«Ανάλυση δεδομένων με χρήση στατιστικών στοιχείων IBM SPSS» - μάθημα 42.000 RUB. από MSU, εκπαίδευση (2 μήνες), ημερομηνία 3 Δεκεμβρίου 2023.
μικροαντικείμενα / / December 06, 2023
Σε πολύ συμπυκνωμένη μορφή, αυτό το μάθημα αποτελεί μέρος του δημοφιλούς μαθήματος εξ αποστάσεως εκπαίδευσης «Πώς να κάνετε επιστημονική έρευνα: μεθοδολογία, εργαλεία, μέθοδοι» του Ανοικτού Πανεπιστημίου του Ε. Ιδρύματος. Gaidar (περίπου 2 χιλιάδες. ακροατές ανά έτος). Η Οικονομική Σχολή του Κρατικού Πανεπιστημίου της Μόσχας παρέχει στους φοιτητές την ευκαιρία να χρησιμοποιήσουν μια εξοπλισμένη τάξη υπολογιστή με εγκατεστημένο SPSS μελετήστε λεπτομερώς τις μεθόδους εργασίας με δεδομένα πρόσωπο με πρόσωπο με έναν δάσκαλο, εργαστείτε με το πρόγραμμα με τα δικά σας "χέρια" SPSS. Είναι δυνατό να εργαστείτε όχι μόνο με βάσεις δεδομένων που προτείνονται από τον δάσκαλο, αλλά και με δεδομένα μαθητών· ο δάσκαλος θα σας συμβουλεύσει για το ποιες μεθόδους και πώς να χρησιμοποιήσετε για την ανάλυση των δεδομένων σας.
Αυτό το μάθημα έχει δοκιμαστεί στο Ανοικτό Πανεπιστήμιο του Ιδρύματος Ε. Gaidar.
Διδάκτωρ Οικονομικών Επιστημών, Καθηγητής της Οικονομικής Σχολής του Κρατικού Πανεπιστημίου της Μόσχας, ειδικός στην ποσοτική έρευνα στο κοινωνική σφαίρα, επικεφαλής σε περισσότερα από 30 ερευνητικά προγράμματα, έχει εμπειρία διδασκαλίας αναλυτικών μαθημάτων στο Εθνικό Πανεπιστήμιο Ερευνών HSE, REU im. V.G. Plekhanov.
ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ: [email προστατευμένο]
1 Η ουσία και οι κύριες κατευθύνσεις των δειγματοληπτικών ερευνών του πληθυσμού. Δυνατότητες χρήσης ειδικών ΣΔΙΤ για την επεξεργασία δεδομένων δειγματοληπτικών ερευνών
Μέθοδοι συλλογής ποσοτικών πληροφοριών. Δείγματα μελετών. Δείγμα κοινωνικοδημογραφικών ερευνών στη Ρωσία. Βασικά στατιστικά πακέτα λογισμικού για κοινωνική έρευνα. Λειτουργίες ειδικού λογισμικού (Statistica, SPSS) στην επεξεργασία δεδομένων από δειγματοληπτικές μελέτες. Δομή, ενότητες SPSS. Τομείς επεξεργασίας δεδομένων. Προετοιμασία δεδομένων. Εισαγωγή και αποθήκευση δεδομένων. Κλίμακες μέτρησης (ποσοτικές, τακτικές, ονομαστικές). Ιδιότητες των ζυγών και οι επιτρεπόμενοι μετασχηματισμοί τους. Τύποι κατηγοριοποίησης δεδομένων.
2 Προετοιμασία δεδομένων. Επιλογή και τροποποίηση δεδομένων
Επιλογή παρατηρήσεων. Ταξινόμηση παρατηρήσεων. Χωρισμός παρατηρήσεων σε ομάδες. Τροποποίηση δεδομένων. Υπολογισμός νέων μεταβλητών. Υπολογισμός νέων μεταβλητών σύμφωνα με ορισμένες προϋποθέσεις. Διατύπωση προϋποθέσεων. Συγκέντρωση δεδομένων. Μετασχηματισμοί κατάταξης. Βάρη θήκης. Λόγοι και μηχανισμοί δημιουργίας κενών δεδομένων. Δυνατότητα παράβλεψης παραλείψεων. Μέθοδοι συμπλήρωσης τιμών που λείπουν. Μέθοδοι αναγνώρισης ανώμαλων τιμών. Εφαρμογή αυστηρών διαδικασιών αξιολόγησης. Ανάλυση πολλαπλών αποκρίσεων
3 Περιγραφικά στατιστικά στοιχεία. Πίνακες έκτακτης ανάγκης
Ο ρόλος των στατιστικών στην επεξεργασία των αποτελεσμάτων δειγματοληπτικών ερευνών. Μικρο και μεταδεδομένα. Τομείς εφαρμογής και όρια εφαρμογής μαθηματικών και στατιστικών μεθόδων. Περίληψη παρατηρήσεων. Περιγραφικά στατιστικά. Μονομεταβλητές κατανομές. Δείκτες διακύμανσης. Διασπορά, εύρος διακύμανσης, μέση απόλυτη απόκλιση, ποσοστιαίες περιοχές. Κατασκευή πινάκων έκτακτης ανάγκης. Γραφική αναπαράσταση πινάκων έκτακτης ανάγκης.
4 Παραμετρικοί και μη παραμετρικοί έλεγχοι
Ανάλυση της σχέσης μεταξύ των χαρακτηριστικών. Ανεξαρτησία μεταβλητών. Βασικά χαρακτηριστικά της επικοινωνίας. Μη παραμετρικοί και παραμετρικοί έλεγχοι. Τεστ ανεξαρτησίας (δοκιμή καλής προσαρμογής χ2). Σύγκριση δύο και πολλών δειγμάτων (εξαρτημένων και ανεξάρτητων). t-test. Στατιστικά τεστ για πίνακες έκτακτης ανάγκης. Συντελεστές συσχέτισης (για ονομαστικές κλίμακες και κλίμακες κατάταξης). Μέτρα εγγύτητας της σχέσης μεταξύ μεταβλητών. Τα απλούστερα μέτρα εγγύτητας σύνδεσης (για διχοτομικές μεταβλητές). Μέτρα σχέσεων για πίνακες με τακτικά δεδομένα. Τα μέτρα Kendal t και οι ιδιότητές τους. d-μέτρα Somers. Μέτρο Goodman-Kruskal και οι ιδιότητές του. Ανάλυση της διακύμανσης
5 Ανάλυση συσχέτισης και παλινδρόμησης
Η ουσία και οι στόχοι της ανάλυσης συσχέτισης. Scatterplots. Ζευγαρωμένοι συντελεστές συσχέτισης. Μέτρηση του βαθμού εγγύτητας μιας στατιστικής σχέσης, «καθαρίστηκε» από την επιρροή εξωτερικών χαρακτηριστικών χρησιμοποιώντας συντελεστές μερικής συσχέτισης. Έλεγχος της σημασίας της σχέσης μεταξύ των ζωδίων. Διαστήματα εμπιστοσύνης για συντελεστές συσχέτισης. Συντελεστής πολλαπλής συσχέτισης. Συντελεστής προσδιορισμού. Μοντέλο ανάλυσης δισδιάστατης παλινδρόμησης: γραμμικά και μη γραμμικά μοντέλα παλινδρόμησης. Καμπύλες ανάπτυξης σε προβλήματα πρόβλεψης, «εικονικές» μεταβλητές και οι εφαρμογές τους. Μοντέλο πολλαπλής γραμμικής παλινδρόμησης. Μη γραμμική παλινδρόμηση (δυαδική λογιστική παλινδρόμηση, πολυωνυμική λογιστική παλινδρόμηση, τακτική παλινδρόμηση, ανάλυση probit, προσαρμογή καμπύλης).
6 Μέθοδοι μείωσης διαστάσεων
Στατιστική προσέγγιση στη μέθοδο της κύριας συνιστώσας. Υπολογισμός των κύριων στοιχείων και γραφική ερμηνεία τους. Περιεχόμενο πληροφοριών του μειωμένου χώρου χαρακτηριστικών. Παλινδρόμηση κύριων συνιστωσών. Ο ρόλος και η θέση των μη παραμετρικών μεθόδων στη δομική μοντελοποίηση. Ιεραρχική ανάλυση συστάδων. Μετρήσεις του χώρου χαρακτηριστικών. Αρχές μέτρησης απόστασης μεταξύ ομάδων αντικειμένων. Αλγόριθμοι για γρήγορη ανάλυση συστάδων, μέθοδος k-means. Ανάλυση συστάδων δύο σταδίων. Χτίζοντας ένα δέντρο στόχων