Wprowadzenie do zaawansowanych metod statystycznych w dyscyplinie psychologia 1600-SZD-N-WZMS-PS
Kurs wprowadza kluczowe koncepcje związane z analizą regresji w naukach społecznych. Wskazuje na często popełniane błędy i niewłaściwe zastosowania metod statystycznych oraz prezentuje rozwiązania dla tych problemów. Dotyka on m.in. zagadnień takich jak przyczynowa interpretacja wyników analiz regresji, analiza interakcji czy wnioskowanie quasi-eksperymentalne. Jako taki, oferuje on wiedzę niezbędną do przystąpienia do kluczowego kursu z zaawansowanej statystyki stosowanej (Zaawansowane metody statystyczne w dyscyplinie psychologia)
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Założenia stojące za modelem analizy regresji klasyczną metodą najmniejszych kwadratów
Zagrożenia wynikające z niespełnienia ww. założeń
Zagrożenia dla przyczynowej interpretacji wyników analiz regresji (np. pętla przyczynowości)
Metody badania przyczynowości poprzez szeroką rozumianą analizę regresji (np. zmienne instrumentalne, syntetyczne jednostki kontrolne)
Błędy w analizie interakcji
Umiejętności: Potrafi
Krytycznie dyskutować zalety i wady konkretnych zaawansowanych analiz statystycznych
Społeczne kompetencje: Jest gotów do:
Nie oferuje się wyraźnie określonych kompetencji społecznych
Kryteria oceniania
Opis wymagań związanych z uczestnictwem w zajęciach, w tym dopuszczalnej liczby nieobecności podlegających usprawiedliwieniu: 2 nieusprawiedliwione obecności
Zasady zaliczania zajęć i przedmiotu (w tym zaliczania poprawkowego): praca pisemna
Metody weryfikacji efektów uczenia się: Aktywny udział w zajęciach.
Kryteria oceniania: aktywne uczestnictwo w zajęciach, praca pisemna
Literatura
Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic control methods for comparative case studies: Estimating the effect of California’s tobacco control program. Journal of the American Statistical Association, 105(490), 493-505.
Angrist, J. D., & Pischke, J. S. (2009). Mostly harmless econometrics: An empiricist's companion. Princeton University Press.
Brambor, T., Clark, W. R., & Golder, M. (2006). Understanding interaction models: Improving empirical analyses. Political Analysis, 14(1), 63-82.
Gelman, A., & Weakliem, D. (2009). Of beauty, sex and power: Too little attention has been paid to the statistical challenges in estimating small effects. American Scientist, 97(4), 310-316.
Górecki, M. A., & Kukołowicz, P. (2018). Electoral formula, legal threshold and the number of parties: a natural experiment. Party Politics, 24(6), 617-628.
King, G. (1986). How not to lie with statistics: Avoiding common mistakes in quantitative political science. American Journal of Political Science, 666-687.
Kirk, D. S. (2009). A natural experiment on residential change and recidivism: Lessons from Hurricane Katrina. American Sociological Review, 74(3), 484-505.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: