|
|
|
||
Last update: Mgr. Barbora Šicnerová (16.09.2022)
Předmět je zaměřen na statistiku primárně jako nástroj pro testování hypotéz a studium kauzálních vztahů, a jen sekundárně k popisu dat. Předmět začíná diskusí náhodného kontrolovaného experimentu jako zlatého standardu pro empirickou práci. Základní teorie pravděpodobnosti bude diskutována zejména s ohledem na inferenci z důkazů při soudním řízení. Třetím důležitým bodem je porozumění a interpretace testování statistických hypotéz a regresní analýzy. Předmět je zakončen ukázkami a kritickou diskusí studií odhadujících kauzální dopady veřejných politik a právních regulací, a ukázkami využití dat a statistiky ve firmách, veřejné správě a veřejné politice. |
|
||
Last update: Ing. Jakub Čihák, Ph.D. (20.09.2021)
Výuka: kontaktní Komunikační kanál se studenty: SIS/e-mail Způsob případné bezkontaktní výuky:
|
|
||
Last update: doc. Ing. Josef Montag, Ph.D. (18.10.2022)
Viz karta předmětu. |
|
||
Last update: Mgr. Barbora Šicnerová (16.09.2022)
Předmět zahrnuje tato témata: - Příčina, následek, a experimentální paradigma Hlavní koncepty: 1. Kauzalita. 2. Náhodný kontrolovaný experiment (RCT). 3. Typologie experimentů. Hlavní četba: • Zeisel a Kaye, kap. 1. - Identifikace a zkreslení kauzálních vztahů Hlavní koncepty: 1. Nepravá korelace, vývojová sekvence, chybějící mezičlánek, dvojí příčina. 2. Endogeneita. 3. Kontrafaktuál. Hlavní četba: • Disman, kap. 1.4, 1.5 a 2. • Zeisel a Kaye, kap. 2 a 3. - Data, proměnné a deskriptivní statistiky Hlavní koncepty: 1. Populace a parametry. 2. Vzorek a statistiky. 3. Reprezentativnost vzorku. 4. Sample selection/self-selection bias. 5. Typy dat. 6. Typy proměnných. 7. Histogram a rozdělení četností. 8. Průměr, modus a medián. 9. Robustnost statistiky. 10. Průměrná absolutní odchylka, směrodatná odchylka, IQR. 11. Standardizace a z-score. Hlavní četba: • Disman, kap. 5. • Epstein a Martin, kap. 6. • Montag 2017, sekce 1 až 3. • Montag 2016 a Brabenec a Montag 2018, s. 397–405. - Statistická inference I: náhoda a signifikance. Hlavní koncepty: 1. Statistická inference. 2. Sampling distribution. 3. Centrální limitní věta. 4. Normální rozdělení. 5. Pravidlo tří sigma. 6. Standardní chyba. Hlavní četba: • Epstein a Martin, kap. 6.5 a 7. • Zeisel a Kaye, kap. 6. - Nade vší pochybnost: teorie pravděpodobnosti a důkazy v soudních sporech Hlavní koncepty: 1. Základní teorie pravděpodobnosti. 2. Podmíněné pravděpodobnosti. 3. Bayesova věta. 4. Aplikace: pachové stopy. 5. Aplikace: DNA. Hlavní četba: • Finkelstein a Levin, kap 3. • Pinc, Ludvík a kol. 2015. Zpráva o průběhu testování reliability metody pachové identifikace prováděné speciálně vycvičenými služebními psy. Praha: Česká zemědělská univerzita. • Gastwirth, kap. 3. - Statistická inference II: testování hypotéz. Hlavní koncepty: 1. Nulová a alternativní hypotéza. 2. Interval spolehlivosti. 3. Statistická signifikantnost. 4. p-value a její interpretace. 5. Testová statistika. 6. p-value a její interpretace. 7. Jednovýběrový a párový z-test a t-test. 8. Chyba I. typu. 9. Chyba II. typu. Hlavní četba: • Epstein a Martin, kap. 7. • Zeisel a Kaye, kap. 6. - Statistická inference III: síla a substance. Hlavní koncepty: 1. Síla statistického testu. 2. Substantivní signifikantnost. 3. Two-sample z-test (t-test). 4. Tabulky a χ2-test. Hlavní četba: • Epstein a Martin, kap. 7. • Zeisel a Kaye, kap. 6. • Bolcha a Rovný 2015, s. 603–624. • Beber a Scacco 2012, sekce 1, 2.2, 3, 4. Doplňková četba: • Montag 2017. • Gelman a Stern 2006. - Lineární regrese I: metoda nejmenších čtverců Hlavní koncepty: 1. Bodový diagram (scatter plot). 2. Regrese na konstantu a jednoduchá lineární regrese. 3. Metoda nejmenších čtverců. 4. Interpretace konstanty a koeficientu(ů). Hlavní četba: • Epstein a Martin, kap. 8.1 a 8.2. - Lineární regrese II: Inference Hlavní koncepty: 1. Vlastnosti vzorku a statistická inference. 2. Vztah mezi standardní chybou, -statistikou a -value. 3. Koeficient determinace. 4. Ne-robustnost lineární regrese. 5. Flexibilita lineární regrese. 6. Logaritmus v regresi. Hlavní četba: • Epstein a Martin, kap. 8.3. 9.1 a 9.2. - Lineární regrese III: Kauzalita 1. Kauzalita a role teorie v empirickém výzkumu. 2. Exogeneita. 3. Předpoklad ceteris paribus a alternativní vysvětlení. 4. Kontrolní proměnné, omitted variable bias a konzervativní zkreslení. 5. (Ne)stacionarita časových řad a zavádějící regrese. 6. Random walk a kointegrace. Hlavní četba: • Montag 2016. • Brabenec a Montag 2018. Doplňková četba: • Murray 1994. - Přirozené experimenty Hlavní koncepty: 1. Difference-in-differences. 2. Instrumentální proměnné. 3. Regresní diskontinuita. 4. Matching. Hlavní četba: • Angrist a Krueger 1994. • Montag 2004. |
|
||
Last update: Mgr. Barbora Šicnerová (16.09.2022)
Přesná specifikace literatury je uvedena u jednotlivých témat přednášek. Studijní materiály mohou být v průběhu semestru upřesněny a doplněny. Materiály nedostupné v knihovně či online budou poskytnuty v elektronické formě. Základní literatura: 1. Disman, Miroslav. 2002. Jak se vyrábí sociologická znalost. Praha: Karolinum. 2. Epstein, Lee, a Andrew D. Martin. 2013. An Introduction to Empirical Legal Research. New York: Oxford University Press. Ostatní literatura: 1. Beber, Bernd, and Alexandra Scacco. 2012. What the numbers say: A digit-based test for election fraud. Political Analysis 20: 211-234. 2. Bolcha, Peter, and Jan Rovný. 2016. Luck or luxury? Possible corruption in the car registration process in the Czech Republic. Journal of Public Policy 36: 603-638. 3. Brabenec, Tomáš, and Josef Montag. 2018. Criminals and the price system: Evidence from czech metal thieves. Journal of Quantitative Criminology 34: 397-430. 4. Finkelstein Michael O., a Bruce Levin. 2001. Statistics for Lawyers. New York: Springer. 5. Gastwirth, Joseph L. 2000. Statistical Science in the Courtroom. New York: Springer. 6. Montag, Josef. 2014. A radical change in traffic law: effects on fatalities in the Czech Republic. Journal of Public Health 36: 539-545. 7. Montag, Josef. 2017. Identifying odometer fraud in used car market data. Transport Policy 60:10-23. 8. Murray, Michael P. 1994. A drunk and her dog: an illustration of cointegration and error correction. American Statistician 48: 37-39. 9. Zeisel, Hans, a David Kaye. 1997. Prove it With Numbers: Empirical Methods for Law and Litigation. New York: Springer. |