“Analisis data menggunakan IBM SPSS Statistics” - kursus RUB 42.000. dari MSU, pelatihan (2 bulan), tanggal 3 Desember 2023.
Miscellanea / / December 06, 2023
Dalam bentuk yang sangat ringkas, kursus ini merupakan bagian dari kursus pembelajaran jarak jauh yang populer “Bagaimana melakukan penelitian ilmiah: metodologi, alat, metode” dari Universitas Terbuka E. Foundation. Gaidar (sekitar 2 ribu. pendengar per tahun). Fakultas Ekonomi Universitas Negeri Moskow memberikan kesempatan kepada mahasiswa untuk menggunakan kelas komputer yang dilengkapi dengan SPSS yang diinstal pelajari secara rinci metode bekerja dengan data secara tatap muka dengan seorang guru, kerjakan program dengan "tangan" Anda sendiri SPSS. Dimungkinkan untuk bekerja tidak hanya dengan database yang diusulkan oleh guru, tetapi juga dengan data siswa; guru akan memberi nasihat tentang metode apa dan bagaimana menggunakannya untuk menganalisis data Anda.
Kursus ini telah diuji di Universitas Terbuka E. Foundation. Gaidar.
Doktor Ekonomi, Profesor Fakultas Ekonomi Universitas Negeri Moskow, spesialis penelitian kuantitatif di bidang sosial, pemimpin lebih dari 30 proyek penelitian, memiliki pengalaman mengajar kursus analitis di National Research University HSE, REU im. VG Plekhanov.
Surel: [dilindungi email]
1 Hakikat dan arahan utama survei sampel populasi. Kemungkinan menggunakan KPS khusus untuk memproses data sampel survei
Metode pengumpulan informasi kuantitatif. Studi sampel. Contoh survei sosio-demografis di Rusia. Paket perangkat lunak statistik dasar untuk penelitian sosial. Fungsi software khusus (Statistica, SPSS) dalam mengolah data hasil studi sampel. Struktur, modul SPSS. Bidang pemrosesan data. Persiapan data. Memasukkan dan menyimpan data. Skala pengukuran (kuantitatif, ordinal, nominal). Sifat-sifat skala dan transformasi yang diizinkan. Jenis kategorisasi data.
2 Persiapan data. Pemilihan dan modifikasi data
Pemilihan observasi. Menyortir observasi. Membagi pengamatan menjadi beberapa kelompok. Modifikasi data. Perhitungan variabel baru. Perhitungan variabel baru menurut kondisi tertentu. Perumusan kondisi. Agregasi data. Transformasi peringkat. Bobot kasus. Alasan dan mekanisme yang menimbulkan kesenjangan data. Kemungkinan mengabaikan kelalaian. Metode untuk mengisi nilai yang hilang. Metode untuk mengidentifikasi nilai-nilai anomali. Penerapan prosedur penilaian yang kuat. Analisis Respon Berganda
3 Statistik deskriptif. Tabel kontingensi
Peran statistik dalam mengolah hasil survei sampel. Mikro dan metadata. Area penerapan dan batasan penerapan metode matematika dan statistik. Ringkasan observasi. Statistik deskriptif. Distribusi univariat. Indikator variasi. Dispersi, rentang variasi, deviasi absolut rata-rata, rentang kuantil. Konstruksi tabel kontingensi. Representasi grafis dari tabel kontingensi.
4 Uji parametrik dan non parametrik
Analisis hubungan antar karakteristik. Independensi variabel. Ciri-ciri dasar komunikasi. Tes nonparametrik dan parametrik. Uji independensi (uji kesesuaian χ2). Perbandingan dua dan beberapa sampel (tergantung dan independen). uji-t. Tes statistik untuk tabel kontingensi. Koefisien korelasi (untuk skala nominal dan rangking). Ukuran keeratan hubungan antar variabel. Ukuran kedekatan koneksi yang paling sederhana (untuk variabel dikotomis). Ukuran hubungan untuk tabel dengan data ordinal. Kendal t-ukuran dan sifat-sifatnya. Tindakan Somers. Ukuran Goodman-Kruskal dan sifat-sifatnya. Analisis varians
5 Analisis korelasi dan regresi
Hakikat dan tujuan analisis korelasi. plot sebar. Koefisien korelasi berpasangan. Mengukur derajat kedekatan suatu hubungan statistik, “membersihkan” pengaruh karakteristik asing menggunakan koefisien korelasi parsial. Memeriksa pentingnya hubungan antar tanda. Interval kepercayaan untuk koefisien korelasi. Koefisien korelasi berganda. Koefisien determinasi. Model analisis regresi dua dimensi: model regresi linier dan nonlinier. Kurva pertumbuhan dalam masalah peramalan, variabel “dummy” dan penerapannya. Model regresi linier berganda. Regresi nonlinier (regresi logistik biner, regresi logistik multinomial, regresi ordinal, analisis probit, pemasangan kurva).
6 Metode reduksi dimensi
Pendekatan statistik dalam metode komponen utama. Perhitungan komponen utama dan interpretasi grafisnya. Konten informasi dari ruang fitur yang dikurangi. Regresi komponen utama. Peran dan tempat metode nonparametrik dalam pemodelan struktural. Analisis cluster hierarki. Metrik ruang fitur. Prinsip pengukuran jarak antar kelompok benda. Algoritma untuk analisis cluster cepat, metode k-means. Analisis klaster dua tahap. Membangun pohon tujuan