Analýza dat – kvantitativní výzkum
doc. Mgr. Stanislav Ježek, Ph.D.
Analýza dat – kvantitativní výzkum

Charakteristika předmětu

Cílem předmětu je obnovit, upevnit či získat statistické poznatky, které jsou předpokladem pro samostatnou výzkumnou práci, kritické čtení odborných publikací a další vzdělávání v analýze dat. Předmět přepokládá předchozí statistické znalosti a rozšiřuje tak, aby byly v současné době prakticky použitelné, aktuální. Vedle porozumění základním klíčovým pojmům a myšlenkám popisné a induktivní statistiky, kurz zahrnuje i řešení praktických otázek analýzy dat. Jádrem kurzu je poskytnutí přehledu o paletě lineárních modelů s manifestními i latentními proměnnými používanými napříč psychologickými disciplínami. Kurz předpokládá různou úroveň vstupních znalostí a analytických zkušeností. Předpokladem je schopnost studia v angličtině a přístup k počítači R (případně SPSS). 

Výstupem kurzu je orientace v široké paletě statistických modelů, v jejich užití, interpretaci, silných a slabých stránkách a schopnost vybrané analýzy samostatně realizovat.

 

Předpoklady

Kurz předpokládá zvládnutí základů statistické analýzy dat v psychologii či sociálních vědách v rozsahu bakalářského studia. To zahrnuje popisné statistiky, popis vztahů mezi proměnnými, základy statistické indukce a zvládnutí základních lineárních modelů - analýzy rozptylu a lineární regrese.

Výuka

Předmět nemá pravidelnou výuku. K jednotlivým tématům je stanovena studijní literatura, kterou je vhodné doplnit osobními konzultacemi.

 

Tematické okruhy

1.       Teoretická témata

  • a.       Pravděpodobnostní rozložení  [B kap 2]
  • b.       Statistické usuzování
    • i.      Intervaly spolehlivosti  [B kap 3, H6]
    • ii.      Testy signifikance  [B kap 4, H7]
    • iii.      Alternativy ke „klasickým“ postupům statistického usuzování  [B kap 11]
  • c.       Velikost účinku, stanovení potřebné velikosti vzorku – síla testu, replikabilita…  [B kap 7, 8, online supplement 3]

 2.       Praktické problémy

  • a.       Správa dat a práce se „špinavými“ daty  [B kap 9, 10]
  • b.       Analýza s chybějícími daty  [B Online supplement 2]

 3.       Univariační analýzy – modely predikující různými způsoby jednu závislou proměnnou

  • a.       Statistický model  [B kap 12]
  • b.       Lineárně regresní model  [B kap 12]
  • c.       Analýza rozptylu jako specifická parametrizace lineárně regresního modelu  [B kap 13]
  • d.       Interakce a kontrasty v lineárním modelu  [B kap 14, 15]
  • e.       Generalizovaný lineární model – diskrétní a nonnormálně rozložené závislé proměnné  [B kap 17, PB]
  • f.        Víceúrovňový lineární model  [B kap 18]

4.       Analýzy s latentními proměnnými – modely vztahů mezi manifestními proměnnými využívající latentní proměnné [Kline]

  • a.       Konfirmační faktorová analýza
  • b.       Explorační faktorová analýza
  • c.       Strukturní model

Požadavky na ukončení kurzu

Ústní zkouška v podobě diskuze publikované analýzy – její interpretace, kritické zhodnocení a formulování alternativních modelů.

Termín zkoušky je vhodné domluvit na začátku semestru.

Literatura

[B] Baguley, T. (2012). Serious stats: A guide to advanced statistics for the behavioral sciences. Palgrave Macmillan, spolu s pěti online supplements. Tato učebnice je moderní rekapitulací základů aplikované statistiky. Má podporu pro uživatele R i SPSS. 

Online supplement 2: 

Online supplement 3: https://is.muni.cz/auth/el/fss/jaro2022/PSYd0028/um/9780230_577183_03_sup03.pdf

Kline, R. B. (2015). Principles and Practice of Structural Equation Modeling, 4th Ed. Guilford Press.

Alternativní zdroje:

Field, A.: Discovering statistics using SPSS, 5th Ed. Sage, 2018

Hair, Black, Babin, Anderson (2014): Multivariate data analysis, 7th Ed. Pearson.

[H] Huck, S. (2012). Reading statistics and research, 6th Ed. Pearson. Učebnice pokrývající většinu témat s tím, že její hlavní zaměření je na porozumění statistice z perspektivy čtenáře, konzumenta článků. Je také o jeden stupeň více začátečnická než Baguley.

[PB] Pekár, S. & Brabec M. (2020). Moderní analýza biologických dat. Zobecněné lineární modely v prostředí R. Masarykova univerzita. Moderní učebnice v češtině pro uživatele R. 

Previous
Next