2023/2024
Методы количественного анализа данных в психологии: линейные модели для наблюдаемых и латентных переменных
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:
Маго-лего
Кто читает:
Департамент психологии
Когда читается:
4 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
3
Контактные часы:
40
Программа дисциплины
Аннотация
Этот курс является частью так называемой «продвинутой» статистики. В рамках этой дисциплины освещаются как теоретические, так и прикладные аспекты работы с наблюдаемыми и латентными переменными с помощью наиболее простых – линейных – моделей. Студенты освоят такие методы, как путевой анализ, конфирматорный факторный анализ, моделирование структурными уравнениями, которые являются основными при проверке сложных гипотез, оценке надёжности и валидности данных, собранных с помощью новой психодиагностической методики. Слушатели будут активно моделировать и анализировать реальные психологические данные, что будет способствовать развитию практических навыков. Этот курс предоставит комплексное введение в современные методы количественного анализа, что позволит студентам успешно применять их в своей дальнейшей научной и профессиональной деятельности в области психологии, а также социальных и других наук.
Цель освоения дисциплины
- Сформировать компетентность работы с данными через освоение линейных моделей для наблюдаемых и латентных переменных
Планируемые результаты обучения
- Перечислять особенности путевого анализа в сравнении с классическим регрессионным
- Математически формулировать модель путевого анализа
- Математически формулировать модель конфирматорного факторного анализа
- Перечислять концептуальные отличия конфирматорного анализа от эксплораторного
- Строить одномерные и многомерные модели с использованием jamovi
- Интерпретировать результаты конфирматорного факторного анализа
- Модифицировать заданные модели
- Различать три вида инвариантности: структурную, метрическую, скалярную
- Сравнивать модели в рамках анализа на инвариантность
- Отличать спецификацию SEM от CFA
- Математически формулировать модель на основе структурных уравнений
- Интерпретировать результаты SEM
- Математически формулировать модель медиации
- Интерпретировать результаты моделирования медиации
- Называть особенности расчета стандартных ошибок при анализе медиации
- Математически формулировать модель модерации
- Интерпретировать результаты моделирования модерации
Содержание учебной дисциплины
- Регрессионное уравнение как основа линейных моделей для наблюдаемых и латентных переменных. Путевой анализ наблюдаемых переменных, отличия от классического регрессионного анализа.
- Конфирматорный факторный анализ (CFA) для построения измерительных моделей
- Мультигрупповой факторный анализ
- Моделирование структурными уравнениями (SEM)
- Медиация с помощью путевых и структурных моделей
- Модерация с помощью путевых и структурных моделей
Элементы контроля
- Контрольная работаПредполагаются две контрольные работы по двум частям курса - конфирматорного факторному анализу и моделированию структурными уравнениями.
- Анализ данных на занятииСтуденты самостоятельно проводят анализ данных на занятии.
- Постерная сессияПостерная сессия будет проходить на портале Miro. Суть заключается в проведении небольшого исследования с использованием изученных методов анализа.
Промежуточная аттестация
- 2023/2024 учебный год 4 модуль0.4 * Анализ данных на занятии + 0.3 * Контрольная работа + 0.3 * Постерная сессия
Список литературы
Рекомендуемая основная литература
- 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
- Latent variable models : an introduction to factor, path, and structural equation analysis, Loehlin, J. C., 2004
Рекомендуемая дополнительная литература
- Beaujean, A. A. (2014). Latent Variable Modeling Using R : A Step-by-Step Guide. New York: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=777658
- Latent variable modeling using R : a step-by-step guide, Beaujean, A.A., 2014