Analysis of Quantitative Data - JSM034

• Title: Analýza kvantitativních dat
• Guaranteed by: Department of Sociology (23-KS)
• Faculty: Faculty of Social Sciences
• Actual: from 2008 to 2011
• Semester: summer
• E-Credits: 6
• Examination process: summer s.:
• Hours per week, examination: summer s.:2/1, Ex [HT]
• Capacity: unlimited / unlimited (unknown)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Note: course can be enrolled in outside the study plan; enabled for web enrollment
• Guarantor: prof. RNDr. Jan Hendl, CSc.; PhDr. Ing. Petr Soukup, Ph.D.
• Teacher(s): PhDr. Ing. Petr Soukup, Ph.D.
• Pre-requisite : JSM031

Annotation

English

The main goal of this course is to teach students about multivariate stastical techniques. Course combines theoretical part and practical seminars in computer lab (software Mplus is used).

Last update: Soukup Petr, PhDr. Ing., Ph.D. (22.04.2016)

Czech

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.

Last update: Soukup Petr, PhDr. Ing., Ph.D. (22.04.2016)

Literature

English

MPlus:

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

Byrne, B. Structural equation modeling with MPlus. 2012

 

general:

Tarling, R. 2009. Statistical modeling for social researchers. Routledge.

Last update: Soukup Petr, PhDr. Ing., Ph.D. (25.09.2014)

Czech

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

Last update: Soukup Petr, PhDr. Ing., Ph.D. (25.09.2014)

Requirements to the exam

English

Exam consist of 4 homework and presentation of statistical technique and oral exam (every part is evaluated separately 0-100 %). Weights for final evalution: every hw 10 %, presentation 20 % and oral exam 40 %.. Grading: 0-50 % 4 (failed), 51 % - 69 % 3 (good), 70-84 % 2 (very good) and 85 % and more 1 (excelent).

Last update: Soukup Petr, PhDr. Ing., Ph.D. (25.09.2014)

Czech

V průběhu cvičení jsou zadány tři úkoly. Úkol musí student odeslat do 2 týdnů od zadání na cvičení. Hodnocení úkolů 0-100%. Další studijní povinností je vyhotovení (či úprava) hesla na české wikipedii vč. odkazů na literaturu (opět hodnoceno 0-100 %). Závěrečná ústní zkouška, otázka na jednu z probíraných technik, opět hodncoení 0-100%.

Celkové hodnocení: vážený výsledek. Každý úkol má váhu 10 %, heslo wikipedie 20 % a ústní zkouška 50 %. Hodnocení známkami:

85-100 % 1, 70-84 % 2, 51 - 69 % 3, méně než 51 % 4.

Last update: Soukup Petr, PhDr. Ing., Ph.D. (08.02.2012)

Syllabus

English

1. Introduction to MPlus. Syntax of MPlus. Descriptive statistics and correlation analysis in MPlus.

 

2. Linear regression model and it’s assumptions. Model fit, possible modification of regression model. (1st HW)

 

3. Logistic regression for binary, ordinal and multinomial dependent variable. Comparison of models, selection of the best model. (2nd HW)

 

4. Censored data and survival analysis.

 

5. Introduction to latent variable models. Basic equations and graphical presentation.

 

6. Latent class analysis. (3rd HW)

 

7. Latent growth model for longitudinal data.

 

8. Confirmatory factor analysis for continous, ordinal and binary indicators. Scale development, model fit indexes and criterias. (4th HW)

 

9. Introduction to structural equation modelling. Examples of models for sociological research.

 

Last update: Soukup Petr, PhDr. Ing., Ph.D. (25.09.2014)

Czech

Obsah:

Uvádím přehled témat kurzu s tím, že bude s možná modifikace. Vedle účasti na přednáškách a seminářích se od posluchačů očekává samostatná práce s vědeckou literaturou a vlastní analytická praxe.

1. Úvodní lekce. Přehled kurzu. Klasifikace mnohorozměrných metod. Popis modelu lineární regrese. Jednoduchá lineární regrese. Principy mnohonásobné lineární regresní analýzy. Základní statistiky pro hodnocení kvality proložení dat. Testy hypotéz.

2. Parciální a semiparciální regresní koeficienty. Využití při zařazování prediktorů do regresní rovnice. Metody výběru podmnožiny prediktorů.

3. Kategoriální nezávislé proměnné: kontrastní (dummy) proměnné. SPSS a mnohonásobná regresní analýza, interpretace jednotlivých částí výstupních sestav. Diagnostika modelu.Datové transformace, nelineární regrese.

4. Logistická regrese. Šance a pravděpodobnosti. Model binární logistické regrese. Interpretace a aplikace výsledků. Srovnání s diskriminační analýzou. Diagnostika.

5. Multinomiální logistická regrese. Provedení analýzy plně faktoriálního modelu. Zvláštnosti diagnostiky kvality: Pearsonova míra dobré shody, chi**2 statistika, Cox a Snellova statistika Klasifikace pozorování do tříd.

6. Ordinální logistická regerese. Test paralelních přímek. Interpretace výstupů..

7. Diskriminační analýza. Zákaldní princip. Zadání a interpretace výsledků. Srovnání s logistickou regresí.

8. Loglineární analýza. Zákaldní principy, model s nominálními proměnnými.

8. Loglineární analýza, hodnocení modelu, rezidua a testy. Modely s ordinální proměnnou.

9. Úvod do strukturálních modelů a modelů s latentními proměnnými. Základy práce se systémem Amos. Analýza jednoduchých modelů korelačních cest.

10. Modely faktorové analýzy a jejich analýza pomocí systému Amos. Metody odhadu parametrů modelu faktorové analýzy. Testy dobré shody. Validizace modelu. Využití při přípravě škál. Základy teorie testů.

11. Plně definovaný model strukturální analýzy SEM. Příklady analýzy strukturálních modelů SEM. Interpretační problémy. Novější vývojové trendy uplatnění modelů SEM.

Last update: Soukup Petr, PhDr. Ing., Ph.D. (08.02.2012)