Методология и методы исследований в социологии: математическая статистика в демографии

2023/2024

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

Лучший по критерию «Новизна полученных знаний»

Статус: Маго-лего

Кто читает: Кафедра демографии

Когда читается: 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Родионова Лилия Анатольевна

Язык: русский

Кредиты: 6

Контактные часы: 90

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Современные демографические вызовы ХХ1 в. часто требуют поиска новых решений, глубокого, всестороннего анализа демографической ситуации. Анализ демографических данных, выявлений закономерностей и взаимосвязей стал неотъемлемой частью современных научных прикладных исследований во многих областях науки, в том числе и демографии. Основываясь на демографических данных и современный статистический инструментарий, можно попытаться ответить на многие вопросы типа: «Как влияет уровень ВВП на уровень смертности?», «Что является главными детерминантами рождаемости?», «Как взаимосвязаны доходы и уровень образования?», «Как расходы на здравоохранение влияют на продолжительность жизни в России?», «Какой будет ожидаемая продолжительность жизни в России через 6-10 лет?» и др. Статистические методы анализа являются важным инструментом в принятии научно обоснованных управленческих решений. Стремительное внедрение множества статистических пакетов прикладных программ существенно облегчают жизнь современного демографа-исследователя, освобождая от трудоемких расчетов, однако предоставляют широкое поле творческой деятельности: постановки задачи, выбора адекватного статистического метода анализа и интерпретации результатов статистического моделирования. Предлагаемый курс носит прикладной характер, большое внимание уделяется практическим аспектам моделирования по реальным данным (Росстат, Всемирный банк, РМЭЗ и др.), будет рассмотрено большое число примеров из прикладных исследований, наглядно демонстрирующих разнообразие областей применения статистических методов. Структура, содержание и изложение курса направлено на доступное и в то же время строгое математически обоснованное представление материала для студентов с различным уровнем математической подготовки.

Цель освоения дисциплины

выработка у студентов навыков критического анализа различных источников информации о демографических событиях,
изучение основ математической статистики и основных методов статистического анализа демографических данных,
изучение особенностей реализации изучаемых статистических методов в пакетах прикладных программ (SPSS, Stata);
овладение навыками построения и оценки параметров модели, описываемой изучаемый демографический процесс, содержательной интерпретации полученных результатов;
подготовка студента к решению профессиональных задач в области демографии

Планируемые результаты обучения

Владеет понятийным аппаратом математической статистики; имеет навыки обработки реальных статистических данных; применения пакетов прикладных программ для построения и диагностики моделей (например, ППП MS Excel, SPSS, STATA).
Владеет понятийным аппаратом математической статистики; имеет навыки обработки реальных статистических данных; применения пакетов прикладных программ для проверки статистических гипотез (например, ППП MS Excel, SPSS, STATA).
Знает основные понятия математической статистики, основные теоретические законы распределения случайных величин; общие принципы построения доверительных интервалов для параметров известных распределений, принципы проверки статистических гипотез;
Знает особенности статистического анализа демографических данных;
умеет вычислять основные выборочные характеристики: среднее, дисперсию, моду, медиану; пользоваться статистическими таблицами; строить доверительные интервалы для оценки неизвестных параметров распределений; проверять статистические гипотезы и принимать обоснованные решения относительно основных параметров распределений;
Умеет оценивать тесноту статистической связи между двумя и более признаками, в том числе и при наличии нечисловой информации; оценивать параметры регрессионных моделей; проводить классификацию многомерных объектов методами кластерного анализа; давать содержательную интерпретацию результатов исследования.