Statystyka II: modele liniowe 3800-KOG-MS1-S2

Zajęcia adresowane do osób pragnących poszerzyć swoją wiedzę na temat liniowych modeli wykorzystywanych w badaniach statystycznych i zrozumieć podstawy teoretyczne ich konstrukcji oraz ich założenia i cele. Studenci podczas zajęć, poza poznaniem założeń teoretycznych prezentowanych modeli, przećwiczą właściwe sposoby ich analizy i interpretacji wyników. W szczególności, w ramach repetytorium z algebry liniowej i analizy matematycznej, będą mieli możliwość przygotowania się do poznawania formalnych podstaw analiz statystycznych.
Własności (założenia, ograniczenia i możliwości wnioskowania) poszczególnych modeli studenci będą poznawali zarówno w postaci teoretycznego wykładu, jak i za pomocą „kartki i ołówka” – posługując się zapisami formalnymi albo prostymi problemami dającymi się rozwiązać bez użycia komputera.
Materiał teoretyczny poznany w ten sposób będzie ćwiczony w formie warsztatowej, z udziałem zarówno wykładowcy, jak i ćwiczeniowca. W tej części zajęć studenci będą poznawali:
- własności modeli statystycznych, konstruując symulacje rzeczywistości społecznej zgodnej z tymi modelami, a także badając dane rzeczywiste (zob. część „Metody dydaktyczne”);
- własności różnych pakietów statystycznych – dzięki analizie samodzielnie skonstruowanych danych, porównując uzyskane wyniki z rezultatami wyprowadzonymi samodzielnie, bez użycia pakietu statystycznego na podstawie wiedzy teoretycznej.
Skuteczna percepcja materiału zajęć będzie wymagała systematycznej pracy studentów. Zarówno przed każdymi ćwiczeniami, jak i każdym wykładem student powinien odpowiednio się przygotować:
- prześledzić materiał przedstawiony na wykładzie (omówiony na ćwiczeniach)
- sprawdzić znajomość poznanych pojęć i twierdzeń wykorzystując otrzymane pomoce dydaktyczne (symulacje populacji, interaktywne narzędzia ilustrujące omawiane mechanizmy statystyczne),
- wykonać zadaną pracę domową.
Przewidywana liczba godzin potrzebna do skutecznej percepcji materiału zajęć (ćwiczeń i wykładu):
- około 2 godzin przed każdymi ćwiczeniami i około 2 godzin przed wykładem (4 godziny tygodniowo),
- około 30 godzin na przygotowanie się do przed egzaminu.
Razem: 60 godzin zorganizowanych (wykłady i ćwiczenia) plus 90 godzin samodzielnej pracy.
Metody dydaktyczne:
* Zajęcia mają przede wszystkim charakter teoretyczny, uzupełnione warsztatami w pracowni komputerowej.
* Dane, będące podstawą przykładów i ćwiczeń są symulacjami lub pochodzą z badań empirycznych.
* Podczas zajęć o charakterze warsztatowym będą wykorzystywane różne pakiety statystyczne, np.: SPSS, MiniStat, Stata, Statistica, R-Studio.
* Konsultacje
Zakres tematów (wspólny dla wykładu i ćwiczeń):
Repetytorium ze statystyki
Repetytorium z algebry i analizy
Zmienne zerojedynkowe w modelach regresyjnych jako zmienne niezależne i jako zmienne zależne
Korelacje kanoniczne
Analiza głównych składowych
Analiza czynnikowa
Podstawy analizy wariancji

Rodzaj przedmiotu

fakultatywne

Założenia (opisowo)

Ukończone kursy Podstawy statystyki i Statystyka I - metody statystyczne w naukach społecznych lub równoważne. Znajomość podstawowych pojęć opisu statystycznego. Znajomość elementarnych pojęć algebry liniowej (macierz, wektor itp.) i analizy matematycznej (funkcja, pochodna funkcji). Elementarna umiejętność analizy danych za pomocą jakiegokolwiek pakietu statystycznego (np. SPSS, Stata, Statistica, MiniStat, R itp.).

Koordynatorzy przedmiotu

Marek Styczeń

Efekty kształcenia

Nabyta wiedza:
Student:
- wie, na czym polegają różne rodzaje analizy: modele regresyjne ze zmiennymi zerojedynkowymi, korelacje kanoniczne, głównych składowych, czynnikowa, wariancji [K_W02, K_W05, K_W21]
- zna założenia poznanych modeli statystycznych [K_W02, K_W04, K_W05, K_W09]
- zna ograniczenia poznanych modeli statystycznych [K_W02, K_W04, K_W05, K_W09]

Nabyte umiejętności:
- umie odróżniać teorię dotyczącą rzeczywistości społecznej od modelu statystycznego [K_U01, K_U02, K_U09, K_U10].
- umie przedstawić założenia poznanych modeli statystycznych w „języku” algebry liniowej [K_U01, K_U02, K_U09, K_U10].
- umie odróżniać konsekwencje przyjętych założeń od stwierdzonych empirycznie faktów [K_U01, K_U02, K_U09, K_U10].
- umie zinterpretować wyniki standardowych obliczeń uzyskanych w wyniku zastosowania różnych pakietów statystycznych [K_U01, K_U02, K_U09, K_U10].

Nabyte kompetencje społeczne:
wykład
- ma świadomość odpowiedzialności badacza za wypowiadane interpretacje rzeczywistości [K_U01, K_U02, K_U04, K_U07, K_U08, K_U09, K_U10]
- potrafi wykorzystać poznane modele do symulacji rzeczywistości społecznej oraz do jej badania [K_U01, K_U02, K_U04, K_U07, K_U08, K_U09, K_U10]
- umie porównać własności różnych pakietów statystycznych [K_U01, K_U02, K_U04, K_U15]
ćwiczenia
- ma świadomość odpowiedzialności badacza za wypowiadane interpretacje rzeczywistości [K_U01, K_U02, K_U04, K_U07, K_U08, K_U09, K_U10]
- umie pracować w grupie [K_K03]
- umie w jasny i precyzyjny sposób przedstawić innym abstrakcyjny problem [K_K09, K_K12]

Kryteria oceniania

a) Metody weryfikacji efektów uczenia się: Aktywność na zajęciach. Zaliczenie sprawdzianów. Wykonanie prac domowych. Egzamin pisemny.

b) Składowe oceny końcowej i ich waga: egzamin 100%

c) W wypadku egzaminu – warunki przystąpienia do egzaminu: zaliczenie ćwiczeń odbytych w roku akademickim egzaminu

d) W wypadku egzaminu – czy przystąpienie do egzaminu w terminie zerowym powoduje utratę prawa do przystąpienia do egzaminy w głównej sesji egzaminacyjnej: egzamin zerowy nie jest przewidywany

e) Semestralna liczba dopuszczalnych nieobecności zajęciach oraz w wypadkach, których to dotyczy, sposoby ich zaliczania: 2

f) Skala ocen: 5! – 95% pkt., 5 (bdb.) – od 90%, 4+ (db. plus) – od 85%, 4 (db.) – od 75%, 3+ (dst. plus) - od 65%, 3 – (dst.) od 50%, 2 – (ndst.) mniej niż 50%

g) Warunki dopuszczenia do poprawy: zaliczenie ćwiczeń odbytych w roku akademickim egzaminu

Literatura

Anderson T.W. 1958. An Introduction to Multivariate Statistical Analysis, New York. Wiley: 288-306. (wybrane fragmenty udostępniane na platformie Classroom)
Antoniewicz R. i A. Misztal. 2005. Matematyka dla studentów ekonomii. Warszawa. WN PWN.
Ferguson . A i Y. Takane. 2004. Analiza statystyczna w psychologii i pedagogice. Warszawa. PWN.
Gujarati D.N. 1995. Basic Econometrics. 1995. McGraw-Hill. (wybrane fragmenty udostępniane na platformie Classroom)
Lissowski G., Haman J., Jasiński M. Podstawy statystyki dla socjologów. Warszawa. WN Scholar. 2008.
Maddala, G.S. Ekonometria, PWN. 2006
Morrison D.F. 1990. Wielowymiarowa analiza statystyczna. Warszawa. WN PWN. (wybrane fragmenty udostępniane na platformie Classroom)
Ostoja-Ostaszewski A. 1996. Matematyka w ekonomii-modele i metody 1. Algebra elementarna. Warszawa. WN PWN.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 3800-KOG-MS1-S2 w USOSweb