Анализ и визуализация данных в R

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент социологии

Статус:

Курс по выбору

Когда читается:

3-й курс, 4 модуль

Программа дисциплины

Аннотация

Курс является введением в основные понятия и команды языка R, представляет реализацию знакомых студентам методов анализа данных в этой среде (описательные статистики, анализ главных компонент, эксплораторный факторный анализ, кластерный и регрессионный анализы). В курсе представлены основные принципы работы в R, операции по анализу и презентации количественной информации. В результате освоения этого курса студенты будут способны реализовать и документировать процесс исследования от сбора данных до (автоматизированной) публикации отчетов. Ключевая ценность, реализуемая в этом курсе – прозрачность и воспроизводимость количественных исследований.

Цель освоения дисциплины

• формирование компетенций, связанных с решением задач по анализу и визуализации количественных данных в социологии.
• уметь применять синтаксис R для решения задач социологического исследования

Планируемые результаты обучения

• Знать различные выразительные средства для визуализации данных и результатов анализа. Уметь строить графики с использованием ggplot2.
• Считывать данные в R из внешних файлов и экспортировать.
• Уметь использовать базовые команды языка R для создания, индексирования, сортировки, преобразования данных, а также элементы управления, в частности, циклы.
• Уметь строить регрессионные, кластерные и раведывательные факторные модели в R, извлекать результаты и корректно их интепретировать.

Содержание учебной дисциплины

• Введение в R
• Чтение, преобразование и экспорт данных в R
• Анализ данных в R
• Визуализация данных в R base и ggplot2
• Программирование в R
• Автоматизация в R

Элементы контроля

• Эзкамен
• Домашнее задание 3
  Разведывательный факторный анализ вес 0.25 от итоговой оценки за курс
• Домашнее задание 1
  Управление данными, описательные статистики и регрессии в R вес 0.25 от итоговой оценки за курс
• Домашнее задание 2
  Визуализация данных и автоматический отчет вес 0.25 от итоговой оценки за курс

Промежуточная аттестация

• 2026/2027 4th module
  0.4 * Эзкамен + 0.2 * Домашнее задание 2 + 0.2 * Домашнее задание 3 + 0.2 * Домашнее задание 1

Список литературы

Рекомендуемая основная литература

• Confirmatory factor analysis for applied research, Brown, T. A., 2006
• R in action : Data analysis and graphics with R, Kabacoff, R. I., 2011

Рекомендуемая дополнительная литература

• Principles and practice of structural equation modeling, Kline, R. B., 2011

Авторы

• Тер-Акопова Наталья Сергеевна
• Руднев Максим Геннадьевич
• Десятова Мария Ивановна