“Análise de dados usando IBM SPSS Statistics” - curso RUB 42.000. da MSU, treinamento (2 meses), data 3 de dezembro de 2023.
Miscelânea / / December 06, 2023
De forma muito condensada, este curso faz parte do popular curso a distância “Como fazer pesquisa científica: metodologia, ferramentas, métodos” da E. Foundation Open University. Gaidar (cerca de 2 mil. ouvintes por ano). A Faculdade de Economia da Universidade Estadual de Moscou oferece aos alunos a oportunidade de usar uma aula de informática equipada com SPSS instalado estude detalhadamente os métodos de trabalho com dados cara a cara com um professor, trabalhe com o programa com suas próprias “mãos” SPSS. É possível trabalhar não só com bancos de dados propostos pelo professor, mas também com dados dos alunos; o professor orientará quais métodos e como utilizar para analisar seus dados.
Este curso foi testado na Open University da E. Foundation. Gaidar.
Doutor em Economia, Professor da Faculdade de Economia da Universidade Estadual de Moscou, especialista em pesquisa quantitativa em esfera social, líder de mais de 30 projetos de pesquisa, tem experiência ministrando cursos analíticos na National Research University HSE, REU im. V. G. Plekhanov.
E-mail: [e-mail protegido]
1 A essência e as principais orientações dos inquéritos amostrais à população. Possibilidades de utilização de PPP especiais para processamento de dados de pesquisas amostrais
Métodos de recolha de informação quantitativa. Estudos de amostra. Exemplos de pesquisas sociodemográficas na Rússia. Pacotes básicos de software estatístico para pesquisa social. Funções de software especial (Statistica, SPSS) no processamento de dados de estudos amostrais. Estrutura, módulos SPSS. Áreas de processamento de dados. Preparação de dados. Inserindo e salvando dados. Escalas de medição (quantitativas, ordinais, nominais). Propriedades das escalas e suas transformações permitidas. Tipos de categorização de dados.
2 Preparação de dados. Seleção e modificação de dados
Seleção de observações. Classificando observações. Dividir as observações em grupos. Modificação de dados. Cálculo de novas variáveis. Cálculo de novas variáveis de acordo com determinadas condições. Formulação de condições. Agregação de dados. Transformações de classificação. Pesos de caso. Razões e mecanismos para gerar lacunas de dados. Possibilidade de ignorar omissões. Métodos para preencher valores faltantes. Métodos para identificação de valores anômalos. Aplicação de procedimentos robustos de avaliação. Análise de Respostas Múltiplas
3 Estatísticas descritivas. Tabelas de contingência
O papel das estatísticas no processamento dos resultados dos inquéritos por amostragem. Micro e metadados. Áreas de aplicação e limites de aplicabilidade dos métodos matemáticos e estatísticos. Resumo das observações. Estatísticas descritivas. Distribuições univariadas. Indicadores de variação. Dispersão, faixa de variação, desvio médio absoluto, faixas de quantis. Construção de tabelas de contingência. Representação gráfica de tabelas de contingência.
4 Testes paramétricos e não paramétricos
Análise da relação entre características. Independência de variáveis. Características básicas da comunicação. Testes não paramétricos e paramétricos. Teste de independência (teste de ajuste χ2). Comparação de duas e várias amostras (dependentes e independentes). teste t. Testes estatísticos para tabelas de contingência. Coeficientes de correlação (para escalas nominais e de classificação). Medidas da proximidade da relação entre variáveis. As medidas mais simples de proximidade de conexão (para variáveis dicotômicas). Medidas de relacionamento para tabelas com dados ordinais. Medidas t de Kendal e suas propriedades. Medidas d de Somers. Medida de Goodman-Kruskal e suas propriedades. Análise de variação
5 Correlação e análise de regressão
A essência e os objetivos da análise de correlação. Gráficos de dispersão. Coeficientes de correlação pareados. Medir o grau de proximidade de uma relação estatística, “limpa” da influência de características estranhas por meio de coeficientes de correlação parcial. Verificando o significado da relação entre os signos. Intervalos de confiança para coeficientes de correlação. Coeficiente de correlação múltipla. Coeficiente de determinação. Modelo de análise de regressão bidimensional: modelos de regressão linear e não linear. Curvas de crescimento em problemas de previsão, variáveis “fictícias” e suas aplicações. Modelo de regressão linear múltipla. Regressão não linear (regressão logística binária, regressão logística multinomial, regressão ordinal, análise probit, ajuste de curvas).
6 Métodos de redução de dimensionalidade
Abordagem estatística no método das componentes principais. Cálculo dos componentes principais e sua interpretação gráfica. Conteúdo informativo do espaço de recursos reduzido. Regressão de componentes principais. O papel e o lugar dos métodos não paramétricos na modelagem estrutural. Análise hierárquica de cluster. Métricas de espaço de recursos. Princípios de medição de distâncias entre grupos de objetos. Algoritmos para análise rápida de clusters, método k-means. Análise de cluster em dois estágios. Construindo uma árvore de metas