1 załącznik 5 - E-SGH

załącznik 5
NOWY PROGRAM STUDIÓW
2009/2010
STANDARDOWY SYLABUS PRZEDMIOTU KIERUNKOWEGO/SPECJALNOSCIOWEGO
Koordynator przedmiotu:
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.
Dr Dorota Węziak- Białowolska
Sygnatura:
Tytuł oferty
Metody Statystyczne II
Ang.
Statistical Methods II
Część A
Syntetyczna charakterystyka przedmiotu (około 400 znaków):
(opis w jęz. polskim)
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.
(opis w jęz. angielskim)
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:
(opis w jęz. polskim)
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.
(opis w jęz. angielskim)
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.)
(opis w jęz. polskim)
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
(opis w jęz. angielskim)
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
(opis w jęz. polskim)
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
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.
(opis w jęz. angielskim)
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.
Inne kompetencje
(opis w jęz. polskim)
(…)
(opis w jęz. angielskim)
(…)
Część C
3
Semestralny plan zajęć:
(opis w jęz. polskim)
1.
2.
3.
4.
5.
6.
7.
8.
Wprowadzenie do wielowymiarowej analizy statystycznej. Dane ilościowe i jakościowe.
Metody klasyfikacji
Regresja logistyczna
Wprowadzenie do modelowania zmiennych ukrytych
Analiza klas ukrytych - metody klasyfikacji i modelowanie zmiennych ukrytych - nieciągłych
Analiza głównych składowych
Analiza czynnikowa w podejściu eksploracyjnym – modelowanie zmiennych ukrytych - ciągłych
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
(opis w jęz. angielskim)
1.
2.
3.
4.
5.
6.
7.
8.
9.
Introduction to multivariate statistics. Quantitative and qualitative data.
Classification methods
Logistic regression
Introduction to latent variable modelling
Latent class analysis
Principal components analysis
Exploratory factor analysis
Structural equation modelling - confirmatory factor analysis
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:
(opis w jęz. polskim)
Zajęcia prowadzone są w formie wykładu
akademickiego i ćwiczeń w laboratorium
komputerowym. Wykorzystywane
oprogramowanie to SPSS, Statistica i Excel.
Ogółem
Wykład
Ćwiczenia
Konwersatorium
Laboratorium
Inna forma (jaka?)
Studia
stacjonarne
i popołudniowe
Propozycja
dla studiów
niestacj. sobniedz.
7
7
8
8
Elementy oceny końcowej (ogółem 100%), w tym:
Egzamin pisemny-tradycyjny
Egzamin testowy
Egzamin ustny
Kolokwium
Prace domowe, referaty
Ocena z ćwiczeń
Inne (jakie?)
50%
50%
(opis w jęz. angielskim)
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
Gry Nie
Referaty Nie
Dyskusje Nie
Przy udziale praktyków Nie
Inne (jakie?)
Charakterystyka wymagań w trakcie zajęć
i na egzaminie końcowym:
Obowiązkowe obecności na zajęciach. Na
ocenę końcową składa się ocena z pisemnego
egzaminu
końcowego
oraz
z
prac
wykonywanych na ćwiczeniach. (opis w jęz.
polskim)
(opis w jęz. angielskim)
Students are expected to attend all classes;
Course grade is based equally on lab
exercises and a brief writing assignment.
Kryteria selekcji na zajęcia:
Lista rankingowa (Tak / Nie) TAK
Kolejność zgłoszeń (Tak / Nie) NIE
Inne uwagi:
Wielkość grupy
Wymóg laboratorium
komputerowego
Sala wyposaŜona w video
Ocena z prerekwizytu NIE
5
40
TAK
NIE
Znajomość języka TAK –język angielski ze względu na literaturę
Inne (jakie?)
opis w jęz. polskim)
(opis w jęz. angielskim)
6