Количественные методы в политических исследованиях

Бакалавриат 2018/2019

Статус: Курс по выбору (Политология и мировая политика)

Направление: 41.03.04. Политология

Кто читает: Департамент политологии и международных отношений

Где читается: Санкт-Петербургская школа социальных наук

Когда читается: 2-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Преподаватели: Турченко Михаил Сергеевич

Язык: русский

Кредиты: 5

Контактные часы: 60

Полная версия программы учебной дисциплины

Аннотация

Настоящая дисциплина относится к блоку дисциплин «Базовая профильная часть». Изучение данной дисциплины базируется на следующих дисциплинах:  Математика и статистика;  Сравнительная политика;  Научно-исследовательский семинар (первый и второй годы обучения).

Цель освоения дисциплины

формирование у студентов представления о познавательных возможностях количественных методов анализа данных в политологических исследованиях
приобретение студентами знаний, умений и навыков, необходимых для сбора количественных данных и их визуализации; сравнения различных наборов данных при помощи статистических тестов; изучения взаимосвязей внутри количественных данных с помощью базовых статистических инструментов
приобретение студентами навыков, необходимых для работы со специализированными статистическими программами, в частности, со статистической средой R

Планируемые результаты обучения

Студент демонстрирует способность использовать подходящие методы для извлечения, сбора, обобщения, тестирования и анализа статистических данных
Студент демонстрирует способность искать и собирать данные, а также соотносит качество и содержание данных со стоящими перед ним исследовательскими целями
Студент демонстрирует способность анализировать и понимать суть научных исследований, в которых используются количественные методы
Студент соотносит методы количественного анализа с типом и характеристиками располагаемых им данных
Студент умеет собирать, систематизировать и оценивать данные; сохранять результаты анализа данных: скрипты, диаграммы, таблицы

Содержание учебной дисциплины

Введение в дисциплину. Основы работы с R
Лекция 1. Введение в содержание курса: формы текущего и итогового контроля знаний, порядок формирования накопленной и результирующей оценок. Обзор основной литературы по курсу. Место количественных методов в современных политологических исследованиях. Лекция 2. Специализированные статистические программы: виды, примеры, плюсы и минусы разных программ. Алгоритм установки и запуска статистической среды R и R-Studio. Обзор интерфейса статистической среды R и R-Studio. Основные команды, объекты и функции в R. Семинар 1. Запуск R-Studio. Обзор интерфейса R-Studio. R как калькулятор. Загрузка и запуск статистических пакетов. Сохранение результатов работы. Открытие сохраненных скриптов. Выход из программы. Семинар 2. Объекты и функции в R. Оператор присваивания. Способы ввода данных в R: функция c(). Подготовка данных к импорту в R из Excel: функция read.csv(), а также read_excel() из пакета readxl. Импорт данных в R из других статистических программ: пакет foreign и функции read.spss(), read.dta() и др. Работа с загруженными данными: функции attach() и detach(), команда $, извлечение отдельных данных из массива. Создание таблиц и работа с ними.
Основные статистические понятия и введение в описательную статистику
Лекция 3. Генеральная совокупность и выборка. Типы данных. Описательная статистика: меры центральной тенденции и меры разброса. Нормальное распределение и центральная предельная теорема. Семинар 3. Способы расчета описательной статистики в R. Работа с данными из конкретного политологического исследования.
Визуализация данных: принципы, инструменты, примеры
Лекция 4. Роль визуализации данных в представлении результатов научного исследования. Принципы визуализации данных. Типы диаграмм: диаграмма рассеяния, диаграмма распределения (гистограмма), диаграмма размахов (боксплот), скрипичная диаграмма, столбчатая диаграмма, круговая диаграмма. Примеры диаграмм из политологических исследований. Семинары 4-5. Рассмотрение функций для создания различных типов диаграмм: plot(), hist(), boxplot(), vioplot(), barplot(), pie(). Рассмотрение функций для корректировки параметров диаграмм: par(), title(), lines(), legend(). Сохранение диаграмм в разных форматах и с разным разрешением. Работа с пакетом ggplot2.
Введение в индуктивную статистику. Статистические тесты
Лекция 5. Статистические гипотезы: альтернативная и нулевая. Статистические ошибки: первого и второго родов. Статистическая значимость. Лекция 6. Статистика хи-квадрат и ее разновидности. Вычисление хи-квадрата вручную. Примеры использования статистики хи-квадрат в политологических исследованиях. Лекция 7. Биномиальный тест. Сравнение выборок: общее представление о статистических тестах (параметрические – непараметрические; двусторонние – левосторонние – правосторонние). Параметрические тесты: t-тест для независимых и парных выборок. Непараметрические тесты: тест Вилкоксона (Манна-Уитни) для независимых и парных выборок. Тест Шапиро-Уилкса для проверки нормальности распределения. Иллюстрация работы статистических тестов. Семинар 6. Расчет в R статистики хи-квадрат. Работа с электоральной статистикой: сравнение результатов голосования за разные партии на разных УИКах в ЕДГ-2016. Семинар 7. Расчет биномиального теста, t-теста, теста Вилкоксона (Манна-Уитни), теста Шипиро-Уилкса. Работа с электоральной статистикой: сравнение значений разных индексов ЭЧП.
Корреляция и ковариация
Лекция 8. Корреляция и ковариация. Коэффициент корреляции Пирсона. Интерпретация значений коэффициента корреляции. Значимость коэффициента корреляции. Коэффициент корреляции Спирмена. Корреляционная матрица. Семинар 8. Проведение корреляционного анализа и построение корреляционных матриц в R. Анализ содержания политологических исследований, использовавших корреляционный анализ.
МНК-регрессия: принцип, интерпретация, оформление регрессионной выдачи
Лекция 9. Отличие регрессии от корреляции. Зависимая и независимая переменные. Метод наименьших квадратов (МНК): суть, допущения. Парная линейная регрессия: уравнение регрессии, интерпретация регрессионной выдачи. Коэффициент детерминации (R 2 ). Лекция 10. Множественная линейная регрессия: уравнение регрессии, параметры, рассчитываемые для независимых переменных, значение F-статистики для регрессионной модели. Сравнение регрессионных моделей. Нюансы интерпретации коэффициента детерминации и стандартизированных коэффициентов для независимых переменных. Лекция 11. Оформление результатов регрессионной выдачи: примеры из политологических исследований. Оформление результатов регрессионной выдачи в R: пакет stargazer. Композиционное построение исследований, использующих регрессионный анализ. Нюансы использования категориальных и порядковых переменных в регрессионном анализе. Семинар 9. Реализация парной линейной регрессии в R. Визуализация сути метода наименьших квадратов. Интерпретация результатов регрессионного анализа. Семинар 10. Реализация множественной линейной регрессии в R. Сравнение регрессионных моделей. Интерпретация результатов регрессионного анализа. Семинар 11. Рассмотрение композиционного построения политологического исследования, использующего в качестве основного метода анализа данных множественную линейную регрессию. Рассмотрение особенной включения в регрессионные модели категориальных и порядковых переменных: работа с базой данных Duncan.
Технические и содержательные проблемы регрессионных моделей. Регрессионная диагностика
Лекция 12. Предпосылки МНК-регрессии. Технические проблемы регрессионных моделей: мультиколлинеарность, гетероскедастичность, выбросы, влиятельные наблюдения. Диагностика и способы решения технических проблем регрессионных моделей. Лекция 13. Содержательные проблемы регрессионных моделей: эндогенность, исключение из анализа релевантных объяснительных переменных, включение в анализ нерелевантных объяснительных переменных. Проблема смещения выборки. Семинар 12. Подробное рассмотрение сути технических проблем регрессионных моделей: мультиколлинеарности, гетероскедастичности, выбросов и влиятельных наблюдений. Работа с базой данных Duncan и базами данных, собранными студентами. Работа с функциями идентификации мультиколлинеарности: vif(); гетероскедастичности: ncvTest(), spreadLevelPlot(); выбросов: qqplot(), outlierTest(); влиятельных наблюдений: influencePlot() и др. Семинар 13. Рассмотрение проблем смещения выборки (отбора единиц анализа по зависимой переменной), эндогенности, исключения из анализа релевантных объяснительных переменных и включения в анализ нерелевантных объяснительных переменных.
Обобщенные линейные модели: краткий обзор
Лекция 14. Обобщенные линейные модели: суть, виды. Логистическая регрессия: суть, виды. Уравнение бинарной логистической регрессии. Параметры оценки логистических моделей. Выдача логистической регрессии, ее интерпретация. Предсказанные вероятности и отношения шансов. Лекция 15. Порядковая логистическая регрессия: особенности. Выдача порядковой логистической регрессии. Предсказанные вероятности и отношения шансов для порядковой логистической регрессии. Подведение итогов курса. Семинар 14. Реализация логистической регрессии в R. Рассмотрение политологического исследования, использующего в качестве основного метода анализа данных логистическую регрессию. Семинар 15. На семинарском занятии проводится контрольная работа.

Элементы контроля

Контрольная работа
Выполнение заданий в письменной форме. Время контрольной работы 1 час 20 минут
Домашнее задание
Подготовка четырех файлов, отражающих работу студента с количественными данными
Экзамен
Выполнение заданий в письменной форме. Время экзамена 1 час 20 минут
Аудиторная работа

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
Накопленная оценка по дисциплине рассчитывается с помощью взвешенной суммы оценок за отдельные формы текущего контроля знаний и аудиторную работу следующим образом: Оценка накопленная = 0.4 * Оценка за контрольную работу + 0.4 * Оценка за домашнее задание + 0.2 * Оценка за работу на семинарах. Результирующая оценка по дисциплине (которая идет в диплом) рассчитывается следующим образом: Оценка результирующая = 0.6 * Оценка накопленная + 0.4 * Оценка за экзамен

Программа дисциплины