Рабочая программа дисциплины Анализ данных в социологии

Санкт-Петербургский филиал федерального государственного
автономного образовательного учреждения высшего профессионального
образования "Национальный исследовательский университет

"Высшая школа экономики"

Факультет Санкт-Петербургская школа социальных и гуманитарных наук Национального исследовательского университета «Высшая школа экономики»

Рабочая программа дисциплины Анализ данных в социологии

для направления 39.03.01 “Социология”

подготовки бакалавра

2 курс

Автор программы:

Широканова А. А., к. социол. н., *****@***ru

Согласована методистом ОСУП

«28» декабря 2015 г.

__________

Утверждена академическим советом ОП «Социология»

«28» декабря 2015 г.

Академический руководитель ОП

__________

Санкт-Петербург, 2015

Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика программы.

2  Область применения и нормативные ссылки

Настоящая рабочая программа дисциплины устанавливает минимальные требования к знаниям и умениям студента, а также определяет содержание и виды учебных занятий и отчетности.

Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 39.03.01 «Социология», обучающихся по образовательной программе «Социология», изучающих дисциплину «Анализ данных в социологии».

Программа разработана в соответствии с:

1.  Образовательным стандартом НИУ ВШЭ по направлению подготовки 39.03.01 «Социология» http://www. hse. ru/data/2015/05/20/1097269134/Бакалавриат_ОС_Социология. pdf;

2.  Образовательной программой «Социология» по направлению подготовки 39.03.01 «Социология».

3.  Рабочим учебным планом НИУ ВШЭ – Санкт-Петербург по направлению подготовки 39.03.01 «Социология».

3  Цели освоения дисциплины

Цель дисциплины «Анализ данных в социологии» – заложить представления об анализе данных в социологии с приложениями в SPSS (или R) для студентов второго года бакалавриата; в том числе сформировать представление о типах переменных, проверке статистической гипотезы, корреляционном анализе и линейной регрессии. Результатом успешного освоения данной дисциплины является понимание основ количественного анализа данных, что позволит освоить дальнейшие дисциплины, связанные с анализом и интерпретацией данных в социальных науках, и осуществлять анализ данных в исследованиях. Настоящая программа рассчитана на первый год обучения дисциплине.

4  Компетенции обучающегося, формируемые в результате освоения дисциплины

В результате освоения дисциплины студент должен:

·  знать:

o формулировки основных понятий, уметь интерпретировать их на учебных примерах;

o требования и предположения, лежащие в основе изучаемых видов анализа и статистических тестов;

o соотнесение различных типов переменных с подходящими видами анализа данных и исследовательскими вопросами;

·  уметь:

o описывать распределение переменных, направление и силу связи на основе статистических тестов с выводом в виде таблиц и графиков;

o принимать решение о принятии или отвержении статистической гипотезы на основе результатов анализа, оценивать величину эффекта;

o интерпретировать содержательно результаты тестов, коэффициенты корреляции и линейной регрессии;

·  иметь навыки (приобрести опыт):

o определения типов переменных;

o создания массива данных в SPSS;

o реализации всех изучаемых тестов и видов анализа в SPSS (или R);

o интерпретировать статистически и содержательно прямые и интеракционные эффекты.

В результате изучения дисциплины студент осваивает следующие компетенции:

Компетенция	Код по НИУ	Дескрипторы – основные признаки освоения (показатели достижения результата)	Формы и методы обучения, способствующие формированию и развитию компетенции
Способен решать проблемы в профессиональной деятельности на основе анализа и синтеза	УК-3/ СК-Б4	Студент идентифицирует тип переменной, соотносит исследовательский вопрос с подходящими видами анализа и тестов, разбивает процесс решения на ряд логических шагов	Лекции, обсуждение в рамках семинара, практические занятия в компьютерном классе
Способен работать с информацией: находить, оценивать и использовать информацию из различных источников, необходимую для решения научных и профессиональных задач (в том числе на основе системного подхода)	УК-5/ СК-Б6	Студент обосновывает выбор метода анализа данных для ответа на исследовательский вопрос	Дискуссии в ходе семинара, чтение учебника и самостоятельная работа с данными с обсуждением в аудитории
Способен решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности	ПК-1/ ИК-Б1(С)	Студент использует имеющиеся знания о реализации конкретных методов анализа в программной среде SPSS (или R) для осуществления конкретных видов анализа данных на основе стандартных задач, применяет умения поиска дополнительного материала для обоснования верности своего решения	Обсуждение на семинаре, практические занятия в компьютерном классе
Способен использовать основные законы естественнонаучных дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, теоретического и экспериментального исследования при решении профессиональных задач	ПК-5/ ИК-Б4(С)	Студент идентифицирует тип аналитической проблемы, владеет пройденным материалом, применяет соответствующие виды тестов, обосновывает выбор тестов, верно интерпретирует результаты	Обсуждение на семинаре, контрольная работа, письменный проект

5  Место дисциплины в структуре образовательной программы

Настоящая дисциплина относится к профессиональному циклу, к базовой части дисциплин, и необходима для более эффективного освоения большинства дисциплин профессионального цикла, а также для формирования компетенций исследовательской и консультационной работы. Дисциплина рассчитана на два модуля.

Изучение данной дисциплины базируется на следующих дисциплинах:

·  Алгебра и анализ;

·  Теория вероятностей и математическая статистика;

·  Теория аргументации и академическое письмо.

Для освоения учебной дисциплины студенты должны владеть следующими знаниями и компетенциями:

1.  способен учиться, приобретать новые знания, умения, в том числе в области, отличной от профессиональной (УК-1/СК-Б1);

2.  способен работать с информацией: находить, оценивать и использовать информацию из различных источников, необходимую для решения научных и профессиональных задач (в том числе на основе системного подхода) (УК-5/СК-Б6);

3.  способен работать в команде (УК-7/СК-Б8);

4.  способен грамотно строить коммуникацию, исходя из целей общения (УК-8/СК-Б9);

5.  способен критически оценивать и переосмыслять накопленный опыт (собственный и чужой), рефлексировать профессиональную и социальную деятельность (УК-9/СК-Б10).

Основные положения дисциплины должны быть использованы в дальнейшем при изучении следующих дисциплин:

·  Анализ данных в социологии (преподается на английском языке);

·  Демография;

·  Математико-статистические методы для социологов (углубленное изучение);

·  Маркетинговые исследования;

·  Социальная структура и социальная стратификация;

·  Экономическая и социальная статистика.

6  Тематический план учебной дисциплины

ОБЪЕМ ДИСЦИПЛИНЫ – 4 зачетные единицы

№	Название темы	Всего часов	Аудиторные часы	Самостоя­тельная работа
Лекции	Семи-нары	Практи-ческие занятия
Тема 1. Анализ данных в исследовательском процессе. Таблицы частотного распределения.
1.1	Анализ данных в исследовательском процессе. Таблицы частотного распределения.	4	2			2
1.2	Исследовательские вопросы и статистические гипотезы. Направленные и ненаправленные статистические гипотезы. Зависимые и независимые переменные. Уровни измерения переменных. Накопленная частота.	6		2		4
1.3	Создание массива данных в SPSS (и R).	4			2	2
Тема 2. Меры центральной тенденции. Нормальное распределение.
2.1	Меры центральной тенденции. Нормальное распределение.	4	2			2
2.2	Правила составления таблиц APA. Графики распределения. Описание распределения. Источники смещения в данных. z-оценки. Интерпретация стандартизированных значений.	6		2		4
2.3	Описательные статистики переменных в SPSS (и R).	4			2	2
Тема 3. Статистические модели.
3.1	Статистические модели.	6	2			4
3.2	Меры центральной тенденции: мода, медиана, среднее; их сравнение. Среднее как статистическая модель. Принятие решения о нулевой и альтернативной статистической гипотезе и его факторы. Оценка величины эффекта. Ошибки I и II рода.	6		2		4
3.3	Контрольная работа.	4			2	2
Тема 4. Хи-квадрат. Сравнение средних.
4.1	Сравнение средних. Хи-квадрат.	6	2			4
4.2	Предположения и расчет t-статистики. Представление результатов сравнения средних.	6	2			4
4.3	Величина эффекта. Связь результатов анализа с исследовательской гипотезой.	6		2		4
4.4	Сравнение средних в SPSS (и R). Хи-квадрат. Параметрические и непараметрические тесты. Хи-квадрат в SPSS (и R).	4			2	2
Тема 5. Однофакторный дисперсионный анализ.
5.1	Однофакторный дисперсионный анализ.	4	2			2
5.2	Межгрупповая и внутригрупповая дисперсия, их связь. Планированное и незапланированное сравнение.	6		2		4
5.3	Однофакторный дисперсионный анализ в SPSS (и R): реализация.	4			2	2
5.4	Предположения в основе дисперсионного анализа, процедуры сравнения post hoc. Эффекты интеракции, их интерпретация.	6	2			4
5.5	Интерпретация прямых и интеракционных эффектов.	6		2		4
5.6	Однофакторный дисперсионный анализ с интеракцией в SPSS (и R): интерпретация.	4			2	2
Тема 6. Корреляции.
6.1	Корреляции. Исследовательские задачи с применением корреляции. Коэффициент корреляции Пирсона: расчет, оценка, интерпретация. Коэффициент ранговой корреляции Спирмена: расчет, оценка, интерпретация.	4	2			2
6.2	Применение корреляционного анализа. Интерпретация направления и силы корреляции. Выбор и интерпретация коэффициентов корреляции.	6		2		4
6.3	Корреляционный анализ в SPSS (и R): реализация.	4			2	2
Тема 7. Линейная регрессия.
7.1	Линейная регрессия.	4	2			2
7.2	Связь корреляции и линейной регрессии. Метод наименьших квадратов. Уравнение линейной регрессии, его элементы.	6		2		4
7.3	Линейная регрессия в SPSS (и R): реализация.	6			2	4
7.4	Уравнение линейной регрессии. Возможности и ограничения метода.	4	2			2
7.5	Составление, графическое представление и интерпретация уравнения регрессии.	4		2		2
7.6	Линейная регрессия в SPSS (и R): интерпретация.	6			2	4
7.7	Обсуждение индивидуальных проектов анализа данных.	6		2		4
7.8	Представление индивидуальных проектов.	6			2	4
	Общий итог:	152	20	20	20	92

7  Формы контроля знаний студентов

Тип контроля	Форма контроля	1 год	Параметры
1	2	3	4
Текущий	Аудиторная работа			х	х	Работа на семинарах (устно) и практических (письменно)
Контрольная работа			10		В письменной форме
Домашняя работа				6	Письменная работа (проект)
Промежуточный	Экзамен				Х	В письменной форме на 60 мин.

7.1  Критерии оценки знаний, навыков

Работа на семинарах и практических регулярно оценивается преподавателем, ведущим данный вид занятий. Для получения положительной («хорошо») оценки по данному виду работ необходимо активно участвовать (высказываться по содержанию вопроса) минимум в 3 занятиях. Помимо этого, отсутствие ответа на программный вопрос домашнего задания при опросе на семинаре означает минус 1 балл за данный вид текущего контроля в целом.

Контрольная работа представляет собой письменный тест с задачами и вопросами по темам первого модуля дисциплины. Ожидается, что студент продемонстрирует знание фактического материала по пройденным темам (на основе лекций, семинаров, практических занятий, а также в значительной мере на основе самостоятельного чтения учебных текстов).

Домашняя работа – анализ и интерпретация конкретного набора данных в рамках индивидуального проекта на основе сравнительного исследования (базы данных см. в п. 10.6). Оценка выставляется как среднее по 4-5 видам анализа (выполняемым по результатам семинарских и практических занятий); оценивается подбор подходящих для анализа переменных, соблюдение допущений по каждому виду анализа; правильность статистической и содержательной интерпретации анализа; наличие синтаксиса программы.

Оценки по всем формам текущего контроля выставляются по 10-балльной шкале.

Экзамен включает в себя 8-10 типичных задач по видам анализа данных, изученным в рамках дисциплины. Для получения положительной оценки студент применяет положения теории для выбора подходящего вид анализа, делает логически верные умозаключения, умеет адаптировать исследовательские вопросы к изученным видам анализа.

7.2  Порядок формирования оценок по дисциплине

Накопленная оценка по дисциплине рассчитывается с помощью взвешенной суммы оценок за отдельные формы текущего контроля знаний следующим образом:

Онакопленная= 0,25 Осеминары 1 + 0,25 Осеминары 2 + 0,25 Оконтрольная + 0,25 Одом. работа, где

Осеминары 1 – оценка за аудиторную работу и небольшие самостоятельные работы в аудитории в первом модуле дисциплины;

Осеминары 2 – оценка за аудиторную работу и небольшие самостоятельные работы в аудитории во втором модуле дисциплины;

Оконтрольная – оценка за контрольную работу;

Одом. работа – оценка за индивидуальный проект, представляемый публично на предпоследнем и последнем занятии.

Способ округления накопленной оценки текущего контроля: арифметический.

Результирующая оценка по дисциплине за первый год обучения по дисциплине рассчитывается следующим образом:

Орезульт = 0,6·Онакопл + 0,4·Оэкз, где

Онакопл – накопленная оценка по дисциплине;

Оэкз – оценка за экзамен.

Вычисления производятся с округлением по математическим правилам округления.

8  Содержание дисциплины

Тема 1. Анализ данных в исследовательском процессе. Таблицы частотного распределения.

Анализ данных в исследовательском процессе. Таблицы частотного распределения. Исследовательские вопросы и статистические гипотезы. Направленные и ненаправленные статистические гипотезы. Зависимые и независимые переменные. Уровни измерения переменных. Накопленная частота. Создание массива данных в SPSS (и R).

Тема 2. Меры центральной тенденции. Нормальное распределение.

Меры центральной тенденции. Нормальное распределение. Правила составления таблиц APA. Графики распределения. Описание распределения. Источники смещения в данных. z-оценки. Интерпретация стандартизированных значений. Описательные статистики переменных в SPSS (и R).

Тема 3. Статистические модели.

Статистические модели. Меры центральной тенденции: мода, медиана, среднее; их сравнение. Среднее как статистическая модель. Принятие решения о нулевой и альтернативной статистической гипотезе и его факторы. Оценка величины эффекта. Ошибки I и II рода. Контрольная работа.

Тема 4. Хи-квадрат. Сравнение средних.

Сравнение средних. Хи-квадрат. Предположения и расчет t-статистики. Представление результатов сравнения средних. Величина эффекта. Связь результатов анализа с исследовательской гипотезой. Сравнение средних в SPSS (и R). Хи-квадрат. Параметрические и непараметрические тесты. Хи-квадрат в SPSS (и R).

Тема 5. Однофакторный дисперсионный анализ.

Однофакторный дисперсионный анализ. Межгрупповая и внутригрупповая дисперсия, их связь. Планированное и незапланированное сравнение. Однофакторный дисперсионный анализ в SPSS (и R): реализация. Предположения в основе дисперсионного анализа, процедуры сравнения post hoc. Эффекты интеракции, их интерпретация. Интерпретация прямых и интеракционных эффектов. Однофакторный дисперсионный анализ с интеракцией в SPSS (и R): интерпретация.

Тема 6. Корреляции

Корреляции. Исследовательские задачи с применением корреляции. Коэффициент корреляции Пирсона: расчет, оценка, интерпретация. Коэффициент ранговой корреляции Спирмена: расчет, оценка, интерпретация. Применение корреляционного анализа. Интерпретация направления и силы корреляции. Выбор и интерпретация коэффициентов корреляции. Корреляционный анализ в SPSS (и R): реализация.

Тема 7. Линейная регрессия

Линейная регрессия. Связь корреляции и линейной регрессии. Метод наименьших квадратов. Уравнение линейной регрессии, его элементы. Линейная регрессия в SPSS (и R): реализация. Уравнение линейной регрессии. Возможности и ограничения метода. Составление, графическое представление и интерпретация уравнения регрессии. Линейная регрессия в SPSS (и R): интерпретация. Обсуждение индивидуальных проектов анализа данных. Представление индивидуальных проектов.

9  Образовательные технологии

Для лучшего усвоения нового материала рекомендуется использовать, где это уместно, игровые формы проверки знаний и обучение равных равными (успевающие студенты отвечают на вопросы остальных студентов в аудитории под наблюдением преподавателя). Перед проведением контрольной работы (теста) на семинарском занятии возможно проведение среди части студентов игры «Шляпа» с объяснением важных понятий.

Каждую встречу рекомендуется начинать с короткого разбора студенческих вопросов и обобщения пройденного материала (5 минут). На протяжении модуля можно вести электронную «доску объявлений», где студенты могут высказывать свои недоумения и вопросы по темам занятий и получать на них ответы преподавателя.

9.1  Методические рекомендации преподавателю

При проведении как лекционных, так и семинарских и практических занятий, рекомендуется принимать во внимание возможные стереотипные представления студентов о преднамеренной неинтеллигибельности методов количественного анализа данных и развеивать их по мере возможностей участников занятий. В преподавании всех тем рекомендуется обращаться к примерам и метафорам из художественной литературы, фильмов и повседневной жизни для лучшего усвоения материала. Систематическое невыполнение домашних заданий и абсентеизм студентов на занятиях рекомендуется расценивать как сознательный отказ от обучения и молчаливое требование собственного отчисления.

9.2  Методические указания студентам по освоению дисциплины

Ввиду ограниченного аудиторного времени и новизны материала важными факторами успешного освоения дисциплины являются умение искать и усваивать доступную учебную информацию на английском языке, а также самостоятельная работа, включающая: чтение учебных текстов из основного учебника; просмотр видеолекций на канале автора учебника Энди Филда и других учебных видео; самостоятельная отработка навыков работы с программой анализа данных и решение предложенных задач в домашних условиях (главы 3-4 учебника [1], с. 47-69, 626-640, 688-694 учебника [5]).

8.2.1 Учебно-методическая литература для самостоятельной работы студентов

Field, Andy (2014). Discovering Statistics Using IBM SPSS Statistics. SAGE, 4th ed.

10  Оценочные средства для текущего контроля и аттестации студента

10.1  Тематика заданий текущего контроля

Вопросы для подготовки к семинарским занятиям соответствуют вопросам, освещенным на лекционных занятиях, и предусматривают более подробное ознакомление студентов с соответствующими разделами рекомендуемой литературы (или по усмотрению преподавателя). Пример:

Семинар 1. Анализ данных в исследовательском процессе

1.  Анализ данных как этап социологического исследования.

2.  Связь исследовательских вопросов и статистических гипотез.

3.  Направленные и ненаправленные статистические гипотезы.

4.  Зависимые и независимые переменные, их примеры.

5.  Уровни измерения переменных. Примеры.

Семинар 2. Описательные статистики переменных

1.  Правила составления таблиц APA.

2.  Накопленная частота.

3.  Графики распределения.

4.  Описание распределения.

5.  Источники смещения в данных. z-оценки.

6.  Интерпретация стандартизированных значений

Семинар 3. Описание эффектов и распределений

1.  Меры центральной тенденции: мода, медиана, среднее; их сравнение.

2.  Среднее как статистическая модель.

3.  Принятие решения о нулевой и альтернативной статистической гипотезе и его факторы.

4.  Оценка величины эффекта.

5.  Ошибки I и II рода

10.2  Вопросы для оценки качества освоения дисциплины

1. Что такое исследовательский вопрос и как он связан со гипотезой?

2. Какие есть уровни измерения переменных? Приведите 5 примеров каждой.

3. Как правильно составлять таблицы и гистограммы?

4. Что характеризует нормальное распределение?

5. В чем отличия моды, медианы и среднего как мер центральной тенденции? Как они рассчитываются?

6. Как и для чего стандартизируются значения переменных? Как они интерпретируются?

7. О чем утверждают нулевая и альтернативная статистические гипотезы?

8. Что такое величина эффекта и от чего она зависит?

9. Что показывает тест хи-квадрат?

10. Чем различаются параметрические и непараметрические меры связи?

11. Каковы требования к применению t-теста?

12. Как рассчитываются и интерпретируются t-тест для независимых и зависимых выборок, t-тест для двух и более выборок?

13. Как связаны межгрупповая и внутригрупповая дисперсия?

14. Для чего применяется однофакторный дисперсионный анализ и как интерпретировать его результаты?

15. Как интерпретируются эффекты интеракции? Приведите примеры.

16. Какие коэффициенты корреляции существуют для разных типов данных?

17. Для каких целей применяют линейную регрессию? Приведите 5 примеров.

18. Какие требования существуют для рассчета линейной регрессии?

19. Как составляется уравнение линейной регрессии и что означают его элементы?

20. Как интерпретировать прямые эффекты и эффекты интеракции в линейной регрессии?

10.3  Примеры заданий промежуточного контроля

Типовые вопросы и задачи для контрольной работы и экзамена:

1. На основе предложенных данных об оценке нечестного поведения и привлекательности нарушителя правил рассчитайте коэффициент корреляции Спирмена.

2. Создайте для предложенных данных таблицу частотного распределения и гистограмму.

3. Известно, что в парикмахерских «Лапы и хвост» 65 % посетителей – мужчины, а 35 % – женщины. Рассчитайте для предложенных данных хи-квадрат при предположении о неравных долях в 0.65 для мужчин и 0.35 для женщин. Укажите нулевую и альтернативную гипотезу, примите решение о судьбе нулевой гипотезы, сделайте вывод из анализа, соотнесите результат с исследовательской гипотезой.

4. На основе представленных данных создайте таблицу частотного распределения для каждого значения переменной Х (по оси Y укажите процент популярности каждого значения Х).

5. Рассчитайте коэффициент корреляции Пирсона для значений: SPxy=-3.00, SSx=8.00, SSy=10.00.

6. Рассчитайте уравнение линейной регрессии для следующих данных: переменная Х: среднее х = 5.00, стандартное отклонение = 2.00; переменная Y: среднее y = 4.00, стандартное отклонение y = 1.00; коэффициент корреляции Пирсона r=0.40.

7. Исследователь проверяет гипотезу о том, что чем дольше студенты пишут экзамен, тем ниже их оценка. Другими словами, существует отрицательная связь между временем и оценкой за экзамен. На основе представленных данных рассчитайте коэффициент корреляции Пирсона, примите решение о сохранении или отвержении нулевой гипотезы, определите уровень значимости, оцените размер эффекта.

11  Учебно-методическое и информационное обеспечение дисциплины

11.1  Основная литература

1.  Мхитарян, В. С. (отв. ред.) (2016). Анализ данных. Учебник для академического бакалавриата. Издательство Юрайт.

2.  Шипунов, А. Б. (и др.) (2014). Наглядная статистика. Используем R! ДМК Пресс. http://herba. msu. ru/shipunov/school/books/rbook. pdf

1.  Field, Andy (2014). Discovering Statistics Using IBM SPSS Statistics. SAGE, 4th ed.

11.2  Дополнительная литература

3.  Крыштановский, А. О. (2006). Анализ социологических данных с помощью пакета SPSS. Издательский дом ГУ ВШЭ.

4.  Миркин, Б. Г. (2014). Введение в анализ данных: учебник и практикум для бакалавриата и магистратуры. Издательство Юрайт.

5.  Толстова, Ю. Н. (2000). Анализ социологических данных: методология, дескриптивная статистика, изучение связей между номинальными признаками. Научный мир. http://math. lipetsk. ru/OODINF/147.pdf

6.  Field, Andy, Miles, Jeremy and Zoe Field (2012). Discovering Statistics Using R. SAGE.

7.  Tabachnick, Barbara G. and Linda S. Fidell (2014). Using Multivariate Statistics: Pearson New International Edition. Pearson, 6th ed., pp. 33-59.

8.  Tokunaga, Howard T. (2016). Fundamental Statistics for the Social and Behavioral Sciences. SAGE.

11.3  Справочники, словари, энциклопедии

http://www. machinelearning. ru/wiki/, категория: Энциклопедия анализа данных – информационно-аналитический вики-ресурс о машинном обучении (статьи по основным темам)

11.4  Ресурсы информационно-телекоммуникационной сети «Интернет»

http://sociology_encyclopedy. academic. ru/ – Энциклопедия по социологии;

http://dic. academic. ru/contents. nsf/socio/ – Энциклопедия по социологии (2);

https://compscicenter. ru/courses/math-stat/2015-spring/ – видеолекции по математической статистике (со слайдами) на русском языке от CS Center;

https://www. coursera. org/course/stats1 – вводный онлайн-курс по статистике с приложением в R от Принстонского университета (на английском, субтитры);

https://www. coursera. org/learn/basic-statistics – онлайн-курс по основам статистики от Свободного университета Амстердама (на английском, субтитры);

https://www. coursera. org/course/apstat – онлайн-курс по подготовке к сдаче экзамена AP*Statistics от Университета Хьюстона (на английском, субтитры);

https://www. coursera. org/learn/statistical-inference – онлайн-курс по статистическому выводу от Университета Джонса Хопкинса (на английском, субтитры);

https://www. coursera. org/course/teachstats1 – онлайн-курс по обучению статистическому мышлению (описание данных) от Университета Дьюка (на английском, субтитры);

http://habrahabr. ru/post/172043/ – корреляционный анализ (доступно, русском);

http://habrahabr. ru/post/167341/ – бинарные тесты в R (на русском);

http://habrahabr. ru/post/168877/ – статистические тесты в R для категориальных переменных (на русском);

http://habrahabr. ru/post/176795/ – сравнение количественных переменных в R (на русском).

11.5  Программные средства

Для успешного освоения дисциплины, студент использует следующие программные средства:

·  IBM SPSS Statistics;

·  R;

·  Microsoft Excel или LibreOffice Calc;

·  дополнительно – программы для облачного хранения и редактирования текстов, медиапроигрыватель.

11.6  Информационные справочные системы

http://www. europeansocialsurvey. org – Европейское социальное исследование (базы данных и анализ данных онлайн);

http://www. europeanvaluesstudy. eu – Европейское исследование ценностей (базы данных и анализ данных онлайн);

http://www. worldvaluessurvey. org – Ассоциация мирового исследования ценностей (базы данных и анализ данных онлайн);

http://gss. norc. org/ – Общее социальное обследование в США (базы данных и анализ данных онлайн).

11.7  Дистанционная поддержка дисциплины

Возможно использование системы LMS.

http://studysites. /field4e/main. htm – сайт-компаньон к основному учебнику (базы данных, дополнительные материалы, задания для самопроверки, слайды)

Dropbox (по приглашению) – для обмена полезными ссылками между студентами и преподавателем.

12  Материально-техническое обеспечение дисциплины

Лекционные и семинарские занятия проводятся в аудитории с проектором; лекционные, семинарские, практические занятия иногда предполагают наличие доступа в интернет.