Advanced Data Analysis in MPlus - JSM034

• Title: Advanced Data Analysis in MPlus
• Guaranteed by: Department of Sociology (23-KS)
• Faculty: Faculty of Social Sciences
• Actual: from 2015 to 2015
• Semester: summer
• E-Credits: 7
• Examination process: summer s.:
• Hours per week, examination: summer s.:2/1, Ex [HT]
• Capacity: unlimited / unlimited (25)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: English
• Teaching methods: full-time
• Note: course can be enrolled in outside the study plan; enabled for web enrollment; priority enrollment if the course is part of the study plan
• Guarantor: PhDr. Ing. Petr Soukup, Ph.D.
• Teacher(s): PhDr. Ing. Petr Soukup, Ph.D.

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 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.

Last update: Soukup Petr, PhDr. Ing., Ph.D. (16.02.2016)

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:

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.

 

Last update: Soukup Petr, PhDr. Ing., Ph.D. (16.02.2015)