PSY717 Statistická analýza dat PSY717 - Statistická analýza dat VYUČUJÍCÍ Mgr. Stanislav Ježek, PhD. — garance kurzu, přednášky, semináře jezek@fss.muni.cz, 549494616, konzultační hodiny: středa 13 — 15, FSS 2.53 Mgr. Jan Širůček — přednášky, semináře sirucek@fss.muni.cz, 549498263, konzultace po dohodě emailem, FSS 2.45 Mgr. Jan Šerek — přednášky, semináře serek@fss.muni.cz, 549498263, konzultace po dohodě emailem, FSS 2.51 CHARAKTERISTIKA KURZU Cílem kurzu je seznámit studenty se základy statistiky používané v psychologickém výzkumu. Studenti získají porozumění základním prvkům statistiky a dovednost je aktivně i pasivně používat. Studenti získají dovednost připravit data pro statistické zpracování, spočítat základní statistiky, otestovat běžné typy hypotéz. Kurz klade důraz i na komunikaci, tj. slovní popis výsledků i schopnost porozumět takto popsaným výsledkům v empirických kvantitativních studiích. V rámci kurzu jsou studenti seznamováni paralelně s českou i anglickou terminologií, aby byli po skončení kurzu schopni dále studovat a používat internetové zdroje. Návaznosti kurzu Kurz úzce souvisí s výukou metodologie. Mnoho problémů v metodologii má statistický základ a naopak mnohé problémy či omezení statistiky je potřeba zohledňovat v metodologii. Studijním programem stanovené pořadí absolvování kurzů je statistika — metodologie a v souladu s tím je koncipován obsah těchto povinných kurzů. Toto propojení je nezbytné pro vypracování diplomové práce a je součástí požadavků při státní bakalářské zkoušce. Na statistice stojí také značná část psychometriky a tvoří tak přirozený základ pro studium psychodiagnostiky na magisterském stupni. Předpokladem pro studium základů statistiky je běžné středoškolské vzdělání. ORGANIZACE KURZU Počet kreditů: 5 Ukončení kurzu: zkouška PROGRAM Během semestru proběhnou 3 setkání. Program prvního setkání 5.3. Konzultace k problémovým okruhům 1 — 3. Průběžný test 1 Zadání seminární práce Program druhého setkání 16.4. Konzultace k problémovým okruhům 4 — 6. Průběžný test 2 Program třetího setkání 20.5. Konzultace k problémovým okruhům 7 — 10. Průběžný test 3 Zpětná vazba na seminární práci PSY717 - 1 PSY717 Statistická analýza dat INFORMAČNÍ SYSTEM MU V informačním systému MU části Studijní materiály k předmětu PSY717 najdou studenti podklady k tématům uvedeným v sylabu především v podobě prezentací z přednášek a odkazů na další zdroje informací. Na stejném místě jsou též k dispozici pokyny nezbytné k plnění písemných úkolů, popř. doplňky k tomuto sylabu. Studijní materiály jsou společné s prezenčními variantami tohoto kurzu. KOMUNIKACE S VYUČUJÍCMI Preferovaným komunikačním kanálem pro osobní komunikaci týkající se kurzu je email. Používejte prosím „PSY717" v předmětu svých emailů. Urychlíte tím jejich vyřízení. Emaily adresujte dr. Ježkovi. V případě dotazů týkajících se látky kurzu, využívejte prosím v maximální možné míře předmětové diskuzní fórum. Je pravděpodobné, že odpověď na Váš dotaz by mohl zajímat i Vaše spolužáky, a byla by proto škoda uzavřít takovou komunikaci do soukromí emailů. Všichni vyučující kurzu diskuzní fóra pravidelně sledují a přispívají do nich. K důležitým ohlášením používáme hromadný email studentům. POŽADAVKY NA UKONČENÍ KURZU Seminární práce 1: Zamyšlení nad komunikováním statistiky v médiích Zamyšlení nad způsoby, jimiž je statistika využívána či často zneužívána v médiích (popř. v odborné komunikaci). Úkolem studenta je vyhledat v populárních médiích (noviny, časopisy, lépe serióznější) článek či zprávu, která se opírá o nějaké statistiky (výzkum, průzkumy apod.), dohledat originální zdroj těchto dat (výzkumná zpráva apod.) a zamyslet se nad způsobem prezentace těchto statistik a jeho důsledky. Práce by měla obsahovat krátké shrnutí vybrané zprávy (zejm. závěry), shrnutí statistických metod (ukazatele, zobrazení) použitých v originálním zdroji, úvaha nad tím, co bylo vybráno (a případně pozměněno) do článku a jaké důsledky to má pro význam sdělení. Jádrem úvahy by měly být otázky jako: Jak dobře, přesně shrnuje novinový článek původní výzkumnou zprávu? Nepřehání článek závěry původní studie (přílišné zobecnění, optimismus)? Jsou zmíněny i potenciální problémy originální studie? Tato seminární práce se zaměřuje na tzv. statistickou gramotnost (statistical literacy), kterou označujeme schopnost aktivně i pasivně komunikovat statistické výsledky. Být statisticky gramotný znamená nenechat se opít každým rohlíkem s pěknými čísly a grafy; zároveň však neodmítat apriori každou prezentaci nějakých statistických sdělení. Na internetu je mnoho informací k tomuto tématu; můžete vyhledávat též misuse statistics nebo abuse statistics. Viz též Utts (2003) či Gigerenzer (2002) ve studijních materiálech. Lze využít i internetové noviny a časopisy. Lze použít i zpravodajství v anglickém jazyce. Seminární práci lze zpracovat i na jiné téma, např. z oblasti historické provázanosti statistiky a psychologie, vizualizace dat či kontroverzí kolem statistického testování hypotéz. Pokud chcete zpracovávat nějaké takové téma, učiňte písemnou nabídku emailem svému vedoucímu seminární skupiny, a to do 31.3. Nabídka by měla na několika řádcích obsahovat základní tezi, kterou chcete se své eseji sledovat. Zvolené téma lze zpracovat pouze po odsouhlasení vedoucím seminární skupiny. Závazný rozsah práce je 4000 - 5000 znaků vč. mezer. Termín: 1. 5. Průběžné hodnocení V průběhu semestru budou na každém setkání zařazeny tři krátké průběžné desetiminutové testy. V každém bude možné získat 10b. Množství bodů z průběžných testů, které se bude počítat do celkového hodnocení, se počítá podle následujícího excelovského vzorce: ZAOKROUHLIT((SUMA(P1;P2;P3)-MIN(P1;P2;P3))*1,5;0). Tento výpočet eliminuje jedno zakolísání směrem dolů (včetně případné absence). Na průběžné písemky se náhradní termíny poskytují pouze výjimečně. Zkouška Kurz je zakončen zkouškou. Zkouška má písemnou podobu a je možné za ni získat 50b. K úspěšnému složení zkoušky je nutné získat minimálně 30b. PSY717 - 2 PSY717 Statistická analýza dat Zkouší se v rozsahu látky, který je vymezen v tomto sylabu k předmětu PSY717. Celkové hodnocení Celkem lze v průběhu kurzu získat 40b; za závěrečnou zkoušku lze získat 50b. Celkové hodnocení bude používat následující stupnici A: 90 - 80b B: 79 - 72b C 71 - 64b D: 63 - 56b E: 55 - 48b F: 47 a méně bodů. Uznávání dříve absolvovaných kurzů statistiky 1. Kurzy dříve absolvované na katedře psychologie FSS budou uznávány v plné míře (tj. hodnocení „U" do ISu). Své žádosti o uznání v takovém případě směřujte sekretářce katedry psychologie. 2. Kurz SOC108/708 uznáváme v plné míře, pokud jej student absolvuje s hodnocením A. V ostatních případech viz bod 3. 3. Kurzy absolvované jinde než na katedře psychologie FSS budou uznávány tou formou, že jejich absolventi nebudou povinni plnit požadavky na práci v semestru (seminární práce) a bude jim za ně započítán plný počet bodů (10b). I nadále jsou však povinni absolvovat závěrečnou zkoušku. Žádosti o uznání v tomto případě zasílejte na mail iezek@fss.muni.cz. V předmětu zprávy použijte „uznani PSY717" (bez diakritiky). V textu stačí uvést kód absolvovaného předmětu na FSS. V případě žádosti o uznání kurzů z jiné fakulty či univerzity, uveďte též odkaz na sylaby absolvovaných kurzů, popř. sylaby přímo přiložte. Žádosti zasílejte do konce 2. týdne semestru. Později zaslaným žádostem nebude vyhověno. Omluvy Omluvy jsou přijímány pouze předem. Pozdější omluvy budou akceptovány pouze pokud šlo o nepředvídatelné případy. Víte-li o tom, že budete mít ze závažných důvodů problémy s dodržením některého z termínů, informujte o tom některého z vyučujících co nejdříve. UCAST NA VÝZKUMU V RÁMCI KURZU V rámci účasti kurzu mohou být studenti požádáni o účast na výzkumech jak pro zlepšení kvality kurzu samotného, tak i pro další účely spojené s výzkumným zaměřením katedry. Učast v těchto výzkumech je ryze dobrovolná a nemá vliv na úspěšné ukončení kurzu či získané hodnocení. LITERATURA Základní zdroje Hendl, J.: Přehled statistických metod zpracování dat. Analýza a metaanalýza dat. Brno: Portál 2004. Osecká, L., Osecký, P.: Receptář jednoduchých metod statistické indukce. Brno, AV CR 1996.1 Urbánek, T.: K prezentaci výsledků statistických analýz, 1. část. CsPsych, 2007 (51), 6, 601 — 609. Urbánek, T.: K prezentaci výsledků statistických analýz, 2. část. CsPsych, 2008 (52), 1, 70 — 79. Cohen, J.: The Earth is round (p<.05). American psychologist, 1994 (49), 12, 997 — 1003.3 Cohen, J.: A Power primer. Psychological Bulletin, 1992 (112), 1, 155 — 159.3 Utts, J.: What educated citizens should know about statistics and probability. American Statistician, 2003 (57), 2, 74 — 79. Good, P. I., Hardin, J. W.: Common errors in statistics (and how to avoid them). Wiley-Interscience 2003. Morgan, S. E., Reichert, T., Harrison, T. R.: From numbers to words. Reporting statistical results for the social sciences. Allyn & Bacon, 2002. Abelson, R. P.: Statistics as principled argument. Lawrence Erlbaum Associates, 1995. Wainer, H.: The most dangerous equation: Ignorance of how sample size affects statistical variation has created havoc for nearly a millenium. American Scientist, 2007, vol. 95, no. 3, s. 249 — 256. Další užitečné publikace v češtině Základy statistiky jsou staré, takže i poměrně letité knihy obsahují totéž, co ty nové s barevnými obrázky. Základy jsou ve všech knihách stejné, takže si student může vybrat takovou, která je napsána jemu 1 Dostupné ve studijních materiálech PSY717 - 3 PSY717 Statistická analýza dat srozumitelným jazykem. Starší učebnice se od novějších liší především podstatně menším důrazem na velikosti účinku, statistickou sílu a použití neparametrických metod2. Počítejte s tím, prosím. Například: Swoboda, H.: Moderní statistika. Praha: Svoboda, 1977.3 Lamser, V., Růžička, L.: Základy statistiky pro sociology. Praha: Svoboda, 1970. O měření v psychologii pojednává přístupná kniha: Urbánek, T.: Základypsychometriky. PsÚ AV ČR a PsÚ FF MU, 2002. Cizojazyčná literatura S vyjímkou Swobodova textu jsou všechny učebnice v češtině považovány studenty psychologie za obtížně srozumitelné (nikoli neprávem). Vřele doporučujeme studovat přednostně či paralelně z lety ověřených anglicky psaných učebnic. Hlavní zdroje^ Glass, G. V., Hopkins, K. D.: Statistical methods in education and psychology, 3rd Ed. Allyn and Bacon, 1996.4 Field, A.: Discovering statistics using SPSS, 3rd Ed. Sage, 2009. (nebo 2. vydání z r. 2005)5 Alternativní zdroje: Moore, D. S.: The basic practice of statistics, 4th Ed., Freeman, 2 0 066. Moore, D. S., McCabe, G. P., Craig, B.: Introduction to the Practice of Statistics. &h Ed., Freeman, 2007. Coolican, H.: Research methods and statistics in psychology, 4th Ed. Hodder & Stoughton, 2004. Welkowitz, J., Ewen, R. B., Cohen, J.: Introductory statistics for the behavioral sciences, 5th. Harcourt Brace, 20007. Blaikie, N. : Analyzing quantitative data. Sage, 2 0 038. de Vaus, D.: Analyzing social science data: 50 key problems in data analysis. Sage, 20029. Pro mnohé studenty je výhodné studovat paralelně i některou z učebnic používání SPSS. Příkladem vhodných jsou: Morgan, G. A. et al: SPSS for introductory statistics. Use and interpretation, 2nd ed. LEA, 2004. Pozor na velmi jednoduché příručky k SPSS; ty často nenabízejí žádný vhled do statistiky. Pro většinu uživatelů Windows znalých základů statistiky je používání SPSS snadné a intuitivní, takže pořizování takové příručky není nutné. Velmi užitečným a přístupným slovníkem statistických a příbuzných termínů v anglickém jazyce je Everitt, B. E., Wykes, T.: A dictionary of statistics for psychologists. Arnold, 1999. Příručka k tomu, jak dělat statistiku v Excelu: Gupta, V.: Statistical analysis with Excel. VJ Books, 2002. Rozšiřující texty Rozšiřující články a kapitoly jsou k dispozici ve studijních materiálech v ISu. Abelson, R.: Statistics as a principled argument. Hillsdale: LEA, 1995. Arbuthnott, J.: An argument for Divine Providence taken from the constant regularity observ'd in the birth of both sexes. Philosophical Transactions, 1710, vol. 27, s. 186 — 190. 2 Totéž platí pro rozdíl mezi špatnými a dobrými učebnicemi. 3 Studenti si chválí srozumitelnost textu. Je v několika výtiscích v knihovně FSS. 4 Můj hlavní zdroj, mohu zapůjčit. 5 Velmi ceněná učebnice. Trochu přeskakuje základy. V knihovně je třetí vydání nejméně v 5 výtiscích prezenčně. 6 Profesor David Moore je velmi oceňovaným autorem statistických učebnic. Jako jeden z mála dokáže zjednodušovat a zároveň se vyhnout zavádějícím zjednodušením. Díky tomu ho oceňují nejen studenti, ale i statistikové. 7 Stručná, klasika s moderními prvky, dobrá. Nemaže med kolem huby, jde přímo k cíli. Dobré zaměření na sílu testu. 8 Učebnice pro odvážné. Učebnice doplňuje statistiku o kousky metodologie/epistemologie (co jsou to data, co je kauzalita apod.). Myslím, že není dobré si i tak obtížný úkol pochopení základů statistiky komplikovat žabomyšími epistemologickými spory (což autor dělá). Pokud ale máte tendenci se hodně zamýšlet nad tím, co jsou data, proměnné a proč "ti statistiku děláme", je to dobrý zdroj. 9 Výtečný zdroj pro lidi, co absolvovali kurz statistiky, právě pracují na diplomce a potřebují poradit s některými praktickými problémy analýzy. Vhodné i jako doplňující zdroj při studiu. Zahrnuje všechny aspekty kvantitativního výzkumu. V každé kapitole popisuje jeden problém (vč. vysvětlení, v čem je vlastně problém) a jeho řešení. PSY717 - 4 PSY717 Statistická analýza dat Cowles, M.' Statistics in psychology. An historical perspective, 22nd Ed. Mahwah' LEA, 2001. Emerson, J. D., Hoaglin, D. C.' Stem-and-leaf displays. In D. C. Hoaglin, F. Mosteller, J. W. Tukey (Eds.), Understanding Robust and Exploratory Data Analysis, 7 — 32. New York' Wiley, 1983. Freeman,J., Walters, S.J., Campbell, M.J.' How to display data. Blackwell, 2008.10 Gaito, J.' Measurement Scales and Statistics' Resurgence of an Old Misconception. Psychological Bulletin, 1986, vol. 87, no. 3, s. 564 — 567. Gigerenzer, G.' In the year 2054' Innumeracy defeated. In P. Sedlmeier, T. Betsch (Eds.), etc- Frequency processing and cognition. Oxford' Oxford University Press, 2002. Lord, F. M.' On the statistical treatment of football numbers. American Psychologist, 1953, vol. 8, s. 750-751. Nickerson, R. S.' Null hypothesis significance testing' a review of an old and continuing controversy. Psychological methods, 2000, vol. 5, no. 2, 241 — 301. Savage, S., Wainer, H.' Until Proven Guilty' False Positives and the War on Terror. Chance, 2008, vol. 21, no. 1, s. 59 — 62. Scholten, A. Z., Borsboom, D.' A reanalysis of Lord's statistical treatment of football numbers. Journal of Mathematical Psychology, 2009, vol. 53, s. 69 — 75. Tversky, A., Kahneman, D.' Belief in the law of small numbers. In D. Kahneman, P. Slovic, A. Tversky (Eds.), Judgment under uncertainty' Heuristics and biases. Oxford' Oxford University Press, 1982. Více též v přednášce při přebírání Nobelovy ceny na http'//nobelprize.org/nobel prizes /economics/laureates/2002/kahneman-lecture.html . Statistický popular pro rozšíření obzorů Best, J.' Damn lies and statistics- untangling numbers from the media, politicians and activists. Berkeley and Los Angeles' University of California Press, 2001. Best, J.' More damn lies and statistics- how numbers confuse public issues. Berkeley and Los Angeles' University of California Press, 2004. Huff, D.' How to lie with statistics. New York' W.W. Norton & Company, Inc., 1954. Woolfson, M. M.' Everyday probability and statistics. Health, elections, gambling and war. London' Imperial College Press, 2008. Internetové zdroje Vynikající zdroj o statistice, spíše pro pokročilé. http'//www .statsoft.com/textbook/stathome .html Zdroj o zdrojích' http'//en.wikipedia.org/wiki/Statistics Online učebnice' http'//en.wikibooks.org/wiki/Statistics Software Pro procvičování statistiky je nutná zejména zručnost v používání tabulkového kalkulátoru, např. MS Office Excel či OpenOffice.org Calc. Většinu základních statistik je možné spočítat v tabulkovém kalkulátoru. Stejně tak správa dat je v malých výzkumných projektech podstatně pohodlnější v tabulkových kalkulátorech. Na univerzitách jsou běžně využívány obecné statistické softwarové balíky, u nás SPSS a Statistica. Ty jsou však velmi drahé a pro běžnou praxi obsahují spoustu nepotřebných funkcí. Univerzální a drahý software lze dnes snadno nahradit použitím malých specializovaných aplikací na internetu. Jejich přehled naleznete na http'//statpages.org/. I když práce se statistickým software není těžištěm tohoto kurzu, doporučujeme studentům, aby se statistickými programy v průběhu kurzu zkoušeli pracovat a naučili se pracovat s jejich výstupy. SPSS budeme využívat i na seminářích. 10 Vynikající, jednoduchý zdroj o grafickém zobrazování dat. PSY717 - 5 PSY717 Statistická analýza dat PROBLÉMOVÉ OKRUHY Níže uvedené problémové okruhy tvoří obsah PSY717 (a odpovídají jednotlivým přednáškám v prezenčním studiu PSY117/454). Jedná se o relativně rozsáhlé okruhy, takže některé pojmy a přístupy uvedené v sylabu se na přednáškách objeví pouze v podobě odkazu na literaturu k samostudiu. 1. Proměnné, výzkumný kontext Data, proměnné, úrovně měření, kvalita měření, organizace dat, kontrola dat. Tvorba datové matice (v Excelu a SPSS), kódování proměnných. Literatura: Hendl 43-50; Urbánek 12-24 2. Zobrazování dat, četnosti, distribuce Tabelace dat, šíře intervalů, minimum, maximum, odlehlá hodnota (outlier), absolutní a relativní četnosti (frekvence), kumulativní absolutní a relativní četnosti, rozložení (rozdělení) četností(dat), tvary rozložení (normální, bimodální, uniformní, pozitivně zešikmené, negativně zešikmené), normální (Gaussovo) rozložení, velikosti oblastí pod křivkou normálního rozložení, Poissonovo rozložení, graf absolutních a relativních četností, sloupcový graf, histogram Literatura: Hendl 85-92; 100; 139; Glass, Hopkins, kap. 6; Good, Hardin (2003) 107-125; stonkolist: Emerson, Hoaglin (2003), Gaussova křivka: Swoboda 73-87. 3. Míry centrální tendence a variability, transformace Modus, medián, průměr, vážený průměr, vhodnost použití různých měr centrální tendence, (variační) rozpětí, kvartilové rozpětí, směrodatná odchylka (populační, výběrová), rozptyl, vliv přičítání konstanty a násobení konstantou na m a s, z-skóry a další standardní skóry (T, IQ), normalizované skóry, percentily, šikmost, špičatost, krabicový graf s anténami Literatura: Hendl 93-99; Urbánek 84 - 94; Glass, Hopkins 94 4. Pravděpodobnost Pojetí pravděpodobnosti, počítání s pravděpodobnostmi, náhodné jevy, podmíněné pravděpodobnosti, Bayesův teorém, normální pravděpodobnostní rozložení a další běžná rozložení. Literatura: Hendl 115-127; 134; Swoboda 29 - 33 5. Vztahy mezi proměnnými, korelace Korelace - Pearsonův, Spearmannův, Kendallův koeficient a jejich vlastnosti. Koeficient determinace, kovariance. Kontingenční tabulka, marginální četnosti. Lineární vztah, monotónní vztah, pozitivní a negativní vztah. Těsnost vztahu. Bodový graf. Parciální a semiparciální korelace. Korelace mezi položkami, Cronbachovo a. Literatura: Hendl 237-265 6. Lineární regrese Statistická predikce, lineární vs. nelineární regrese, lineární a kvadratická funkce, odhad, modelování, regrese, reziduum, prediktor, závislá a nezávislá proměnná, zdroje variability, stanovení regresní přímky metodou nejmenších čtverců, regresní rozptyl a reziduální rozptyl, koeficient determinace jako ukazatel úspěšnosti regrese, homoskedascita, mnohočetná (mnohonásobná) regrese, logistická regrese Literatura: Hendl 266 - 290 7. Statistická indukce, intervalové odhady Vzorek(výběr), statistiky vs. parametry, estimační charakteristiky popisných statistik, výběrová rozložení, centrální limitní teorém, směrodatná chyba (průměru), výběrové rozložení průměru, relativní četnosti, rozptylu, bodové vs. intervalové odhady. Literatura: Hendl 146-147, 150-174 8. Testování hypotéz Statistická(nulová) hypotéza, výzkumná (alternativní) hypotéza, jednostranná vs. oboustranná hypotéza(test); Bayesovský přístup k testování hypotéz vs. Fisher-Pearson-Neymanovský (tradiční) přístup, PSY717 - 6 PSY717 Statistická analýza dat úroveňQiladina) statistické významnosti, chyba I. a II. typu a jejich pravděpodobnost, (statistická) síla testu, jednovýběrový ttest, dvouvýběrový ttest (pro nezávislé výběry), párový ttest (ztest), Levenův test, testování korelačního koeficientu, velikost efektu, Cohenovo d, transformace z dna r a naopak. Literatura: Hendl 175-220; 234; 401-412; 252-253; 413-419; Osečtí 1-36, Cohen 1992, 1994. 9. Testy pro nominální a ordinální proměnné Parametrické vs. neparametrické testy, znaménkový test, test relativních četností, test dobré shody (^"2), závislost kategoriálních proměnných (^"2, Cramerovo V, koeficient shody pozorovatelů k), Wilcoxonovy testy (jednovýběrový, dvouvýběrový), Mann-Whitney U. Literatura: Hendl 191-197; 220-232, 297-302, 304-313, 322-323 10. Analýza rozptylu Problém s prováděním většího počtu testů, rybaření v datech, Bonferroniho korekce, princip analýzy rozptylu, rozptyl mezi skupinami (SS, MS), rozptyl uvnitř skupin (SS, MS), statistika F (F-test), analýza rozptylu s jedním faktorem (one-way), předpoklady analýzy rozptylu, post-hoc testy (S-N-K, Scheffe, LSD), velikost účinku (//2, o2), interakce faktorů Literatura: Hendl 198-200, 337-346, 354-356 PSY717 - 7