WFz.D.IPs-03 Rekolekcje metodologiczne: metodologia i statystyka w praktyce dr hab. Piotr Wolski wykład monograficzny + konwersatorium (30 godzin, 3 ECTS), semestr 2, poniedziałek 17.00-20.00 (co 2 tygodnie), s. 7 WFz.D.IPs-05 Modele statystyczne w badaniach naukowych. Cz. 1. Ogólny model liniowy mgr Mariusz Trejtowicz warsztaty 30 godzin, 3 ECTS, semestr 1, sobota 9.30-13.00 i niedziela 14.00-17.30, s. 021 WFz.D.IPs-05a Modele statystyczne w badaniach naukowych. Cz. 2a. Modelowanie równań strukturalnych mgr Mariusz Trejtowicz warsztaty 30 godzin, 3 ECTS, semestr 1, sobota 9.30-13.00 i niedziela 14.00-17.30, s. 021 WFz.D.IPs-05b Modele statystyczne w badaniach naukowych. Cz. 2b. Modele dla zmiennych nominalnych i porządkowych, modele nieliniowe, modele mieszane oraz podejście bayesowskie mgr Mariusz Trejtowicz warsztaty 30 godzin, 3 ECTS, semestr 2, sobota 9.30-13.00 i niedziela 14.00-17.30, s. 021 WFz.D.IPs-06 Wprowadzenie do środowiska R dla nie-statystyków i nie-programistów mgr Mariusz Trejtowicz warsztaty 30 godzin, 3 ECTS, semestr 2, sobota 9.30-13.00 i niedziela 14.00-17.30, s. 021
dr hab. Piotr Wolski Rekolekcje metodologiczne: metodologia i statystyka w praktyce Propozycja jest odpowiedzią na zgłaszane przez doktorantów psychologii zapotrzebowanie na kurs, który stwarzałby okazję do odświeżenia i uporządkowania najważniejszych zagadnień metodologii i statystyki w kontekście realnych zastosowań w prowadzonych / planowanych badaniach. Wiele osób chciałoby też wiedzieć, czego w istocie prawdopodobieństwem jest magiczne p i dlaczego to dobrze, jeśli jest mniejsze od 0,05. Kurs odpowie na to i szereg innych fundamentalnych pytań w sposób zrozumiały dla każdego. Wiele nierozsądnych decyzji metodologicznych psychologowie podejmują w mniej lub bardziej uzasadnionym poczuciu niewystarczającej własnej kompetencji. Owo poczucie skłania ich do lękowego (czyli bezrefleksyjnego) schematyzmu. Niestety, rozpowszechniane pocztą pantoflową schematy często są w naszej dyscyplinie bardzo niedobre i wielu fachowców uważa, że powinny być jak najprędzej zmienione, bo nie mają zbyt wiele sensu. Mało kto z początkujących badaczy zdaje sobie sprawę, że nawet bardzo elementarna i fragmentaryczna wiedza metodologiczna wystarcza do samodzielnego podejmowania trafnych decyzji badawczych i interpretacyjnych, np. sensownego poradzenia sobie z odwiecznym dylematem p = 0,07 Najważniejsze z zagadnień: Planowanie eksperymentów schematy eksperymentalne a korelacyjne, poziomy pomiaru zmiennych, wyjaśnianie wariancji Statystyka opisowa miary tendencji centralnej, miary zmienności, ilustracja graficzna Korelacja, regresja, analiza czynnikowa, analiza skupień Podstawy wnioskowania statystycznego Estymacja, testy istotności, metody nieparametryczne Moc testu, wielkość efektu Psychometria, konstrukcja ankiet, kwestionariuszy, rzetelność Pakiet SPSS PC Podstawa zaliczenia: kurs kończy się oceną, której podstawą jest liczba punktów zdobytych za pracę końcową, dwie prace kontrolne, oraz obecność i aktywne uczestnictwo w zajęciach.
Modele statystyczne w badaniach eksperymentalnych. Cz. 1. Ogólny model liniowy Celem kursu jest nabycie oraz rozwój umiejętności analizy danych z wykorzystaniem ogólnego modelu liniowego (czyli analiz takich jak: ANOVA, ANCOVA, analiza regresji). Szczególny nacisk położony zostanie na typowe problemy napotykane w analizach z wykorzystaniem tych metod oraz sposoby radzenia sobie z nimi, które w pewnych sytuacjach będą oznaczały sięgnięcie po modelowanie równań strukturalnych. Warsztat obejmował będzie następujące zagadnienia: - przygotowanie danych do analiz - techniki Eksploracyjnej Analizy Danych - analiza i imputacja braków danych - eksploracja danych z wykorzystaniem analizy głównych składowych oraz analizy skupień - wprowadzenie do ogólnego modelu liniowego - wykrywania problemów związanych z wykorzystaniem ogólnego modelu liniowego, diagnostyki założeń modelu - testowania hipotez użytkownika (budowanie kontrastów) - poprawnej interpretacji wyników analiz Zajęcia przy komputerze. Praca z oprogramowaniem IBM SPSS Statistics. Zajęcia warsztatowe dopuszczać będą pracę z własnymi danymi uczestników. Uczestnicy warsztatu powinni nabyć umiejętność realizacji analizy danych z wykorzystaniem ogólnego modelu liniowego obejmującą diagnostykę modeli, interpretację wyników analiz oraz planowanie i realizację porównań pomiędzy modelami. Rezultatem warsztatu powinna być również umiejętność krytycznej analizy wyników badań Podstawowa znajomość oprogramowania IBM SPSS Statistics. Znajomość podstawowych zagadnień analiz statystycznych i interpretacji wyników analiz statystycznych. Etap 1. Opracowanie części WYNIKI artykułu naukowego z wykorzystaniem technik omawianych na zajęciach. Etap 2. Odpowiedź na recenzję artykułu. Termin: I semestr
Modele statystyczne w badaniach eksperymentalnych. Cz. 2a. Modelowanie równań strukturalnych. Celem kursu jest zapoznanie uczestnika z paradygmatem strukturalnego modelu przyczynowego jako podstawy analiz z wykorzystaniem technik modelowania strukturalnego oraz opanowanie umiejętności realizacji analiz z wykorzystaniem IBM SPSS Amos i interpretacji ich wyników. W ramach warsztatu omawiane będą podstawy analizy przyczynowej z wykorzystaniem modelowania równań strukturalnych. Zakres omawianych zagadnień będzie obejmował, m.in.: - zastosowania analizy ścieżek - analizę mediacji - przyczynową interpretację wyników modelu strukturalnego - zagadnienia dopasowania modelu strukturalnego do danych - opracowanie metod pomiarowych z wykorzystaniem eksploracyjnej i konfirmacyjnej analizy czynnikowej - modele strukturalne z pomiarami niezależnymi i skorelowanymi - interpretację składników błędu modelu - zagadnienia pracy eksploracyjnej nad modelami strukturalnymi. Zajęcia przy komputerze. Praca z oprogramowaniem IBM SPSS Statistics oraz IBM SPSS Amos. Umiejętność samodzielnej realizacji analiz z wykorzystaniem technik modelowania równań strukturalnych. Podstawowa znajomość oprogramowania IBM SPSS Statistics. Znajomość zagadnień wielowymiarowej analizy danych. Wskazane uczestnictwo w kursie Modele statystyczne w badaniach eksperymentalnych. Cz. 1. Ogólny model liniowy i modelowanie strukturalne. Etap 1. Opracowanie części WYNIKI artykułu naukowego z wykorzystaniem technik omawianych na zajęciach. Etap 2. Odpowiedź na recenzję artykułu. Termin: I semestr
Modele statystyczne w badaniach eksperymentalnych. Cz. 2b. Modele dla zmiennych nominalnych i porządkowych, modele nieliniowe, modele mieszane oraz podejście bayesowskie Podstawowym celem kursu jest rozszerzenie świadomości metodologicznej uczestników dotyczącej możliwości metod analizy danych w badaniach eksperymentalnych. Celem warsztatu będzie rozszerzenie wiedzy uczestników o możliwościach analizy danych dla takich problemów jak: - zmienna zależna jest mierzona na poziomie nominalnym lub porządkowym, np. jest to wybór jednej z wykluczających się opcji (regresja logistyczna, wielomianowa regresja logistyczna, regresja dla zmiennej porządkowej) - zmienna zależna jest liczebnością zbioru, np. liczbą wygenerowanych pomysłów w teście twórczości (model Poissona) - nieliniowy charakter związku zmiennej(-ych) niezależnych ze zmienną zależną, np. poziom wykonania zadania a pobudzenie emocjonalne (uogólniony model liniowy, modele nieliniowe) - modele z wykorzystaniem technik skalowania optymalnego - hipoteza o związku przyczynowym obserwowanym tylko w niektórych warunkach eksperymentalnych (model hierarchiczny z efektami zagnieżdżonymi) - dopuszczenie indywidualnego zróżnicowania postaci modelu pomiędzy badanymi (modele mieszane) - uwzględnienie w analizie uprzedniej wiedzy na temat badanego zjawiska (podejście bayesowskie) Zajęcia przy komputerze. Praca z oprogramowaniem IBM SPSS Statistics. Uczestnicy warsztatu rozwinąć powinni wiedzę o możliwościach analizy danych oferowanych przez modele statystyczne wykraczające poza modele typowo stosowane w psychologicznych badaniach eksperymentalnych. Rezultatem uczestnictwa w warsztacie powinna być również umiejętność interpretacji wyników badań, w których zastosowano omawiane modele, jak również przygotowanie do samodzielnego wykorzystania oprogramowania IBM SPSS Statistics w celu analizy własnych danych. Dobra znajomość oprogramowania IBM SPSS Statistics. Znajomość zagadnień wielowymiarowej analizy danych. Wskazane uczestnictwo w kursie Modele statystyczne w badaniach eksperymentalnych. Cz. 1. Ogólny model liniowy i modelowanie strukturalne. Etap 1. Opracowanie części WYNIKI artykułu naukowego z wykorzystaniem technik omawianych na zajęciach. Etap 2. Odpowiedź na recenzję artykułu. Termin: II semestr
Wprowadzenie do środowiska R dla nie-statystyków i nie-programistów Przygotowanie do wykorzystania środowiska R w zakresie obliczeń statystycznych oraz opracowywania wykresów wykraczających poza możliwości pakietów statystycznych SPSS i Statistica. Podstawowym celem kursu jest przygotowanie uczestnika nie posiadającego doświadczenia programistycznego oraz nie będącego statystykiem do wykorzystania środowiska R. Punktem wyjścia będzie nabycie umiejętności poprawnego poruszania się w środowisku R, korzystania z zasobów pomocy oraz praca z środowiskami graficznymi do obsługi R: R Commander oraz Rattle. Kolejnym krokiem będzie nabycie umiejętności realizacji analiz statystycznych dostępnych w pakietach R nie obsługiwanych przez interfejsy graficzne (np. lme4) a przydatnych w badaniach psychologicznych. Jednocześnie zaprezentowane zostaną możliwości R w zakresie graficznego obrazowania wyników analiz (w szczególności możliwości pakietu ggplot2). Zajęcia przy komputerze. Uczestnicy warsztatu powinni nabyć umiejętność pracy w środowisku R na poziomie pozwalającym na samodzielną realizację analiz statystycznych na własnych danych. Znajomość oprogramowania SPSS lub Statistica, które będą traktowane jako punkt odniesienia w pracy z R. Wskazana znajomość zagadnień wielowymiarowej analizy danych. Praca na zajęciach, praca zaliczeniowa na własnych danych. Termin: II semestr