PředmětyPředměty(verze: 962)
Předmět, akademický rok 2024/2025
   Přihlásit přes CAS
Statistická analýza dat I - MD360P05
Anglický název: Statistical Data Analysis I
Český název: Statistická analýza dat I
Zajišťuje: Katedra sociální geografie a regionálního rozvoje (31-340)
Fakulta: Přírodovědecká fakulta
Platnost: od 2023
Semestr: letní
E-Kredity: 4
Způsob provedení zkoušky: letní s.:
Rozsah, examinace: letní s.:2/2, Z [HT]
Počet míst: 100
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Další informace: https://dl2.cuni.cz/course/view.php?id=672
Poznámka: povolen pro zápis po webu
při zápisu přednost, je-li ve stud. plánu
Garant: doc. RNDr. Pavlína Netrdová, Ph.D.
Neslučitelnost : MZ340R14K
Je neslučitelnost pro: MZ340R14K
Je prerekvizitou pro: MZ340R12, MZ340P70
Anotace -
Cílem kurzu je seznámit studenty s metodologickými principy základních metod statistické analýzy dat a naučit je aplikovat tyto statistické metody při analýze empirických geografických a demografických dat. V rámci kurzu studenti získají jak teoretické, tak praktické znalosti a dovednosti.
Důraz je v rámci kurzu kladen na to, aby studenti:
1. porozuměli základním principům statistické analýzy dat a jednotlivým statistickým metodám;
2. uměli aplikovat jednotlivé statistické metody na konkrétních datech s využitím statistického softwaru SPSS;
3. řádně interpretovali výsledky statistických analýz.
Po absolvování kurzu studenti dokáží:
- charakterizovat možnosti a omezení použití statistické analýzy dat v geografii a sociálních vědách obecně a vysvětlit možné problémy a zkreslení na příkladu analýz závislostí
- vysvětlit základní statistické pojmy (měřítko proměnné, variabilita, rozdělení proměnné, statistická významnost – p-hodnota, věcná významnost, robustnost, rezistence, reziduum, koeficient determinace, multikolinearita, homoskedasticita) a principy (statistická indukce, testování statistických hypotéz, rozklad variability)
- vysvětlit obecně a na konkrétních příkladech rozdíly mezi kategoriálními a kvantitativními (spojitými) daty, popisnou a inferenční statistikou (statistickou indukcí), odhadováním a testováním hypotéz, nulovou a alternativní hypotézou, nezávislými a závislými výběry, parametrickými a neparametrickými metodami statistické analýzy, statistickou a věcnou významností, volnou statistickou, funkční a kauzální závislostí, nezávislou a závislou proměnnou, validním a reliabilním měřením
- vyjmenovat a popsat statistické míry polohy a rozptýlenosti, druhy statistických testů, metody pro analýzu vztahu dvou proměnných, koeficienty věcné významnosti, způsoby provedení výběru
- vysvětlit cíl a metodologický princip základních statistických metod, uvést jejich předpoklady a diskutovat možnosti jejich aplikace v geografickém výzkumu
- uvést příklady výzkumných otázek, které lze řešit pomocí jednotlivých statistických metod
- k určenému výzkumného problému a charakteru dat vybrat vhodnou statistickou metodu pro analýzu
S využitím softwaru SPSS studenti dokáží:
- připravit datový soubor k analýze, provést výběr z dat, agregovat data do podskupin, vážit data
- popsat data pomocí základních statistických charakteristik a graficky vyhodnotit rozdělení dat
- posoudit normalitu dat
- provést testování střední hodnoty pomocí t-testů, analýzy rozptylu a neparametrických testů včetně posouzení věcné významnosti
- provést analýzu kategoriálních dat pomocí binomického testu, chí kvadrát testu dobré shody, chí kvadrát testu nezávislosti a McNemarova testu včetně posouzení věcné významnosti
- analyzovat vztah dvou kvantitativních proměnných pomocí grafické, korelační a regresní analýzy
- zkonstruovat regresní model (jednoduchý i mnohonásobný), vyhodnotit jeho statistickou kvalitu, posoudit vliv nezávislých proměnných a využít model k predikci
- zhodnotit vliv třetí proměnné pomocí parciální korelace a podmíněných kontingenčních tabulek
- vysvětlit hodnoty uvedené ve výstupech po provedení jednotlivých statistických metod a správně je interpretovat
Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (19.02.2024)
Literatura

K úspěšnému absolvování kurzu postačí podkladové materiály k přednáškám a cvičením. Během přípravy k zápočtovému testu můžete využít množství doplňkových elektronických materiálů ke statistickým analýzám v SPSS či následující přehledové publikace:

HENDL, J. (2004): Přehled statistických metod zpracování dat - analýza a metaanalýza dat. Praha, Portál.

MAREŠ, P., RABUŠIC, L., SOUKUP, P. (2015): Analýza sociálněvědních dat (nejen) v SPSS. Brno, Masarykova univerzita.

Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (19.02.2024)
Požadavky ke zkoušce

K získání zápočtu je potřeba:

1. průběžně studovat a aktivně se účastnit výuky (případnou absenci na prezenční výuce v rámci cvičení je nutné nahradit splněním všech testů pro kontrolu osvojení látky k danému tématu v zadaném termínu v Moodlu);

2. úspěšně splnit zápočtový test v Moodlu minimálně na 60 %.

Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (19.02.2024)
Sylabus

V rámci kurzu jsou probírány základní metody jednorozměrné statistické analýzy a vybrané metody vícerozměrné statistické analýzy. Na konkrétních příkladech jsou diskutovány jak možnosti, tak omezení týkající se jejich použití v geografickém a demografickém výzkumu. K aplikaci jednotlivých postupů a metod se využívá statistický software SPSS.

Témata přednášek:

Statistické metody v geografii – úvod

Základy popisné a inferenční statistiky

Parametrické testy

Analýza rozptylu

Neparametrické testy

Analýza kategoriálních dat

Korelační a regresní analýza

Analýzy závislostí

Mnohonásobná lineární regrese

Statistické metody v geografii – aplikace

Témata cvičení:

Základy práce v SPSS

Základy popisné a inferenční statistiky v SPSS

Parametrické testy v SPSS

Analýza rozptylu v SPSS

Neparametrické testy v SPSS

Analýza kategoriálních dat v SPSS

Korelační a regresní analýza v SPSS

Analýzy závislostí v SPSS

Mnohonásobná lineární regrese v SPSS

Řešení reálných příkladů v SPSS

Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (19.02.2024)
 
Univerzita Karlova | Informační systém UK