|
Vyučující
|
-
Dostál Daniel, PhDr. Ph.D.
|
|
Obsah předmětu
|
Modely a modelování reality - význam modelů ve vědeckém poznávání, funkce modelů v kvantitativních disciplínách, vztah mezi realitou a jejím matematickým či statistickým zobrazením. Jednoduchá lineární regrese a její grafická reprezentace - základní principy jednoduché regrese, odhad parametrů modelu, vizualizace regresních přímek a interpretace vztahů mezi proměnnými. Standardizované regresní koeficienty - význam standardizace, porovnávání vlivu jednotlivých prediktorů, interpretace výsledků v kontextu různých měřítek proměnných. Hodnocení kvality modelu - metriky shody modelu s daty (R2, upravené R2, reziduální analýza). Mnohonásobná lineární regrese - rozšíření jednoduchého modelu o více prediktorů, interpretace parciálních koeficientů. Kategoriální proměnné v lineárním modelu - kódování kategoriálních prediktorů, srovnávání skupin, dummy proměnné a kontrasty. Interakce faktorů - význam a interpretace interakčních efektů, grafická prezentace interakcí, jejich využití při modelování složitějších vztahů. Zkoumání nelineárních vztahů - polynomiální a transformované modely. Testy statistické významnosti - principy testování hypotéz v lineárních modelech, phodnoty, intervaly spolehlivosti. Podmínky užití lineárních modelů - klíčové předpoklady modelu (normalita, homoskedasticita, linearita, nezávislost), diagnostické nástroje a postupy při jejich ověřování, identifikace odlehlých či vlivných pozorování. Predikce a intervalové odhady - využití modelu pro předpověď nových hodnot, predikční a konfidenční intervaly, interpretace jejich šířky a významu. Modely se smíšenými efekty - úvod do hierarchických a vícestupňových modelů, náhodné intercepty a sklony, aplikace v kontextu opakovaných měření a seskupených dat.
|
|
Studijní aktivity a metody výuky
|
|
Monologická (výklad, přednáška, instruktáž), Dialogická (diskuze, rozhovor, brainstorming)
|
|
Výstupy z učení
|
Studium předmětu si klade za cíl naplnit dvě vzájemně propojené roviny. První z nich spočívá v hlubším porozumění úloze modelu ve vědeckém poznávání reality - v uvědomění si nezbytnosti tvorby modelů jako prostředku pro popis složitých jevů skutečného světa a v pochopení jak předností, tak i omezení, která jsou s tímto přístupem nevyhnutelně spojena. Zvláštní pozornost je věnována zejména modelům kvantitativním a statistickým, které umožňují formulovat a ověřovat hypotézy založené na empirických datech. Druhá rovina cílů předmětu se zaměřuje na systematické seznámení studentů s konkrétní třídou statistických modelů, lineárními modely. Ty představují nejen mimořádně univerzální analytický nástroj, uplatňovaný napříč širokým spektrem vědních oborů, ale zároveň tvoří i pomyslnou vstupní bránu pro porozumění a následné užívání dalších, složitějších tříd statistických modelů. Předmět zároveň akcentuje rozvoj praktických dovedností: studenti si osvojí práci v jednom z běžně používaných specializovaných softwarů pro analýzu statistických dat, což jim umožní nejen aplikovat teoretické poznatky v praxi, ale také získat zkušenosti, které jsou bezprostředně přenositelné do jejich budoucí odborné či výzkumné činnosti.
Absolvent předmětu bude schopen: - Modelovat rozmanité problémy s využitím statistických lineárních modelů, rozpoznávat vhodnost jejich aplikace v konkrétních výzkumných i praktických situacích a kriticky hodnotit jejich výsledky. - Samostatně analyzovat kvantitativní data s pomocí vybraného statistického softwaru, včetně přípravy dat, volby vhodných analytických postupů a interpretace získaných výstupů. - Provádět statistické predikce operacionalizovaných jevů na základě historických dat, posuzovat míru nejistoty predikcí a uvědomovat si limity takto získaných závěrů. - Reflektovat metodologické aspekty práce s lineárními modely, chápat jejich předpoklady a uvědomovat si důsledky jejich případného porušení pro validitu výsledků.
|
|
Předpoklady
|
V rámci účasti na předmětu se předpokládá, že studenti disponují alespoň elementární zkušeností s kvantitativními metodami. Očekává se zejména základní orientace v roli popisných statistik při sumarizaci dat a všeobecné povědomí o principu testování statistických hypotéz, včetně základního chápání významu phodnot a jejich interpretace. Tyto znalosti nejsou cílem samy o sobě, ale představují nezbytný výchozí rámec, na nějž výuka navazuje a který umožňuje účinněji porozumět pokročilejším tématům probíraným v rámci předmětu.
|
|
Hodnoticí metody a kritéria
|
nespecifikováno
Předmět je ukončen zkouškou. K jejímu složení je nutné průběžné plnění samostatných úkolů, jejichž náplní je tvorba statistických modelů dle specifikovaného zadání a realizace vybraných výpočtů nad přidělenými datovými soubory. Tyto úkoly jsou zadávány postupně v průběhu celého semestru a jejich celkový rozsah zahrnuje práci s více než dvanácti datovými sadami, v rámci nichž student řeší přes šedesát dílčích analytických úloh. Aby bylo zajištěno samostatné řešení, jsou každému studentovi automatizovaně generována individuální data, lišící se od dat ostatních účastníků kurzu. Výsledky svých analýz studenti odevzdávají a průběžně komunikují prostřednictvím interaktivního webového rozhraní, které zároveň umožňuje okamžitou kontrolo správnosti.
|
|
Doporučená literatura
|
-
Dostál, D. Lineární statistické modely v psychologii. .
|