Cílem kurzu je získání znalosti metodologických principů a aplikací statistických metod při analýze empirických sociálně-geografických, demografických a epidemiologických dat. Kurz bezprostředně navazuje na předmět Statistická analýza dat I s cílem rozšířit aplikované statistické postupy především o modely vícerozměrné statistické analýzy.
Důraz je kladen na:
1. porozumění metodologickým principům vícerozměrné statistické analýzy dat a vybraným statistickým metodám;
2. vhodnou aplikaci jednotlivých vícerozměrných statistických metod s využitím statistického softwaru SPSS v závislosti na řešeném úkolu, resp. výchozím datovém souboru;
3. logicky správnou interpretaci výsledků statistických analýz.
Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (29.09.2026)
Literatura
K úspěšnému absolvování kurzu postačí podkladové materiály k přednáškám a cvičením. Během přípravy ke zkoušce můžete využít množství 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. (29.09.2026)
Kontroly studia předmětu a podmínky pro jejich úspěšné vykonání, způsob hodnocení
K získání zápočtu je potřeba:
- průběžně studovat a aktivně se účastnit výuky
- vypracovat kvalitní seminární práci, splnit termíny průběžné kontroly zpracování seminární práce a prezentovat ji
Ke složení zkoušky je potřeba:
- úspěšně splnit test v Moodlu (minimálně na 62,5 %)
Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (29.09.2026)
Sylabus
V rámci kurzu jsou probírány základní vícerozměrné metody statistické analýzy a diskutovány možnosti jejich použití v sociálně-geografickém, demografickém a epidemiologickém výzkumu. K aplikaci jednotlivých postupů a metod se využívá statistický software SPSS. Dále je představena problematika statistické analýzy prostorových dat a časových řad.
Témata přednášek:
Pokročilé statistické metody – úvod
Obecný lineární model (GLM) a jeho aplikace
Víceúrovňové lineární modely
Binární logistická regresní analýza
Modely logistické regresní analýzy
Klasifikační a regresní stromy
Faktorová analýza
Shluková analýza
Statistická analýza prostorových dat
Analýza časových řad
Témata cvičení:
Příprava dat k analýze v SPSS
Dvoufaktorová ANOVA a ANCOVA v SPSS
Víceúrovňové lineární modely v SPSS
Binární logistická regrese v SPSS
Modely logistické regrese v SPSS
Klasifikační a regresní stromy v SPSS
Faktorová analýza v SPSS
Shluková analýza v SPSS
Efekt měřítka analýzy, prostorová nestacionarita
Analýza časových řad v SPSS
Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (29.09.2026)
Výsledky učení
Po absolvování kurzu studenti dokáží:
charakterizovat možnosti a omezení použití vícerozměrné statistické analýzy v sociálně-geografickém, demografickém a epidemiologickém výzkumu
vyjmenovat a vysvětlit možné problémy a zkreslení při analýze agregovaných a specificky prostorových dat (ekologická chyba, efekt měřítka analýzy, prostorová autokorelace a nestacionarita)
vysvětlit základní pojmy vícerozměrné statistické analýzy (obecný lineární model, hlavní a interakční efekt, hierarchická struktura dat, fixní a náhodný efekt, šance a poměr šancí) a principy (rozklad variability, linearita)
vysvětlit obecně a na konkrétních příkladech rozdíly mezi lineární regresí a jednofaktorovou analýzou rozptylu, jednofaktorovou a vícefaktorovou analýzou rozptylu, analýzou rozptylu a analýzou kovariance, jednoúrovňovými a víceúrovňovými modely, lineární a logistickou regresí, binárním, multinomickým a ordinálním logistickým modelem, klasifikačním a regresním stromem, faktorovou analýzou a analýzou hlavních komponent, hierarchickým a nehierarchickým shlukováním
vysvětlit specifika analýzy prostorových dat a diskutovat jejich dopad na interpretaci výsledky
popsat cíl a metodologický princip vícerozměrných statistických metod probíraných v kurzu s využitím správné terminologie, zkontrolovat jejich předpoklady a uvést možnosti jejich použití v sociálně-geografickém, demografickém a epidemiologickém výzkumu
uvést příklady výzkumných otázek, které lze řešit pomocí jednotlivých vícerozměrných statistických metod
k určenému výzkumnému problému, struktuře a charakteru dat vybrat vhodnou vícerozměrnou statistickou metodu pro analýzu
S využitím softwaru SPSS studenti dokáží:
připravit rozsáhlý datový soubor k vícerozměrné analýze: ošetřit chybějící hodnoty, rekódovat a transformovat proměnné, vytvořit umělé (dummy) proměnné a standardizovat data
provést dvoufaktorovou analýzu rozptylu a analýzu kovariance, posoudit hlavní a interakční efekty včetně věcné významnosti a provést post hoc srovnání
sestavit víceúrovňový lineární model, vyhodnotit podíl variability na jednotlivých úrovních a porovnat kvalitu alternativních modelů
zkonstruovat binární logistický regresní model, vyhodnotit jeho statistickou kvalitu a klasifikační úspěšnost, interpretovat poměry šancí a využít model k predikci pravděpodobnosti jevu
aplikovat multinomický a ordinální logistický regresní model a interpretovat jejich výsledky
vytvořit klasifikační a regresní strom, vyhodnotit jeho přesnost a interpretovat výsledná klasifikační pravidla
provést faktorovou analýzu: posoudit vhodnost dat, určit počet faktorů, zvolit rotaci, pojmenovat a interpretovat faktory a uložit faktorová skóre pro navazující analýzu
provést shlukovou analýzu: zvolit vstupní proměnné, míru vzdálenosti a metodu shlukování, určit optimální počet shluků, charakterizovat vzniklé shluky a vytvořit typologii objektů (např. územních jednotek)
posoudit vliv měřítka analýzy na výsledky analýzy prostorových dat a vyhodnotit prostorovou nestacionaritu
vizualizovat a dekomponovat časovou řadu, sestavit model časové řady a využít jej k predikci
vysvětlit hodnoty uvedené ve výstupech po provedení jednotlivých statistických metod a správně je interpretovat
zpracovat odbornou zprávu s formulací cíle, představením dat a metod, výsledky popisné statistiky v tabulkové a grafické podobě, vlastní statistickou analýzou a interpretací výsledků
Poslední úprava: Netrdová Pavlína, doc. RNDr., Ph.D. (29.09.2026)
