Charakteristika předmětu
Cílem předmětu je obnovit, upevnit či získat statistické poznatky, které jsou předpokladem pro samostatnou výzkumnou práci, kritické čtení odborných publikací a další vzdělávání v analýze dat. Předmět přepokládá předchozí statistické znalosti a rozšiřuje tak, aby byly v současné době prakticky použitelné, aktuální. Vedle porozumění základním klíčovým pojmům a myšlenkám popisné a induktivní statistiky, kurz zahrnuje i řešení praktických otázek analýzy dat. Jádrem kurzu je poskytnutí přehledu o paletě lineárních modelů s manifestními i latentními proměnnými používanými napříč psychologickými disciplínami. Kurz předpokládá různou úroveň vstupních znalostí a analytických zkušeností. Předpokladem je schopnost studia v angličtině a přístup k počítači R (případně SPSS).
Výstupem
kurzu je orientace v široké paletě statistických modelů, v jejich užití,
interpretaci, silných a slabých stránkách a schopnost vybrané analýzy
samostatně realizovat.
Předpoklady
Kurz předpokládá zvládnutí základů statistické analýzy dat v
psychologii či sociálních vědách v rozsahu bakalářského studia. To zahrnuje
popisné statistiky, popis vztahů mezi proměnnými, základy statistické indukce a
zvládnutí základních lineárních modelů - analýzy rozptylu a lineární regrese.
Výuka
Předmět nemá pravidelnou výuku. K jednotlivým tématům je stanovena studijní literatura, kterou je vhodné doplnit osobními konzultacemi.
Tematické okruhy
1. Teoretická témata
- a. Pravděpodobnostní rozložení [B kap 2]
- b.
Statistické usuzování
- i. Intervaly spolehlivosti [B kap 3, H6]
- ii. Testy signifikance [B kap 4, H7]
- iii. Alternativy ke „klasickým“ postupům statistického usuzování [B kap 11]
- c. Velikost účinku, stanovení potřebné velikosti vzorku – síla testu, replikabilita… [B kap 7, 8, online supplement 3]
- a. Správa dat a práce se „špinavými“ daty [B kap 9, 10]
- b. Analýza s chybějícími daty [B Online supplement 2]
- a. Statistický model [B kap 12]
- b. Lineárně regresní model [B kap 12]
- c. Analýza rozptylu jako specifická parametrizace lineárně regresního modelu [B kap 13]
- d. Interakce a kontrasty v lineárním modelu [B kap 14, 15]
- e. Generalizovaný lineární model – diskrétní a nonnormálně rozložené závislé proměnné [B kap 17, PB]
- f. Víceúrovňový lineární model [B kap 18]
4.
Analýzy s latentními proměnnými – modely
vztahů mezi manifestními proměnnými využívající latentní proměnné [Kline]
- a. Konfirmační faktorová analýza
- b. Explorační faktorová analýza
- c. Strukturní model
Požadavky na ukončení kurzu
Ústní
zkouška v podobě diskuze publikované analýzy – její interpretace, kritické
zhodnocení a formulování alternativních modelů.
Termín zkoušky je vhodné domluvit na začátku semestru.
Literatura
[B] Baguley, T.
(2012). Serious stats: A guide to
advanced statistics for the behavioral sciences. Palgrave Macmillan, spolu
s pěti online supplements. Tato učebnice je moderní rekapitulací základů aplikované statistiky. Má podporu pro uživatele R i SPSS.
Online supplement 2: https://is.muni.cz/auth/el/fss/jaro2022/PSYd0028/um/9780230_577183_02_sup02.pdf
Online supplement 3: https://is.muni.cz/auth/el/fss/jaro2022/PSYd0028/um/9780230_577183_03_sup03.pdf
Kline,
R. B. (2015). Principles and Practice of
Structural Equation Modeling, 4th Ed. Guilford Press.
Alternativní zdroje:
Field, A.: Discovering statistics using SPSS, 5th
Ed. Sage, 2018
Hair, Black, Babin, Anderson (2014): Multivariate data analysis, 7th Ed.
Pearson.
[H] Huck, S. (2012). Reading statistics and research, 6th Ed. Pearson. Učebnice pokrývající většinu témat s tím, že její hlavní zaměření je na porozumění statistice z perspektivy čtenáře, konzumenta článků. Je také o jeden stupeň více začátečnická než Baguley.
[PB] Pekár, S. & Brabec M. (2020). Moderní analýza biologických dat. Zobecněné lineární modely v prostředí R. Masarykova univerzita. Moderní učebnice v češtině pro uživatele R.