Прикладной статистический анализ

Магистратура 2020/2021

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Демография)

Направление: 39.04.01. Социология

Кто читает: Кафедра демографии

Где читается: Факультет социальных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Зангиева Ирина Казбековна, Митрофанова Екатерина Сергеевна, Сулейманова Анна Наильевна

Прогр. обучения: Демография

Язык: русский

Кредиты: 4

Контактные часы: 50

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Дисциплина «Прикладной статистический анализ» преследует следующие цели: помочь студентам сориентироваться в многообразии методов статистического анализа данных и научиться корректно применить выбранные методы. Наряду с уже известными методами статистического анализа (таблицы сопряженности, корреляционный и регрессионный анализ и т.д.) в ходе обучения будут представлены новые методы анализа, не встречавшиеся в предыдущих дисциплинах: модели деревьев решений, event history analysis, sequence analysis и другие методы. Отдельный фокус будет сделан на анализе биографических событий (микроданные) и способах визуализации результатов. Курс носит прикладной, практический характер. Он поможет структурировать ранее полученные знания, усовершенствовать навыки работы в таких программах как IBM SPSS, R, MS Excel, MS Word. В рамках курса предполагается выполнение двух домашних заданий и двух контрольных работ. Итоговый экзамен отсутствует. Оценка за курс выставляется на основании оценок за указанные работы.

Цель освоения дисциплины

Помочь студентам сориентироваться в многообразии методов статистического анализа данных и корректно применить выбранные методы
Структурировать ранее полученные знания, усовершенствовать навыки работы в таких программах как SPSS, R, MS Excel, MS Word
Расширить навыки визуализации результатов статистического анализа
Освоение методов анализа наступления биографических событий жизни

Планируемые результаты обучения

Способен(а) строить таблицы сопряженности, содержащие различные виды относительных частот
Способен(а) выбрать подходящий метод поиска связи между двумя признаками в зависимости от типа шкал
Понимает разницу между типами связи и характеристиками связи, которые можно установить с помощью критерия "хи-квадрат" и коэффициентов ранговой корреляции
Понимает разницу между условиями применения методов параметрической и непараметрической статистики;
Умеет реализовать в пакете SPSS и интерпретировать результаты основных методов непараметрических сравнений (тесты Манна-Уитни и Вилкоксона, дисперсионный анализ Каскла-Уоллиса)
Умеет рассчитывать в SPSS и интерпретировать значения критерия "хи-квадрат", коэффициентов ранговой корреляции Спирмена и Кендалла;
Умеет выбирать регрессионную модель в зависимости от типа шкалы зависимой переменной;
Знает особенности построения регрессионных моделей для категориальных переменных
Может самостоятельно построить с помощью пакета SPSS, оценить качество и проинтерпретировать модель бинарной и мультиномиальной логистической регрессии с фиктивными переменными и без.
Умеет прогнозировать (рассчитывать вероятность) наступление некоторого события на основе регрессионной модели
Знает суть основных алгоритмов деревьев классификации: CHAID, CRT, QUEST
Умеет строить модели деревьев классификации (CHAID, CRT,QUEST) с помощью пакета SPSS
Умеет интерпретировать модели деревьев классификации и оценивать их качество
Умеет устанавливать R и RStudio.
Знает основные правила написания команд
Умеет реализовать с помощью R простейшие методы анализа: частотные распределения, таблицы сопряженности, основные графики, коэффициенты парной связи.
Умеет ориентироваться в многообразии методов анализа данных
Понимает, чем отличается анализ агрегированных данных от индивидуальных данных (микроданных)
Умеет выбрать подходящий метод анализа и знает при помощи каких статистических пакетов его осуществлять
Владеет корпусом теоретических знаний о концепции жизненного пути
Понимает разницу между терминами "время жизни", "жизненный цикл" и "жизненный путь"
Знает основные термины концепции жизненного пути: событие, статусный переход, статусный пассаж, траектория, жизненный сценарий, биография
Знает, какие методы входят в инструментарий концепции жизненного пути и для каких целей используется каждый из методов
Умеет применять сетку Лексиса и пользоваться как ее аналитическим потенциалом, так и математической составляющей
Умеет располагать события жизненного пути на сетку Лексиса
Различает разницу между эффектами периода, возраста и когорты
Умеет визуализировать события жизненного пути в разных программах: MS Word, MS Excel, IBM SPSS и др.
Умеет осуществлять анализ наступления событий в IBM SPSS
Умеет строить регрессии Кокса и делать оценки Каплана-Майера и интерпретировать полученные результаты
Может проинтерпретировать регрессионные коэффициенты в моделях (регрессии Кокса) и сопоставить их с графиками выживаемости
Умеет проводить анализ наступления событий как через интерфейс IBM SPSS, так и посредством синтаксиса
Понимает отличие анализа последовательностей наступления событий от анализа наступления событий
Умеет интерпретировать хронограммы, являющиеся способом визуализации последовательностей наступления событий
Понимает разницу между способом отображения данных "Person-Level Data" и "Person-Period Data"

Содержание учебной дисциплины

Тема № 1. Анализ двумерной связи между номинальными и порядковыми переменными. Критерий «хи-квадрат», коэффициенты ранговой корреляции
Таблицы сопряженности. Возможное содержание ячеек таблицы. Условные и безусловные частоты. Коэффициенты парной связи для различных типов шкал. Критерий Хи-квадрат и основанные на нем коэффициенты. Коэффициенты ранговой корреляции Спирмена и Кендалла.
Тема №2. Базовые методы непараметрических сравнений
Различия параметрической и непараметрической статистики. Достоинства и недостатки непараметрических методов, по сравнению с параметрическими. Непараметрические аналоги некоторых параметрических методов: одновыборочный тест знаков (непараметрический аналог одновыборочного Т-теста), тесты суммы рангов Манна –Уитни и Вилкоксона (непараметрические аналоги Т-теста для независимых выборок), тест приписанных знаков рангов Вилкоксона (непараметрический аналог Т-теста для связанных выборок) и непараметрический дисперсионный анализ Краскла-Уоллиса (непараметрический аналог однофакторного дисперсионного анализа)
Тема №3. Логистическая регрессия (бинарная и мультиномиальная)
Бинарная логистическая регрессия Регрессионные модели для бинарных зависимых переменных. Модель линейной вероятности. Логистическая регрессия. Интерпретация коэффициентов логистической регрессии. Шансы и отношения шансов. Мультиномиальная логистическая регрессия. Представление зависимой переменной в мультиномиальной логистической регрессии. Выбор контрольных групп. Интерпретация коэффициентов уравнения мультиномиальной логистической регрессии. Ограничения мультиномиальной логистической регрессии
Тема №4. Модели деревьев классификации (деревьев решений).
Модели деревьев решений. Особенности работы алгоритмов CHAID и CRT. Ошибки классификации, определение понятия риска. Проверка качества модели, способы решения проблемы излишней подгонки дерева: кросс-проверка, V-кратная кросс-проверка.
Тема №5. Работа со статистическим пакетом R
Интерфейс пакета R и оболочки RStudio. Установка R и RStudio. Скачивание библиотек. Основные правила написания команд. Реализация в R основных методов анализа данных.
Тема №6. Методы анализа биографических данных в общей структуре методов
Обзор источников и видов данных (количественные и качественные; агрегированные и индивидуальные). Классификация методов анализа данных.
Тема №7. Концепция жизненного пути и ее инструментарий
Концепция жизненного пути: истоки, развитие и перспективы применения. Базовые определения концепции: жизненный путь, статусный переход, статусный пассаж и другие. Структура методов анализа событий жизненного пути
Тема №8. Способы визуализации событий жизни: сетка Лексиса и другие инструменты
Сетка Лексиса: ее аналитический и математический потенциал применения для анализа и визуализации наступления событий. APC-analysis: разделение эффектов периода, возраста и когорты. Способы визуализации наступления событий в разных компьютерных программах
Тема №9. Анализ наступления событий (Event history analysis)
Комплекс методов анализа наступления событий: таблицы смертности, метод Каплана-Майера, регрессия Кокса: теоретическая основа и практика в IBM SPSS
Тема №10. Анализ последовательностей наступления событий (Sequence analysis)
Различие подходов при анализе отдельных событий и последовательности событий. Разница между способом отображения данных "Person-Level Data" и "Person-Period Data". Визуализация последовательностей событий: хронограммы и другие инструменты.

Элементы контроля

Домашнее задание "Деревья классификации"
Вес в итоговой оценке-25%
Домашнее задание "Выбор метода решения исследовательской задачи"
Вес в итоговой оценке-25%
Контрольная работа "Сетка Лексиса"
Вес в итоговой оценке-25%
Домашнее задание "Event history analysis"
Вес в итоговой оценке-25%

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.25 * Домашнее задание "Event history analysis" + 0.25 * Домашнее задание "Выбор метода решения исследовательской задачи" + 0.25 * Домашнее задание "Деревья классификации" + 0.25 * Контрольная работа "Сетка Лексиса"

Программа дисциплины