Программа по формированию навыков безопасного поведения на дорогах и улицах «Добрая дорога детства» 2
Скачать 209.17 Kb.
|
Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" Факультет социологии Программа дисциплины Методы непараметрической статистики в социологии для направления 040200.62 «Социология» подготовки бакалавров специализации «Прикладные методы социологических исследований» Автор программы: к.ф.-м.н, проф. Д.С. Шмерлинг schmerling@hse.ru Одобрена на заседании кафедры Методов сбора и анализа социологической информации «22» апреля 2013 г. Зав. кафедрой Козина И.М. Рекомендована секцией УМС Социология «14» мая 2013г Председатель Ярская-Смирнова Е.Р. Утверждена УС факультета Социологии «___»_____________20 г. Ученый секретарь Надеждина Е.В. Москва, 2013 Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика программы.
Данная программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 040100.62 «Социология» (уровень подготовки: бакалавр), изучающих дисциплину «Методология и методы социологического исследования». Программа разработана в соответствии с:
Основная цель курсаКурс рассчитан на студентов-социологов и посвящен рассмотрению вопросов сопоставления традиционных и современных математико-статистических моделей описания социальных явлений. Отечественная литература в соответствующем отношении достаточно богата, имеются учебники, методические пособия самого разного плана: с разной широтой охвата проблематики, рассчитанных на читателей с различной подготовкой и т.д.. Особенностью данной программы является обсуждение формальных математических моделей прежде всего с точки зрения социологии. Определенное внимание в курсе уделяется описанию роли статистического подхода в социологии, анализу ситуаций, при которых он не адекватен. Рассматривается ряд часто встречающихся в социологии ситуаций, в которых не выполняются условия реализации известных математико-статистических подходов. Цель курса – активное освоение непараметрической, в частности ранговой, математической статистики – быстро прогрессирующего «конкурента» классической гауссовой статистики. Последняя совершенно неумеренно применяется в социальных исследованиях, в т.ч. социологических, науках о жизни (life sciences) в науках о поведении (behavioral sciences), не говоря уже о физико-технических направлениях исследований. Задачи курса: - введение в основные принципы непараметрической статистики, как предпочтительной методологии для многочисленных исследований социологов и других специалистов behavioral sciences; - усвоение приемов обработки массивов данных, распределение которых неизвестно, как из-за малых объемов выборок, так и из-за разрозненности наблюдений; - преодоление мифа о всеприменимости гауссова («нормального») распределения; - отработка навыка использования «непараметрики» (nonparametrics) в типовых ситуациях и малых выборках.
В результате освоения дисциплины студент должен: - знать основные непараметрические методы социологического анализа данных; - знать возможные варианты пакетов анализа социологических данных для различных видов задач; - уметь ставить задачи сравнения и оценивания эффектов воздействия различных факторов на социальные процессы; - уметь выбирать и использовать адекватные методы анализа данных для решения конкретных задач, в том числе параметрические или/и непараметрические методы и модели; - иметь навыки (приобрести опыт) анализа реальных социологических данных. В результате освоения дисциплины студент осваивает следующие компетенции:
Настоящая дисциплина относится к циклу профессиональных дисциплин (базовый блок). Настоящая дисциплина может читаться после освоения элементарного курса «Математическая статистика» и параллельно, или после, курсов «Эконометрика» и «Анализ данных» и т.п. Изучение данной дисциплины базируется на следующих дисциплинах: Алгебра Математический анализ данных Дискретная математика Логика Курс непараметрической статистики хорошо взаимодействует с курсом «Методология и методы социологических исследований (первая часть)»и «Методология и методы социологии (качественные методы)» Основные положения дисциплины должны быть использованы в дальнейшем при изучении следующих дисциплин: Курсовая работа Научно-исследовательский семинар Курсы по выбору Прикладное программное обеспечение ВКР
6.1 Критерии оценки знаний, навыков Текущий контроль: осуществляется на семинарах в форме оценки работы студента на занятии; включает в себя проверку конспектов специальной литературы и домашнего задания. Тематика домашнего задания приведена в соответствующем разделе программы. Итоговый контроль – зачет. 6.2. Порядок формирования оценок по дисциплинеИтоговая оценка по учебной дисциплине складывается из следующих элементов:
Алгоритм формирования оценки таков:
Результирующая оценка в десятибалльной шкале (Орез) есть взвешенная сумма четырех оценок за домашнее задание (О домашнее задание), работу на семинарах (О работа на семинарах), конспекты (О конспекты) и ответ на зачете (О ответ на зачете): Орез = (W домашнее задание х О домашнее задание) + (W работа на семинарах х О работа на семинарах) + (W конспекты х О конспекты ) + (W ответ на зачете х О ответ на зачете) Оценка в 5-тибалльной и 10-тибалльной шкале выставляется в ведомость и зачетную книжку студента. Таблица соответствия оценок по десятибалльной и пятибалльной системе.
Тема 1. Уточнение основных задач математической статистики Общее представление о параметрах распределений. Главная задача математической статистики - изучение случайных величин путем выборочных оценок параметров их распределений и переноса результатов с выборки на генеральную совокупность. Два мощных направления, в рамках которых осуществляется перенос: оценивание параметров (введение терминов - параметры и статистики) и проверка статистических гипотез. Два вида оценивания: точечное и интервальное. Общая характеристика всех названных подходов. Тема 2. Современные уточнения методов интервального оценивания основных параметров распределений Свойства точечных оценок (несмещенность, эффективность, состоятельность). Их содержательный смысл. Представление о мерах средней тенденции. Их содержательный смысл. Необходимость учитывать не только среднее, но и величину разброса значений признака. Меры средней тенденции и их точечные оценки (математическое ожидание, квантили, мода). Меры разброса и их точечные оценки (дисперсия, среднее квадратичное отклонение, среднее абсолютное отклонение, квантильный размах, коэффициент качественной вариации, энтропия). Возможность расчета тех и других для признаков, измеренных по разным шкалам. Оценка доли как частный случай оценки математического ожидания для специальным образом организованных дихотомических переменных. Обобщение подхода на другие способы многомерного статистического анализа. Интервальное оценивание в случае многоступенчатых выборок. Оценивание при использовании моделей стратифицированных и взвешенных выборок. Основная литература
Тема 3. Новейшие подходы к уточнению регрессионных моделейОсновная модель. Линейный регрессионный анализ. Метод наименьших квадратов. Расчет коэффициентов. Оценка качества уравнения.Современные модели регрессионного анализа. Примеры социологических задач, не решаемых в рамках традиционной регрессии. Модели логистической регрессии. Взаимодействие переменных в модели логистической регрессии. Тема 4. Общая линейная модель. Дисперсионный анализ и методы множественных сравненийОсновная модель. Сравнение с моделью регрессионного анализа. Связь с проверкой статистической гипотезы о равенстве средних. Множественные сравнения. Обобщение дисперсионного и регрессионного подходов в рамках общей линейной модели. Основная литература к темам 3,4
Дополнительная литература к темам 3,4
Тема 5. Принципы проведения эксперимента в социологииЦели эксперимента. Логика проведения эксперимента. Классификации экспериментов. 4 метода доказательства причинных связей по Миллю. Модель планируемого эксперимента. Специфика проведения эксперимента в социологии: неэкспериментальный характер социологических данных, эксперимент по Конту, факторы, затрудняющие эмпирическое выявление и доказательство причинных зависимостей. Использование математической статистики при планировании эксперимента. Методический эксперимент в социологии Основная литература
Дополнительная литература
Тема 6 . Общее представление о непараметрическом подходе. Смысл и роль параметрической статистики. Достоинства и недостатки параметрического подхода Суть непараметрического подхода. Изучение неизвестных непрерывных распределений. Переход от параметрических к непараметрическим методам. Тема 7. Ранговые методыЗамена численных наблюдений рангами. Связанные ранги. Ранговые коэффициенты корреляции. Интервальное оценивание ранговых коэффициентов связи. Сравнение различных ранговых коэффициентов связи, их познавательные возможности, специфика использования в социологии. Тема 8. Непараметрические подходы в многомерном статистическом анализе. Непараметрический дисперсионный и регрессионный анализ. Непараметрические методы в экспертных оценках Основная литература к темам 6, 7, 8
Дополнительная литература к темам 6, 7, 8
8. Образовательные технологии Занятия проводятся в форме интерактивных лекций и практических занятий. В рамках практических занятий решаются прикладные социальные задачи непараметрическими методами математического моделирования. На семинарах ведутся расчеты по типовым задачам. Самостоятельная работа по обработке данных проводится на ЭВМ, на которых установлен пакет SPSS, StatXact, Electre, Expert Choice, MakeItRational – Analytical Hierarchy Process Software и прочее. 9. Оценочные средства для текущего контроля и аттестации студента
- одной, - двух, - k (k>2) выборок?
- двухфакторного дисперсионного анализа, - многофакторного дисперсионного анализа? 11. Учебно-методическое и информационное обеспечение дисциплины11.1. Базовый учебник Hollander M., Wolfe D. Nonparametric statistical methods. Wiley, 1999. Холлендер М., Вулф Д. Непараматерические методы статистики: Пер. с англ. – М.: Финансы и статистика, 1983. – 518 с. Гл. 1-8. Глава 1. Предварительные сведения Глава 2. Задача о дихотомических данных Глава 3. Одновыборочная задача о положении (сдвиге) Глава 4. Двухвыборочная задача о положении (сдвиге) Глава 5. Двухвыборочная задача о рассеянии (масштабе) Глава 6. Однофакторные таблицы дисперсионного анализа Глава 7. Двухфакторные таблицы дисперсионного анализа Глава 8. Задача о независимости 11.2. Справочники
11.3. Основная литература
11.4. Дополнительная литература Большаков А.А., Каримов Р.Н. Методы обработки многомерных данных и временных рядов. М.: Горячая линия-Телеком, 2007. – 522 с. Ван дер Варден Б.Л. Математическая статистика. М.: ИЛ, 1960 (посл.две главы). Гаек Я., Шидак З. Теория ранговых критериев. М.: Наука, 1971 Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. М.: Прогресс, 1976. С. 437-458 Джессен Р. Методы статистических обследований. М.: Финансы и статистика, 1985. – 478 с. Ивченко Г.И., Медведев Ю.И., Чистяков А.В. Задачи с решениями по математической статистике. М.: Дрофа, 2007. – 318 с. Интерпретация и анализ данных в социологических исследованиях. М.: Наука, 1987. Калинина В.Н., Панкин В.Ф. Математическая статистика. М.: Высшая школа, 1998. Кемпбелл Д. Модели экспериментов в социальной психологии и прикладных исследованиях. М.: Прогресс, 1980 Колесин И.Д. Принципы моделирования социальной самоорганизации. СПб.: «Лань», 2013. – 288 с. Куприян А.П. Проблема эксперимента в системе общественной практики. М.: Наука, 1981 Паниотто В.И. Количественные методы в социологических исследованиях. Киев: Наукова думка, 1982. Рабочая книга социолога. М.: Наука, 1983. Статистические методы анализа информации в социологических исследований. М.: Наука, 1979. С.178-194 Сухорученков Б.И. Анализ малой выборки. Прикладные статистические методы. М.: Вузовская книга, 2010 – 384 стр. Тарасенко Ф.П. Непараметрическая статистика. Томск: изд-во томского ун-та, 1976. Татарова Г.Г. Методология анализа данных в социологии. М., 1998. Теория вероятностей и математическая статистика в задачах. Ватутин В.А., Ивченко Г.И., Медведев Ю.И. и др. М.: Дрофа, 2003. – 328 с. Толстова Ю.Н. Измерение в социологии. М.: ИНФРА-М, 1998. Хагуров А.А. Социальный эксперимент: логико-методологические и социальные проблемы.Ростов-на-Дону,1989 Хеттсманпергер Т. Статистические выводы, основанные на рангах. М.: Финансы и статистика, 1987. Холлендер М., Вулф Д. Непараметрические методы статистики. М.: Финансы и статистика, 1983. Юл Дж., Кендалл М. Теория статистики. М.: Статистика, 1960. Hollander Myles, Wolfe Douglas A. Nonparametric statistical methods. - Wiley, 1999. – 787 p. Hettmansperger T.P., McKean J.W. Robust nonparametric statistical method / 2 ed. – Boca Raton, FL: Taylor & Francis Group, 2011. – XVII, 535 p. 12. Материально-техническое обеспечение дисциплиныНа всех лекциях используется проектор, на практических занятиях знакомство с методами и обработка результатов проводится на ЭВМ с установленным пакетом SPSS, StatXact 10, Expert Choice и др. (желательно компьютерный класс или ноутбуки из расчета 1 вычислительное устройство на двоих). Автор программы: _______________________ / Д.С. Шмерлинг / 1 Puri M.L., Sen P.K. Nonparametric Methods in Multivariate Analysis. – N.Y.: Wiley, 1971. – 440 p. Ch. 4, 5, 7. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Добавить документ в свой блог или на сайт
