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

Регрессионный анализ данных в SPSS

Статус: Общеуниверситетский факультатив
Когда читается: 4 модуль
Язык: русский
Кредиты: 2
Контактные часы: 32

Программа дисциплины

Аннотация

Дисциплина «Регрессионный анализ данных в SPSS» относится к блоку дисциплин по выбору из общеуниверситетского пула. В результате её освоения слушатели изучат методы регрессионного анализа данных для проведения исследований и овладеют практическими навыками использования статистического пакета SPSS для работы с данными. Слушатели смогут осуществить предварительную подготовку данных для последующей работы с ними в SPSS, выбрать подходящий метод регрессионного анализа в зависимости от типа данных и исследовательской задачи, провести анализ данных и интерпретировать полученные результаты, представлять их в доступном для широкой аудитории виде.
Цель освоения дисциплины

Цель освоения дисциплины

  • Овладение методами регрессионного анализа данных и навыками работы с данными с использованием современных программных средств для проведения исследований.
Планируемые результаты обучения

Планируемые результаты обучения

  • Уметь построить модель линейной регрессии и описать её
  • Уметь построить модель логистической регрессии и описать её
  • Уметь построить модель нелинейной регрессии и описать её
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Линейная регрессия
    Цели применения регрессионного анализа. Основные понятия и задачи регрессионного анализа. Простая линейная регрессия. Множественная линейная регрессия. Выбор зависимых и независимых признаков. Оценка параметров регрессионной модели. Свойства коэффициента детерминации. Интерпретация регрессионных коэффициентов. Мультиколлинеарность. Гетероскедастичность. Ограничения линейной регрессии. Регрессионная модель с использованием фиктивных переменных. Диагностика регрессионной модели.
  • Логистическая регрессия
    Бинарная логистическая регрессия. Мультиномиальная логистическая регрессия. ROC-кривая. Probit и Logit модели. Порядковая регрессия. Оценка параметров регрессионной модели.
  • Нелинейная регрессия
    Приближение с помощью кривых. Нелинейная и взвешенная регрессия. Аппроксимация зависимостей с помощью кривых.
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание (ДЗ)
    Домашнее задание выполняется сдаётся в конце 4-го модуля. Представляет собой исследовательский проект по сбору и анализу данных. Предусматривает подготовку аналитического отчёта по результатам анализа.
  • неблокирующий Экзамен (Э)
    Письменный экзамен выполняется с целью оценки результатов освоения пройденного материала.
  • неблокирующий Работа на семинаре (АР)
    Задания, выполняемые на компьютере во время семинаров.
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.3 * Домашнее задание (ДЗ) + 0.3 * Работа на семинаре (АР) + 0.4 * Экзамен (Э)
Список литературы

Список литературы

Рекомендуемая основная литература

  • SPSS: искусство обработки информации : анализ стат. данных и восстановление скрытых закономерностей: пер. с нем., Бююль, А., 2002
  • Анализ социологических данных с помощью пакета SPSS : учеб. пособие для вузов, Крыштановский, А. О., 2006
  • Введение в эконометрику : учебник для вузов, Доугерти, К., 2010

Рекомендуемая дополнительная литература

  • Путеводитель по современной эконометрике : учеб.-метод. пособие, Вербик М., Айвазян С.А., 2008
  • Эконометрика в задачах и упражнениях, Борзых, Д. А., 2017