Правительство Российской Федерации
Государственный университет –
Высшая школа экономики
Факультет БИЗНЕС-ИНФОРМАТИКИ
Программа дисциплины
Прикладной экономический анализ на основе пакетов программ SPSS, STATA
(1-я часть-SPSS)
для направления 080100.62 "Экономика"
подготовки бакалавра экономики
Автор программы к. т.н. доцент ibes@hse.ru
Рекомендована секцией УМС
по бизнес-информатике
Председатель
______________________________
«_____» _________________ 2009 г.
Утверждена Ученым Советом
факультета Бизнес-информатики
Ученый секретарь
________________________
«_____» _________________ 2009 г.
Одобрена на заседании кафедры
Архитектуры программных систем
Зав. кафедрой
_________________________________
«____»_____________________ 2009 г.
Москва 2009
I. Пояснительная записка
Автор программы:
к. т.н., доцент
Общие сведения об учебном курсе:
дисциплина читается студентам факультета экономики ГУ-ВШЭ. Она входит в блок факультативных дисциплин, определяющих бакалаврскую программу, и читается во втором модуле четвертого года обучения. Продолжительность курса составляет 16 аудиторных учебных часов практических занятий и 38 часов самостоятельной работы. Рубежный контроль –контрольная работа в виде практического задания на компьютере.
Аннотация
Курс ориентирован на овладение приемами анализа статистических данных с помощью пакета SPSS для решения задач прикладного экономического анализа.
Требования к студентам
Приступая к изучению дисциплины, студент должен быть знаком:
· с основами математической статистики и теории вероятностей. Данный курс не заменяет стандартного курса статистики;
· иметь базовые знания пакета Excel.
Цель изучения дисциплины:
1) познакомить студентов с основными понятиями и областью применения системы SPSS;
2) дать целостное представление о возможностях анализа данных в системе SPSS;
3) научить основам работы с различными типами исходной информации, исследованию взаимосвязей между данными и проведению анализа данных.
Учебная задача дисциплины
В результате изучения дисциплины слушатель должен
1) иметь представление о возможностях пакета SPSS в части решения задач с использованием различных методов статистического анализа;
2) знать способы анализа статистических данных с помощью регрессионного, кластерного и факторного анализа данных;
3) уметь самостоятельно проводить обработку информации для дальнейшей работы с ней в SPSS и анализировать скрытые закономерности в данных;
4) обладать навыками работы в SPSS для решения проблем, возникающих при проведении анализа информации.
II. Тематический план учебной дисциплины
Номера и наименования тем | Всего часов | Аудиторные занятия | Самост. работа | ||
Лекции | Практическ. занятия | Всего учебных часов | |||
Тема 1. Характеристика SPSS. Подготовка данных к анализу. Редактирование данных. Импорт данных в SPSS из других программ. Описательные статистики. | 12 | 4 | 4 | 8 | |
Тема 2. Исследование взаимосвязей между данными. Проверка гипотез. | 12 | 4 | 4 | 8 | |
Тема 3. Регрессионный анализ данных. | 16 | 4 | 4 | 12 | |
Тема 4. Факторный анализ данных. Кластерный анализ данных | 14 | 4 | 4 | 10 | |
Итого часов | 54 | 16 | 16 | 38 |
III. Базовый учебник (и) основная литература
Базовой учебник
Основная литература
Крыштановский социологических данных с помощью пакета SPSS - М.: Изд. дом ГУ ВШЭ, 2006. Дубнов статистической информации с помощью SPSS. –М.: NT Press, 2004. , Макаров данных на компьютере 3-е изд., перераб. и доп. - М.:"Инфра-М", 2003.IV. Формы контроля
Текущий контроль
- Работа на практических занятиях (выполнение заданий на компьютере)
Промежуточный контроль
- контрольная работа в виде практического заданияна 2 акад часа
Структура итоговой оценки по учебной дисциплине:
Формы работы | Вклад в итоговую оценку 1-ой части (%) |
Работа на практических занятиях | 20 |
Контрольная работа | 20 |
V. Содержание программы
Тема 1. Характеристика SPSS. Подготовка данных к анализу. Редактирование данных. Импорт данных в SPSS из других программ. Описательные статистики..
♦ Содержание темы:
· Назначение и оболочка SPSS.
· Состав пакета, учебник, система помощи.
· Содержание и разделы главного меню.
· Окна вывода, окно редактирования данных.
· Панели инструментов.
· Характеристика диалоговых окон.
· Набор статистических методов, типы графиков.
· Сбор данных.
· Выборка. Влияние объемов выборки на точность оценки.
· Подготовка данных к обработке: кодирование и кодировочные таблицы, создание матриц данных.
· Типы переменных.
· Загрузка данных в систему.
· Ввод данных, экспорт данных их других систем.
· Обнаружение ошибок ввода.
· Проверка данных на состоятельность.
· Модификация данных: вычисление переменных, аггрегирование данных, ранговые преобразования.
· Исследование данных и их свойств: мода, медиана, математическое ожидание, дисперсия и стандартное отклонение, вариации и формы распределения.
Тема 2. Исследование взаимосвязей между данными. Проверка гипотез.
♦ Содержание темы:
· Разведочный анализ.
· Сравнение средних.
· Таблица сопряженности.
· Анализ множественных ответов. Непараметрические тесты.
· Измерение линейных связей, парная и частная корреляция.
Тема 3. Регрессионный анализ данных
♦ Содержание темы:
· Непараметрические тесты
· Простая линейная регрессия.
· Множественная регрессия. Результаты множественной регрессии.
· Остатки и выбросы.
· Нелинейная регрессия.
· Бинарная логистическая регрессия.
· Мультиномиальная логистическая регрессия.
Тема 4. Факторный анализ данных. Кластерный анализ данных
♦ Содержание темы:
· Метод главных компонент.
· Метод главных факторов.
· Интерпретация факторов.
· Кластеризация наблюдений.
· Иерархические методы кластерного анализа.
· Партиционные методы кластерного анализа.
VI. Примерное содержание заданий контрольной работы
1) Проанализировать основные характеристики распределения (мода, смещение и т. д.);
2) Определить наличие выбросов и экстремумов;
3) Оценить близость распределения к нормальному;
4) Оценить гетероскедастичность;
5) Построить таблицу сопряженности и определить наличие зависимости между переменными, тесноту и направление связи. Найти факторы наиболее полно объясняющие наблюдаемые связи между переменными.
6) Построить уравнение регрессии и оценить адекватность модели.
7) Сформировать группы наблюдений с помощью кластерного анализа.
8) Сформировать факторы для выбранных переменных.
VII. Методические указания студентам:
Методические указания студентам приводятся в вариантах классных заданий
Автор программы: _____________________________//
