Předmět Statistická analýza dat (KAS / 7CRSA)

Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu KAS / 7CRSA - Statistická analýza dat, Fakulta sociálních studií, Ostravská univerzita v Ostravě (OU).

Materiál	Typ	Datum	Počet stažení

Obsah

1. Data pro statistickou analýzu. Hromadná data: jejich získání, výběr, měření. Proměnná: její typy, vlastnosti, měřící škály. Základní orientace v programu IBM SPSS: vnitřní prostředí programu, okna datové matice, definice jednotlivých proměnných. Způsoby plnění datové matice: tvorba nové datové matice, import dat ze souboru jiného typu, práce se systémovými soubory.2. Tvorba dotazníku pro IBM SPSS a úprava dat před analýzou. Základní typy otázek a odpovědí, práce s chybějícími údaji, navržení dotazníku, tvorba datového souboru dle dotazníkové předlohy, plnění datové matice. Úprava dat před analýzou: čištění dat, základní úkony pro prvotní úpravu dat v souboru.3. Základy jednorozměrné analýzy dat. Rozdělení četností kategorizovaných a spojitých dat a způsoby jejich znázornění. Frekvenční tabulky, grafy, míry centrální tendence a variability, grafy pro kardinální proměnnou.4. Distribuce spojité proměnné. Koncept normálního rozložení dat v souboru, testování normality rozložení dat, transformace proměnných pro docílení normality dat, další typy rozložení četností spojité proměnné.5. Statistická inference a testování hypotéz. Bodové a intervalové odhady. Testování hypotéz: statistická hypotéza a význam jejího testování, formulace statistických hypotéz, postup při testování statistických hypotéz. Transformace proměnných pro potřeby analýzy: změna pořadí kódů, reorientace škál, vytvoření nové proměnné (count, compute, if), manipulace s datovým souborem.6. Dvourozměrná analýza kategorizovaných dat a test nezávislosti. Základy bivariační analýzy, kontingenční tabulka, postup a pravidla při tvorbě kontingenční tabulky. Test nezávislosti - Pearsonův test Chí-kvadrát, jeho podstata a způsob výpočtu.7. Dvourozměrná analýza dvou skupin kategorizované proměnné a spojitých dat. Parametrické testy o srovnávání průměrů ve skupinách: jednovýběrový t-test, párový t-test, dvouvýběrový t-test.8. Dvourozměrná analýza dvou skupin kategorizované proměnné a spojitých dat. Neparametrické testy o srovnávání středních hodnot ve skupinách: neparametriccké jednovýběrové testy, neparametrické testy pro dva závislé a pro dva nezávislé výběry.9. Dvourozměrná analýza tří a více skupin kategorizované proměnné a spojitých dat. Parametrické testy o srovnávání průměrů ve skupinách: ANOVA, postup a pravidla pro její výpočet. Neparametrické testy: Kruskall-Wallisův test.10. Dvourozměrná analýza spojitých dat - korelační analýza. Obecný koncept korelační analýzy, její základní pojmy a použití. Pearsonův lineární korelační koeficient, neparametrické korelační koeficienty,11. Měření síly asociace mezi dvěma proměnnými. Způsob měření síly asociace/korelace dle jednotlivých typů proměnných a jejich koeficienty: mezi dvěma nominálními proměnnými, mezi dvěma ordinálními proměnnými, mezi dvěma kardinálními proměnnými, či mezi libovolnou dvojicí výše zmíněných variant.12. Opakování probrané látky.

Získané způsobilosti

Studující se seznámí se základy statistické analýzy dat získaných kvantitativním sociálně-vědním výzkumem. Po absolvování kurzu bude student schopen kriticky zhodnotit a správně použít základní statistické metody jednorozměrné a dvourozměrné analýzy. Bude schopen použít vhodnou metodu kvantitativní analýzy na konkrétní zadání či výzkumný soubor, osvojí si pravidla jejich vhodného použití a postupy počítačového zpracování v prostředí systému IBM SPSS. Krom osvojení si základů statistické analýzy dat je kurz zaměřen také na obecné předpoklady potřebné pro odborné zpracování výzkumného šetření. Student získá: 1. Schopnost abstraktního myšlení, analýzy a syntézy2. Schopnost aplikovat poznatky v praktických situacích3. Dovednosti při využití počítačových a komunikačních technologií4. Schopnost zabývat se výzkumem na potřebné úrovni5. Schopnost vyhledávat, zpracovávat a analyzovat informace z různých zdrojů6. Schopnost nezávislé práce

Literatura

Řezanková, H. Analýza dat z dotazníkových šetření. Praha: Professional Publishing, 2011. DISMAN, M. Jak se vyrábí sociologická znalost. Praha : SLON, 1993. Budíková, M. a kol. Průvodce základními statistickými metodami. Praha: Grada Publishing, 2010. HENDL, J. Přehled statistických metod zpracování dat : analýza a metaanalýza dat. Praha : Portál, 2004. Vondroušová, K. Využití statistické analýzy dat v sociálně vědním výzkumu. Ostrava: Ostravská univerzita v Ostravě, 2013. De Vaus, D. Analysing Social Science Data. London: SAGE Publications, 2002. Field, A. Discovering Statistics Using SPSS. London: Sage Publ, 2009. Pecáková, I. a kol. Pořizování a vyhodnocování dat ve výzkumech veřejného mínění. Praha: Oeconomica, 2004. Griffith, A. SPSS for Dummies. New Jersey: John Willey& Sons, Inc., 2010. Pallant, J. SPSS Survival Manual. Berkshire: open University Press, 2010. Pecáková, I. Statistika v terénních průzkumech. Praha: Professional Publishing, 2011. De Vaus, D. Surveys in social research. London : Unwin Hyman, 1990.

Požadavky

1. Pravidelná účast na společných přednáškách a cvičeních (s maximem 2 omluvených absencí). Vzhledem k tomu, že se jednotlivé metody statistické analýzy dokumentují na příkladech přímo ve výuce, a na probranou látku bezprostředně navazují samostatné povinné úkoly pro studenty, doporučuji pravidelnou účast na všech cvičeních! V opačném případě se student sám připravuje o správné pochopení probírané látky a osvojení si správných postupů při procesu zadávání probíraných analýz.2. Vyhotovení všech dílčích úkolů zadaných v rámci každé výukové lekce.3. V případě nesplnění požadavku na docházku či odevzdávání úkolů je student povinen absolvovat písemný test k prokázání pochopení probíraní látky.4. Úspěšné absolvování závěrečné zkoušky v podobě výpočetního testu, vypracovávaného v programu IBM SPSS. K úspěšnému zvládnutí testu je nutné získat minimálně dvě třetiny bodů - tzn. 66,6% a výše. 5. Důležité upozornění: nesplněním jednoho z dílčích požadavků z předchozích bodů 1-4 se připravíte o možnost získat zkoušku z tohoto kurzu!

Garant

RNDr. Kamila Vondroušová, Ph.D.

Vyučující

RNDr. Kamila Vondroušová, Ph.D.