"Analisi dei dati utilizzando IBM SPSS Statistics" - corso RUB 42.000. da MSU, formazione (2 mesi), data 3 dicembre 2023.
Miscellanea / / December 06, 2023
In forma molto sintetica, questo corso fa parte del popolare corso di formazione a distanza “Come fare ricerca scientifica: metodologia, strumenti, metodi” della E. Foundation Open University. Gaidar (circa 2mila. ascoltatori all'anno). La Facoltà di Economia dell'Università Statale di Mosca offre agli studenti l'opportunità di utilizzare un'aula informatica attrezzata con SPSS installato studia in dettaglio i metodi per lavorare con i dati faccia a faccia con un insegnante, lavora con il programma con le tue “mani” SPSS. È possibile lavorare non solo con i database proposti dal docente, ma anche con i dati degli studenti; il docente consiglierà quali metodi e come utilizzare per analizzare i propri dati.
Questo corso è stato testato presso la Open University della E. Foundation. Gaidar.
Dottore in Economia, Professore della Facoltà di Economia dell'Università Statale di Mosca, specialista in ricerca quantitativa in sfera sociale, leader di oltre 30 progetti di ricerca, ha esperienza nell'insegnamento di corsi di analisi presso la National Research University HSE, REU im. V. G. Plekhanov.
E-mail: [e-mail protetta]
1 L'essenza e le direzioni principali delle indagini campionarie sulla popolazione. Possibilità di utilizzare PPP speciali per l'elaborazione dei dati dell'indagine campionaria
Metodi per la raccolta di informazioni quantitative. Studi campione. Esempi di indagini socio-demografiche in Russia. Pacchetti software statistici di base per la ricerca sociale. Funzioni di software speciali (Statistica, SPSS) nell'elaborazione dei dati provenienti da studi campione. Struttura, moduli SPSS. Ambiti del trattamento dei dati. Preparazione dei dati. Immissione e salvataggio dei dati. Scale di misura (quantitativa, ordinale, nominale). Proprietà delle scale e loro trasformazioni ammissibili. Tipi di categorizzazione dei dati.
2 Preparazione dei dati. Selezione e modifica dei dati
Selezione delle osservazioni. Ordinamento delle osservazioni. Dividere le osservazioni in gruppi. Modifica dei dati. Calcolo di nuove variabili. Calcolo di nuove variabili in base a determinate condizioni. Formulazione delle condizioni. Aggregazione dei dati. Trasformazioni di rango. Pesi della cassa. Ragioni e meccanismi per la generazione di lacune nei dati. Possibilità di ignorare le omissioni. Metodi per riempire i valori mancanti. Metodi per identificare valori anomali. Applicazione di robuste procedure di valutazione. Analisi a risposta multipla
3 Statistiche descrittive. Tabelle di contingenza
Il ruolo della statistica nell'elaborazione dei risultati delle indagini campionarie. Micro e metadati. Ambiti di applicazione e limiti di applicabilità dei metodi matematici e statistici. Sintesi delle osservazioni. Statistiche descrittive. Distribuzioni univariate. Indicatori di variazione. Dispersione, intervallo di variazione, deviazione media assoluta, intervalli quantilici. Costruzione di tabelle di contingenza. Rappresentazione grafica delle tabelle di contingenza.
4 Prove parametriche e non parametriche
Analisi della relazione tra caratteristiche. Indipendenza delle variabili. Caratteristiche fondamentali della comunicazione. Test non parametrici e parametrici. Test di indipendenza (test di bontà di adattamento χ2). Confronto di due e più campioni (dipendenti e indipendenti). prova t. Test statistici per tabelle di contingenza. Coefficienti di correlazione (per scale nominali e di classificazione). Misure della vicinanza della relazione tra variabili. Le misure più semplici di vicinanza delle connessioni (per variabili dicotomiche). Misure di relazione per tabelle con dati ordinali. Misure t di Kendal e loro proprietà. Misure D di Somers. Misura di Goodman-Kruskal e sue proprietà. Analisi della varianza
5 Analisi di correlazione e regressione
L'essenza e gli obiettivi dell'analisi delle correlazioni. Grafici a dispersione. Coefficienti di correlazione accoppiati. Misurare il grado di vicinanza di una relazione statistica, “liberata” dall'influenza di caratteristiche estranee mediante coefficienti di correlazione parziale. Verifica del significato della relazione tra i segni. Intervalli di confidenza per i coefficienti di correlazione. Coefficiente di correlazione multipla. Coefficiente di determinazione. Modello di analisi di regressione bidimensionale: modelli di regressione lineare e non lineare. Curve di crescita nei problemi di previsione, variabili “dummy” e loro applicazioni. Modello di regressione lineare multipla. Regressione non lineare (regressione logistica binaria, regressione logistica multinomiale, regressione ordinale, analisi probit, adattamento della curva).
6 Metodi di riduzione della dimensionalità
Approccio statistico nel metodo delle componenti principali. Calcolo delle componenti principali e loro interpretazione grafica. Contenuto informativo dello spazio di funzionalità ridotto. Regressione delle componenti principali. Il ruolo e il posto dei metodi non parametrici nella modellazione strutturale. Analisi dei cluster gerarchici. Metriche dello spazio delle funzionalità. Principi di misurazione della distanza tra gruppi di oggetti. Algoritmi per l'analisi veloce dei cluster, metodo delle k-medie. Analisi dei cluster a due stadi. Costruire un albero degli obiettivi