|
|
|
||
Last update: PhDr. Ing. Petr Soukup, Ph.D. (07.10.2010)
|
|
||
Last update: Mgr. Vladimír Soukup, Ph.D. (10.04.2008)
The goal is to broaden knowladges of stastical techniques (esp. exploratory ones) and to broaden analytical skills in SPSS. |
|
||
Last update: Mgr. Vladimír Soukup, Ph.D. (26.06.2008)
Obligatory: Hendl J. 2004. Přehled statistických metod zpracování dat. Praha: Portál HINDLS, Richard - HRONOVÁ, Stanislava - SEGER, Jan. 2004: Statistika pro ekonomy. 5. vydání, Professional Publishing 2004, Praha
Recommended: Hebák, Hustopecký, Malá. 2005: Vícerozměrné statistické metody (2), Informatorium. Hebák a kol. 2005: Vícerozměrné statistické metody (3), Informatorium. HINDLS, Richard, HRONOVÁ, Stanislava, NOVÁK, Ilja. 2000: Metody statistické analýzy pro ekonomy. 2. přepr. vyd. Praha : Management Press HINDLS, Richard - HRONOVÁ, Stanislava - SEGER, Jan. 2004: Statistika pro ekonomy. 5. vydání, Professional Publishing 2004, Praha
Elektronic textbook: StatSoft, Inc. (2004). Electronic Statistics Textbook. Tulsa, OK: StatSoft. http://www.statsoft.com/textbook/stathome.html |
|
||
Last update: Mgr. Vladimír Soukup, Ph.D. (10.04.2008)
lecture/exercise |
|
||
Last update: PhDr. Ing. Petr Soukup, Ph.D. (30.10.2019)
Z každého cvičení je zadán domácí úkol, student musí odeslat 8 úkolů k hodnocení cvičícímu (vždy do pondělního poledne v týdnu následujícím po cvičení), každý úkol je hodnocen 0-10 body, pro připuštění ke zkoušce je nutno získat min. 70 % (tj. 56) bodů z 8 nejlepších úkolů. V průběhu semestru je psán na cvičeních test (nutno splnit každý min. na 70%, možnost 1x opakovat v průběhu zkouškového období). Na konci předmětu se skládá zkouška z odpřednášené látky (písemná). Termíny zkoušky jsou vypisovány v SIS UK, v případě dvojího neúspěchu u zkoušky se koná ústní zkouška před komisí. |
|
||
Last update: Mgr. Vladimír Soukup, Ph.D. (26.06.2008)
1. Multiple regression analysis, dummy variables. Problems- heteroskedasticity, multicolinearity. 2. Covariance and correlation. Bivariate, multivariate and partial correlation. Spurious correlation. Correlation matrix. 3. Factor analysis. Basics, number of factors, tests, Extraction and rotation. 4. Factor analysis. Typologies, control of scales. Realibilty of scales. Factor scores. 5. Cluster analysis, basics, clustering of cases. Measurement of distances. Hierarchical clustering. 6. Clustrer membership. Typologies. K-means cluster. Clustering of variables. 7. Discrimination analysis. 8. Time series. Descriptives in time series. Types of time series. 9. Moving averages. Trend functions. Seasonal models of time series. 10. Missing values, results, handling and replacing. Data weighting. 11. Open ended questions and data analysis. Coding, duplicities. Frequency and contingency table. 12. Random and non-random samples and influence on statistical techniques. Small samples, samples from small populations. |