• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2018/2019

Сбор и анализ количественных данных в рекламе и PR

Лучший по критерию «Новизна полученных знаний»
Статус: Курс обязательный (Интегрированные коммуникации)
Направление: 42.04.01. Реклама и связи с общественностью
Когда читается: 1-й курс, 1, 2 модуль
Формат изучения: Full time
Прогр. обучения: Интегрированные коммуникации
Язык: русский
Кредиты: 4

Программа дисциплины

Аннотация

Курс посвящён основам анализа количественных данных в программе SPSS. Данный курс охватывает методы описательной статистики, поиска связи между парой переменных, поиска связи между многими переменными.
Цель освоения дисциплины

Цель освоения дисциплины

  • ознакомление студентов с основными современными количественными методами и траекториями анализа данных, чаще всего применяющихся в исследовательской практике
  • формирование умений и навыков применения этих методов
  • формирование умений и навыков работы с результатами чужого анализа данных, полученных этими методами
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Умение различать типы шкал, а также создавать макет анкеты, выгружать анкету с данными в формат MS Excel и затем экспортировать их в формат SPSS
  • Умение применять к разным типам шкал релевантные методы описа-тельной статистики
  • Умение правильно применять к разным типам шкал релевантные методы парной связи и интерпре-тировать результаты
  • Умение правильно применять регрессионный анализ для интервальных переменных и интерпретировать результаты
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основы: типы шкал, траектории анализа данных, интерфейса SPSS, статистические и большие данные (опционально)
    Основные типы шкал: номинальные, порядковые, интервальные. 5 ориентиров для их различения. Создание макета анкеты (напр., в Google form), выгрузка анкеты с данными в формат MS Excel и затем их экспорт в формат IBM SPSS. Основы интерфейса статистического приложения IBM SPSS: Data-file, Output-file, Syntax-file; вкладки Data и Variable view (основные опции для работы с переменными), кнопки Data, Transform, Analyze. 4 основных траекторий анализа данных: описательная статистика, парная связь, объяснение и прогнозирование, группировка. Статистические базы данных (полезные бесплатные источники статистической, социальной и социологической информации, выраженной в числах). Большие данные и Web scraping.
  • Методы описательной статистики с учётом типов шкал
    Статистические гипотезы. Одномерные частотные таблицы и графики. Меры центральной тенденции: мода, медиана, среднее арифметическое значение. Меры разброса: энтропийный коэффициент вариации, нормированный межквартильный разброс, дисперсия и стандартное отклонение.
  • Методы парной связи с учётом типов шкал
    Идея: значения одной переменной «притягиваются» или «отталкиваются» значениями другой переменной. Предварительные процедуры: идентификация типа шкалы каждой переменной, содержа-тельные гипотезы и 2-мерные графики. Ориентиры для выбора методов парной связи, релевантных каждому сочетанию типов шкал. Коэффициент корреляции Пирсона. Линейная прямая/обратная связь; сильная/умеренная/слабая. Коэффициент ранговой корреляции Спирмэна. Монотонная прямая/обратная связь; сильная/умеренная/слабая. Критерий Хи-квадрат и его остатки. Криволинейная связь.
  • Регрессионный анализ для интервальных переменных
    Идея: … зная значения предикторов, какое можно получить значение отклика? … имея целевое значение отклика, какие релевантные значения предикторов подобрать? Предварительные процедуры: идентификация типа шкалы переменных, содержательные гипотезы, однородность и смещённость каждой переменной, а также выбросы. Парная регрессия. Прогностическая сила модели: R^2. Технические критерии качества: зна-чимость предикторов, гомоскедастичность, несмещённость, непереобученность. Множественная регрессия; отсутствие мультиколлинеарности между предикторами. Константа и контрольная группа. Фиктивные переменные.
Элементы контроля

Элементы контроля

  • неблокирующий контрольные работы
  • неблокирующий домашние работы
  • неблокирующий экзамен
  • неблокирующий активность на занятиях
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.2 * активность на занятиях + 0.3 * домашние работы + 0.25 * контрольные работы + 0.25 * экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Meyers, L. S. (2013). Performing Data Analysis Using IBM SPSS. Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=610849

Рекомендуемая дополнительная литература

  • Denis, D. J. (2016). Applied Univariate, Bivariate, and Multivariate Statistics. Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1091881
  • Rebecca Killick. (2016). Introductory Statistics and Analytics: A Resampling Perspective. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.69FBF820
  • Weisberg, S. (2014). Applied Linear Regression (Vol. Fourth edition). Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=771773