Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

Statystyka w badaniach psychologicznych

Informacje ogólne

Kod przedmiotu: WF-PS-N-SBP
Kod Erasmus / ISCED: 14.4 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (brak danych)
Nazwa przedmiotu: Statystyka w badaniach psychologicznych
Jednostka: Instytut Psychologii
Grupy:
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Poziom przedmiotu:

podstawowy

Symbol/Symbole kierunkowe efektów uczenia się:

PS_W06

PS_U06

Skrócony opis:

Celem zajęć jest zapoznanie Studentów z podstawowymi metodami statystycznej analizy danych najczęściej wykorzystywanymi w badaniach psychologicznych.

Pełny opis:

Kurs stanowi kontynuację problematyki omawianej w ramach zajęć ze Statystyki i obejmuje omówienie oraz aplikację różnych testów statystycznych, na które składają się przede wszystkim testy t-Studenta, jednoczynnikowa analiza wariancji (ANOVA), korelacja i model regresji jednokrotnej oraz test chi-kwadrat.

Dla każdego z omawianych modeli analizy wyróżnione zostaną zmienne pełniące funkcje zmiennych zależnych i niezależnych oraz ich status pomiarowy, założenia, których spełnienie konieczne jest do ich aplikacji (oraz metody ich weryfikacji i sposoby radzenia sobie w przypadku niespełnienia założeń), a także poprawne interpretacje rezultatów przeprowadzonych analiz. Przedyskutowana zostanie także problematyka wykorzystania przedziałów ufności jako alternatywy do tradycyjnego testowania hipotez.

Efektem ukończenia zajęć będzie umiejętność wykorzystywania metod statystycznych i analitycznego myślenia do krytycznej oceny zgromadzonych danych, rozwiązywania problemów teoretycznych i praktycznych, wyboru odpowiedniego ze względu na typ problemu badawczego czy hipotezy testu statystycznego oraz skutecznej prezentacji rezultatów analiz.

Na ocenę końcową składają się:

1) Ocena z pisemnego kolokwium - 80% oceny końcowej. Zakres materiału oraz przykładowe pytania i problemy podawane są Studentom w takcie zajęć.

2) Ocena aktywności Studenta w trakcie zajęć (aktywność na zajęciach, wykonywanie quizów i prac domowych) - 20% oceny końcowej.

Aby zaliczyć przedmiot Student musi uzyskać z kolokwium ocenę przynajmniej dostateczną.

Literatura:

Podstawową literaturę do kursu stanowią poniższe podręczniki. Szczegółowy zakres lektury obowiązkowej i dodatkowej podawany jest na bieżąco na zajęciach.

Aczel, A. D., Statystyka w zarządzaniu. Warszawa 2000.

Aczel, A. D., Sounderpandian, J., Statystyka w zarządzaniu. Warszawa 2017.

Aranowska, E., Metodologiczne problemy zastosowań modeli statystycznych w psychologii. Teoria i praktyka. Warszawa 1996.

Blalock, H. M., Statystyka dla socjologów. Warszawa 1977.

Ferguson, G. A., Takane, Y., Analiza statystyczna w psychologii i pedagogice. Warszawa 1997.

Francuz, P., Mackiewicz, R., Liczby nie wiedzą, skąd pochodzą. Przewodnik po metodologii i statystyce nie tylko dla psychologów. Lublin 2005.

Howell, D. C., Statistical methods for psychology. Belmond: CA 2010.

King, B. M., Minium, E., W. Statystyka dla psychologów i pedagogów. Warszawa 2009.

Efekty kształcenia i opis ECTS:

Statystyka odgrywa poważną rolę w ustalaniu praw empirycznych w naukach społecznych. Stanowi ona odrębną dyscyplinę wiedzy w tym sensie, że ma swoją własną tożsamość z dużym repertuarem technik wywodzących się z pewnych zasad podstawowych. Technik tych jednakże nie wolno używać w sposób bezrefleksyjny. Statystyka jest bardziej sposobem myślenia czy też wnioskowania aniżeli zbiorem użytecznych recept, które po zastosowaniu do danych, umożliwiają uzyskanie odpowiedzi na postawione pytania.

Użytkownik metod statystycznych winien nie tylko dysponować niezbędną wiedzą na temat podstaw logicznych tych metod i ograniczeń związanych z ich stosowaniem, a także musi on nabyć koniecznej praktyki, aby umieć dokonać wyboru metody właściwej w danej sytuacji oraz wprowadzić odpowiednie modyfikacje w razie potrzeby. Warto zauważyć, iż metodologia statystyki zależna od rozumowania indukcyjnego, nie jest w pełni skodyfikowana ani też wolna od kontrowersji. Różni użytkownicy mogą dochodzić do odmiennych wniosków, analizując ten sam zbiór danych. Zwykle istniejące dane zawierają więcej informacji niż można ujawnić za pomocą dostępnych narzędzi statystycznych. To, w jakim stopniu użytkownikowi uda się wydobyć te informacje, zależy nie tylko od jego wiedzy, ale również od wprawy i doświadczenia. Czyni to statystykę sztuką polegającą na dokonywaniu trafnych wyborów. Niełatwo jest dokonywać takich wyborów bez rzetelnej wiedzy na temat podstaw wybranych metod statystycznych, tak jedno-, jak i wielowymiarowych, oraz kryteriów wyboru odpowiedniej metody analizy. Niełatwo jest także wykorzystywać te metody w kompetentny sposób bez znajomości ich ograniczeń oraz uprawnionych (bądź nie) interpretacji uzyskanych rezultatów analizy. Psycholog powinien zatem dysponować nie tylko znajomością najczęściej wykorzystywanych w psychologii metod statystycznej analizy danych i warunków ich stosowania, ale także umiejętnością dokonania wyboru metody optymalnej z punktu widzenia postawionego problemu badawczego i w kontekście zgromadzonych danych.

Efekty kształcenia:

1. Wiedza – Student zna testy t-Studenta dla dwóch prób (niezależnych i zależnych) oraz znane mu są logiczno-statystyczne podstawy jednowymiarowej, jednoczynnikowej analizy wariancji. Rozumie także sens ich stosowania. Potrafi dokonać charakterystyki tych modeli: przedstawić postać hipotezy zerowej i alternatywnej, podać niezbędne do ich aplikacji założenia i uzasadnić konieczność ich przyjmowania, wskazać konsekwencje pogwałcenia założeń, zna postać statystyki testowej i jej liczbę stopni swobody oraz jej rozkład prawdopodobieństwa. Zna pojęcie efektu głównego. Potrafi wyjaśnić, co to jest interakcja. Zna testy porównań wielokrotnych i wskaźniki wielkości efektu wykorzystywane w modelach ANOVA. Rozumie ideę modelu MANOVA.

Umiejętności – Student umie poprawnie posłużyć się testami t-Studenta oraz modelem analizy wariancji i uzasadnić decyzję o wyborze konkretnego modelu analizy do analizy danych. Poprawnie interpretuje otrzymane wartości statystyk. Student umie skonstruować przedział ufności dla różnicy dwóch średnich populacyjnych. Potrafi poprawnie zinterpretować i zilustrować efekt interakcji. Potrafi sformułować bądź rozpoznać problem badawczy właściwy dla zastosowania tych metod.

Kompetencje – Student potrafi wyjaśnić istotę modeli analizy wariancji. Zdaje sobie sprawę, że test t-Studenta dla dwóch prób niezależnych stanowi szczególny przypadek jednoczynnikowego modelu ANOVA. Ma świadomość wagi koniecznych do spełnienia założeń. Potrafi krytycznie ustosunkować się do wyników otrzymanych za pomocą tych metod oraz ich interpretacji, wskazując na zalety i braki konkretnej analizy.

2. Wiedza – Student potrafi wyjaśnić, co to jest kowariancja. Zna współczynnik korelacji (całkowitej) r-Pearsona i założenia umożliwiające jego wykorzystanie. Wie, jak wygląda rozkład prawdopodobieństwa tego współczynnika oraz zna jego liczbę stopni swobody. Rozumie czym, jest współczynnik determinacji r-kwadrat. Potrafi podać postać równania regresji liniowej prostej i wyjaśnić, czym są współczynniki a i b w równaniu regresji. Zna założenia modelu oraz ograniczenia jego stosowania. Potrafi wyjaśnić, co to jest reszta regresji. Zna metodę najmniejszych kwadratów. Znane jest mu rozróżnienie modeli liniowych i nieliniowych.

Umiejętności – Student potrafi posłużyć się współczynnikiem korelacji (całkowitej) r-Pearsona oraz poprawnie zinterpretować siłę i kierunek otrzymanej zależności. Potrafi przedstawić graficznie jego rozkład prawdopodobieństwa. Potrafi poprawnie zinterpretować uzyskaną wartość współczynnika determinacji r-kwadrat. Potrafi zbudować równanie regresji prostej, wyznaczyć wartości współczynników i zinterpretować uzyskane rozwiązanie. Potrafi sformułować bądź rozpoznać problem badawczy właściwy dla zastosowania tych metod.

Kompetencje – Student potrafi wyjaśnić istotę związku pomiędzy dwiema zmiennymi w kategoriach formy funkcjonalnej tego związku. Ma świadomość wagi koniecznych do spełnienia założeń. Potrafi krytycznie ustosunkować się do wyników otrzymanych za pomocą tych metod oraz ich interpretacji, wskazując na zalety i braki konkretnej analizy.

3. Wiedza – Student zna rozkład prawdopodobieństwa chi-kwadrat. Zna zastosowania testu chi-kwadrat. Potrafi przedstawić dla tego modelu postać hipotezy zerowej i alternatywnej, podać niezbędne do jego aplikacji założenia, zna postać statystyki testowej i jej liczbę stopni swobody oraz jej rozkład prawdopodobieństwa. Zna miary kontyngencji.

Umiejętności – potrafi przedstawić graficznie rozkład prawdopodobieństwa chi-kwadrat dla różnej liczby stopni swobody. Potrafi zbudować tabelę wielodzielczą. Potrafi poprawnie posłużyć się testem chi-kwadrat. Potrafi trafnie wybrać i wyznaczyć współczynnik kontyngencji oraz zinterpretować jego wartość.

Kompetencje – Student potrafi wyjaśnić istotę zależności między dwiema zmiennymi klasyfikacyjnymi. Ma świadomość wagi koniecznych do spełnienia założeń. Potrafi krytycznie ustosunkować się do wyników otrzymanych za pomocą tej metody oraz ich interpretacji, wskazując na zalety i braki konkretnej analizy.

ECTS:

udział w ćwiczeniach - 30 godzin

przygotowanie do ćwiczeń – 15 godzin

przygotowanie do kolokwium - 15 godzin

SUMA GODZIN = 60 (60 : 30 = 2)

LICZBA ECTS - 2

Metody i kryteria oceniania:

- na ocenę niedostateczną (2): Student zna mniej niż 60,0% podstawowych terminów statystycznych, nie rozumie ich znaczenia, nie potrafi ich wykorzystać do opisu analizowanych własności. Nie potrafi poprawnie stosować omawianych w trakcie zajęć metod statystycznych bądź wykorzystuje je bezrefleksyjnie, nie uwzględniając ich uwarunkowań. Formułuje błędne lub nieuprawnione wnioski, nieadekwatnie posługując się terminologią statystyczną.

- na ocenę dostateczną (3): Student ze zrozumieniem używa minimum 60,0% pojęć statystycznych i posiadł kompetencje i umiejętności z tego zakresu. W ograniczonym zakresie wykorzystuje posiadaną wiedzę do rozwiązania konkretnych problemów statystycznych i uzasadnienia przyjętych rozwiązań. Potrafi poprawnie wykorzystać niektóre z omawianych w trakcie zajęć metod statystycznych, ale pomija inne lub nie stosuje ich prawidłowo, a dostarczane przez niego uzasadnienia często są niepełne bądź niejasne.

- na ocenę dobrą (4): Student ze zrozumieniem operuje minimum 80,0% wiedzy przedstawionej w toku całego semestru oraz posiadł kompetencje i umiejętności z nią związane. Student zna zasadnicze kroki weryfikowania hipotezy zerowej wprowadzonych w tym semestrze testów statystycznych (sprawdzenie założeń metody, odtworzenie logicznych podstaw formułowania statystyki testu, wyznaczenie jej rozkładu prawdopodobieństwa oraz liczby stopni swobody, sformułowanie kryterium decyzyjnego dotyczącego odrzucenia bądź nie hipotezy zerowej). Poprawnie stosuje omawiane w trakcie zajęć metody statystyczne, choć zdarza mu się pominąć w analizie problemu niektóre – czasami nawet kluczowe – założenia.

- na ocenę bardzo dobrą (5): Student dysponuje w zasadzie pełnym zakresem wiedzy obowiązującej w tym semestrze. Potrafi trafnie dobrać metodę analizy danych do konkretnych problemów badawczych. Potrafi dokonać całościowej analizy konkretnego problemu statystycznego, uwzględniając wszystkie dostępne informacje i uzasadnić wybór proponowanego rozwiązania. Poprawnie stosuje omawiane w trakcie zajęć metody statystyczne, potrafi także przedyskutować ich ograniczenia.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.
ul. Dewajtis 5,
01-815 Warszawa
tel: +48 22 561 88 00 https://uksw.edu.pl
kontakt deklaracja dostępności USOSweb 7.0.3.0-1 (2024-04-02)