• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2021/2022

Научно-исследовательский семинар: Статистические модели в анализе психологических данных

Статус: Курс по выбору (Психология)
Направление: 37.03.01. Психология
Когда читается: 3-й курс, 2, 3 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 3
Контактные часы: 34

Программа дисциплины

Аннотация

Статистическая модель – это, по сути, формализация исследовательской гипотезы в математическом виде. Выбор статистической модели и анализ ее качества позволяют ответить на исследовательский вопрос. В ходе изучения курса студенты увидят, что за подавляющим большинством статистических методов лежит общая логика линейных моделей. Начав с общей модели для количественных переменных, мы распространим логику линейных моделей для случаев бинарных, номинативных и порядковых переменных. В каждом случае мы рассмотрим условия применимости соответствующих моделей и что можно сделать, если эти условия не выполняются; как анализировать качество модели и выбрать наилучшую из нескольких; как интерпретировать полученные результаты и представлять их в постерах и публикациях. Затем мы перейдем к рассмотрению немного более сложных, но в то же время более гибких вариантов: обобщенных, смешанных и структурных моделей. В ходе освоения курса студенты получат практический опыт анализа и представления результатов анализа данных с использованием языка R и соответствующих пакетов в нем.
Цель освоения дисциплины

Цель освоения дисциплины

  • формирование навыков формализации дизайна исследования в виде соответствующих ему линейных и структурных моделей для дальнейшего статистического анализа
  • формирование основных навыков для построения, оценки, сравнения и модификации линейных и структурных моделей
  • освоение средств языка R для построения и диагностики смешанных и структурных моделей
Планируемые результаты обучения

Планируемые результаты обучения

  • вносит изменения в модель или преобразует исходные данные для соблюдения допущений применимости линейных моделей
  • выбирает линейную модель, соответствующую дизайну проведенного эмпирического исследования
  • дает содержательную интерпретацию для фиксированных и случайных эффектов в смешанных линейных моделях
  • дает содержательную интерпретацию результатов подгонки линейной модели для проверки гипотез и прогнозирования
  • оценивает соответствие линейной модели полученным данным (качество модели в целом и соблюдение допущений модели)
  • проводит и содержательно интерпретирует медиационный анализ методами моделирования структурными уравнениями
  • формализует исследовательскую гипотезу в виде уравнения регрессии для ее дальнейшей проверки
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Статистические модели как способ проверки исследовательских гипотез.
  • Общие линейные модели.
  • Обобщенные линейные модели.
  • Смешанные линейные модели.
  • Основы структурного моделирования и путевой анализ.
Элементы контроля

Элементы контроля

  • неблокирующий Тест 1
  • неблокирующий Тест 2
  • неблокирующий Тест 3
  • неблокирующий Тест 4
  • неблокирующий Домашнее задание 1
    Домашнее задание выполняется в группах до 3 человек включительно. Студентам предлагается датасет, на материале которого необходимо ответить поставленные исследовательские вопросы с использованием обобщенных линейных моделей. В отчете необходимо отразить: 1. выбор зависимой и независимых переменных и их обоснование; 2. выбор оптимальной модели из рассмотренных; 3. анализ соблюдения допущений моделей и описание принятых мер в случае их несоблюдения; 4. содержательные выводы по полученным результатам. Домашнее задание сдается в виде отчета в формате .pdf и скрипта с комментариями в формате .R или в виде .Rmd документа и созданного им отчета в формате .html. Объем отчета не должен превышать 2 страницы; код анализа должен содержать подробные комментарии.
  • неблокирующий Курсовой проект
    Курсовой проект выполняется в группах до 3 человек включительно. На материале двух датасетов студентам необходимо ответить на исследовательские вопросы с использованием смешанных линейных моделей и структурных моделей. В отчете необходимо отразить: 1. выбор зависимой и независимых переменных и их обоснование; 2. выбор оптимальной модели из рассмотренных; 3. анализ соблюдения допущений моделей и описание принятых мер в случае их несоблюдения; 4. содержательные выводы по полученным результатам. Домашнее задание сдается в виде отчета в формате .pdf и скрипта с комментариями в формате .R или в виде .Rmd документа и созданного им отчета в формате .html. Объем отчета не должен превышать 6 страниц; код анализа должен содержать подробные комментарии.
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 3 модуль
    0.3 * Курсовой проект + 0.15 * Тест 3 + 0.2 * Домашнее задание 1 + 0.1 * Тест 1 + 0.15 * Тест 2 + 0.1 * Тест 4
Список литературы

Список литературы

Рекомендуемая основная литература

  • Мастицкий, С. Э. Статистический анализ и визуализация данных с помощью R / С. Э. Мастицкий, В. К. Шитиков. — Москва : ДМК Пресс, 2015. — 496 с. — ISBN 978-5-97060-301-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/73072 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Роберт, И. R в действии. Анализ и визуализация данных в программе R : руководство / И. Роберт, Кабаков ; перевод с английского Полины А. Волковой. — Москва : ДМК Пресс, 2014. — 588 с. — ISBN 978-5-97060-077-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/58703 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

  • Agresti, A. (2015). Foundations of Linear and Generalized Linear Models. Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=941245
  • Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling, Fourth Edition (Vol. Fourth edition). New York: The Guilford Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1078917
  • Rumberger, R. W. (1997). Hierarchical linear models: Applications and data analysis methods : and . Newbury Park, CA: Sage, 1992. (ISBN 0-8039-4627-9), pp. xvi + 265. Price: U.S. $45.00 (cloth). Economics of Education Review, (3), 348. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.a.eee.ecoedu.v16y1997i3p348.348

Авторы

  • Козлов Дмитрий Дмитриевич