Углубленные методы анализа данных в социальных науках: многоуровневый регрессионный анализ и структурное моделирование

Магистратура 2021/2022

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Измерения в психологии и образовании)

Направление: 37.04.01. Психология

Кто читает: Институт образования

Где читается: Институт образования

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Кузьмина Юлия Владимировна

Прогр. обучения: Измерения в психологии и образовании

Язык: русский

Кредиты: 6

Контактные часы: 46

Полная версия программы учебной дисциплины

Аннотация

Программа «Углубленные методы» познакомит будущих исследователей и аналитиков с продвинутыми методами статистической об-работки данных в социальных науках. В результате успешного освоения курса вы сможете проводить многоуровневый регрессионный анализ, логистический многоуровневый регрессионный анализ, конфирматорный факторный анализ, строить путевые диаграммы. Научитесь выбирать метод, подходящий целям и задачам разных исследований. Для освоения дисциплины «Углубленные методы анализа данных в социальных науках» вам необходимо: • уметь работать с одним из пакетов по анализу данных (SPSS, Stata, R) • знать основы регрессионного анализа • знать основные принципы факторного анализа.

Цель освоения дисциплины

Целями освоения дисциплины «Углубленные методы анализа данных в социальных науках: многоуровневый регрессионный анализ и структурное моделирование» являются овладение студентами основными понятиями и умениями в области продвинутых методов анализа данных, а именно многоуровневого регрессионного анализа и моделирования структурными уравнениями.

Планируемые результаты обучения

Включать в регрессионную модель переменные взаимодействия и интерпретировать коэффициенты переменных взаимодействия
Выбирать адекватный метод анализа данных в зависимости от исследовательских вопросов и задач и специфики данных
Выбирать релевантную многоуровневую модель в зависимости от исследовательского вопроса
Интерпретировать результаты множественного регрессионного анализа, многоуровневого анализа, конфирматорного факторного анализа и путевого анализа
Использовать интервальные и бинарные переменные как зависимые в многоуровневом регрессионном анализа и моделировании структурными уравнения-ми
Использовать разные типы трансформации переменных и понимать особенности интерпретации полученных коэффициентов
Писать академические тексты с применением результатов анализа данных. Работать с исследовательскими текстами и анализа выбранной авторами стратегии анализа
Проверять способы соблюдения основных требований регрессионного анализа
Проверять степень соответствия модели данным
Проводить конфирматорный факторный анализ
Работать в программной оболочке для анализа данных Stata и Mplus
Рассчитывать коэффициент интер- и интраклассовой корреляции (unconditional и conditional) и интерпретировать его значения для двух- и трех-уровневых мо-делей
Строить путевые диаграммы и интерпретировать их; Оценивать прямой и непрямой эффект переменных в путевых моделях
Строить разные типы многоуровневых моделей и интерпретировать их результаты

Содержание учебной дисциплины

Тема 1. Общее представление о многоуровневом и структурном анализе. Множественная регрессия для интервальных переменных
Тема 2. Многоуровневая регрессия. Виды 2-уровневых моделей и логистическая многоуровневая регрессия
Тема 3. Анализ лонгитюдных данных в рамках многоуровневого анализа
Тема 4. Введение в структурное моделирование (Structural Equation Modeling). Конфирматорный факторный анализ.
Тема 5. КФА в Mplus. Измерительная инвариантность
Тема 6. Путевые диаграммы. Прямой и непрямой эффект, медиаторы и модераторы.

Элементы контроля

Экзамен
Домашние задания (в том числе эссе или презентации)
Самостоятельная работа
Контрольная работа

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.4 * Экзамен + 0.3 * Самостоятельная работа + 0.3 * Домашние задания (в том числе эссе или презентации)

Программа дисциплины