“Gegevensanalyse met behulp van IBM SPSS Statistics” - cursus RUB 42.000. van MSU, training (2 maanden), datum 3 december 2023.

Doctor in de Economie, hoogleraar aan de Faculteit der Economische Wetenschappen van de Staatsuniversiteit van Moskou, specialist in kwantitatief onderzoek in sociale sfeer, leider van meer dan 30 onderzoeksprojecten, heeft ervaring met het geven van analytische cursussen aan de National Research University HSE, REU im. VG Plechanov.

E-mail: [e-mailadres beveiligd]

1 De essentie en hoofdlijnen van steekproefenquêtes onder de bevolking. Mogelijkheden om speciale PPP's te gebruiken voor het verwerken van steekproefgegevens

Methoden voor het verzamelen van kwantitatieve informatie. Voorbeeldstudies. Voorbeeld van sociaal-demografische onderzoeken in Rusland. Basisstatistische softwarepakketten voor sociaal onderzoek. Functies van speciale software (Statistica, SPSS) bij het verwerken van gegevens uit voorbeeldstudies. Structuur, SPSS-modules. Gebieden van gegevensverwerking. Data voorbereiding. Gegevens invoeren en opslaan. Meetschalen (kwantitatief, ordinaal, nominaal). Eigenschappen van schalen en hun toegestane transformaties. Soorten gegevenscategorisatie.

2 Gegevensvoorbereiding. Gegevensselectie en wijziging

Selectie van observaties. Waarnemingen sorteren. Waarnemingen in groepen verdelen. Gegevenswijziging. Berekening van nieuwe variabelen. Berekening van nieuwe variabelen volgens bepaalde voorwaarden. Formuleren van voorwaarden. Gegevensaggregatie. Rang transformaties. Gewichten van de koffer. Redenen en mechanismen voor het genereren van gegevenslacunes. Mogelijkheid om weglatingen te negeren. Methoden voor het invullen van ontbrekende waarden. Methoden voor het identificeren van afwijkende waarden. Toepassing van robuuste beoordelingsprocedures. Analyse van meerdere reacties

3 Beschrijvende statistieken. Contingentietabellen

De rol van statistieken bij het verwerken van de resultaten van steekproefenquêtes. Micro- en metadata. Toepassingsgebieden en grenzen van toepasbaarheid van wiskundige en statistische methoden. Samenvatting van observaties. Beschrijvende statistieken. Univariate distributies. Variatie-indicatoren. Dispersie, variatiebereik, gemiddelde absolute afwijking, kwantielbereiken. Constructie van kruistabellen. Grafische weergave van kruistabellen.

4 Parametrische en niet-parametrische tests

Analyse van de relatie tussen kenmerken. Onafhankelijkheid van variabelen. Basiskenmerken van communicatie. Niet-parametrische en parametrische tests. Onafhankelijkheidstest (goodness-of-fit-test χ2). Vergelijking van twee en meerdere monsters (afhankelijk en onafhankelijk). t-test. Statistische tests voor kruistabellen. Correlatiecoëfficiënten (voor nominale en rangschikkingsschalen). Maatregelen voor de nauwheid van de relatie tussen variabelen. De eenvoudigste metingen van de nabijheid van verbindingen (voor dichotome variabelen). Relatiemetingen voor tabellen met ordinale gegevens. Kendal t-metingen en hun eigenschappen. Somers' d-maten. Goodman-Kruskal-maat en zijn eigenschappen. Analyse van variantie

5 Correlatie- en regressieanalyse

De essentie en doelstellingen van correlatieanalyse. Spreidingsdiagrammen. Gepaarde correlatiecoëfficiënten. Het meten van de mate van nauwheid van een statistische relatie, ‘gezuiverd’ van de invloed van externe kenmerken met behulp van gedeeltelijke correlatiecoëfficiënten. Het controleren van de betekenis van de relatie tussen tekens. Betrouwbaarheidsintervallen voor correlatiecoëfficiënten. Meerdere correlatiecoëfficiënten. Bepalingscoëfficiënt. Tweedimensionaal regressieanalysemodel: lineaire en niet-lineaire regressiemodellen. Groeicurven bij het voorspellen van problemen, ‘dummy’-variabelen en hun toepassingen. Meervoudig lineair regressiemodel. Niet-lineaire regressie (binaire logistieke regressie, multinomiale logistische regressie, ordinale regressie, probitanalyse, curve-fitting).

6 Methoden voor dimensionaliteitsreductie

Statistische benadering in de hoofdcomponentenmethode. Berekening van de hoofdcomponenten en hun grafische interpretatie. Informatie-inhoud van de beperkte featureruimte. Regressie van hoofdcomponenten. De rol en plaats van niet-parametrische methoden in structurele modellering. Hiërarchische clusteranalyse. Statistieken van functieruimte. Principes van het meten van afstand tussen groepen objecten. Algoritmen voor snelle clusteranalyse, k-means-methode. Clusteranalyse in twee fasen. Een doelenboom bouwen