FAVz092 Categorical data analysis (from the elementary procedures to correspondence analysis)

Filozofická fakulta
podzim 2021
Rozsah
0/2/0. 8 kr. Ukončení: zk.
Vyučující
PhDr. Petr Soukup, Ph.D. (cvičící)
Ewa Ciszewska (pomocník)
doc. Mgr. Pavel Skopal, Ph.D. (pomocník)
Mgr. Michal Večeřa, Ph.D. (pomocník)
Garance
doc. Mgr. Pavel Skopal, Ph.D.
Ústav filmu a audiovizuální kultury – Filozofická fakulta
Dodavatelské pracoviště: Ústav filmu a audiovizuální kultury – Filozofická fakulta
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.

Předmět si smí zapsat nejvýše 10 stud.
Momentální stav registrace a zápisu: zapsáno: 1/10, pouze zareg.: 0/10
Mateřské obory/plány
předmět má 14 mateřských oborů, zobrazit
Osnova
  • 1. Introduction to SPSS environment (SPSS windows&menus).
  • 2. Introduction to statistics - types of variables, elementary description of data
  • 3. Data matrix preparation in SPSS. Rows (cases) and columns (variables). Data view and Variable view. Properties of individual variables.
  • 4. Data cleaning. Data transformations – recode, autorecode, compute and count.
  • 5. Description of categorical data – charts, frequency tables, custom tables and descriptive statistics.
  • 6. Contingency table as descriptive tool for categorical data. Observed counts, row, column and total percentages. 2x2 table – odd and odds ratio. General intro to statistical testing. Case of two related categorical variables.
  • 7. Detailed analysis of contingency table, chi-square test, contingency coefficients, sign scheme.
  • 8. Intro to advanced techniques for categorical data_ logistic regression, loglinear models and correspondence analysis. Correspondence analysis as an alternative to analysis of contingency tables. Pros and cons of correspondence analysis. Examples of usage. Intro to correspondence analysis in SPSS.
  • 9. Assumptions for usage of correspodence analysis (CA). Basic logic behind CA. Row and column profiles. Number of dimensions. Output tables and charts in CA. Different types of normalization in CA. Inertia explained by individual categories and dimensions. Interpretation of dimensions.
  • 10. Complex example of CA. Permutation of categories. Supplemental categories. Special data inputs for CA: contingency table as input. More than 2 variables as input for basic CA.
  • 11. Multiple CA: correspondence analysis for 3 and more variables. Outputs for multiple CA.
Literatura
  • Doey L., J. Kurta. 2011. Correspondence Analysis applied to psychological research. Tutorials in Quantitative Methods for Psychology Vol. 7(1), p. 5-14.
  • Meulman, J. J., W. J. Heiser. SPSS Categories® 11.0. SPSS Inc. 2001, ch. 5, 11
  • Greenacre, M. J. 2007. Correspondence analysis in practice (2nd ed.). Chapman&Hall, ch. 1-19
  • AGRESTI, Alan. An introduction to categorical data analysis. 2nd ed. Hoboken, NJ: Wiley-Interscience, 2007, xvii, 372. ISBN 9780471226185. info
Vyučovací jazyk
Angličtina
Informace učitele
PhDr. Ing. Petr Soukup, Ph.D. is the director of the Institute of Sociological Studies at the Faculty of Social Sciences, Charles University.
Další komentáře
Studijní materiály
Výuka probíhá každý týden.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/phil/podzim2021/FAVz092