Прикладной статистический анализ

Магистратура 2023/2024

Статус: Курс по выбору

Направление: 38.04.01. Экономика

Кто читает: Кафедра демографии

Где читается: Факультет социальных наук

Когда читается: 2-й курс, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Митрофанова Екатерина Сергеевна

Прогр. обучения: Демография

Язык: русский

Кредиты: 3

Контактные часы: 28

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: 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, MS Excel, MS Word, R. В рамках курса предполагается выполнение одной домашней работы и одного небольшого теста. Итоговый экзамен отсутствует.

Цель освоения дисциплины

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

Планируемые результаты обучения

Понимает разницу между условиями применения методов параметрической и непараметрической статистики.
Знает особенности построения регрессионных моделей для категориальных переменных
Может проинтерпретировать регрессионные коэффициенты в моделях (регрессии Кокса) и сопоставить их с графиками выживаемости
Понимает отличие анализа последовательностей наступления событий от анализа наступления событий
Понимает разницу между способом отображения данных "Person-Level Data" и "Person-Period Data"
Понимает разницу между типами связи и характеристиками связи, которые можно установить с помощью критерия "хи-квадрат" и коэффициентов ранговой корреляции
Понимает, чем отличается анализ агрегированных данных от индивидуальных данных (микроданных)
Различает разницу между эффектами периода, возраста и когорты
Способен(а) выбрать подходящий метод поиска связи между двумя признаками в зависимости от типа шкал
Способен(а) строить таблицы сопряженности, содержащие различные виды относительных частот
Умеет визуализировать события жизненного пути в разных программах: MS Word, MS Excel, IBM SPSS и др.
Умеет выбирать регрессионную модель в зависимости от типа шкалы зависимой переменной;
Умеет выбрать подходящий метод анализа и знает при помощи каких статистических пакетов его осуществлять
Умеет интерпретировать хронограммы, являющиеся способом визуализации последовательностей наступления событий
Умеет ориентироваться в многообразии методов анализа данных
Умеет осуществлять анализ наступления событий в IBM SPSS
Умеет применять сетку Лексиса и пользоваться как ее аналитическим потенциалом, так и математической составляющей
Умеет проводить анализ наступления событий как через интерфейс IBM SPSS, так и посредством синтаксиса
Умеет прогнозировать (рассчитывать вероятность) наступление некоторого события на основе регрессионной модели
Умеет располагать события жизненного пути на сетку Лексиса
Умеет рассчитывать в SPSS и интерпретировать значения критерия "хи-квадрат", коэффициентов ранговой корреляции Спирмена и Кендалла;
Умеет строить регрессии Кокса и делать оценки Каплана-Майера и интерпретировать полученные результаты
Умеет реализовать в пакете SPSS/R и интерпретировать результаты основных методов непараметрических сравнений (тесты Манна-Уитни и Вилкоксона, дисперсионный анализ Каскла-Уоллиса)
Может самостоятельно построить с помощью пакета SPSS/R, оценить качество и проинтерпретировать модель бинарной и мультиномиальной логистической регрессии с фиктивными переменными и без.