Charles Explorer logo
🇬🇧

Quantitative Data Analysis

Class at Faculty of Social Sciences |
JSB537

This text is not available in the current language. Showing version "cs".Syllabus

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.

This text is not available in the current language. Showing version "cs".Annotation

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.