PředmětyPředměty(verze: 861)
Předmět, akademický rok 2009/2010
  
Analýza kvantitativních dat - JSM034
Anglický název: Analysis of Quantitative Data
Zajišťuje: Katedra sociologie (23-KS)
Fakulta: Fakulta sociálních věd
Platnost: od 2008 do 2011
Semestr: letní
Body: 6
E-Kredity: 6
Způsob provedení zkoušky: letní s.:
Rozsah, examinace: letní s.:2/1 Zk [hodiny/týden]
Počet míst: neomezen / neurčen (neurčen)Rozvrh není zveřejněn, proto je tento údaj pouze informativní a může se ještě měnit.
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.
prof. RNDr. Jan Hendl, CSc.
Vyučující: prof. RNDr. Jan Hendl, CSc.
PhDr. Ing. Petr Soukup, Ph.D.
Prerekvizity : JSM031
Anotace -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (22.04.2016)
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.
Literatura -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (25.09.2014)

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

Požadavky ke zkoušce -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (08.02.2012)

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.

Sylabus -
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (08.02.2012)

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.

 
Univerzita Karlova | Informační systém UK