załącznik 5 NOWY PROGRAM STUDIÓW 2009/2010 STANDARDOWY SYLABUS PRZEDMIOTU KIERUNKOWEGO/SPECJALNOSCIOWEGO Koordynator przedmiotu: Dr Dorota Węziak- Białowolska Sygnatura: Wykładowcy uczestniczący w opracowaniu sylabusa: 1. prof. dr hab. Janina Jóźwiak 2. prof. dr hab. Małgorzata Rószkiewicz 3. dr Dorota Węziak-Białowolska 4. 5. 6. 7. 8. 9. 10. 11. 12. Tytuł oferty Ang. Metody Statystyczne II Statistical Methods II Część A Syntetyczna charakterystyka przedmiotu (około 400 znaków): Celem przedmiotu Metody statystyczne II jest zapoznanie studentów z wybranymi metodami wielowymiarowych analiz statystycznych. Studenci zapoznawani są równieŝ z zastosowaniami praktycznymi tych metod. Wykład, prowadzony w formie akademickiej, uzupełniony jest zajęciami w laboratorium komputerowym, na których studenci rozwiązują rzeczywiste problemy z obszaru nauk społeczno-ekonomicznych analizując dane ankietowe. The aim of the course Statistical Methods II is to provide students with knowledge on multivariate statistical methods. In the course theoretical background of the methods as well as examples of their applications are presented. Class time will be spent in lectures and lab sessions. During lab sessions students have opportunity to solve real problems from the field of socio-economics. To do so they use survey data and apply multivariate statistical methods. 1
Część B Cele zajęć z przedmiotu: Kurs ma za zadanie przekazanie wiedzy teoretycznej oraz wykształcenie umiejętności praktycznego stosowania wielowymiarowych metod statystycznych do rozwiązywania rzeczywistych problemów związanych z analizą danych. W ramach zajęć studenci pracować będą na danych ankietowych, które analizować będą za pomocą wybranego pakietu statystycznego. The goal of this course is to help student to gain the background and skills enabling them to identify and address interesting research questions using appropriate statistical method. In the course students analyze real survey data. Efekty kształcenia: To stwierdzenia określające, co student powinien wiedzieć, rozumieć i/lub potrafić zrobić po zakończeniu okresu kształcenia (w ramach przedmiotu). W tych stwierdzeniach naleŝy uŝywać czasowników w stronie czynnej, odnoszącej się do wiedzy, rozumienia, praktycznego zastosowania, analizy, syntezy, oceny, itp.) Wiedza Student pozna następujące metody analizy statystycznej: 1. Metody klasyfikacji 2. Analiza klas ukrytych 3. Regresja logistyczna 4. Analiza głównych składowych 5. Analiza czynnikowa w podejściu eksploracyjnym 6. Analiza czynnikowa w podejściu konfirmacyjnym 7. Analiza rzetelności Student powinien wiedzieć, jakie moŝe być zastosowanie poszczególnych metod statystycznych w naukach społeczno-ekonomicznych Student should know theoretical background of following statistical methods: 1. Classification methods 2. Latent class analysis 3. Logistic regression 4. Principal components analysis 5. Exploratory factor analysis 6. Confirmatory factor analysis Student should know how and when to apply certain statistical method. Umiejętności Student powinien potrafić poprawnie zastosować (korzystając z wybranego pakietu statystycznego) następujące wielowymiarowe metody statystyczne: 1. Metody klasyfikacji 2. Analiza klas ukrytych 3. Regresja logistyczna 4. Analiza głównych składowych 5. Analiza czynnikowa w podejściu eksploracyjnym 6. Analiza czynnikowa w podejściu konfirmacyjnym Student powinien umieć: 1. zbudować skalę do pomiaru zjawiska nieobserwowalnego bezpośrednio 2
Inne kompetencje 2. ocenić jakość skali przeznaczonej do pomiaru zjawiska nieobserwowalnego bezpośrednio. 3. klasyfikować obiekty wielocechowe do homogenicznych grup 4. ocenić prawdopodobieństwo wystąpienia badanego zjawiska w zaleŝności od zmiennych niezaleŝnych (np. cech metryczkowych) W sytuacji gdy student korzysta z danych ankietowych powinien potrafić wybrać odpowiednią metodę statystyczną do rozwiązania konkretnego problemu w zaleŝności od rodzaju danych, którymi dysponuje. Student should be able to apply (using chosen software) following multivariate statistical methods: 1. Classification methods 2. Latent class analysis 3. Logistic regression 4. Principal components analysis 5. Exploratory factor analysis 6. confirmatory factor analysis Student should be able: 1. To create a scale/index to measure latent phenomena 2. To evaluate a quality of a scale/index designed to measure latent phenomena 3. Classify the objects into homogenous groups 4. Asses the probability of occurring certain phenomena according to independent variables. Analyzing survey data student should be able to choose appropriate statistical method to solve a problem. ( ) ( ) Część C 3
Semestralny plan zajęć: 1. Wprowadzenie do wielowymiarowej analizy statystycznej. Dane ilościowe i jakościowe. 2. Metody klasyfikacji 3. Regresja logistyczna 4. Wprowadzenie do modelowania zmiennych ukrytych 5. Analiza klas ukrytych - metody klasyfikacji i modelowanie zmiennych ukrytych - nieciągłych 6. Analiza głównych składowych 7. Analiza czynnikowa w podejściu eksploracyjnym modelowanie zmiennych ukrytych - ciągłych 8. Wstęp do modelowania równań strukturalnych na przykładzie konfirmacyjnej analizy czynnikowej modelowanie zmiennych ukrytych - ciągłych 9. Ocena jakości skali pomiarowej - analiza rzetelności, analiza trafności, analiza jednowymiarowości 1. Introduction to multivariate statistics. Quantitative and qualitative data. 2. Classification methods 3. Logistic regression 4. Introduction to latent variable modelling 5. Latent class analysis 6. Principal components analysis 7. Exploratory factor analysis 8. Structural equation modelling - confirmatory factor analysis 9. Reliability analysis, validity and unidimensionality of scale Literatura podstawowa: 1. Krzysztof Jajuga. 1993. Statystyczna analiza wielowymiarowa. Warszawa: PWN. 2. Małgorzata Rószkiewicz. 2002. Metody ilościowe w badaniach marketingowych. Warszawa: Wydawnictwa Naukowe PWN. 3. Małgorzata Rószkiewicz. 2002. Narzędzia statystyczne w analizach marketingowych. Warszawa: C.H.Beck. 4. Lanza, S. T., Flaherty, B. P., & Collins, L. M. (2003). Latent class and latent transition analysis. J. A. Schinka, & W. F. Velicer (Eds.), Handbook of Psychology: Vol. 2. Research Methods in Psychology (pp. 663-685). Hoboken, NJ: Wiley. 5. Fred C. Pampel. 2000. Logistic Regression. A primer. Sage Publications, Inc 6. David Kaplan. 2009. Structural equation modeling. Foundation and Extensions. Sage: Los Angeles, London, New Delhi, Singapore. Rozdziały 1-3. Literatura uzupełniająca: 1. Multivariate analysis: methods and applications. 1984. William R. Dillon, Matthew Goldstein. New York, N.Y. : John Wiley and Sons ( ) 4
Część D Prerekwizyt (jeśli wymagany, to nazwa przedmiotu lub rodzaj wiedzy z zakresu ): Statystyka, Metody Statystyczne I Proponowane usytuowanie przedmiotu w planie studiów: Rok studiów: I, II Semestr: letni Proponowana liczba punktów ECTS za przedmiot (w stosunku do 30 ECTS za semestr): Wymiar i forma zajęć (w godzinach) Metody zajęć: Zajęcia prowadzone są w formie wykładu akademickiego i ćwiczeń w laboratorium komputerowym. Wykorzystywane oprogramowanie to SPSS, Statistica i Excel. Ogółem Studia stacjonarne i popołudniowe 5 Propozycja dla studiów niestacj. sobniedz. Class time will be spent in lectures and lab sessions. Laboratory exercises will be assigned during all semester after the lecture; The software used in this course will be SPSS, Statistica and Excel. Kejsy Nie Wykład 7 7 Gry Nie Ćwiczenia Referaty Nie Konwersatorium Dyskusje Nie Laboratorium 8 8 Przy udziale praktyków Nie Inna forma (jaka?) Inne (jakie?) Elementy oceny końcowej (ogółem 100%), w tym: Charakterystyka wymagań w trakcie zajęć i na egzaminie końcowym: Egzamin pisemny-tradycyjny 50% Obowiązkowe obecności na zajęciach. Na Egzamin testowy Egzamin ustny Kolokwium Prace domowe, referaty 50% Ocena z ćwiczeń Inne (jakie?) ocenę końcową składa się ocena z pisemnego egzaminu końcowego oraz z prac wykonywanych na ćwiczeniach. (opis w jęz. polskim) Students are expected to attend all classes; Course grade is based equally on lab exercises and a brief writing assignment. Kryteria selekcji na zajęcia: Inne uwagi: Lista rankingowa (Tak / Nie) TAK Wielkość grupy 40 Kolejność zgłoszeń (Tak / Nie) NIE Wymóg laboratorium TAK komputerowego Ocena z prerekwizytu NIE Sala wyposaŝona w video NIE
Znajomość języka TAK język angielski ze względu na literaturę Inne (jakie?) opis w jęz. polskim) 6