Zaawansowane metody analizy danych

E-Learning (pełny kurs) z podziałem na grupy

- uczestnictwo w wykładach: 30h

- uczestnictwo w ćwiczeniach: 30h

- przygotowanie do wykładów: 15h

- przygotowanie do ćwiczeń: 15h

- prace domowe: 25h

- przygotowanie do egzaminu: 25h

- przygotowanie do kolokwium: 25h

obowiązkowy

nie dotyczy

Celem zajęć jest zapoznanie studentów z wybranymi zaawansowanymi metodami analizy danych wykorzystywanymi aktualnie w badaniach psychologicznych. Wykłady koncentrują się na przekazaniu ogólnej idei szerokiego zakresu zaawansowanych analiz w celu umożliwienia studentom dokonywania samodzielnej interpretacji wyników analiz prezentowanych w publikacjach naukowych z zakresu psychologii oraz krytycznej oceny sposobu interpretacji zaprezentowanego przez autora publikacji. Ćwiczenia skupiają się na trenowaniu praktycznych umiejętności przeprowadzania wybranych analiz w popularnych programach statystycznych (SPSS i R).

Celem zajęć jest zapoznanie studentów z wybranymi zaawansowanymi metodami analizy danych wykorzystywanymi aktualnie w badaniach psychologicznych.

Celem wykładów jest zapoznanie studentów z ogólną ideą wybranych zaawansowanych metod analizy danych, które są wykorzystywane w badaniach psychologicznych. Zajęcia mają przygotować studentów do bardziej świadomego zapoznawania się z publikacjami naukowymi z zakresu psychologii, dzięki rozumieniu prezentowanych w nich wyników zaawansowanych analiz statystycznych. Podczas wykładów analizy zostaną zaprezentowane w sposób przystępny, z pominięciem szczegółów matematycznych. Studenci zapoznają się z przykładowymi opisami wyników analiz w publikacjach naukowych. Zakres tematyczny odpowiada aktualnym trendom analitycznym w psychologicznych publikacjach naukowych.

Celem ćwiczeń jest nabycie umiejętności przeprowadzania analiz mediacji i moderacji z wykorzystaniem makra PROCESS do SPSS oraz przeprowadzania wybranych analiz statystycznych za pomocą programu RStudio, wykorzystującego język R. Analizy mediacji i moderacji są często wykorzystywane w badaniach psychologicznych, natomiast język R jest coraz częściej stosowany przez badaczy zamiast popularnego SPSS.

Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis. A regression-based approach (wyd. 2). 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.

Literatura dotycząca szczegółowych zagadnień będzie podawana na bieżąco na poszczególnych zajęciach.

Wymaganiem wstępnym uczestnictwa w zajęciach jest zaliczenie zajęć ze statystyki na poziomie podstawowym.

E-Learning (pełny kurs) z podziałem na grupy

obowiązkowy

nie dotyczy

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.

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

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