Analiză predictivă și a co-dependențelor în R

InfoTitularTematicaBibliografieEvaluareObiective

Număr de credite: 7
Cod: AMR0157
Predare: lucrare practică: 3h
Limba de predare: Română
Tip: curs principal, semestrul 2, Masteratul Analiza Datelor Complexe
Erasmus: profesorul acceptă studenți Erasmus

Cristian Pop
conferenţiar universitar doctor
Facultatea de Sociologie şi Asistenţă Socială
Universitatea Babeş-Bolyai
E-mail: cristian.pop@ubbcluj.ro

1: Analiză statistică univariată şi multivariată
– Descrierea unei distribuţii statistice;
– Analiză univariară
– Analiză multivariată;
– Teste de semnificaţie;

2: Analiza de varianţă
– Pregătirea şi curaţarea datelor;
– Analiza de varianţă ANOVA (“one-way” ANOVA, “two-way” ANOVA);
– Analiză de covarianţă ANCOVA;
– Analiză de varianţă multivariată MANOVA
– Asemănări şi deosebiri între ele;
– Asumpţii şi limite;

3: Corelaţie şi regresia liniară simplă şi introducere în regresia multiplă
– Corelaţie;
– Pregătirea şi curaţarea datelor;
– Variabile dependente şi independente;
– Regresie liniară – coeficienţi;
– Asumpţii şi limite.

4: Regresie liniară multiplă
– Relația dintre mai multe variabile variabile;
– Regresie liniară multiplă – coeficienţi;
– Variabile dummy;
– Asumpţii şi limite.

5: Regresia logistică
– Tipuri de variabile;
– Pregătirea şi curaţarea datelor;
– Odds ratio;
– Coeficienţi şi interpretare
– Asumpţii şi limite.

6: Construcţia de indecşi sintetici
– Tipuri de variabile;
– Pregătirea şi curaţarea datelor;
– Analiză de validitate internă;
– Coeficienţi simpli şi coeficienţi ponderaţi
– Asumpţii şi limite.

7: Analiza factorială I
– Tipuri de variabile;
– Logica analizei de interdepenţă;
– Logica analizei factoriale
– Coeficienţi şi interpretarea lor.

8: Analiza factorială II
– Pregătirea şi curaţarea datelor;
– Diferenţe între modele
– Îmbunătăţirea modelului;
– Asumpţii şi limite.

9: Ecuaţii structurale I
– Tipuri de variabile;
– Logica folosită în ecutaţiile structurale
– Coeficienţi şi interpretarea lor.

10: Ecuaţii structurale II
– Pregătirea şi curaţarea datelor;
– Diferenţe între modele
– Îmbunătăţirea modelului;
– Asumpţii şi limite.

11: Analiya Cluster
– Tipuri de variabile;
– Pregătirea şi curaţarea datelor;
– Metode de grupare bazate pe algoritmi ierarhici
– Metode de grupare bazate pe algoritmi non-ierarhici
– Asumpţii şi limite.

12: Analize statistice multivariate şi raportare
– Tipuri de rapoarte;
– Elementele unui raport;
– Erori de raportare;
– Exemple de buna practică.
Concluzii & Recapitulare

  • Culic, I. (2004) Metode avansate în cercetarea socială. Analiza multivariată de interdependenţă. Iaşi: Polirom.
  • Agresti, A. şi B., Finlay (2009) (4nd ed.). Statistical Methods for the Social Sciences. London: Collier Macmillan Publishers
  • Tabachnick, B.G, L. S., Fidell (2006) Using Multivariate Statistics, Pearson
  • Aldenderfer, M. S., R. K., Blashfield, Roger K. (1984) Cluster Analysis. Newbury Park: Sage Publications.
  • Dunteman, G. H., (1989) Principal Components Analysis. Newbury Park, Ca.: Sage Publications.
  • Jaccard, J. şi R. Turrisi (2003) Interaction Effects in Multiple Regression. Second Edition. Sage.
  • Jae-On, K., C. W., Mueller (1978a) Introduction to Factor Analysis. What It Is and How to Do It. Newbury Park: Sage Publications.
  • Jae-On, K., C. W., Mueller (1978b) Factor Analysis. Statistical Methods and Practical Issues. Newbury Park: Sage Publications.

Metoda de evaluare

  • 70% examen
  • 30% teme

Obiective generale

  • Înţelegerea principiilor pe care se bazeară analiza cantitativă multivariată precum şi a asumpţiilor şi limitelor fiecărui tip de analiză

Obiective specifice

  • Dobândirea abilităţilor de pregătire a datelor
  • Dezvoltarea abilităţilor de analiză a diferitelor tipuri de date
  • Construirea capacităţii de a raporta rezultatelor unor analize complexe într-un limbaj accesibil