Программа курса по количественному анализу данных в гу-вшэ




Скачать 38.21 Kb.
НазваниеПрограмма курса по количественному анализу данных в гу-вшэ
Дата конвертации25.10.2012
Размер38.21 Kb.
ТипПрограмма курса
(Краткая) программа курса по количественному анализу данных в ГУ-ВШЭ

А.Р. Бессуднов, DPhil candidate, Department of Sociology, Oxford University

Задачей курса является знакомство слушателей с некоторыми практическими приемами анализа данных опросов. В центре внимания находятся два наиболее популярных метода статистического анализа – линейная и логистическая регрессия. Несмотря на то, что эти методы входят в любой начальный курс по эконометрике/статистическим методам в социологии, зачастую начинающие пользователи делают ошибки в применении этих методов, интерпретации статистического вывода, а также забывают о допущениях, лежащих в основе статистических моделей. Предполагается, что большинство слушателей уже знакомы с методами линейной и логистической регрессии, однако хотят расширить свои знания этих методов и получить практические навыки их применения. Помимо этого, в курсе предлагается введение в многоуровневое моделирование и анализ панельных данных (регрессии с фиксированными и случайными эффектами). Описание методов сопровождается большим количеством примеров из реально проведенных исследований. Также дается обзор данных основных опросов, проведенных в России и другими странами, и приводятся практические советы по работе с данными. Программное обеспечение, необходимое для курса, - статистический пакет Stata.

День 1. Основы работы со Stata.

  • Чем Stata отличается от SPSS и почему большинство экономистов и социологов предпочитают работать в Stata?

  • Общий обзор Stata.

  • Организация данных в Stata.

  • Команды описательной статистики. Некоторые советы по использованию описательной статистики.

  • Графические возможности Stata. Как и зачем использовать графики в научных публикациях?

  • Документирование исследовательского проекта. Do- и log-файлы.

  • Дополнительные возможности Stata.


День 2. Множественная линейная регрессия.


  • Основные принципы многомерной статистики. Возможные типы связей между переменными.

  • Зачем применяется линейная регрессия? В каких случаях можно, а в каких нельзя применять этот метод.

  • Обзор теории (повторение).

  • Корректная интерпретация регрессионных коэффициентов. Стандартизация коэффициентов.

  • Интерпретация коэффициента детерминации R-квадрат и коэффициента корреляции. Возможные ошибки в интерпретации.

  • Фиктивные переменные: использование номинальных предикторов в линейной регрессии. Выбор базовой категории.

  • Мультипликативные эффекты второго и третьего уровней и их интерпретация.

  • F-тест и его применение для тестирования гипотез.

  • Допущения линейной регрессии и их нарушение.

  • Диагностика выбросов.

  • Гетероскедастичность и нелинейные связи.

  • Мультиколлинеарность.

  • Робастные стандартные ошибки и метод взвешенных наименьших квадратов (WLS).

  • Как корректно привести результаты регрессии в научной публикации.

  • Графическое отображение результатов регрессионного анализа.


День 3. Множественная логистическая регрессия.


  • Почему модель линейной регрессии не применима в случаи дихотомических зависимых переменных?

  • Понятия шансов и отношения шансов. Связь вероятности и шансов.

  • Корректная интерпретация результатов логистической регрессии: от коэффициентов к отношениям шансов и вероятностям.

  • Использование команд prvalue, prchange, prtab и prgen для интерпретации результатов логистической регрессии.

  • Использование пакета Vibl для графического анализа результатов логистической регрессии. Другие способы визуализации результатов.

  • Тест отношения правдоподобия и тест Вальда.

  • Диагностика логистической регрессии. Информационные критерии.

  • Логистическая регрессия для номинальных зависимых переменных.

  • Логистическая регрессия для порядковых зависимых переменных.


День 4. Введение в многоуровневый анализ данных.


  • Зачем нужны многоуровневые модели и в чем их преимущество?

  • Дисперсионный анализ в случае многоуровневых моделей.

  • Модели со случайной константой (random intercept).

  • Модели со случайным углом наклона регрессионной линии (random slope).

  • Модели со случайными и фиксированными эффектами.

  • Многоуровневые модели для дихотомических зависимых переменных.

  • Интерпретация многоуровневых моделей.

  • Анализ панельных данных.


День 5. Основные базы данных опросов.


  • Типы опросов. Кросс-секционный и панельный дизайн.

  • Важность вероятностной выборки.

  • Кросс-национальные опросы: ISSP и ESS.

  • Панельные опросы в России: RLMS и Russet study.

  • Особенности панельных опросов.

  • Некоторые другие опросы: BHPS и GSS.

  • Использование данных переписей.

  • Практически советы по статистической обработке данных опросов.

  • Упражнения с данными.


Некоторая литература

Agresti A., Finley B. (2009). Statistical Methods for the Social Sciences.

Treiman D. (2009). Quantitative Data Analysis. Doing Social Research to Test Ideas.

Long J.S., Freese J. (2006). Regression Models for Categorical Dependent Variables Using Stata.

Rabe-Hesketh S., Skrondal A. (2005). Multilevel and Longitudinal Modeling Using Stata.

Gelman A., Hill J. (2007). Data Analysis Using Regression and Multilevel/Hierarchical Models.

Добавить в свой блог или на сайт

Похожие:

Программа курса по количественному анализу данных в гу-вшэ icon2 “Определение качества кулинарных изделий” предназначена для того, чтобы научить учащихся проводить несложные опыты по качественному и количественному анализу пищевого сырья, полуфабрикатов и готовых изделий
Продолжительность курса –34 часа (1час в неделю). Имеет прикладное, практическое значение, насыщен экспериментальным материалом,...

Программа курса по количественному анализу данных в гу-вшэ iconЗадача курса
В. В. Радаева. Программа адаптирована в соответствии с требованиями организации учебного процесса в гу вшэ и базовым учебным планом...

Программа курса по количественному анализу данных в гу-вшэ iconЛабораторные работы по качественному и количественному анализу
Лечебное дело”, “Экология и природопользование”, “Экология”, “Природопользование”, “Геология и разведка месторождений полезных ископаемых”,...

Программа курса по количественному анализу данных в гу-вшэ iconБюллетень новых поступлений за март 2012г
Задачник по количественному анализу : учебное пособие для химических и химико-технологических вузов и факультетов / А. П. Мусакин...

Программа курса по количественному анализу данных в гу-вшэ icon2010 Борис Григорьевич Миркин Профессор Кафедра анализа данных и искусственного интеллекта гу-вшэ москва РФ
Развитие баз данных и знаний

Программа курса по количественному анализу данных в гу-вшэ iconБаза данных для быстрой классификации белков по данным рентгеновского малоулового рассеяния
Мур с базой данных, содержащей около1500 кривых рассеяния известными структурами. Возможности метода иллюстрируются его применением...

Программа курса по количественному анализу данных в гу-вшэ iconПрограмма дисциплины «Центры обработки данных в современной информационной инфраструктуре» для студентов 1 курса направления 080500. 68 «Бизнес-информатика»
Ниу вшэ. Она входит в вариативную часть профессионального цикла, определяющего магистерскую программу, и читается во втором семестре...

Программа курса по количественному анализу данных в гу-вшэ iconВысшая школа экономики
Программа предназначена для студентов II курса, продолжающих изучение английского языка в бакалавриате гу-вшэ. Основой для работы...

Программа курса по количественному анализу данных в гу-вшэ iconМодели данных и принципы разработки информационных систем (сдм. 02)
Цель курса – закрепление теоретических знаний по моделированию данных, практических навыков логического проектирования баз данных...

Программа курса по количественному анализу данных в гу-вшэ iconПрограмма дисциплины «Базы данных» для направления 080100. 62 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов всех факультетов ниу вшэ....


Разместите кнопку на своём сайте:
lib.convdocs.org


База данных защищена авторским правом ©lib.convdocs.org 2012
обратиться к администрации
lib.convdocs.org
Главная страница