PGMK107 Analýza kvantitativních dat

Filozofická fakulta
podzim 2021
Rozsah
16/0/0. 6 kr. Ukončení: z.
Vyučující
doc. Mgr. Martin Sedláček, Ph.D. (přednášející)
Mgr. Bc. Libor Juhaňák, Ph.D. (cvičící)
Garance
doc. Mgr. Martin Sedláček, Ph.D.
Ústav pedagogických věd – Filozofická fakulta
Kontaktní osoba: doc. Mgr. Martin Sedláček, Ph.D.
Dodavatelské pracoviště: Ústav pedagogických věd – Filozofická fakulta
Rozvrh
Pá 24. 9. 8:00–9:40 L11, 10:00–11:40 L11, Pá 12. 11. 13:00–14:40 L11, 15:00–16:40 L11, 17:00–18:40 L11
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.

Předmět si smí zapsat nejvýše 10 stud.
Momentální stav registrace a zápisu: zapsáno: 0/10, pouze zareg.: 0/10
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
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2020, podzim 2022, podzim 2023, podzim 2024.