„Adatelemzés az IBM SPSS Statistics segítségével” - tanfolyam 42 000 RUB. MSU-tól, képzés (2 hónap), dátum: 2023. december 3.

a közgazdaságtudomány doktora, a Moszkvai Állami Egyetem Közgazdaságtudományi Karának professzora, a kvantitatív kutatások specialistája szociális szférában, több mint 30 kutatási projekt vezetője, a Nemzeti Kutatói Egyetemen szerzett analitikai kurzusok oktatásában szerzett tapasztalata HSE, REU im. V. G. Plehanov.

Email: [e-mail védett]

1 A lakossági mintavételes felmérések lényege és főbb irányai. Speciális PPP-k alkalmazásának lehetőségei mintafelvételi adatok feldolgozására

Kvantitatív információgyűjtés módszerei. Mintavizsgálatok. Minta társadalmi-demográfiai felmérések Oroszországban. Alapvető statisztikai szoftvercsomagok társadalomkutatáshoz. Speciális szoftverek (Statistica, SPSS) funkciói a mintavizsgálatok adatainak feldolgozásában. Felépítés, SPSS modulok. Az adatfeldolgozás területei. Adatok előkészítése. Adatok bevitele és mentése. Mérési skálák (mennyiségi, ordinális, névleges). A skálák tulajdonságai és megengedett átalakulásaik. Az adatok kategorizálásának típusai.

2 Adatok előkészítése. Adatok kiválasztása és módosítása

Megfigyelések kiválasztása. A megfigyelések rendezése. A megfigyelések csoportokra bontása. Adatmódosítás. Új változók számítása. Új változók számítása bizonyos feltételek szerint. Feltételek megfogalmazása. Adatok összesítése. Rangtranszformációk. Tok súlyok. Az adathiányok keletkezésének okai és mechanizmusai. A kihagyások figyelmen kívül hagyásának lehetősége. A hiányzó értékek kitöltésének módszerei. A rendellenes értékek azonosításának módszerei. Robusztus értékelési eljárások alkalmazása. Többszörös válasz elemzése

3 Leíró statisztikák. Kontingencia táblázatok

A statisztika szerepe a mintavételes felmérések eredményeinek feldolgozásában. Mikro és metaadatok. A matematikai és statisztikai módszerek alkalmazási területei és alkalmazhatósági korlátai. A megfigyelések összefoglalása. Leíró statisztika. Egyváltozós eloszlások. Változási mutatók. Diszperzió, variációs tartomány, átlagos abszolút eltérés, kvantilis tartományok. Készenléti táblák készítése. Kontingenciatáblázatok grafikus ábrázolása.

4 Paraméteres és nem paraméteres vizsgálatok

A jellemzők közötti kapcsolat elemzése. A változók függetlensége. A kommunikáció alapvető jellemzői. Nemparametrikus és parametrikus tesztek. Függetlenségi teszt (χ2 illeszkedési teszt). Két és több minta (függő és független) összehasonlítása. t-próba. Statisztikai tesztek kontingenciatáblázatokhoz. Korrelációs együtthatók (nominális és rangsor skálákhoz). A változók közötti kapcsolat szorosságának mérése. A kapcsolat szorosságának legegyszerűbb mértékei (dichotóm változók esetén). Sorozati adatokat tartalmazó táblák kapcsolati mértékei. Kendal t-mérők és tulajdonságaik. Somers d-mértékei. Goodman-Kruskal mérték és tulajdonságai. Varianciaanalízis

5 Korrelációs és regressziós elemzés

A korrelációelemzés lényege és céljai. Szórásdiagramok. Párosított korrelációs együtthatók. A külső jellemzők hatásától „megtisztított” statisztikai kapcsolat szorossági fokának mérése parciális korrelációs együtthatók segítségével. A jelek közötti kapcsolat jelentőségének ellenőrzése. A korrelációs együtthatók konfidencia intervallumai. Többszörös korrelációs együttható. Meghatározási együttható. Kétdimenziós regresszióelemzési modell: lineáris és nemlineáris regressziós modellek. Növekedési görbék az előrejelzési problémákban, „dummy” változók és alkalmazásaik. Többszörös lineáris regressziós modell. Nemlineáris regresszió (bináris logisztikus regresszió, multinomiális logisztikus regresszió, ordinális regresszió, probitanalízis, görbeillesztés).

6 Dimenziócsökkentési módszerek

Statisztikai megközelítés a főkomponens módszerben. Főkomponensek számítása és grafikus értelmezése. A szűkített jellemzőtér információtartalma. Főkomponensek regressziója. A nemparaméteres módszerek szerepe és helye a szerkezeti modellezésben. Hierarchikus klaszterelemzés. A jellemzőtér mérőszámai. Tárgycsoportok közötti távolság mérésének elvei. Algoritmusok gyors klaszteranalízishez, k-means módszer. Kétlépcsős klaszteranalízis. Célfa építése