Sylabus
1. Vícenásobná regrese-práce s kategoriálními vysvětlujícími proměnnými (umělé proměnné). Nesplnění požadavků klasického lineárního modelu (multikolinearita)-identifikace a možná řešení. (kap. 10,11) 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) 3. 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) 4. Tabulky a grafy pro prezentaci výsledků. Třídící a tříděné proměnné. Ukázky modulu Custom Tables. (dodatek1) 5. Seskupovací analýza, podstata metody, seskupování případů a proměnných. Metody měření vzdáleností ve vícerozměrném prostoru. Hierarchické seskupování. Metody měření vzdálenosti mezi shluky. Standardizace proměnných. (kap. 14) 6. Výstupy seskupování, určení příslušnosti a využití klasifikace v dalších statistických metodách. "Rychlá" seskupovací analýza-K-means cluster-podstata procedury, možnosti využití. (kap. 14) 7. Diskriminační analýza- předpoklady použití, alternativy při nesplnění. Diskriminační skóre a rozdělení do skupin. Možnost predikce skupinové příslušnosti u nových případů. (Hebák a kol., 2. díl) 8. 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 2) 9. 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. Výpočty kvantilů statistických rozdělení a matematické operace v SPSS a MS Excel. (dodatek 2, dodatek 3) 10. 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 data tvorb vah. (kap. 6) 11. Otevřené otázky a jejich zpracování. Četnosti otevřených otázek, kontingenční tabulka z otevřených otázek. 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 (bez uvedeíní zdroje) či v jiných učebnicích či textech je téma pojednáno a dle toho bude vyžadováno u zkoušky Cvičení slouží k praktickému nácviku probíraných analytických metod na datech v SPSS a Excelu.
Anotace
Kurz navazuje na kurzy Statistika I, II 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, student musí odeslat 8 úkolů k hodnocení cvičícímu (vždy do pondělního poledne v týdnu následujícím po cvičení), každý úkol je hodnocen 0-10 body, pro připuštění ke zkoušce je nutno získat min. 70 % (tj. 56) bodů z 8 nejlepších úkolů. V průběhu semestru je 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.