|
|
|
||
|
Předmět má dva základní cíle. Prvním z nich je osvojení si teorie potřebné pro zvládnutí kvantitativních analýz v
psychologickém výzkumu, druhým pak příprava dat pro vlastní statistickou analýzu. Předmět Statistika v
psychologickém výzkumu I. pokrývá teoretické základy kvantitativní analýzy, zejména exploraci dat, intervaly
spolehlivosti, velikost efektu, testování nulových hypotéz a statistickou signifikanci. Příprava dat bude prováděna v
programu SPSS a bude zahrnovat vizuální exploraci dat, zjišťování odlehlých hodnot a vlivných bodů, ověřování
předpokladů testů (aditivnost, linearita, normální rozdělení, homogenita rozptylů, nezávislost) a způsoby, jak
minimalizovat systematické odchylky (bias). Teoreticky zaměřené hodiny vztahující se k práci s daty budou
prokládány hodinami zacílenými na řešení konkrétních ukázkových příkladů. Důraz je kladen také na slovní popis
výsledků a na schopnost porozumět výsledkům v empirických kvantitativních studiích. Studenti budou průběžně
seznamováni s anglickou i českou statistickou terminologií.
Last update: Prikrylová Katarína, Mgr. (29.11.2023)
|
|
||
|
Last update: Prikrylová Katarína, Mgr. (01.01.2024)
|
|
||
|
Povinná:
Doporučená:
Last update: Prikrylová Katarína, Mgr. (09.01.2024)
|
|
||
|
Témata: 1. Statistické modely lineární a nelineární, průměr jako statistický model, shoda modelu s daty 2. Odhad parametrů, standardní chyba, výběrové rozdělení, výběrový rozptyl, interval spolehlivosti, jejich výpočet, interpretace a grafické znázornění 3. Testování nulových hypotéz, Fisherova p-hodnota, testová statistika, jednostranné a oboustranné testy, chyba 1. a 2. druhu a jejich pravděpodobnost, statistická síla testu, odhad velikosti vzorku 4. Problémy související s testováním nulových hypotéz a možná východiska (předregistrace studie, odhady velikosti efektu /R2, Cohenovo d, poměr šancí/, metaanalýza, Bayesiánská statistika) 5. Seznámení se statistickým programem IBM SPSS (editor, vkládání a nahrávání dat, definování proměnných, prohlížeč, okno pro syntax, nástroj PROCESS, plugin Essentials for R for Statistics, balíček WRS2) 6. Vizuální explorace dat (histogram, krabicový graf, sloupcový graf, spojnicový graf, bodový graf) 7. Praktické opakování společným řešením příkladů k tématu 6 8. Systematická odchylka (bias); odlehlé hodnoty a jejich identifikace (vizuální – histogram, krabicový graf; pomocí z-skórů a mediánové absolutní odchylky), vlivné body 9. Praktické opakování společným řešením příkladů k tématu 8 10. Předpoklady statistických testů a jejich ověřování (aditivnost a linearita, normální rozdělení, homogenita rozptylů, nezávislost) – vizuálně a pomocí statistických testů 11. Praktické opakování společným řešením příkladů k tématu 10 12. Minimalizace systematické odchylky – trimming, winsorizing, transformace dat 13. Praktické opakování společným řešením příkladů k tématu 12 14. Závěrečné opakování společným řešením příkladů ke zvoleným typům analýz Last update: Prikrylová Katarína, Mgr. (01.01.2024)
|
|
||
|
Last update: Prikrylová Katarína, Mgr. (01.01.2024)
|
