PBM102 Analýza kvantitativních dat

Filozofická fakulta
jaro 2024
Rozsah
0/2/0. 4 kr. Ukončení: z.
Vyučující
Mgr. et Mgr. Karolína Hradilová (přednášející)
doc. Mgr. Martin Sedláček, Ph.D. (přednášející), doc. PhDr. Dana Knotová, Ph.D. (zástupce)
Poskytovatelé Specifické podpory výuky
Zbyněk Cincibus (přepisovatel)
Garance
doc. Mgr. Martin Sedláček, Ph.D.
Ústav pedagogických věd – Filozofická fakulta
Kontaktní osoba: Mgr. Helena Juřicová
Dodavatelské pracoviště: Ústav pedagogických věd – Filozofická fakulta
Rozvrh
St 8:00–9:40 B2.33, kromě St 17. 4.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 15 stud.
Momentální stav registrace a zápisu: zapsáno: 7/15, pouze zareg.: 0/15, pouze zareg. s předností (mateřské obory): 0/15
Mateřské obory/plány
Cíle předmětu
Cílem kurzu je přiblížit studentům metody statistické analýzy dat získaných v kvantitativním výzkumu (survey). Studenti seznámí především se způsoby práce se statistickými soubory a proměnnými, testování hypotéz a základy tvorby modelů.
Výstupy z učení
Student bude po absolvování předmětu schopen:
- vytvořit ve statistickém softwaru datovou matici, operace se soubory, transformace dat uložených v jiném tvaru, vytváření nových proměnných, výběr případů;
- rozložit kategorizovaná i spojitá data a s charakteristikami tohoto rozložení - univariační analýza;
- porovnávat rozložení dat a středních hodnot těchto rozložení: t-test, analýza variancí;
- aplikovat inferenční statistiky a testování statistických hypotéz tyto postupy na výzkumné problémy;
- hledat vztahy mezi proměnnými a posouzením síly těchto vztahů - bivariační analýza pomocí kontingenčních tabulek, korelační;
- porozumět lineárním vztahům mezi spojitými proměnnými: lineární regrese
- porozumět redukcí dat pomocí faktorové analýzy jako pokus identifikovat faktory vysvětlující vyšší korelace mezi určitými proměnnými (základy multivariační analýzy)
- kriticky posoudit výzkumné zprávy založené na statistickém zpracování dat.
Osnova
  • 0. Základní strategie analýzy: výzkumný problém, výzkumné otázky a proměnné;
  • 1. Povaha hromadných dat a logika survey. Práce s hromadnými daty před jejich analýzou (modul files: procedury ), práce s prostředím (moduly edit, view, utilities) a výstupy z analýzy (režim output);
  • 2. Rozložení kategorizovaných: základy univariační analýzy (třídění i. Stupně - procedura descriptive statistics - frequencies);
  • 3. Rozložení spojitých dat: základy univariační analýzy (procedury descriptive statistics - frequencies, descriptives a explore);
  • 4. Umělé proměnné (modul transform, procedury recode, compute, count, rank cases);
  • 5. Normální rozložení a základy testování hypotéz. Statistická inference aneb zobecňování výsledků z výběrového na základní soubor;
  • 6. Srovnávání skupin na základě středních hodnot jejich kardinálních charakteristik (procedura means). Hypotéza o shodě dvou průměrů pro nezávislá data: t-testy (procedura compare means - means; one-sample t-test; independent-samples t-test);
  • 7. Jak testovat nulovou hypotézu o shodě několika populačních průměrů (procedura compare means - one-way anova);
  • 8. Základy bivariační analýzy: rozložení dat v kontingenční tabulce - povaha vztahu mezi hodnotami proměnných a porovnávání pozorovaných s očekávanými četnostmi;
  • 9. Měření (síly) asociace mezi 2 kategorizovanými proměnnými: koeficienty asociace (procedura crosstabs). Měření (síly) asociace mezi dvěma spojitými proměnnými: korelační koeficienty a grafy - scatterplots (modul graphs - scatter) a korelační matice (procedura correlate - bivariate);
  • 10. Jak odhalit vliv třetí proměnné: práce s podsoubory neboli třídění vyšších stupňů a parciální koeficienty (procedura correlate - partial);
Literatura
    povinná literatura
  • SOUKUP, Petr a Ladislav RABUŠIC. Několik poznámek k jedné obsesi českých sociálních věd, statistické významnosti. Sociologický časopis/ Czech Sociological Review. Praha: Sociologický ústav AV ČR, 2007, roč. 43, č. 2, s. 379-395. ISSN 0038-0288. info
  • MUIJS, Daniel. Doing quantitative research in education with SPSS. 2nd ed. Los Angeles: SAGE, 2011, xv, 247. ISBN 9781849203241. info
    doporučená literatura
  • RABUŠIC, Ladislav a Marie TRAXLEROVÁ. Jak měřit bezmocnost. Data a výzkum. Praha: Sociologický ústav ČAV, 2008, roč. 2, č. 1, s. 7-29. ISSN 1802-8152. info
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
    neurčeno
  • HENDL, Jan. Přehled statistických metod zpracování dat :analýza a metaanalýza dat. Vyd. 1. Praha: Portál, 2004, 583 s. ISBN 8071788201. info
  • FIELD, Andy. Discovering Statistics Using IBM SPSS Statistics. 5th. Sage Publishing, 2017. ISBN 978-1-5264-4578-0. URL info
  • MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. Analýza sociálněvědních dat (nejen) v SPSS. První. Brno: Masarykova univerzita, 2015, 508 s. ISBN 978-80-210-6362-4. info
  • BABBIE, Earl R. Adventures in social research : data analysis using IBM SPSS statistics. 8th ed. Los Angeles: Sage, 2013, xxiii, 456. ISBN 9781452205588. info
Výukové metody
Kurz je veden v přednáškové i seminární formě. V rámci kurzu studenti pracují na skupinových projektech.
Metody hodnocení
písemný test - zpracování statistického problému za použití software (Statistica), interpretace výsledků !!!
Informace učitele
https://elf.phil.muni.cz/elf3/course/view.php?id=362
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2020, podzim 2020, jaro 2021, podzim 2021, jaro 2022, podzim 2022, jaro 2023, jaro 2025.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/phil/jaro2024/PBM102