PředmětyPředměty(verze: 825)
Předmět, akademický rok 2017/2018
   Přihlásit přes CAS
Analýza dat v SPSS - JSB537
Anglický název: Analysis of data in SPSS
Zajišťuje: Katedra sociologie (23-KS)
Fakulta: Fakulta sociálních věd
Platnost: od 2017
Semestr: zimní
Body: 6
E-Kredity: 6
Způsob provedení zkoušky: zimní s.:
Rozsah, examinace: zimní s.:3/2 Zk [hodiny/týden]
Počet míst: neomezen / neomezen (neurčen)
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
Garant: PhDr. Ing. Petr Soukup, Ph.D.
Vyučující: Bc. Miroslav Líbal
Bc. Jan Oreský
PhDr. Ing. Petr Soukup, Ph.D.
Neslučitelnost : JSB538
Je neslučitelnost pro: JSB538
Je záměnnost pro: JSB029
Sylabus
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (28.09.2017)

Kurz navazuje na kurz Úvod do statistiky a rozvíjí dovednost analýzy dat a rozšiřuje znalosti analytických metod. Cvičení jsou vedena na počítačích v prostředí SPSS, kde studenti analyzují data z reálných sociologických šetření. Z každého cvičení je zadán domácí úkol, studenti plní úkoly hromadně na cvičeních, ke zkoušce je nutno získat min. 70 % z úkolů. V průběhu semestru je dvakrát 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.
Výsledná známka se stanoví jako vážený průměr jednotlivých částí (úkoly, průběžné testy a ústní zkouška):
20 % úkoly (hodnoceny souhrnně 0-100 %)
30 % průběžné testy (hodnoceny souhrnně 0-100 %)
50 % zkouška (hodnocena 0-100 %), minimum u zkoušky je 50 %
Výsledná klasifikace: 51-60 % (E), 61-70 % (D), 71-80 % (C), 81-90 % (B) a 91 % a více (A)
Poznámka: Studenti oboru PVP neskládají zkoušku, pro získání zápočtu musí splnit požadavky na domácí úkoly a průběžné testy.

Povinná literatura:�
Mareš, Rabušic, Soukup. Analýza sociálněvědních dat (nejen) v SPSS. 2015. muniPRESS, Brno.
Soukup, P., Rabušic, L. 2007. Několik poznámek k jedné obsesi českých sociálních věd - statistické významnosti. Sociologický časopis/ Czech Sociological Review, 43 (2): 379-395
(online zde: http://sreview.soc.cas.cz/cs/issue/15-sociologicky-casopis-czech-sociological-review-2-2007/201)
Hendl J. 2014. Přehled statistických metod zpracování dat. Praha: Portál
Hebák
Manuál k SPSS (dostupný přímo z IBM SPSS)
Sylabus kurzu
1. Seznámení s SPSS - 3 okna (data, syntax, výstup). Základní ukázka dat, logika promenné, jejich popisky. Generování základních statistik (FRE, DES VAR, EXAMINE). Příprava nových proměnných (RECODE, COMPUTE). Definice chybějících hodnot (MIS VAL). (dodatek II učebnice)
2. Závislost ordinálních proměnných. Spearmanův a Kendallův koeficient. Možnosti použití statistických metod pro ordinální proměnné. (kapitola 9)
3. Závislost kardinálních proměnných. Párová a dílčí korelace. Testy a intervaly spolehlivosti, Bonferroniho korekce. (kap. 9, 10)�

4. Lineární regrese. Základní model jednoduché regrese, metoda nejmenších čtverců. Význam jednotlivých parametrů, t-test a F-test. (kapitola 11)
5. Vícenásobná regrese-práce s kategoriálními vysvětlujícími proměnnými (umělé proměnné). Nesplnění požadavků klasického lineárního modelu (multikolinearita)-identifikace a možná řešení. (kap. 12)�
2. Kovariance a korelace. Korelační analýza, párová, dílčí a vícenásobná korelace. Problém zdánlivé závislosti. Vztah mezi regresním koeficientem a korelačním koeficientem. Korelační matice a její využití ve statistice. (kap. 9)�

6. Faktorová analýza aneb hledání skrytých faktorů. Předpoklady použití, alternativy při nesplnění. Určení počtu faktorů. Prvotní řešení a možnost rotace, tvorba typů, kontrola a tvorba škál. Exkurz-reliabilita škál a její měření.Možnosti rotace faktorů a pojmenování faktorů. Využití faktorových skóre v dalších statistických metodách. (kap. 13)
7. Tabulky a grafy pro prezentaci výsledků. Třídící a tříděné proměnné. Ukázky modulu Custom Tables. (dodatek I)
8. Seskupovací analýza, podstata metody, seskupování případů a proměnných. Metody měření vzdáleností ve vícerozměrném prostoru. Hierarchické seskupování. Metody měření vzdálenosti mezi shluky. Standardizace proměnných. Výstupy seskupování, určení příslušnosti a využití klasifikace v dalších statistických metodách. "Rychlá" seskupovací analýza-K-means cluster-podstata procedury, možnosti využití. (kap. 14)�

9. Příprava datového souboru - logické čištění dat, práce s filtry. Využití příkazů IF a DO IF. SORT, SPLIT FILE,SELECT, TEMPORARY.Agregace dat. Spojování dat - připojování proměnných a případů, praktické využití. (kap. 6, dodatek II)�

10. Vytváření nových proměnných. Tvorba součtových škál. Kontrola reliability a validity škál. Ukázky některých známých škál (Srole, anomie, LP). Načítání určitého typu odpovědí v baterii. Náhodné vybírání z datového souboru, metoda TTD. Otevřené otázky a jejich zpracování. Četnosti otevřených otázek, kontingenční tabulka z otevřených otázek. (dodatek II a III, 3.3)�

11. Chybějící hodnoty-důvody vzniku. Definice v SPSS a práce s chybějícími hodnotami. Analýza chybějících hodnot a jejich dopad na výsledky. Možnosti náhrad chybějících hodnot (speciální nabídky v regresi a faktorové analýze). Vážení dat a tvorba vah. (kap. 6)�

12. Náhodné a nenáhodné výběry a používání statistiky. Úplná zjišťování v ČR. Problematika malých výběrů, výběry z malých základních souborů. (článek Rabušic, Soukup)
V závorkách je uvedeno, kde v textu Mareš, Rabušic, Soukup téma pojednáno a dle toho bude zkoušeno.�

Cvičení slouží k praktickému nácviku probíraných analytických metod na datech v SPSS a Excelu.
Poznámka: Studenti oboru PVP neskládají zkoušku, pro získání zápočtu musí splnit požadavky na domácí úkoly a průběžné testy.

 
Univerzita Karlova | Informační systém UK