ПРИЛОЖЕНИЕ 1.
АННОТАЦИИ ПРОГРАММ УЧЕБНЫХ ДИСЦИПЛИН
подготовки бакалавра по направлению 040100.62 Социология
М 1. общенаучный цикл
вариативная часть:
1.2. Статистические методы, математическое моделирование и прогнозирование в социологических исследованиях
Цели и задачи изучения дисциплины
Дисциплина предполагает формирование у студентов представлений об основных современных методах анализа данных в социальных науках; вписывание традиционных, уже знакомых слушателям методов, в более широкий контекст; выработку навыков практического применения методов и построения моделей с использованием программных пакетов; формирование умений сопоставлять эти модели с задачами конкретного исследования и правильно выбирать метод в соответствии с его целями, задачами, гипотезами и имеющимися данными; закрепление умений и навыков в области интерпретации и представления социологической информации.
Компетенции обучающегося, формируемые в результате освоения дисциплины (модуля)
В результате освоения учебной дисциплины обучающийся должен:
знать:
· современные тенденции развития анализа данных
· основные теоретические и методологические направления анализа данных, области его применения, владеть соответствующим категориальным аппаратом,
· особенности интерпретации полученной в результате анализа социологической информации,
уметь:
· уметь формализовать социальную проблему и предложить адекватные методы для ее анализа,
· осуществлять построение математических моделей средствами программных пакетов,
· представлять результаты исследований для разных аудиторий
владеть:
· навыками применения регрессионных и многомерных статистических методов анализа данных
· навыками работы с пакетом SPSS на уровне, превышающем базовый уровень использования методов простейшей дескриптивной статистики,
быть способным:
· давать объективную оценку качества результатов анализа данных;
· обобщать, анализировать и обосновывать свою позицию по вопросам выбора и осуществления различных методов анализа данных,
быть готовым:
· к решению проблем анализа информации с помощью построения математических моделей
владеть компетенциями:
Код компетенции | Наименование результата обучения |
ОК-2 | Способность использовать углубленные знания правовых и этических норм при планировании и оценке последствий своей профессиональной деятельности, при разработке и осуществлении социально значимых проектов |
ОК-5 | Умение работать самостоятельно и в коллективе, навыки руководства коллективом |
ОК-8 | Способность к самостоятельному обучению новым методам исследования, к изменению научного и научно-производственного профиля своей профессиональной деятельности |
ОК-9 | Способность собирать, обрабатывать и интерпретировать с использованием современных информационных технологий данные, необходимые для формирования суждений по соответствующим социальным, научным и этическим проблемам |
ПК-1 | Способность и умение самостоятельно использовать знания и навыки по философии социальных наук, новейшим тенденциям и направлениям современной социологической теории, методологии и методам социальных наук применительно к задачам фундаментального или прикладного исследования социальных общностей, институтов и процессов, общественного мнения; |
ПК-2 | Способность самостоятельно формулировать цели, ставить конкретные задачи научных исследований в различных областях социологии и решать их с помощью современных исследовательских методов с использованием новейшего отечественного и зарубежного опыта и с применением современной аппаратуры, оборудования, информационных технологий |
ПК-3 | Способность осваивать новые теории, модели, методы исследования, навыки разработки новых методических подходов с учетом целей и задач исследования |
ПК-4 | Способность и готовность профессионально составлять и оформлять научно-техническую документацию, научные отчеты, представлять результаты исследовательской работы с учетом особенностей потенциальной аудитории |
ПК-6 | Умение использовать социологические методы исследования для изучения актуальных социальных проблем, для идентификации потребностей и интересов социальных групп |
ПК-7 | Способность самостоятельно разрабатывать основанные на профессиональных социологических знаниях предложения и рекомендации по решению социальных проблем, а также разрабатывать механизмы согласования интересов социальных групп и общностей |
ПК-9 | Умение обрабатывать и анализировать данные для подготовки аналитических решений, экспертных заключений и рекомендаций |
ПК-10 | Способность и готовность к планированию и осуществлению проектных работ в области изучения общественного мнения, организации работы маркетинговых служб, проведения социальной экспертизы политических и научно-технических решений |
Краткое содержание.
Принципы и этапы математического моделирования. Типы моделей и типы данных. Теоретические основы многомерного статистического анализа, его место в социально-экономических исследованиях. Особенности обработки многомерных статистических данных. Сущность и назначение дескриптивной статистики. Краткий обзор организации данных в SPSS. Работа с переменными, работа с данными, работа с файлами. Сущность проблемы пропущенных значений. Содержательные подходы к восстановлению пропусков и типы пропущенных значений (миссингов) в SPSS. Перевзвешивание: коррекция при отсутствии репрезентативности. Частотные таблицы, вывод статистических характеристик, дескриптивные статистики. Анализ множественных ответов. Проверка закона распределения. Вычисление характеристик. Общие правила проверки статистических гипотез. Создание таблиц сопряженности. Коэффициенты связи для номинальных переменных: коэффициент c2, коэффициенты связи, основанные на c2, коэффициенты связи, основанные на прогнозе. Коэффициенты связи для порядковых переменных. Коэффициенты связи для интервальных переменных. Коэффициенты корреляции, проверка их значимости. Работа с таблицами множественных ответов. Цели применения регрессионных моделей. Парный и множественный линейный регрессионный анализ. Оценка качества построенной модели. Интерпретация коэффициентов регрессии. Детальное рассмотрение остатков. Интерпретация уравнения регрессии. Ограничения линейной регрессии. Регрессия с фиктивными переменными. Линейная регрессия и логистические регрессионные модели. Нелинейные регрессионные модели. Модели бинарного и множественного выбора. Вероятности, отношение шансов, отношения логит. Дисперсионный анализ и решаемые задачи: сравнение выборок, сравнение доверительных интервалов, испытание гипотез. Сравнение средних: сравнение двух независимых выборок, сравнение двух зависимых выборок. Т-тест и однофакторный дисперсионный анализ. Одномерный дисперсионный анализ по методу Фишера. Дисперсионный анализ Краскэла-Уоллиса. Ковариационный анализ. Сущность, типологизация и прикладная направленность задач классификации объектов. Классификация при наличии обучающих выборок (дискриминантный анализ). Параметрический дискриминантный анализ в случае нормальных классов. Дискриминантные функции и их геометрическая интерпретация. Рассчет коэффициентов дискриминантной функции. Классификация без обучения (кластерный анализ). Общая постановка задачи кластерного анализа. Общая характеристика методов кластерного анализа. Иерархический кластерный анализ. Метод k-средних. Оппозиция «явное/латентное». Основные математические методы анализа латентных признаков. Конфирматорный и эксплораторный факторный анализ как реализация различных исследовательских стратегий. Метод главных компонент. Основные понятия факторного анализа: факторные нагрузки, общность, характерность. Оценка качества модели в факторном анализе. Интерпретация факторов. Основные понятия латентно-структурного анализа в его простейшем варианте (одна номинальная латентная переменная с заданным числом значений, дихотомические вопросы в анкете). Принципы построения уравнений для нахождения латентных вероятностей. Проблема интерпретации результатов анализа. Многомерное шкалирование как метод анализа данных и его задачи. Исходные данные для многомерного шкалирования. Представление и первичная обработка статистических данных в многомерном шкалировании. Классическая модель многомерного шкалирования Торгерсона. Понятие о неметрическом многомерном шкалировании. Модели поиска индивидуальных различий. Анализ предпочтений.
