• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2017/2018

Количественные методы анализа данных

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Курс обязательный (Доказательная образовательная политика)
Направление: 38.04.04. Государственное и муниципальное управление
Когда читается: 1-й курс, 1-4 модуль
Формат изучения: Full time
Прогр. обучения: Доказательная образовательная политика
Язык: русский
Кредиты: 4

Программа дисциплины

Аннотация

В отличие от обычных курсов статистики, данный курс не сфокусирован на освоении математического аппарата и теории вероятностей. Курс ориентирован на формирование общего представления об идеях, лежащих в основе количественного анализа данных. Центральная задача — научить слушателей понимать суть изучаемых методов анализа данных и интерпретировать результаты анализа. Другой особенностью курса является то, что его материал излагается на примерах, связанных с областью образования: слушатели знакомятся с результатами современных исследований в этой области и тренируются на данных исследований и мониторингов качества образования. Прохождение курса подразумевает много самостоятельной работы. Большинство аудиторной работы будет посвящено дискуссиям и групповой работе.
Цель освоения дисциплины

Цель освоения дисциплины

  • Освоение управления данными, их анализа и интерпретации результатов, а также понимание особенностей используемых данных, исследовательского дизайна, возможностей и ограничений изучаемых методов анализа.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Знать основные принципы и методы описательной статистики
  • Владеть навыками базового анализа и работы с базами данных в R
  • Уметь применять подходящие меры описательной статистики для различных вопросов и гипотез
  • Знать основные принципы постановки и проверки статистических гипотез
  • Уметь интерпретировать результаты анализа, полученные с помощью различных методов, и оценивать их соответствие исследовательскому вопросу
  • Владеть параметрическими и непараметрическими методами проверки гипотез
  • Знать основные принципы и методы корреляционного анализа
  • Уметь выбирать подходящие исследовательскому вопросу методы корреляционного анализа
  • Владеть навыками корреляционного анализа в R
  • Знать основные принципы и методы регрессионного анализа
  • Уметь интерпретировать результаты регрессионного анализа
  • Уметь разрабатывать дизайн исследования для ответа на поставленный исследовательский вопрос с учетом возможностей и ограничений методов анализа
  • Владеть навыками представления результатов своего анализа и исследований, опубликованных в ведущих мировых журналах, в форме презентации
  • Знать основные принципы и методы факторного и кластерного анализа
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Базовые понятия статистики применительно к исследованиям в образовании.
    Введение в статистику в социальных науках. Данные: переменные и наблюдения. Генеральная совокупность и выборка. Шкалы измерения. Описательная статистика: сред-нее, медиана, мода, меры разброса. Стандартная ошибка измерения. Нормальное распре-деление. Графическое представление базовых статистик. Стандартизация шкал. Доверительный интервал.
  • Тема 2. Сравнение средних, проверка гипотез и анализ дисперсии.
    Статистические гипотезы. Нулевая и альтернативные гипотезы. Ошибки первого и второго рода. Сравнение средних (t-тест и его непараметрические аналоги) и анализ дис-персии (ANOVA, MANOVA и их непараметрические аналоги). Уровень значимости для различных распределений. Степени свободы и таблицы критических значений.
  • Тема 3. Связь между переменными
    Методы определения связи между переменными, измеренными на разных шкалах. Линейная и нелинейная связь. Корреляция (Пирсона, Спирмена) и непараметрические методы. Хи-квадрат. Коэффициент детерминации.
  • Тема 4. Регрессионный анализ
    Линейный регрессионный анализ. Цели и методология. Статистические модели. Парная регрессия. Уравнение и характеристики модели. Интерсепт и регрессионные коэффициенты. Множественный регрессионный анализ. Работа с дамми-переменными. Проверка допущений линейного регрессионного анализа. Процент объясненной дисперсии. Нелинейные регрессионные модели. Биноминальное распределение, распределение Бернулли. Бинарная, порядковая и мультиноминальная логистическая регрессия.
  • Тема 5. Снижение размерностей: факторный и кластерный анализ
    Эксплораторный факторный анализ и метод главных компонент. Вращение: ортогональное и косоугольное. Факторные нагрузки. Дерево решений. Способы группировки данных. Меры близости и дистанции. Иерархический и неиерархический кластерный анализ.
Элементы контроля

Элементы контроля

  • неблокирующий Created with Sketch. Домашние задания
    Пример задания на регрессионный анализ:По одной из прочитанных книг или статей (из списка рекомендованных или других статей с результатами «количественного» исследования – на выбор слушателя), содержащих описание результатов регрессионного анализа, дать интерпретацию: какие задачи исследования? Какие переменные и шкалы? О чем говорят результаты анализа? Какие ограничения для выводов о связи переменных нужно учитывать? Можно ли перенести выводы на генеральную совокупность? Объем 0,5 – 1 страница. Построить точечную диаграмму зависимой и независимых переменных - с регрессионной прямой. Интерпретировать график. Выполнить регрессионный анализ. Интерпретировать результаты.
  • неблокирующий Created with Sketch. Экзамен
    Примеры вопросов: 1. Почему исследователи стараются набрать как можно большую выборку? 2. Ниже представлен ряд чисел: 50 52 55 64 65 72 87 88 98 Допустим, последнее число (98) увеличилось на 10 (до 108). Без дополнительных расчетов укажите, как изменятся значения медианы и среднего. Объясните свой ответ. 3. У исследователя есть база данных с результатами выпускного экзамена уче-ников всех школ города и их ответами на вопросы социально-демографической анкеты (пол, доход семьи, выбранный вуз и т.д.). Он использует дисперсионный анализ. Пожалуйста, приведите пример гипотезы, когда этот метод пригоден, и гипотезы, которая не может быть проверена
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.6 * Домашние задания + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Discovering statistics using R, Field, A., Miles, J., 2012
  • Анализ социологических данных с помощью пакета SPSS : учеб. пособие для вузов, Крыштановский А. О., 2006