FSS:SOC434 Multivariate Data Analysis - Course Information
SOC434 Multivariate Data Analysis Using SPSS
Faculty of Social StudiesSpring 2003
- Extent and Intensity
- 0/2/0. 12 credit(s). Type of Completion: z (credit).
- Teacher(s)
- prof. PhDr. Petr Mareš, CSc. (lecturer)
prof. PhDr. Ladislav Rabušic, CSc. (lecturer)
Mgr. Petr Soukup (lecturer) - Guaranteed by
- doc. PhDr. Ing. Radim Marada, Ph.D.
Department of Sociology – Faculty of Social Studies
Contact Person: Veronika Šenkýřová, DiS. - Timetable
- Wed 10:00–11:40 G111, Wed 12:00–13:30 G111
- Prerequisites
- Předpokladem je absolvování kursu SOC108 Statistická analýza dat v bakalářském studiu, nebo analogický kurs (co se týče statistické erudice i práce s programem SPSS pod Windows).
- Course Enrolment Limitations
- The course is also offered to the students of the fields other than those the course is directly associated with.
The capacity limit for the course is 35 student(s).
Current registration and enrolment status: enrolled: 0/35, only registered: 0/35, only registered with preference (fields directly associated with the programme): 0/35 - fields of study / plans the course is directly associated with
- Social Policy and Social Work (programme FSS, M-SP)
- Social Policy and Social Work (programme FSS, N-SP)
- Sociology (programme FSS, M-SO)
- Sociology (programme FSS, N-SO)
- Course objectives (in Czech)
- Kurs naučí studenty analyzovat data v sociologickém empirickém výzkumu kvantitativního typu (survey - statistická procedura) multivariačními procedurami. Kurs zprostředkuje zvládnutí speciálního programu (SPSSPC pod Windows) pro zpracování dat kvantitativního sociologického empirického výzkumu a osvojení si praktické dovednosti používání jednotlivých modulů tohoto programu. Předmětem výuky jsou především lineární regrese, faktorová analýza, , clusterová analýza, multidimenzionální škálování, korespondenční analýza a některé vybrané metody využívající principů strukturního modelování. Semináře jsou zaměřeny na praktická procvičení některých základních způsobů analýzy dat empirického sociologického výzkumu kvantitativního typu na PC s pomocí tohoto programu.
- Syllabus
- Simple Linear Regression.
- Multiple Linear Regression.
- Glm multivariate analysis of variance: factorial and covariate design.
- Detecting groupings in the data: cluster analysis.
- Data reduction and understanding of the structure of correlation matrix: factor analysis.
- Finding of the structure in a set of distance measures between objects or cases: multidimensional scaling.
- Optimal scaling procedure for categorical data: correspondence analysis.
- Causal connection between sets of variables: path analysis as an extension of multiple regression procedures.
- Assessment methods (in Czech)
- Kurs Analýza dat - multivariační statistické metody je určen pro studenty magisterského studia Fakulty sociálních studií MU. Vyžaduje znalost nezbytných základů práce v MS-DOS a v prostředí WINDOWS, zvládnutí manažeru programů a textového editoru. Navazuje na kurs Statistická analýza dat přednášený v bakalářském studiu a předpokládá znalosti základů statistické analýzy a schopnost práce s programem SPSS pod Windows. Kurs je jednosemestrový (celkem 13 lekcí). Veden je v počítačové učebně a zahrnuje praktické semináře s výkladem (samostatné řešení zadávaných úkolů). Kurs je zakončen zápočtem, podmínkou pro získání zápočtu je zisk nejméně 65% z možných bodů v závěrečném zápočtovém testu (řešení úkolů - samostatná analýza dat). Zápočet lze získat jen ve vypsaných termínech (1 řádný a 2 opravné). Za absolvování kursu lze získat celkem 12 evropských kreditů. Účast na závěrečném zápočtovém testu je podmíněna: a) Účastí na samostatných pracích k jednotlivým lekcím (nejméně 6 řešení z 10 zadaných). b) Ziskem minimálně 50% bodů v průběžném testu s praktickým řešením úloh.
- Language of instruction
- Czech
- Further comments (probably available only in Czech)
- The course is taught annually.
Credit evaluation note: 3 původní kredity.
- Enrolment Statistics (Spring 2003, recent)
- Permalink: https://is.muni.cz/course/fss/spring2003/SOC434