WFz.D.IPs-03 Rekolekcje metodologiczne

WFz.D.IPs-03 Rekolekcje metodologiczne: metodologia i statystyka w praktyce – dr hab. Piotr
Wolski
wykład monograficzny + konwersatorium (30 godzin, 3 ECTS), semestr 1, poniedziałek 17.0020.00 (co 2 tygodnie), s. 1.02
WFz.D.IPs-05 Modele statystyczne w badaniach naukowych. Cz. 1. Ogólny model liniowy –
mgr Mariusz Trejtowicz
warsztaty 30 godzin, 2 ECTS, semestr 1, sobota i niedziela
WFz.D.IPs-05c Modele statystyczne w badaniach naukowych. Cz. 2. Modelowanie równań
strukturalnych i uogólniony model liniowy – mgr Mariusz Trejtowicz
warsztaty 30 godzin, 2 ECTS, semestr 2, sobota i niedziela
WFz.D.IPs-14 Wprowadzenie do wnioskowania bayesowskiego – dr Borysław Paulewicz
warsztaty 30 godzin, 2 ECTS, semestr 2
dr hab. Piotr Wolski
Rekolekcje metodologiczne: metodologia i statystyka w praktyce
Propozycja jest odpowiedzią na zgłaszane przez doktorantów psychologii zapotrzebowanie na
kurs, który stwarzałby okazję do odświeżenia i uporządkowania najważniejszych zagadnień
metodologii i statystyki – w kontekście realnych zastosowań w prowadzonych / planowanych
badaniach. Wiele osób chciałoby też wiedzieć, czego w istocie prawdopodobieństwem jest
magiczne p i dlaczego to dobrze, jeśli jest mniejsze od 0,05. Kurs odpowie na to i szereg innych
fundamentalnych pytań w sposób zrozumiały dla każdego.
Wiele nierozsądnych decyzji metodologicznych psychologowie podejmują w mniej lub bardziej
uzasadnionym poczuciu niewystarczającej własnej kompetencji. Owo poczucie skłania ich do
lękowego (czyli bezrefleksyjnego) schematyzmu. Niestety, rozpowszechniane „pocztą
pantoflową” schematy często są w naszej dyscyplinie bardzo niedobre i wielu fachowców
uważa, że powinny być jak najprędzej zmienione, bo nie mają zbyt wiele sensu.
Mało kto z początkujących badaczy zdaje sobie sprawę, że nawet bardzo elementarna i
fragmentaryczna wiedza metodologiczna wystarcza do samodzielnego podejmowania trafnych
decyzji badawczych i interpretacyjnych, np. sensownego poradzenia sobie z odwiecznym
dylematem p = 0,07…
Najważniejsze z zagadnień:

Planowanie eksperymentów – schematy eksperymentalne a korelacyjne, poziomy
pomiaru zmiennych, wyjaśnianie wariancji

Statystyka opisowa – miary tendencji centralnej, miary zmienności, ilustracja graficzna

Korelacja, regresja, analiza czynnikowa, analiza skupień

Podstawy wnioskowania statystycznego

Estymacja, testy istotności, metody nieparametryczne

Moc testu, wielkość efektu

Psychometria, konstrukcja ankiet, kwestionariuszy, rzetelność

Pakiet SPSS PC
Podstawa zaliczenia: kurs kończy się oceną, której podstawą jest liczba punktów zdobytych za
pracę końcową, dwie prace kontrolne, oraz obecność i aktywne uczestnictwo w zajęciach.
Forma zajęć:
Wykład, konwersatorium
Wymagania wstępne:
Wiedza z zakresu metodologii badań oraz analiz statystycznych na poziomie podstawowym.
Termin: I semestr
Mgr Mariusz Trejtowicz
Modele statystyczne w badaniach naukowych. Cz. 1. Ogólny model liniowy
Ogólny cel kursu:
Celem kursu jest nabycie oraz rozwój podstawowych umiejętności analizy danych począwszy
od przygotowania danych do analiz, poprzez ich eksplorację, do modelowania statystycznego
(na bazie Ogólnego Modelu Liniowego) i prezentacji wyników modelu.
Problematyka:
Warsztat obejmował będzie następujące zagadnienia:
 przygotowanie danych do analiz,
 techniki Eksploracyjnej Analizy Danych,
 analiza i imputacja braków danych,
 eksploracja danych z wykorzystaniem analizy głównych składowych oraz analizy
skupień,
 wprowadzenie do ogólnego modelu liniowego,
 wykrywania problemów związanych z wykorzystaniem ogólnego modelu liniowego,
 diagnostyki założeń modelu,
 testowania hipotez użytkownika,
 poprawnej interpretacji wyników analiz i wizualizacji,
 wykorzystania w analizach oprogramowania statystycznego (SPSS i R).
Sposób realizacji:
Zajęcia przy komputerze. Praca z oprogramowaniem IBM SPSS Statistics oraz R.
Spodziewany efekt:
Uczestnicy warsztatu powinni nabyć umiejętność realizacji analizy danych z wykorzystaniem
ogólnego modelu liniowego obejmującą diagnostykę modeli, interpretację wyników analiz oraz
planowanie i realizację porównań pomiędzy modelami. Rezultatem warsztatu powinna być
również umiejętność krytycznej analizy wyników badań
Forma zajęć:
Warsztaty 30 godzin.
Wymagania wstępne:
Wiedza z zakresu metodologii badań oraz analiz statystycznych na poziomie podstawowym.
Forma zaliczenia:
Praca zaliczeniowa z poprawnie zastosowanymi metodami statystycznymi w postaci raportu
z analizy danych.
Termin: I semestr
Realizacja w trybie weekendowym: 4 dni (2 weekendy) w terminie ustalonym z uczestnikami.
mgr Mariusz Trejtowicz
Modele statystyczne w badaniach naukowych. Cz. 2. Modelowanie równań strukturalnych
i uogólniony model liniowy.
Ogólny cel kursu:
Celem kursu jest wprowadzenie w dwa rozszerzenia ogólnego modelu liniowego:
 modelowanie równań strukturalnych,
 uogólniony model liniowy.
W trakcie warsztatów uczestnicy będą mogli poznać podstawowe możliwości oraz ograniczenia
tych metod. Warsztat będzie koncentrował się na poprawnej interpretacji wyników analizy oraz
standardach raportowania wyników.
Problematyka:
W ramach warsztatu omawiane będą podstawy analizy przyczynowej z wykorzystaniem
modelowania równań strukturalnych. Zakres omawianych zagadnień będzie obejmował, m.in.:
analizę mediacji, zastosowania analizy ścieżek, przyczynową interpretację wyników modelu
strukturalnego, zagadnienia dopasowania modelu strukturalnego do danych, interpretację
wyników konfirmacyjnej analizy czynnikowej, znaczenie składników błędu w modelu
strukturalnym, podstawy modelowania statystycznego dla jakościowej zmiennej zależnej,
regresję logistyczną: binarną i wielonomialną (multinomial),wprowadzenie do modeli
hierarchicznych.
Sposób realizacji:
Dyskusja wyników analiz. Zajęcia przy komputerze. Praca z oprogramowaniem IBM SPSS
Statistics, IBM SPSS Amos oraz R.
Spodziewany efekt:
Umiejętność krytycznej analizy wyników badań korzystających z modeli statystycznych
uznawanych jako zaawansowane.
Forma zajęć:
Warsztaty 30 godzin.
Wymagania wstępne:
Znajomość zagadnień wielowymiarowej analizy danych. Wskazane uczestnictwo w kursie
„Modele statystyczne w badaniach eksperymentalnych. Cz. 1. Ogólny model liniowy”.
Forma zaliczenia:
Recenzja wybranego artykułu, w którym wykorzystywane są zaawansowane metody
statystyczne, prezentująca poprawną interpretację prezentowanych wyników oraz krytyczne
podejście recenzenta.
Termin: II semestr
Dr Borysław Paulewicz
Wprowadzenie do wnioskowania bayesowskiego
Ogólny cel kursu:
Celem kursu jest zapoznanie słuchaczy z programowaniem na poziomie, który umożliwiałby
przeprowadzanie nieszablonowych analiz statystycznych i projektowanie procedur
komputerowych dla celów badawczych.
Problematyka:
W ramach proponowanego kursu omówione zostaną podstawy cieszącego się od pewnego
czasu niesłabnącą popularnością wnioskowania bayesowskiego. Po omówieniu podstaw
teoretycznych (formuła bayesa, prawdopodobieństwo jako siła subiektywnego przekonania,
pojęcia rozkładów apriori i aposteriori) będziemy dopasowywać proste wersje modelu liniowego,
modele odporne, proste modele nieliniowe, modele mieszane i inne. Głównym narzędziem
stosowanym w trakcie kursu będzie STAN. Nauczymy się oceniać zbieżność próbników i
interpretować uzyskane rozkłady posterioryczne, Jeżeli tempo pracy na to pozwoli, spróbujemy
napisać własny prosty sampler (MCMC).
Sposób realizacji:
Metody programowane – z użyciem komputera
Metody problemowe – metody aktywizujące – dyskusja dydaktyczna
Metody problemowe – wykład konwersatoryjny
Spodziewany efekt:
W zakresie wiedzy:
W3. dysponuje zaawansowanym i rozbudowanym aparatem terminologicznym w zakresie
dziedziny i dyscypliny studiów doktoranckich
W4. ma zaawansowaną, uwzględniającą najnowsze osiągnięcia, prowadzącą do specjalizacji,
wiedzę szczegółową w wybranych zakresach studiowanej dyscypliny
W zakresie umiejętności:
U1. potrafi porozumiewać się przy użyciu różnych kanałów i technik komunikacyjnych ze
specjalistami w studiowanej dyscyplinie oraz specjalistami innych dziedzin i dyscyplin, w
języku rodzimym i języku obcy
U4. posiada zaawansowane umiejętności badawcze pozwalające na rozwiązywanie
złożonych problemów naukowych oraz wniesienie oryginalnego wkładu w rozwój wiedzy i
metodologii studiowanej dyscypliny poprzez zaplanowanie i przeprowadzenie badań,
opracowanie i interpretację wyników oraz ich publikację w wydawnictwach recenzowanych
W zakresie kompetencji społecznych:
K1. ma świadomość poziomu własnych koncepcji badawczych, ich oryginalności,
możliwości realizacji projektu badawczego, poziomu twórczości i istotności wkładu w
rozwój studiowanej dyscypliny
Forma zajęć:
Warsztaty 30 godzin.
Wymagania wstępne:
Znajomość podstaw wnioskowania statystycznego, podstawowa umiejętność obsługi komputera
Forma zaliczenia:
Zaliczenie na podstawie obecności i wykonania ćwiczeń, ocena jakościowa uwzględniająca
aktywność doktoranta, systematyczność pracy, obecność na spotkaniach
Literatura:
Bayesian Cognitive Modeling. Lee, M., D., Wagenmakers, E-J. 2014, Cambridge University
Press
Data Analysis Using Regression And Multilevel/Hierarchical Models. Gelman, A., 2006, Cambridge
University Press
Termin: II semestr
Spotkania w terminie ustalonym z uczestnikami.