Научно-исследовательский семинар: Статистические модели в анализе психологических данных

Бакалавриат 2023/2024

Статус: Курс по выбору (Психология)

Направление: 37.03.01. Психология

Кто читает: Департамент психологии

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 2, 3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Козлов Дмитрий Дмитриевич

Язык: русский

Кредиты: 4

Контактные часы: 34

Полная версия программы учебной 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, которые будут рассматриваться подробно, 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 и смешанных 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

формирование навыков формализации дизайна исследования в виде соответствующих ему линейных моделей для дальнейшего статистического анализа
формирование основных навыков для построения, оценки, сравнения и модификации линейных моделей при проверке гипотез и в поисковых исследованиях
освоение средств языка R для построения и диагностики общих, обобщенных и смешанных линейных моделей

Планируемые результаты обучения

вносит изменения в модель или преобразует исходные данные для соблюдения допущений применимости линейных моделей
формализует исследовательскую гипотезу в виде уравнения регрессии для ее дальнейшей проверки
формализует исследовательскую гипотезу в виде линейной модели для ее дальнейшей проверки
оценивает и интерпретирует доверительные интервалы для линейной регрессии
выбирает предикторы линейной модели на основании статистических и информационных критериев
задает модельную матрицу, соответствующую описанию линейной модели и полученным данным
проводит запланированные контрасты, соответствующие исследовательской гипотезе
оценивает соблюдение условий применимости линейной модели
задает и анализирует линейные модели, проверяющие гипотезы о модерации
проводит медиационный анализ с помощью регрессионных моделей
определяет необходимый размер выборки для линейных моделей с непрерывными и категориальными предикторами и их взаимодействием
анализирует качество линейных моделей, подобранных методом максимального правдоподобия
интерпретирует результаты логистической регрессии
анализирует качество и дает содержательную интерпретацию линейным моделям для счетных зависимых переменных
задает и анализирует смешанную линейную модель в соответствии с дизайном исследования
моделирует смешанную часть линейной модели в соответствии с полученными данными
анализирует величину эффекта в смешанных линейных моделях
оценивает необходимый объем выборки для использования смешанных линейных моделей

Содержание учебной дисциплины

Раздел 1. Статистические модели в научном познании.
Раздел 2.1. Линейная регрессия как линейная модель.
Раздел 2.2. Условия применимости линейных моделей
Раздел 2.3. Выбор оптимальной модели
Раздел 3.1. Введение в общие линейные модели
Раздел 3.2. Модерация
Раздел 3.3. Медиация
Раздел 3.4. Анализ мощности для линейных моделей
Раздел 4.1. Обобщенные линейные модели
Раздел 4.2. Логистическая регрессия
Раздел 4.3. Обобщенные модели для счетных данных
Раздел 5.1. Модели со смешанными эффектами: основные идеи
Раздел 5.2. Виды моделей со смешанными эффектами
Раздел 5.3. Структура дисперсии, величина эффекта и анализ мощности в смешанных моделях

Элементы контроля

Тест 1
Тест состоит из открытых и закрытых вопросов по материалам разделов 1 - 3.1.
Тест 2
Тест состоит из открытых и закрытых вопросов по материалам разделов 3.2 - 4.3.
Тест 3
Тест состоит из открытых и закрытых вопросов по материалам разделов 5.1. - 5.3.
Домашнее задание
Домашнее задание выполняется в группах до 3 человек включительно. Студентам предлагается датасет, на материале которого необходимо ответить поставленные исследовательские вопросы с использованием общих линейных моделей. Домашнее задание сдается в виде документа R или Rmd, содержащим код анализа и подробные комментарии.
Курсовой проект
Курсовой проект выполняется в группах до 3 человек включительно. Студентам предлагается два датасета, для каждого из которых необходимо ответить на поставленные исследовательские вопросы. Первый датасет предполагает использование обобщенных линейных моделей, второй - смешанных линейных моделей. Проект сдается в виде документа .R или .Rmd, в котором содержится скрипт проведенного анализа, а также подробные комментарии к нему с ответами на поставленные вопросы.

Промежуточная аттестация

2023/2024 учебный год 3 модуль
0.2 * Домашнее задание + 0.3 * Курсовой проект + 0.2 * Тест 1 + 0.15 * Тест 2 + 0.15 * Тест 3

Список литературы

Авторы

Козлов Дмитрий Дмитриевич

Программа дисциплины