0
Visningar
"Dataanalys med IBM SPSS Statistics" - kurs 42 000 RUB. från MSU, utbildning (2 månader), datum 3 december 2023.
Miscellanea / / December 06, 2023
I en mycket förtätad form är denna kurs en del av den populära distanskursen "Hur man gör vetenskaplig forskning: metodik, verktyg, metoder" av E. Foundation Open University. Gaidar (cirka 2 tusen. lyssnare per år). Ekonomiska fakulteten vid Moscow State University ger studenter möjlighet att använda en utrustad datorklass med SPSS installerad studera i detalj metoderna för att arbeta med data ansikte mot ansikte med en lärare, arbeta med programmet med dina egna "händer" SPSS. Det är möjligt att arbeta inte bara med databaser som föreslås av läraren, utan också med elevdata; läraren kommer att ge råd om vilka metoder och hur man använder för att analysera dina data.
Denna kurs har testats vid Open University of the E. Foundation. Gaidar.
Doktor i nationalekonomi, professor vid fakulteten för ekonomi vid Moscow State University, specialist på kvantitativ forskning inom social sphere, ledare för mer än 30 forskningsprojekt, har erfarenhet av att undervisa analytiska kurser vid National Research University HSE, REU im. V.G. Plekhanov.
E-post: [e-postskyddad]
1 Kärnan och huvudriktningarna i urvalsundersökningar av befolkningen. Möjligheter att använda speciella OPS för bearbetning av provundersökningsdata
Metoder för att samla in kvantitativ information. Provstudier. Exempel på sociodemografiska undersökningar i Ryssland. Grundläggande statistiska mjukvarupaket för social forskning. Funktioner hos speciell programvara (Statistica, SPSS) vid bearbetning av data från provstudier. Struktur, SPSS-moduler. Områden för databehandling. Dataförberedelse. Mata in och spara data. Mätskalor (kvantitativa, ordinala, nominella). Vågens egenskaper och deras tillåtna omvandlingar. Typer av datakategorisering.
2 Databeredning. Dataurval och modifiering
Urval av observationer. Sortera observationer. Dela upp observationer i grupper. Datamodifiering. Beräkning av nya variabler. Beräkning av nya variabler enligt vissa förutsättningar. Formulering av villkor. Dataaggregation. Rangförvandlingar. Boettvikter. Orsaker och mekanismer för att skapa dataluckor. Möjlighet att ignorera utelämnanden. Metoder för att fylla i saknade värden. Metoder för att identifiera anomala värden. Tillämpning av robusta bedömningsförfaranden. Multipelresponsanalys
3 Beskrivande statistik. Beredskapstabeller
Statistikens roll vid bearbetning av resultaten från urvalsundersökningar. Mikro och metadata. Tillämpningsområden och gränser för tillämplighet av matematiska och statistiska metoder. Sammanfattning av observationer. Beskrivande statistik. Univariata distributioner. Variationsindikatorer. Dispersion, variationsintervall, medelabsolut avvikelse, kvantila intervall. Konstruktion av beredskapstabeller. Grafisk representation av beredskapstabeller.
4 Parametriska och icke-parametriska tester
Analys av sambandet mellan egenskaper. Variablers oberoende. Grundläggande egenskaper för kommunikation. Icke-parametriska och parametriska tester. Oberoendetest (goodness-of-fit-test χ2). Jämförelse av två och flera urval (beroende och oberoende). t-test. Statistiska tester för beredskapstabeller. Korrelationskoefficienter (för nominella och rangordningsskalor). Mått på närheten av sambandet mellan variabler. De enklaste måtten på anslutningsnärhet (för dikotoma variabler). Relationsmått för tabeller med ordningsdata. Kendal t-mått och deras egenskaper. Somers d-mått. Goodman-Kruskal mått och dess egenskaper. Variansanalys
5 Korrelations- och regressionsanalys
Kärnan och målen för korrelationsanalys. Spridningsdiagram. Parade korrelationskoefficienter. Mätning av graden av närhet av ett statistiskt samband, "rensas" från påverkan av främmande egenskaper med hjälp av partiella korrelationskoefficienter. Kontrollera betydelsen av förhållandet mellan tecken. Konfidensintervall för korrelationskoefficienter. Multipel korrelationskoefficient. Bestämningskoefficient. Tvådimensionell regressionsanalysmodell: linjära och olinjära regressionsmodeller. Tillväxtkurvor i prognosproblem, "dummy"-variabler och deras tillämpningar. Multipel linjär regressionsmodell. Icke-linjär regression (binär logistisk regression, multinomial logistisk regression, ordinal regression, probitanalys, kurvanpassning).
6 Metoder för dimensionsminskning
Statistisk ansats i huvudkomponentmetoden. Beräkning av huvudkomponenter och deras grafiska tolkning. Informationsinnehållet i det minskade funktionsutrymmet. Huvudkomponenters regression. Rollen och platsen för icke-parametriska metoder i strukturell modellering. Hierarkisk klusteranalys. Mätvärden för funktionsutrymme. Principer för att mäta avstånd mellan grupper av objekt. Algoritmer för snabb klusteranalys, k-means-metod. Tvåstegs klusteranalys. Att bygga ett målträd
Prenumerera
