Zaawansowane metody statystyczne w naukach społecznych 1600-SZD-ID-ZMS
Zajęcia obejmują tematykę zaawansowanej analizy regresji. Punktem wyjścia jest regresja liniowa, ze wszystkimi jej założeniami i gruntownym zrozumieniem potencjalnych problemów, jakie może napotkać badacz posługujący się tą metodą (np. przy analizie efektów interakcji). Następnie omawiane są modele nieliniowe dla zmiennych nominalnych (regresja logistyczna), liczb naturalnych (regresja Poisson, negatywna dwumianowa) oraz model wyboru McFaddena. W dalszej kolejności omawiane są podejścia quasi-eksperymentalne (np. regresja z efektami stałymi).
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza | Zna i rozumie:
WG_02 - główne tendencje rozwojowe dyscyplin w ramach nauk społecznych, w których odbywa się kształcenie
Umiejętności | Potrafi:
UW_01 – wykorzystywać wiedzę z różnych dziedzin nauki, w szczególności z nauk społecznych do twórczego identyfikowania, formułowania i innowacyjnego rozwiązywania złożonych problemów lub wykonywania zadań o charakterze badawczym, a w szczególności: definiować cel i przedmiot badań naukowych w dziedzinie nauk społecznych, formułować hipotezę;
Badawczą; rozwijać metody, techniki i narzędzia badawcze oraz twórczo je stosować; wnioskować na podstawie wyników badań naukowych
UK_04 - uczestniczyć w dyskursie naukowym w obrębie nauk społecznych
Kompetencje społeczne | Jest gotów do:
KK_01 – krytycznej oceny dorobku w ramach danej dyscypliny w obrębie nauk społecznych
Oraz inne: 1. Zna wszystkie 10 założeń modelu liniowego. 2. Umie zinterpretować efekty uzyskane przy pomocy regresji liniowej. 3. Umie analizować i interpretować efekty interakcji w regresji liniowej. 4. Zna ograniczenia w użyciu modelu liniowego do analizy zmiennych binarnych. 5. Umie zinterpretować efekty uzyskane przy pomocy regresji logistycznej. 6. Zna różnice w interpretacji efektów interakcji między modelami liniowymi i nieliniowymi. 7. Zna ograniczenia w użyciu modelu liniowego do analizy zmiennych będących liczbami naturalnymi. 8. Umie zinterpretować efekty uzyskane przy pomocy regresji Poisson i negatywnej dwumianowej. 9. Wie, na czym polega problem nadmiernej lub niewystarczającej dyspersji w modelu Poisson. 10. Umie analizować problem wyboru przy pomocy modelu McFaddena. 11. Wie, na czym polega założenie niezależności od alternatyw niezwiązanych. 12. Umie oszacować i zinterreptować model liniowy z efektami stałymi.
Kryteria oceniania
Opis wymagań związanych z uczestnictwem w zajęciach, w tym dopuszczalnej liczby nieobecności podlegających usprawiedliwieniu: Udział w co najmniej 80% zajęć (16h).
Zasady zaliczania zajęć i przedmiotu (w tym zaliczania poprawkowego): Udział w zajęciach i końcowy projekt empiryczny
Metody weryfikacji efektów uczenia się: Końcowy projekt empiryczny
Kryteria oceniania: Co najmniej 80% obecności i satysfakcjonująca jakość projektu końcowego
Literatura
1. King, Gary. "How not to lie with statistics: Avoiding common mistakes in quantitative political science." American Journal of Political Science (1986): 666-687. 2. Long, J. S. (2014). Regression models for nominal and ordinal outcomes. The SAGE handbook of regression analysis and causal inference. 3. Rabe-Hesketh, S., & Skrondal, A. (2008). Multilevel and longitudinal modeling using Stata. STATA press. 4. McFadden, D. (1972). Conditional logit analysis of qualitative choice behavior. 5. Górecki, M. A., & Kukołowicz, P. (2018). Electoral formula, legal threshold and the number of parties: a natural experiment. Party Politics, 24(6), 617-628.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: