Analysis and Visualization of Data in R

2021/2022

Academic Year

RUS

Instruction in Russian

4

ECTS credits

Delivered at:

School of Sociology

Course type:

Compulsory course

When:

4 year, 1 module

Instructors

Remizova, Alisa

Rudnev, Maksim

Программа дисциплины

Аннотация

Курс является введением в основные понятия и команды языка R, представляет реализацию знакомых студентам методов анализа данных в этой среде (описательные статистики, анализ главных компонент, эксплораторный факторный анализ, кластерный и регрессионный анализы). В курсе представлены основные принципы работы в R, операции по анализу и презентации количественной информации. В результате освоения этого курса студенты будут способны реализовать и документировать процесс исследования от сбора данных до (автоматизированной) публикации отчетов. Ключевая ценность, реализуемая в этом курсе – прозрачность и воспроизводимость количественных исследований.

Цель освоения дисциплины

• формирование компетенций, связанных с решением задач по анализу и визуализации количественных данных в социологии.
• уметь применять синтаксис R для решения задач социологического исследования

Планируемые результаты обучения

• Знать различные выразительные средства для визуализации данных и результатов анализа. Уметь строить графики с использованием ggplot2.
• Считывать данные в R из внешних файлов и экспортировать.
• Уметь использовать базовые команды языка R для создания, индексирования, сортировки, преобразования данных, а также элементы управления, в частности, циклы.
• Уметь строить регрессионные, кластерные и раведывательные факторные модели в R, извлекать результаты и корректно их интепретировать.

Содержание учебной дисциплины

• Введение в R
• Чтение, преобразование и экспорт данных в R
• Анализ данных в R
• Визуализация данных в R base и ggplot2
• Программирование в R
• Автоматизация в R

Элементы контроля

• Итоговый тест
  25% итоговой оценки.
• домашнее задание - 3: Визуализация данных и автоматический отчет
  Опоздание на неделю снижает оценку на 50%, на две - на 100%. 25% итоговой оценки.
• домашнее задание - 1: Управление данными, описательные статистики и регрессии в R
  Опоздание на неделю снижает оценку на 50%, на две - на 100%. 25% итоговой оценки.
• домашнее задание - 2: Путевой и конфирматорный факторный анализ
  Опоздание на неделю снижает оценку на 50%, на две - на 100%. 25% итоговой оценки.

Промежуточная аттестация

• 2021/2022 учебный год 1 модуль
  0.25 * домашнее задание - 1: Управление данными, описательные статистики и регрессии в R + 0.25 * домашнее задание - 2: Путевой и конфирматорный факторный анализ + 0.25 * Итоговый тест + 0.25 * домашнее задание - 3: Визуализация данных и автоматический отчет

Список литературы

Рекомендуемая основная литература

• Brown, T. A. (2015). Confirmatory Factor Analysis for Applied Research, Second Edition (Vol. Second edition). New York: The Guilford Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=831411
• Kabacoff, R. (DE-588)14294372X, (DE-576)350576106. (2011). R in action : data analysis and graphics with R / Robert I. Kabacoff. Shelter Island, NY: Manning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.347663451
• R in action : Data analysis and graphics with R, Kabacoff, R. I., 2011

Рекомендуемая дополнительная литература

• #6 Confirmatory Factor Analysis. (2019). Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.B9177FD2
• Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling, Fourth Edition (Vol. Fourth edition). New York: The Guilford Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1078917