PředmětyPředměty(verze: 945)
Předmět, akademický rok 2016/2017
   Přihlásit přes CAS
Advanced Data Analysis in MPlus - JSM034
Anglický název: Advanced Data Analysis in MPlus
Zajišťuje: Katedra sociologie (23-KS)
Fakulta: Fakulta sociálních věd
Platnost: od 2016
Semestr: letní
E-Kredity: 7
Způsob provedení zkoušky: letní s.:
Rozsah, examinace: letní s.:2/1, Zk [HT]
Počet míst: neurčen / neurčen (25)
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: nevyučován
Jazyk výuky: angličtina
Způsob výuky: prezenční
Způsob výuky: prezenční
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
při zápisu přednost, je-li ve stud. plánu
Garant: PhDr. Ing. Petr Soukup, Ph.D.
Termíny zkoušek   Rozvrh   Nástěnka   
Anotace -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (22.04.2016)
Kurz se bude zabývat vybranými technikami mnohorozměrné analýzy dat s důrazem na různé varianty regresní analýzy. Posluchači se seznámí s postupy vytváření mnohorozměrných modelů, principy používaných postupů a s průřezem metod z této oblasti. Jednotlivé metody budou demonstrovány na datech pomocí statistického systému MPlus.
Literatura -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (25.09.2014)

Základní literatura:

vše: Jan Hendl: Přehled statistických metod. Portál. 4. rozšířené vydání. 2009.


SEM: Urbánek T. (2000): Strukturální modelování v psychologii. Psychologický ústav AV ČR a Nakladatelství Pavel Křepela, Brno.


MPlus:

Geiser, Ch. Data analysis with MPlus. Guilford Press. 2013

Byrne, B. Structural equation modeling with MPlus. 2012



regrese: Hebák, P. a kol. Vícerozměrné statistické metody 2-3. Praha : Informatorium, 2004,2005.

logistická regrese: Řeháková, B. (2000). "Nebojte se logistické regrese", Sociologický časopis (36), 475-492.

(vše klíčové je v čítance k regresi)

 


Elektronické zdroje:

NIST/SEMATECH e-Handbook of Statistical Methods,
http://www.itl.nist.gov/div898/handbook/index.htm

StatSoft, Inc. (2004). Electronic Statistics Textbook. Tulsa, OK: StatSoft.
http://www.statsoft.com/textbook/stathome.html

Doporučená literatura

SEM: Bollen, K. (1989), Structural Equations with Latent Variables, Wiley & Sons.

vše: Hair J. F. a kol. (1998). Multivariate Data Analysis (5th ed.). London atd.: Prentice Hall Int.

regrese: Richard A. Berk:Regression Analysis: A Constructive Critique (Advanced Quantitative Techniques in the Social Sciences). Sage. 2003

vše: Andy Field : Discovering Statistics Using SPSS (Introducing Statistical Methods S.) (3nd Edition). Sage. 2009

vše: Marija Norusis :SPSS 16.0 Statistical Procedures Companion (2nd Edition). Prentice Hall; 2 edition (February 8, 2008).

vše: Marija Norusis :SPSS 17.0 Advanced Statistical Procedures Companion. Prentice Hall. 2009

logistická regrese: J Scott Long: Regression Models for Categorical and Limited Dependent Variables (Advanced Quantitative Techniques in the Social Sciences). Sage. 1997

Požadavky ke zkoušce -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (16.02.2016)

V průběhu cvičení jsou zadány čtyři úkoly. Úkol musí student odeslat do 2 týdnů od zadání na cvičení. Hodnocení úkolů 0-100%. Další studijní povinností je prezentace a text o statistickém software (témata viz nabídka na přednášce) vč. odkazů na literaturu (opět hodnoceno 0-100 %). Závěrečná ústní zkouška, otázka na jednu z probíraných technik, opět hodnocení 0-100%.
celkové hodnocení: vážený výsledek. Každý úkol má váhu 10 %, prezentace a text  20 % a ústní zkouška 40 %.  Student musí získat min. 1% z každé části. Hodnocení známkami:
85-100 % 1, 70-84 % 2, 51 - 69 % 3, méně než 51 % 4.

Sylabus -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (16.02.2015)

Obsah:

1. Úvod do práce s MPlus, srovnání s SPSS, základní části příkazů a pravidla jejich tvorby.

2. Lineární regrese a předoklady modelu. Posouzení vhdonosti modelu, úpravy modelu. Práce s nominálními a ordinálními prediktory. (1. úkol)

3. Logistická regrese pro binární, ordinální a nominální závisle proměnné. Kritéria pro posouzení modelu. (2. úkol)

4. Censorování dat a analýza přežití.

5. Úvod do modelování latetních proměnných. Rovnicová a grafická vyjádření.

6. Analýza latentních tříd. Záklaldní principy, model s dichotomiemi a obecnými nominálními proměnnými. Vyhodnocení modelu, uložení třídní příslušnosti a využití pro další analýzy. (3. úkol)

7. Modelu růstu s latentními proměnnými.

8.  Modely konfirmační faktorové analýzy a jejich analýza pomocí MPlus. Metody odhadu parametrů modelu faktorové analýzy. Testy dobré shody. (4. úkol)

 

9. Plně definovaný model strukturální analýzy SEM. Příklady analýzy strukturálních modelů SEM. Interpretační problémy. Pravidla pro budování SEM modelů, další možnosti uplatnění.

 

 
Univerzita Karlova | Informační systém UK