizu, k-means metoda. Dvostupanjska klaster analiza. Izgradnja stabla ciljeva