Předmět Advanced Data Analysis in MPlus (JSM034)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu JSM034 - Advanced Data Analysis in MPlus, Fakulta sociálních věd, Univerzita Karlova v Praze (UK).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Sylabus
Obsah: 1. Úvod do práce s MPlus, srovnání s SPSS, základní části příkazů a pravidla jejich tvorby.2. Lineární regrese a předoklady modelu. Posouzení vhdonosti modelu, úpravy modelu. Práce s nominálními a ordinálními prediktory. (1. úkol)3. Logistická regrese pro binární, ordinální a nominální závisle proměnné. Kritéria pro posouzení modelu. (2. úkol)4. Censorování dat a analýza přežití.5. Úvod do modelování latetních proměnných. Rovnicová a grafická vyjádření.6. Analýza latentních tříd. Záklaldní principy, model s dichotomiemi a obecnými nominálními proměnnými. Vyhodnocení modelu, uložení třídní příslušnosti a využití pro další analýzy. (3. úkol)7. Modelu růstu s latentními proměnnými.8. Modely konfirmační faktorové analýzy a jejich analýza pomocí MPlus. Metody odhadu parametrů modelu faktorové analýzy. Testy dobré shody. (4. úkol) 9. Plně definovaný model strukturální analýzy SEM. Příklady analýzy strukturálních modelů SEM. Interpretační problémy. Pravidla pro budování SEM modelů, další možnosti uplatnění.
Literatura
Základní literatura: vše: Jan Hendl: Přehled statistických metod. Portál. 4. rozšířené vydání. 2009.SEM: Urbánek T. (2000): Strukturální modelování v psychologii. Psychologický ústav AV ČR a Nakladatelství Pavel Křepela, Brno. MPlus:Geiser, Ch. Data analysis with MPlus. Guilford Press. 2013Byrne, B. Structural equation modeling with MPlus. 2012 regrese: Hebák, P. a kol. Vícerozměrné statistické metody 2-3. Praha : Informatorium, 2004,2005. logistická regrese: Řeháková, B. (2000). "Nebojte se logistické regrese", Sociologický časopis (36), 475-492.(vše klíčové je v čítance k regresi) Elektronické zdroje: NIST/SEMATECH e-Handbook of Statistical Methods, http://www.itl.nist.gov/div898/handbook/index.htm StatSoft, Inc. (2004). Electronic Statistics Textbook. Tulsa, OK: StatSoft. http://www.statsoft.com/textbook/stathome.html Doporučená literatura SEM: Bollen, K. (1989), Structural Equations with Latent Variables, Wiley & Sons. vše: Hair J. F. a kol. (1998). Multivariate Data Analysis (5th ed.). London atd.: Prentice Hall Int. regrese: Richard A. Berk:Regression Analysis: A Constructive Critique (Advanced Quantitative Techniques in the Social Sciences). Sage. 2003 vše: Andy Field : Discovering Statistics Using SPSS (Introducing Statistical Methods S.) (3nd Edition). Sage. 2009 vše: Marija Norusis :SPSS 16.0 Statistical Procedures Companion (2nd Edition). Prentice Hall; 2 edition (February 8, 2008). vše: Marija Norusis :SPSS 17.0 Advanced Statistical Procedures Companion. Prentice Hall. 2009 logistická regrese: J Scott Long: Regression Models for Categorical and Limited Dependent Variables (Advanced Quantitative Techniques in the Social Sciences). Sage. 1997
Požadavky
V průběhu cvičení jsou zadány čtyři úkoly. Úkol musí student odeslat do 2 týdnů od zadání na cvičení. Hodnocení úkolů 0-100%. Další studijní povinností je prezentace o statistickém software či technice (témata viz přiložený soubor) vč. odkazů na literaturu (opět hodnoceno 0-100 %). Závěrečná ústní zkouška, otázka na jednu z probíraných technik, opět hodnocení 0-100%.celkové hodnocení: vážený výsledek. Každý úkol má váhu 10 %, prezentace 20 % a ústní zkouška 40 %. Student musí získat min. 1% z každé části. Hodnocení známkami:85-100 % 1, 70-84 % 2, 51 - 69 % 3, méně než 51 % 4.
Garant
PhDr. Mgr. Ing. Petr Soukup