Techniki analizy wielozmiennowej w SPSS 3500-FAKL-TAW
Kurs dedykowany studentom z wcześniejszą znajomością podstaw obsługi pakietu SPSS, w szczególności edytora komend.
Kurs analizy danych z omówieniem podstawowych, jak również bardziej szczegółowych zagadnień statystyczno-metodologicznych związanych z prowadzeniem analiz wielozmiennowych przy użyciu pakietu statystycznego SPSS.
Celem zajęć jest przegląd wybranych technik analizy wielozmiennowej używanych w socjologii, w innych naukach społecznych, jak również wykorzystywanych przy opracowywaniu wyników z badań marketingowych. Zajęcia łączą poznawanie teorii i przykładowych wyników analiz z opanowaniem umiejętności samodzielnego użycia każdej z omawianych technik analitycznych. Kurs rozwija umiejętność właściwego doboru techniki do problemu badawczego oraz brania pod uwagę ograniczeń związanych z danymi, na których ma być przeprowadzona analiza. Zajęcia polegają na poznawaniu założeń teoretycznych danego modułu analitycznego i następnie na praktyce jego zastosowania przy wykorzystaniu danych z badań społecznych lub marketingowych.
Zajęcia rozpoczynają się od krótkiego przypomnienia i utrwalenia podstawowych technik pracy z danymi w pakiecie statystycznym SPSS, a także podstawowych technik analizy danych omawianych na wcześniejszych kursach obowiązkowych.
Część teoretyczna zajęć oparta jest głównie o klasyczną serię publikacji omawiających kwestie statystyczno-metodologiczne pn. „Quantitative Applications in the Social Sciences”. W części praktycznej uczestnicy zajęć pracują na specjalnie przygotowanych przez prowadzącego przykładowych danych, jak również w oparciu o zbiory danych z badań społecznych prowadzonych metodą reprezentacyjną.
Na zajęciach omawiane są różnorodne techniki analityczne: analiza wariancji (ANOVA), regresja wielokrotna liniowa, regresja logistyczna – w ramach tych technik omawiane są problemy współliniowości, przypadków wpływowych i odstających oraz badanie roli reszt, jak również zagadnienia związane z użyciem wielu zmiennych niezależnych, uwzględnianiem interakcji zmiennych i ich interpretowaniem, a także stosowaniem zmiennych niezależnych mierzonych na skalach słabszych niż ilościowa. Kurs obejmuje również bardziej zaawansowane techniki, takie jak: eksploracyjna analiza czynnikowa, analiza dyskryminacyjna, analiza skupień (metody hierarchiczne i niehierarchiczne) czy analiza korespondencji, których zrozumienie może pomóc w dalszym rozwoju uczestnika w takich dziedzinach jak: data mining, data science czy modele uczenia maszynowego.
Kolejność omawiania poszczególnych tematów może ulec zmianie. Jeden temat może być omawiany na więcej niż jednych zajęciach. Liczba omówionych tematów będzie zależeć od potrzeb grupy i może być zarówno nieznacznie skrócona lub poszerzona o inne typy analiz.
Uczestnicy kursu będą mieli możliwość zapoznać się z artykułami naukowymi w języku polskim wykorzystującymi dany sposób analizy i opisującymi jego wyniki. Dla każdej techniki pokazane zostaną sposoby przedstawiania wyników analiz dla różnych grup odbiorców, np. naukowców, klientów agencji badawczych czy szerszej publiczności.
Program kursu zakłada, że uczestnicy znają już podstawy statystyki, a także podstawy obsługi pakietu SPSS, jednak rozwinięcie tych umiejętności będzie jednym z istotnych elementów programu zajęć. W trakcie kursu uczestnicy będą posługiwać się dokumentacją i danymi z badań społecznych.
W efekcie po ukończeniu kursu student powinien być przygotowany do samodzielnego przeprowadzania analiz statystycznych w SPSS w ramach przedstawianych na zajęciach różnorodnych technik analitycznych. Powinien także umieć zinterpretować i ocenić wyniki takich analiz przeprowadzanych przez innych badaczy.
Rodzaj przedmiotu
Tryb prowadzenia
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
K_W18 zna podstawowe metody i techniki badań społecznych oraz wie jakie dobrać metody badawcze w celu rozwiązania prostych problemów badawczych
K_W20 wie jak zaplanować i zrealizować proste ilościowe i jakościowe badanie empiryczne
K_W22 posiada podstawową wiedzę na temat najważniejszych zagranicznych, międzynarodowych i krajowych badań socjologicznych
K_U04 potrafi samodzielnie znaleźć informacje i materiały niezbędne do przeprowadzenia prostych analiz socjologicznych, korzystając z różnych źródeł (w języku rodzimym i obcym) oraz posługując się nowoczesnymi technologiami
K_U11 potrafi dobrać odpowiednie metody i techniki badawcze w celu przeprowadzenia analizy konkretnego problemu społecznego
K_U12 potrafi zaplanować i zrealizować badanie społeczne przy użyciu podstawowych ilościowych i jakościowych metod i technik badań socjologicznych
K_U13 potrafi zinterpretować proste zjawiska społeczne przy użyciu podstawowych metod statystycznych
K_U14 potrafi posługiwać się jednym dowolnym programem komputerowym służącym do analizy danych, korzystając z jego podstawowych funkcji
K_K04 potrafi gromadzić, wyszukiwać i syntetyzować informacje na temat zjawisk społecznych
K_K09 umie prezentować wyniki swojej pracy badawczej
Kryteria oceniania
Aktywność na zajęciach, prace domowe w formie krótkich raportów z przeprowadzonej analizy ilościowej
Dopuszczalna liczba nieobecności podlegających usprawiedliwieniu: 2
Zasady zaliczania poprawkowego: takie same jak w I terminie
Do godzin przeznaczonych na zajęcia w sali (30h) należy doliczyć czas konieczny do przygotowania się do zajęć (czytanie lektur, sporządzanie notatek) - 3h tygodniowo oraz czas konieczny do przygotowania 4 prac domowych będących podstawą zaliczenia - 25h.
Literatura
Wybrane fragmenty opracowań:
Clausen, S. (1998). Applied correspondence analysis. SAGE Publications, https://doi.org/10.4135/9781412983426
Everitt, Brian S. and Landau, S. Leese, M., Stahl, D. (2011). Cluster Analysis. Wiley, https://doi.org/10.1002/9780470977811
Ferguson, G., Takane Y. (1999). Analiza statystyczna w psychologii i pedagogice. Warszawa: PWN.
Field, Andy P. (2024). Discovering Statistics Using IBM SPSS Statistics (6th ed.). London: SAGE Publications.
Finch, W. (2020). Exploratory factor analysis. SAGE Publications, https://doi.org/10.4135/9781544339900
Iversen, G. R., Norpoth, H. (1987). Analysis of variance. SAGE Publications, https://doi.org/10.4135/9781412983327
Jaccard, J. (2001). Interaction effects in logistic regression. SAGE Publications, https://doi.org/10.4135/9781412984515
Klecka, W. R. (1980). Discriminant analysis. SAGE Publications, https://doi.org/10.4135/9781412983938
Pampel, F. C. (2020). Logistic regression: A Primer. SAGE Publications, https://doi.org/10.4135/9781412984805
Schroeder, L., Sjoquist, D., Stephan, P. (2017). Understanding regression analysis. SAGE Publications, https://doi.org/10.4135/9781506361628
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: