PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Kvantitativní analýza dat - JSB537
Anglický název: Quantitative Data Analysis
Český název: Kvantitativní analýza dat
Zajišťuje: Katedra sociologie (23-KS)
Fakulta: Fakulta sociálních věd
Platnost: od 2023
Semestr: zimní
E-Kredity: 6
Způsob provedení zkoušky: zimní s.:
Rozsah, examinace: zimní s.:3/2, Zk [HT]
Počet míst: neomezen / 135 (neurčen)
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
při zápisu přednost, je-li ve stud. plánu
Garant: PhDr. Ing. Petr Soukup, Ph.D.
Vyučující: Matouš Hron
Bc. Ondřej Lacina
Bc. Kateřina Pulcová
PhDr. Natalie Simonová, Ph.D.
Bc. Růžena Smrčková
PhDr. Ing. Petr Soukup, Ph.D.
Neslučitelnost : JSB538
Je neslučitelnost pro: JSB538
Je záměnnost pro: JSB018, JSB029
Anotace
Poslední úprava: PhDr. Petr Bednařík, Ph.D. (12.02.2022)
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, které studenti SOSA a SOSP mohou dobrovolně odesílat k hodnocení.
Literatura
Poslední úprava: PhDr. Petr Bednařík, Ph.D. (12.02.2022)

Povinná literatura:

Rabušic, Soukup, Mareš. Statistická analýza sociálněvědních dat v SPSS. 2019. 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)

Požadavky ke zkoušce
Poslední úprava: PhDr. Ing. Petr Soukup, Ph.D. (28.09.2022)

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, online test v Moodle). 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 (průběžné testy a ústní zkouška):
40 % průběžné testy (hodnoceny souhrnně 0-100 %)
60 % 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)

Sylabus
Poslední úprava: PhDr. Petr Bednařík, Ph.D. (12.02.2022)


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. Zopakování jednoduché regrese a rozšíření na vícenásobnou regresi-práce s kategoriálními vysvětlujícími proměnnými (umělé proměnné). Nesplnění požadavků klasického lineárního modelu (multikolinearita)-identifikace a možná řešení. (kap. 11,12)


5. Porovnání průměrů pro jednu a  dvě skupiny, t-testy a jejich neparametrické obdoby.

6. Porovnání průměrů ve více skupinách, analýza rozptylu a její neparametrické obdoby.

7. 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)

8. Tabulky a grafy pro prezentaci výsledků. Třídící a tříděné proměnné. Ukázky modulu Custom Tables. (dodatek I)

9. 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)

10. 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). Vytváření nových proměnných. Tvorba součtových škál. Kontrola reliability a validity škál. Ukázky některých známých škál (Srole, anomie, LP). Načítání určitého typu odpovědí v baterii. (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 Soukup, Rabušic)
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.

 
Univerzita Karlova | Informační systém UK