Базовые методы анализа данных и работа со статистическими пакетами

Магистратура 2019/2020

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Статус: Курс обязательный (Измерения в психологии и образовании)

Направление: 37.04.01. Психология

Кто читает: Институт образования

Где читается: Институт образования

Когда читается: 1-й курс, 1-4 модуль

Формат изучения: без онлайн-курса

Преподаватели: Карданова Елена Юрьевна, Пашкевич Анна Валерьевна, Чиркина Татьяна Александровна

Прогр. обучения: Измерения в психологии и образовании

Язык: русский

Кредиты: 7

Контактные часы: 96

Полная версия программы учебной дисциплины

Аннотация

Курс "Базовые методы анализа данных и работа со статистическими пакетами" в 2018/2019 году по оценкам студентов был признан лучшим по критерию «Полезность курса для Вашей будущей карьеры». В рамках курса изучаются следующие темы Основы теории вероятностей и математической статистики, методы описательной статистики, коэффициенты связи, линейный и логистический регрессионный анализ, факторный и кластерный анализ. Работе проходит в программах SPSS и R.

Цель освоения дисциплины

Целями освоения дисциплины «Базовые методы анализа данных и работа со статистическими пакетами» являются: сформировать у студентов теоретические представления об основных современных методах анализа данных в социальных науках; выработать навыки практического применения методов, как к самостоятельно собираемым данным, так и к базам данных; выработать у студентов представления о том, какие теоретические модели заложены в различных методах анализа данных; сформировать умение сопоставлять эти модели с задачами конкретного исследования и правильно выбирать метод в соответствии с его целями, задачами, гипотезами и имеющимися данными.

Планируемые результаты обучения

основные теоретические представления о современных методах анализа данных в психологии и исследованиях в области образования; o правила применения современных методов анализа данных в социальных науках;
В результате освоения темы студент должен уметь анализировать специфику использования методов математики и статистики для изучения психологических и образовательных явлений
основные методы одномерной статистики и алгоритмы их реализации в пакете SPSS; o основные принципы визуализации получаемой в ходе анализ данных информации;
В результате освоения дисциплины студент должен: уметь o анализировать специфику использования методов математики и статистики для изучения психологических и образовательных явлений; o интерпретировать результаты анализа данных, полученных в ходе исследований в психологии и в области образования; o ставить задачи для анализа данных в различных ситуациях в зависимости от типа данных и от исследовательских задач;
В результате освоения дисциплины студент должен уметь:o учитывать ограничения различных методов анализа данных, оценивать качество полученной эмпирической информации; o представлять результаты исследований для разных аудиторий слушателей; o критически анализировать информационные источники, научные тексты, результаты других исследований; o участвовать в проектных формах работы;
В результате освоения темы студент должен иметь навыки работы в программной оболочке для обработки и анализа информации на компьютере – SPSS; расчета простых статистических показателей вручную; практического применения методов к самостоятельно собираемым данным;
Приобретаемые навыки: участия в проектных формах работы; o реализации самостоятельных аналитических проектов; o написания аналитических текстов с применением результатов анализа данных
В результате освоения дисциплины студент должен: участвовать в проектных формах работы; o реализовывать самостоятельные аналитические проекты; o подкреплять свою точку зрения знаниями, полученными на основе статистического анализа существующих или собранных специально для этих целей данных;

Содержание учебной дисциплины

Тема 1. Основы теории вероятностей. Теория случайных событий
Тема 1.1. Основные понятия теории вероятностей. История развития теории вероятностей. Случайные события. Действия над событиями. Классическое определение вероятности события. Статистические вероятности. Геометрические вероятности. Тема 1.2. Элементы комбинаторики. Теорема сложения вероятностей. Противоположные события. Тема 1.3. Условная вероятность. Теорема умножения вероятностей. Зависимые и независимые события. Формула полной вероятности. Формула Байеса. Тема 1.4. Повторение испытаний. Формула Бернулли. Асимптотические формулы.
Тема 2. Случайные величины. Основные виды распределений случайных величин
Тема 2.1. Случайные величины. Понятие дискретной и непрерывной случайной величины. Тема 2.2. Дискретные случайные величины (распределение, числовые характеристики, функция распределения). Виды распределений ДСВ (биномиальное, Пуассона, геометрическое). Тема 2.3. Непрерывные случайные величины. Функция распределения, плотность распределения, числовые характеристики НСВ. Виды распределений НСВ (равномерное, нормальное, Пирсона (хи-квадрат), Фишера, Стьюдента).
Тема 3. Общие представления об анализе данных, Основы работы с пакетом SPSS. Методы описательной статистики.
Вводная тема, целью которой является общее погружение студентов в проблематику исследований в социальных науках в общем, и в психологиии образовании в частности. Обсуждаются основные типы исследований, цели анализа данных. Соответствие определенных методов анализа данных целями задачам исследования. Разработка стратегии анализа данных.Процесс анализа данных в исследовании. Одномерные частотные таблицы, абсолютные и относительные частоты (процент,доля), накопленная частота. Основные типы шкал и соответствующие им меры средней тенденции и меры разброса. Линейное и нелинейное преобразование шкал. Стены, станайны. Точечное и интервальное оценивание.
Тема 4. Анализ связи между двумя признаками
Тема 6. 1. Таблицы сопряженности. Возможное содержание ячеек таблицы. Условные и безусловные частоты. Повтор правила умножение вероятностей. Коэффициенты парной связи для различных типов шкал. Критерий Хи-квадрат и основанные на нем коэффициенты. Тема 6.2. Коэффициент корреляции Пирсона, Коэффициент корреляции Спирмена. Проверка значимости корреляционной связи. Работа с таблицами множественных ответов. Правила оформления результатов.
Тема 5. Общие принципы проверки статистических гипотез (параметрические критерии)
Общиеправила проверки статистических гипотез. Нулевая и альтернативные гипотезы, p-value. Алгоритмы проверки наиболее важных гипотез. Гипотезы о равенстве средних: тесты для одной выборки (z-test, t-test) и двух выборок (зависимые и независимые). Гипотеза о равенстве долей. Проверка значимости коэффициента корреляции. Доверительный интервал и уровень значимости. Ошибки 1 и 2 рода. Проверка нормальности.
Тема 6. Введение в многомерный анализ данных.
Однофакторный дисперсионный анализ (ANOVA). Модель, решаемые задачи. Примеры. Простой и множественный регрессионный анализ (REG): линейная регрессия с интервальными (количественными) переменными. Модель, решаемые задачи. Множественный регрессионный анализ (REG): линейная регрессия с фиктивными переменными и переменными смешанного типа. Модель, решаемые задачи. Множественный регрессионный анализ (REG) с эффектами взаимодействия (interaction effects). Модель, решаемые задачи. Примеры. Бинарная логистическая регрессия (LOGIT). Модель, решаемые
Тема 8. Кластерный анализ
17. Иерархический кластерный анализ (CLASSIFY). Модель, решаемые задачи. Примеры. 19. Быстрая классификация (CLASSIFY): K-means. Модель, решаемые задачи. Примеры. Компьютерный практикум. 20. Дополнительно: Факторный анализ на дихотомических переменных. Кластерный анализ на результатах факторного анализа. Модели, решаемые задачи. Примеры.
Тема 7. Факторный анализ
Факторный анализ (DATA REDUCTION). Модель, решаемые задачи. Примеры.

Элементы контроля

Экзамен
Контрольная работа
Групповая и проектная работа

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.4 * Групповая и проектная работа + 0.4 * Контрольная работа + 0.2 * Экзамен

Программа дисциплины