“Análisis de datos con IBM SPSS Statistics” - curso 42.000 rublos. de MSU, formación (2 meses), fecha 3 de diciembre de 2023.
Miscelánea / / December 06, 2023
De forma muy condensada, este curso forma parte del popular curso a distancia “Cómo hacer investigación científica: metodología, herramientas, métodos” de la E. Foundation Open University. Gaidar (alrededor de 2 mil. oyentes por año). La Facultad de Economía de la Universidad Estatal de Moscú ofrece a los estudiantes la oportunidad de utilizar una clase de informática equipada con SPSS instalado Estudie en detalle los métodos de trabajo con datos cara a cara con un profesor, trabaje con el programa con sus propias "manos". SPSS. Es posible trabajar no sólo con bases de datos propuestas por el profesor, sino también con datos de los estudiantes, el profesor le aconsejará qué métodos y cómo utilizar para analizar sus datos.
Este curso ha sido probado en la Universidad Abierta de la Fundación E. Gaidar.
Doctor en Economía, Profesor de la Facultad de Economía de la Universidad Estatal de Moscú, especialista en investigación cuantitativa en ámbito social, líder de más de 30 proyectos de investigación, tiene experiencia impartiendo cursos analíticos en la Universidad Nacional de Investigación HSE, REU im. V.G. Plejánov.
Correo electrónico: [correo electrónico protegido]
1 La esencia y direcciones principales de las encuestas de población por muestreo. Posibilidades de utilizar PPP especiales para procesar datos de encuestas por muestreo
Métodos de recogida de información cuantitativa. Estudios de muestra. Muestras de encuestas sociodemográficas en Rusia. Paquetes de software estadístico básico para la investigación social. Funciones de software especial (Statistica, SPSS) en el procesamiento de datos de estudios de muestra. Estructura, módulos SPSS. Áreas de procesamiento de datos. Preparación de datos. Introducir y guardar datos. Escalas de medida (cuantitativa, ordinal, nominal). Propiedades de las escalas y sus transformaciones permitidas. Tipos de categorización de datos.
2 Preparación de datos. Selección y modificación de datos.
Selección de observaciones. Clasificación de observaciones. Dividir las observaciones en grupos. Modificación de datos. Cálculo de nuevas variables. Cálculo de nuevas variables según determinadas condiciones. Formulación de condiciones. Agregación de datos. Transformaciones de rango. Pesos de cajas. Razones y mecanismos para generar lagunas de datos. Posibilidad de ignorar omisiones. Métodos para completar valores faltantes. Métodos para identificar valores anómalos. Aplicación de procedimientos de evaluación robustos. Análisis de respuestas múltiples
3 Estadísticas descriptivas. Tablas de contingencia
El papel de las estadísticas en el procesamiento de los resultados de encuestas por muestreo. Micro y metadatos. Áreas de aplicación y límites de aplicabilidad de los métodos matemáticos y estadísticos. Resumen de observaciones. Estadísticas descriptivas. Distribuciones univariadas. Indicadores de variación. Dispersión, rango de variación, desviación media absoluta, rangos cuantiles. Construcción de mesas de contingencia. Representación gráfica de tablas de contingencia.
4 Pruebas paramétricas y no paramétricas
Análisis de la relación entre características. Independencia de variables. Características básicas de la comunicación. Pruebas no paramétricas y paramétricas. Prueba de independencia (prueba de bondad de ajuste χ2). Comparación de dos y varias muestras (dependientes e independientes). prueba t. Pruebas estadísticas para tablas de contingencia. Coeficientes de correlación (para escalas nominales y de clasificación). Medidas de la cercanía de la relación entre variables. Las medidas más simples de cercanía de la conexión (para variables dicotómicas). Medidas de relación para tablas con datos ordinales. Medidas t de Kendal y sus propiedades. Medidas d de Somers. Medida de Goodman-Kruskal y sus propiedades. Análisis de variación
5 Análisis de correlación y regresión
La esencia y objetivos del análisis de correlación. Gráfico de dispersión. Coeficientes de correlación pareados. Al medir el grado de cercanía de una relación estadística, se “elimina” la influencia de características extrañas mediante coeficientes de correlación parcial. Comprobando el significado de la relación entre signos. Intervalos de confianza para coeficientes de correlación. Coeficiente de correlación múltiple. Coeficiente de determinación. Modelo de análisis de regresión bidimensional: modelos de regresión lineal y no lineal. Curvas de crecimiento en problemas de previsión, variables “dummy” y sus aplicaciones. Modelo de regresión lineal múltiple. Regresión no lineal (regresión logística binaria, regresión logística multinomial, regresión ordinal, análisis probit, ajuste de curvas).
6 métodos de reducción de dimensionalidad
Enfoque estadístico en el método de componentes principales. Cálculo de componentes principales y su interpretación gráfica. Contenido de información del espacio de funciones reducido. Regresión de componentes principales. El papel y el lugar de los métodos no paramétricos en el modelado estructural. Análisis de conglomerados jerárquicos. Métricas del espacio de características. Principios de medición de distancias entre grupos de objetos. Algoritmos para análisis rápido de conglomerados, método k-medias. Análisis de conglomerados en dos etapas. Construyendo un árbol de objetivos