Бакалавриат 2024/2025

Анализ данных в социологии

Статус: Курс обязательный (Социология)

Направление: 39.03.01. Социология

Кто читает: Департамент социологии

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Андреева Дарья Александровна, Воронина Наталья Дмитриевна, Зангиева Ирина Казбековна, Мхитарян Тамара Арменовна

Язык: русский

Кредиты: 3

Программа дисциплины

Аннотация

Целями освоения дисциплины «Анализ данных в социологии» являются изучение и практическое освоение теории вероятностей, математической статистики и базовых методов статистического анализа данных в социальных науках; изучение и практическое освоение компьютерных программ, применяемых для статистического анализа данных (пакета SPSS); приобретение понимания специфики работы с количественными данными в социальных науках, понимания типов задач, которые могут быть решены с помощью статистических методов. В результате освоения дисциплины студент должен знать основные понятия теории вероятностей, математической статистики, методы статистического анализа данных в пределах программы курса; уметь ставить и понимать социологические задачи, которые могут быть решены с помощью статистического анализа данных, понимать специфику данных, используемых в статистическом анализе, а также владеть навыками самостоятельного статистического анализа данных на компьютере в программах SPSS.

Цель освоения дисциплины

• Изучение и практическое освоение базовых методов статистического анализа данных в социальных науках
• Изучение и практическое освоение компьютерной программы, применяемой для статистического анализа данных: SPSS
• Формирование понимания специфики работы с количественными данными в социальных науках, понимания типов задач, которые могут быть решены с помощью различных статистических методов

Планируемые результаты обучения

• Владеет навыками реализации дискриминантного анализа в SPSS
• Знает возможности и ограничения применения дискриминантного анализа
• Знает смысл коэффициента канонической корреляции. Интерпретирует коэффициент Лямбда Уилкса и значения центроидов.
• Знает суть основных алгоритмов деревьев классификации: CHAID, CRT, QUEST
• Знает требования к уровню измерения переменной образующей кластер и параметров классификации для дискриминантного анализа
• Понимает задачи, решаемые с помощью многомерного шкалирования.
• Понимает разницу между условиями использования метрического и неметрического МШ
• Понимает смысл дискриминирующей функции, и интерпретирует значения ее коэффициентов.
• Умеет интерпретировать модели деревьев классификации и оценивать их качество
• Умеет оценивать качество моделей многомерного шкалирования
• Умеет строить в SPSS модели многомерного шкалирования различной спецификации и сравнивать их
• Умеет строить модели деревьев классификации (CHAID, CRT,QUEST) с помощью пакета SPSS
• Формулирует содержательные задачи, для решения которых применим дискриминантный анализ

Содержание учебной дисциплины

• 3й курс. Модели деревьев классификации (деревьев решений).
• Тема 9. Дискриминантный анализ
• Зй курс. Модели многомерного шкалирования

Элементы контроля

• Дискриминантный анализ
• Деревья классификации
• Многомерное шкалирование
• Экзамен

Промежуточная аттестация

• 2024/2025 4th module
  0.2 * Деревья классификации + 0.2 * Дискриминантный анализ + 0.2 * Многомерное шкалирование + 0.4 * Экзамен

Список литературы

Рекомендуемая основная литература

• Анализ социологических данных : методология, дескриптивная статистика, изучение связей между номинальными признаками : учеб.пособие для вузов, Толстова, Ю. Н., 2000
• Маркетинговые исследования : практ. руководство, Малхотра, Н. К., 2003
• Маркетинговые исследования и эффективный анализ статистических данных : пер. с англ., Малхотра, Н. К., 2002
• Основы многомерного шкалирования : учеб. пособие для вузов, Толстова, Ю. Н., 2006

Рекомендуемая дополнительная литература

• Borg, I., & Groenen, P. J. F. (2005). Modern Multidimensional Scaling : Theory and Applications (Vol. 2nd ed). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=197369
• Kim, J., Chen, Y.-C., Balakrishnan, S., Rinaldo, A., & Wasserman, L. (2016). Statistical Inference for Cluster Trees.
• SPSS: искусство обработки информации : анализ стат. данных и восстановление скрытых закономерностей: пер. с нем., Бююль, А., 2002

Авторы

• Зангиева Ирина Казбековна
• Мхитарян Тамара Арменовна
• Воронина Наталья Дмитриевна
• Андреева Дарья Александровна