Zaawansowane metody analizy danych WF-PS-N-ZMA

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

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

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