„Duomenų analizė naudojant IBM SPSS Statistics“ - kursas 42 000 RUB. iš MSU, mokymai (2 mėn.), data 2023 m. gruodžio 3 d.

ekonomikos mokslų daktaras, Maskvos valstybinio universiteto Ekonomikos fakulteto profesorius, kiekybinių tyrimų specialistas m. socialinėje srityje, daugiau nei 30 mokslinių projektų vadovas, turi patirties dėstydamas analitinius kursus Nacionaliniame tyrimų universitete HSE, REU im. V.G. Plekhanovas.

El. paštas: [apsaugotas el. paštas]

1 Atrankinių gyventojų apklausų esmė ir pagrindinės kryptys. Specialių PPP panaudojimo galimybės imtinių tyrimų duomenims apdoroti

Kiekybinės informacijos rinkimo metodai. Pavyzdiniai tyrimai. Socialinių ir demografinių tyrimų pavyzdžiai Rusijoje. Pagrindinės statistinės programinės įrangos paketai socialiniams tyrimams. Specialios programinės įrangos (Statistica, SPSS) funkcijos apdorojant pavyzdinių tyrimų duomenis. Struktūra, SPSS moduliai. Duomenų apdorojimo sritys. Duomenų paruošimas. Duomenų įvedimas ir išsaugojimas. Matavimo skalės (kiekybinės, eilės, vardinės). Svarstyklių savybės ir leistinos transformacijos. Duomenų skirstymo į kategorijas tipai.

2 Duomenų paruošimas. Duomenų parinkimas ir modifikavimas

Stebėjimų atranka. Rūšiuoti pastebėjimus. Stebėjimų skirstymas į grupes. Duomenų modifikavimas. Naujų kintamųjų skaičiavimas. Naujų kintamųjų skaičiavimas pagal tam tikras sąlygas. Sąlygų formulavimas. Duomenų agregavimas. Rangų transformacijos. Korpuso svarmenys. Duomenų spragų susidarymo priežastys ir mechanizmai. Galimybė nepaisyti praleidimų. Trūkstamų reikšmių užpildymo būdai. Anomalinių verčių nustatymo metodai. Patikimų vertinimo procedūrų taikymas. Kelių atsakymų analizė

3 Aprašomoji statistika. Nenumatytų atvejų lentelės

Statistikos vaidmuo apdorojant imtinių tyrimų rezultatus. Mikro ir metaduomenys. Matematinių ir statistinių metodų taikymo sritys ir taikymo ribos. Pastebėjimų santrauka. Aprašomoji statistika. Vienamačiai skirstiniai. Variacijos rodikliai. Sklaida, variacijos diapazonas, vidutinis absoliutus nuokrypis, kvantilių diapazonai. Nenumatytų atvejų lentelių konstravimas. Nenumatytų atvejų lentelių grafinis vaizdavimas.

4 Parametriniai ir neparametriniai testai

Ryšio tarp charakteristikų analizė. Kintamųjų nepriklausomumas. Pagrindinės bendravimo savybės. Neparametriniai ir parametriniai testai. Nepriklausomybės testas (tinkamumo testas χ2). Dviejų ir kelių imčių (priklausomų ir nepriklausomų) palyginimas. t testas. Statistiniai nenumatytų atvejų lentelių testai. Koreliacijos koeficientai (vardinėms ir reitinginėms skalėms). Kintamųjų ryšio glaudumo matai. Paprasčiausi ryšio glaudumo matai (dichotominiams kintamiesiems). Lentelių su eiliniais duomenimis ryšio matai. Kendal t matai ir jų savybės. Somerso d-priemonės. Goodman-Kruskal matas ir jo savybės. Dispersijos analizė

5 Koreliacinė ir regresinė analizė

Koreliacinės analizės esmė ir tikslai. Sklaidos diagramos. Poriniai koreliacijos koeficientai. Statistinio ryšio artumo laipsnio matavimas, „išvalytas“ nuo pašalinių charakteristikų įtakos, naudojant dalinės koreliacijos koeficientus. Ženklų santykio reikšmės tikrinimas. Koreliacijos koeficientų pasitikėjimo intervalai. Daugialypis koreliacijos koeficientas. Determinacijos koeficientas. Dvimatės regresinės analizės modelis: tiesinės ir netiesinės regresijos modeliai. Prognozavimo problemų augimo kreivės, „fiktyvi“ kintamieji ir jų taikymas. Daugialypės tiesinės regresijos modelis. Netiesinė regresija (dvejetainė logistinė regresija, daugianarė logistinė regresija, eilinė regresija, probitų analizė, kreivės pritaikymas).

6 Matmenų mažinimo metodai

Statistinis metodas pagrindinio komponento metodu. Pagrindinių komponentų skaičiavimas ir grafinis jų interpretavimas. Sumažintos funkcijų erdvės informacijos turinys. Pagrindinių komponentų regresija. Neparametrinių metodų vaidmuo ir vieta struktūriniame modeliavime. Hierarchinė klasterių analizė. Funkcijų erdvės metrika. Atstumo tarp objektų grupių matavimo principai. Greitos klasterinės analizės algoritmai, k-means metodas. Dviejų etapų klasterių analizė. Tikslų medžio kūrimas