Advanced methods of data analysis
General data
Course ID: | WF-PS-N-ZMA |
Erasmus code / ISCED: |
14.4
|
Course title: | Advanced methods of data analysis |
Name in Polish: | Zaawansowane metody analizy danych |
Organizational unit: | Institute of Psychology |
Course groups: |
(in Polish) Przedmioty obowiązkowe dla IV roku, Specjalność psychologia kliniczna i psychoterapia (in Polish) Przedmioty obowiązkowe dla IV roku, Specjalność psychologia pracy i organizacji (in Polish) Przedmioty obowiązkowe dla IV roku, Specjalność psychologia sądowa i penitencjarna (in Polish) Przedmioty obowiązkowe dla IV roku, Specjalność psychologia wspomagania rozwoju |
ECTS credit allocation (and other scores): |
6.00
|
Language: | Polish |
(in Polish) Dyscyplina naukowa, do której odnoszą się efekty uczenia się: | psychology |
Subject level: | intermediate |
Learning outcome code/codes: | PS_W06; PS_U06 |
Preliminary Requirements: | Passing basic statistics classes. |
Short description: |
The aim of the course is to familiarize students with selected advanced methods of data analysis currently used in psychological research. The lectures focus on presenting the general idea of a wide range of advanced analyses in order to enable students to interpret the results of analyses presented in scientific publications in the field of psychology and to critically evaluate the interpretation suggested by the author of the publication. Practical classes focus on training the skills of conducting selected analyses in popular statistical software (SPSS and R). |
Full description: |
The aim of the course is to familiarize students with selected advanced methods of data analysis currently used in psychological research. The aim of the lectures is to familiarize students with the general idea of selected advanced methods of data analysis that are used in psychological research. The classes are intended to prepare students to better understand scientific publications in the field of psychology, thanks to the ability of interpretation of the results of advanced statistical analyses presented in them. During the lectures, the analyses will be presented in an accessible way, without the mathematical details. Students will get acquainted with exemplary descriptions of the results of analyzes in scientific publications. The scope of topics corresponds to the current analytical trends in psychological scientific publications. The aim of the practical classes is to acquire the ability to conduct mediation and moderation analyses using the PROCESS macro for SPSS and to conduct selected statistical analyses using the RStudio software, based on the R language. Mediation and moderation analyses are often used in psychological research, while the R language is increasingly used by researchers instead of the popular SPSS. |
Bibliography: |
Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis. A regression-based approach (2nd ed.). Guilford Press. Revelle, W. (2021). An introduction to the psych package: Part I: data entry and data description. Department of Psychology, Northwestern University, Evanston, IL, USA. Revelle, W. (2021). An introduction to the psych package: Part II: Scale construction and psychometrics. Department of Psychology, Northwestern University, Evanston, IL, USA. Literature on specific topics will be provided on an ongoing basis during each class. |
Efekty kształcenia i opis ECTS: |
- student is able to interpret the results of statistical analyses presented in a scientific publication - student is able to critically evaluate the selection of analyses and the interpretation of their results presented in a scientific publication - student is aware of the possibilities and limitations of selected advanced statistical analyses used in psychological research - student is able to conduct mediation and moderation analyses in the macro PROCESS for SPSS - student understands the specifics of the RStudio program and the rules of the R programming language syntax - the student is able to carry out simple statistical analyses in RStudio with the use of commands in the R language |
Assessment methods and assessment criteria: |
Specified in descriptions of lectures and practical classes. |
Classes in period "Winter semester 2022/23" (past)
Time span: | 2022-10-01 - 2023-01-31 |
Navigate to timetable
MO TU W CW
CW
CW
TH FR WYK
|
Type of class: |
Classes, 30 hours, 15 places
Lectures, 30 hours, 60 places
|
|
Coordinators: | Ewa Skimina | |
Group instructors: | Ewa Skimina | |
Course homepage: | https://teams.microsoft.com/l/team/19%3aPs2_U9OWMeL65z9pjNeqOGNlYRUMOyN9qfDWp7UAqQc1%40thread.tacv2/conversations?groupId=6fcdcc8d-c319-4a5e-b371-59949e2dbda9&tenantId=12578430-c51b-4816-8163-c7281035b9b3 | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
graded credit
Classes - graded credit Lectures - graded credit |
|
(in Polish) E-Learning: | (in Polish) E-Learning (pełny kurs) z podziałem na grupy |
|
(in Polish) Opis nakładu pracy studenta w ECTS: | - participation in lectures: 30h - participation in practical classes: 30h - preparation for lectures: 15h - preparation for practical classes: 15h - homework: 25h - preparation for exam: 25h - preparation for the final test: 25h |
|
Type of subject: | obligatory |
|
(in Polish) Grupa przedmiotów ogólnouczenianych: | (in Polish) nie dotyczy |
|
Short description: |
The aim of the course is to familiarize students with selected advanced methods of data analysis currently used in psychological research. The lectures focus on presenting the general idea of a wide range of advanced analyses in order to enable students to interpret the results of analyses presented in scientific publications in the field of psychology and to critically evaluate the interpretation suggested by the author of the publication. Practical classes focus on training the skills of conducting selected analyses in popular statistical software (SPSS and R). |
|
Full description: |
The aim of the course is to familiarize students with selected advanced methods of data analysis currently used in psychological research. The aim of the lectures is to familiarize students with the general idea of selected advanced methods of data analysis that are used in psychological research. The classes are intended to prepare students to better understand scientific publications in the field of psychology, thanks to the ability of interpretation of the results of advanced statistical analyses presented in them. During the lectures, the analyses will be presented in an accessible way, without the mathematical details. Students will get acquainted with exemplary descriptions of the results of analyzes in scientific publications. The scope of topics corresponds to the current analytical trends in psychological scientific publications. The aim of the practical classes is to acquire the ability to conduct mediation and moderation analyses using the PROCESS macro for SPSS and to conduct selected statistical analyses using the RStudio software, based on the R language. Mediation and moderation analyses are often used in psychological research, while the R language is increasingly used by researchers instead of the popular SPSS. |
|
Bibliography: |
Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis. A regression-based approach (2nd ed.). Guilford Press. Revelle, W. (2021). An introduction to the psych package: Part I: data entry and data description. Department of Psychology, Northwestern University, Evanston, IL, USA. Revelle, W. (2021). An introduction to the psych package: Part II: Scale construction and psychometrics. Department of Psychology, Northwestern University, Evanston, IL, USA. Literature on specific topics will be provided on an ongoing basis during each class. |
|
Wymagania wstępne: |
The prerequisite for participation in the class is the completion of the class in statistics at the basic level. |
Classes in period "Winter semester 2023/24" (past)
Time span: | 2023-10-01 - 2024-01-31 |
Navigate to timetable
MO TU CW
CW
CW
WYK
W TH CW
CW
CW
FR |
Type of class: |
Classes, 30 hours, 15 places
Lectures, 30 hours, 60 places
|
|
Coordinators: | Joanna Gorgol, Piotr Radkiewicz | |
Group instructors: | Joanna Gorgol, Piotr Radkiewicz | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
graded credit
Classes - graded credit Lectures - graded credit |
|
(in Polish) E-Learning: | (in Polish) E-Learning (pełny kurs) z podziałem na grupy |
|
Type of subject: | obligatory |
|
(in Polish) Grupa przedmiotów ogólnouczenianych: | (in Polish) nie dotyczy |
|
Short description: |
(in Polish) Celem wykładów będzie zapoznanie z najważniejszymi i najczęściej stosowanymi w badaniach psychologicznych metodami analiz wielozmiennowych. Poszczególne metody omawiane będą pod kątem podstawowych kryteriów ich wyboru, z uwzględnieniem podziału na badania eksperymentalne i korelacyjne, eksploracyjną vs konfirmacyjną strategię analizy danych, typ pomiaru zmiennych itd. Generalnie, poszczególne wykłady będą się składały z wprowadzenia obejmującego przybliżenie zasad budowy określonego modelu statystycznego i z jego praktycznej demonstracji. |
|
Full description: |
(in Polish) TEMATY KOLEJNYCH WYKŁADÓW 1. Wprowadzenie. Metoda analityczna jako odzwierciedlenie problemu badawczego • różne typy problemów badawczych • klasyfikacja technik analiz wielozmiennowych • moc testu a wybór metody analizy danych Tacq, J. (1997). Multivariate analysis techniques in social science research: From problem to analysis (s. 31-83). London: Sage 2. Zaawansowane modele analizy wariancji • analiza wariancji z powtarzanymi pomiarami i w schematach mieszanych (Mixed Design) • wielowymiarowa analiza wariancji (MANOVA) • analiza kowariancji (ANCOVA) Aranowska, E., Rytel, J. (2010). Wielozmiennowa analiza wariancji - MANOVA. Psychologia Społeczna, 5, 2-3 (14), 117-141 Bedyńska, S., Cypryańska, M. (red.) (2013). Statystyczny drogowskaz 2. Praktyczne wprowadzenie do analizy wariancji (s. 99-112, 135-219). Warszawa: Wydawnictwo Sedno 3. Analiza regresji wielokrotnej I • model korelacyjny: typy współczynników korelacji • regresja liniowa prosta i wielokrotna • weryfikacja założeń modelu regresyjnego i ocena wpływu przypadków skrajnych Bedyńska, S., Książek, M. (red.) (2012). Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresyjnych oraz równań strukturalnych (s. 15-87). Warszawa: Wydawnictwo Sedno 4. Analiza regresji wielokrotnej II • zmienne jakościowe jako predyktory • efekty interakcyjne w modelu regresyjnym • liniowa i nieliniowa analiza regresji Bedyńska, S., Książek, M. (red.) (2012). Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresyjnych oraz równań strukturalnych (s. 15-87). Warszawa: Wydawnictwo Sedno 5. Analiza moderacji i mediacji • konfundery, moderatory, mediatory i supresory • typy moderacji i mediacji • logika testowania moderacji i mediacji • testowanie efektów moderacyjnych i mediacyjnych zestawem makr PROCESS Bedyńska, S., Książek, M. (red.) (2012). Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresyjnych oraz równań strukturalnych (s. 109-157). Warszawa: Wydawnictwo Sedno Cichocka, A., Bilewicz, M. (2010). Co się kryje w nieistotnych efektach statystycznych? Możliwość zastosowania analizy supresji w psychologii społecznej. Psychologia Społeczna, 5, 2-3 (14), 191-198 6. Procesualny model efektów zależnych (Conditional Process Analysis) • warunkowe efekty bezpośrednie (Direct) i pośrednie (Indirect) • moderacja efektów mediacyjnych w procesualnym modelu efektów zależnych • mediowana moderacja Hayes, A., Rockwood, N. (2020). Conditional process analysis: Concepts, computation, and advances in modeling of the contingencies of mechanisms. American Behavioral Scientist, 64, 19-54 7. Analiza regresji oparta na modelu LOGIT • Uogólniony Model Liniowy (Generalized Linear Model) • dwuwartościowa (Binomial) analiza regresji logistycznej • wielowartościowa (Multinomial) regresja logistyczna i regresja porządkowa (Ordinal) Danieluk, B. (2010). Zastosowanie regresji logistycznej w badaniach eksperymentalnych, Psychologia Społeczna, 5, 2-3 (14), 199-215 8. Wybrane metody eksploracyjnych analiz wielozmiennowych I • eksploracyjna analiza czynnikowa • skalowanie wielowymiarowe Bedyńska, S., Cypryańska, M. (red.) (2013). Statystyczny drogowskaz 1. Praktyczne wprowadzenie do wnioskowania statystycznego (s. 245-283). Warszawa: Wydawnictwo Sedno Król, G., Wieczorkowska, G. (2006). Odtwarzanie mapy poznawczej za pomocą skalowania wielowymiarowego. W: J. Brzeziński (red.). Metodologia badań psychologicznych. Wybór tekstów (s. 417-441). Warszawa: Wydawnictwo Naukowe PWN 9. Wybrane metody eksploracyjnych analiz wielozmiennowych II • analiza skupień • analiza korespondencji Analiza skupień i analiza korespondencji. StatSoft Electronic Statistics Textbook. http://www.statsoft.pl/textbook/stathome.html 10. Modelowanie równań strukturalnych I: Modele strukturalne zmiennych obserwowalnych • idea dekompozycji współczynnika korelacji • analiza ścieżkowa • testowanie modelu strukturalnego, empiryczna i zreprodukowana macierz korelacji Bedyńska, S., Książek, M. (red.) (2012). Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresyjnych oraz równań strukturalnych (s. 161-199). Warszawa: Wydawnictwo Sedno 11. Modelowanie równań strukturalnych II: Modele strukturalne ze zmiennymi ukrytymi • testowanie modelu strukturalnego w podgrupach i porównywanie modeli alternatywnych • konfirmacyjna analiza czynnikowa • pełny model równań strukturalnych Bedyńska, S., Książek, M. (red.) (2012). Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresyjnych oraz równań strukturalnych (s. 202-215; 218-232). Warszawa: Wydawnictwo Sedno. 12. Hierarchiczna (wielopoziomowa) analiza danych • niezależność obserwacji a zjawisko klasteringu • modele efektów stałych i losowych • trzy poziomy analizy w modelach hierarchicznych Radkiewicz, P., Zieliński, M. (2010). Hierarchiczne modele liniowe. Co nam dają i kiedy warto je stosować? Psychologia Społeczna, 5, 2-3 (14), 217-233 13. Analizy longitudinalne • analizy trendów w analizie wariancji (ANOVA) • analizy podłużne z wykorzystaniem modeli hierarchicznych • analizy podłużne z wykorzystaniem modelowania równań strukturalnych Cohen, J., Cohen, P., West, S., Aiken, L. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (s. 568-607). New Jersey: Lawrence Erlbaum 14. Modele log-liniowe • dwudzielcze i wielodzielcze tabele liczebności • model log-liniowy i jego dopasowanie • modele nasycone i nienasycone Półtorak, M. (2007). Modele log-liniowe i ich zastosowania w psychologii. Przegląd Psychologiczny, 50 (1), 25-44 15. Wnioskowanie bayesowskie • rodzaje prawdopodobieństwa wg twierdzenia Bayesa • statystyka bayesowska vs. statystyka „klasyczna” • czynnik Bayesa jako metoda weryfikowania hipotez statystycznych Dienes, Z. (2011). Bayesian Versus Orthodox Statistics: Which Side Are You On?, Perspectives on Psychological Science, 6 (3), 274-290 |
|
Wymagania wstępne: |
(in Polish) Efekty edukacyjne • student nabywa wiedzę na temat wielozmiennowych analiz danych stosowanych w badaniach psychologicznych • student ma świadomość możliwości i ograniczeń wybranych zaawansowanych analiz statystycznych stosowanych w badaniach psychologicznych • student potrafi porównać wielozmiennowe analizy danych • student potrafi wybrać metodę analityczną adekwatną do problemu badawczego • student potrafi zinterpretować wyniki analiz statystycznych przedstawione w publikacji naukowej • student potrafi krytycznie ocenić dobór analiz oraz interpretację ich wyników zaprezentowaną w publikacji naukowej Kurs jest powiązany z innymi zajęciami statystyka, metodologia badan psychologicznych, psychometria, praca empiryczna Zaliczenie Zaliczenie na ocenę. Podstawą zaliczenia będzie sprawdzian testowy składający się z 40 pytań (32 pytania testowe jednokrotnego wyboru + 8 pytań otwartych). Ocenę dostateczną zapewnia uzyskanie minimum 24 punktów |
Copyright by Cardinal Stefan Wyszynski University in Warsaw.