• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

Количественные методы анализа данных

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: 10

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.
Планируемые результаты обучения

Планируемые результаты обучения

  • 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 Домашние задания
  • неблокирующий Экзамен
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
  • Гржибовский, А. (2008). Типы Данных, Проверка Распределения И Описательная Статистика. ЭКОЛОГИЯ ЧЕЛОВЕКА, 1.
  • Терещенко, О. В., Курилович, Н. В., & Князева, Е. И. (2012). Многомерный статистический анализ данных в социальных науках : учеб. пособие / О.В. Терещенко, Н.В. Курилович, Е.И. Князева. Belarus, Europe: Минск : БГУ. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.CB9EED69

Рекомендуемая дополнительная литература

  • K. Shatalov V., A. Kirillova V., К. Шаталов В., & А. Кириллова В. (2017). Application of Student t-test for evaluation of interlaboratory comparative tests results ; Применение критерия Стьюдента для оценки результатов межлабораторных сравнительных испытаний. https://doi.org/10.20915/2077-1177-2016-0-1-42-49
  • ДОЛГОВА ВАЛЕНТИНА ИВАНОВНА, & ГОЛЬЕВА ГАЛИНА ЮРЬЕВНА. (2016). Факторный анализ развития мотивации профессиональной деятельности будущих педагогов-психологов.
  • Кривчанский, И., & Симан, А. (2010). Использование Технологии Компьютерного Тестирования При Итоговой Государственной Аттестации Выпускников Вузов.
  • Медведева Ксения Андреевна. (2016). Корреляционно-регрессионный анализ и его значение в экономико-статистических исследованиях.
  • Субботина, А., & Гржибовский, А. (2014). Описательная Статистика И Проверка Нормальности Распределения Количественных Данных. ЭКОЛОГИЯ ЧЕЛОВЕКА, 2.
  • Хлопова, А., & Щербакова, И. (2014). Условия Применимости T-Критерия Стьюдента В Медицине. Бюллетень Медицинских Интернет-Конференций, 11.