Описание
Цель изучения курса "Подготовка и анализ данных выборочных обследований в IBM SPSS Statistics" – научиться использовать программу IBM SPSS Statistics для создания планов отбора, формирования выборки и корректного анализа данных, полученных выборочным методом. Программа SPSS имеет отдельный модуль Сложные выборки (Complex Samples), который представляет собой конструктор для отбора данных выборочным методом и анализа данных выборки. В курсе подробно рассматриваются возможности этого модуля.
По окончании курса Вы будете знать и уметь:
- знать основы теории выборочных обследований;
- уметь составлять план отбора для формирования выборки;
- определять минимальный объем выборки;
- формировать выборку в SPSS;
- подготавливать данные выборочных обследований для анализа;
- анализировать данные выборочных обследований.
Объем курса: 16 ак. часов (общая продолжительность видео лекций более 7 астрономических часов). Общий объем времени для освоения курса соответствует очному обучению 2 дня с 10:00 до 17:00.
Ссылка на портал курса (доступ к материалам курса открывается после оформления заказа и его оплаты).
Программа курса
Тема 1. Основы теории выборочных обследований (продолжительность видео лекции 1 час 30 минут)
- Генеральная и выборочная совокупность
- Свойства выборочной совокупности
- Особенности выборочного метода
- Классификация выборок
- Виды и методы вероятностного отбора
- Способы формирования вероятностных выборок
- Простой случайный отбор
- Систематический случайный отбор
- Вероятностно-пропорциональный отбор
- Кластерный отбор
- Одноступенчатый кластерный отбор
- Многоступенчатый кластерный отбор
- Алгоритм проведения выборочных обследований
- Определение необходимого объема выборки
Тема 2. Работа с конструктором отбора (продолжительность видео лекции 45 минут)
- Процедуры модуля Сложные выборки
- Конструктор отбора
- Параметры Конструктора отбора
- Задание переменных плана отбора
- Задание метода отбора
- Методы ВПР-отбора
- Задание объема выборки
- Выходные переменные отбора и сводка плана
- Расслоение на втором этапе отбора
- Методы отбора на втором этапе отбора
- Доля выборки на втором этапе отбора
- Параметры отбора
- Выходные файлы отбора и завершение отбора
- Сводка плана и сводка отбора
Тема 3. Работа с конструктором подготовки к анализу (продолжительность видео лекции 35 минут)
- Конструктор подготовки к анализу
- Параметры Конструктора подготовки к анализу
- Задание переменных плана
- Задание метода отбора
- Сводка плана и завершение работы Конструктора подготовки к анализу
- Вычисление окончательных выборочных весов
Тема 4. Подготовка данных выборочных обследований для анализа (продолжительность видео лекции 20 минут)
- Анализ и шкалы измерения переменных
- План отбора и план анализа
- Подготовка файла данных для анализа
- Ввод данных выборочного обследования
- Слияние файла выборки и файла собранных данных
Тема 5. Анализ частот данных выборочных обследований (продолжительность видео лекции 25 минут)
- Процедура Частоты
- Параметры процедуры Частоты
- Результаты процедуры Частоты
- Критерий равенства долей в ячейках
- Процедура Частоты для подсовокупностей
Тема 6. Анализ описательных статистик данных выборочных обследований (продолжительность видео лекции 20 минут)
- Процедура Описательные
- Параметры процедуры Описательные
- Результаты процедуры Описательные
- T-критерий для описательных статистик
- Процедура Описательные для подсовокупностей
Тема 7. Анализ таблиц сопряженности данных выборочных обследований (продолжительность видео лекции 20 минут)
- Процедура Таблицы сопряженности
- Параметры процедуры Таблицы сопряженности
- Проверка наличия взаимосвязи на основе критерия хи-квадрат
- Оценка риска в таблицах сопряженности
- Процедура Таблицы сопряженности для подсовокупностей
Тема 8. Анализ отношений данных выборочных обследований (продолжительность видео лекции 15 минут)
- Процедура Отношения
- Параметры процедуры Отношения
- Результаты процедуры Отношения
- Процедура Отношения для подсовокупностей
Тема 9. Построение общей линейной модели по данным выборочных (продолжительность видео лекции 50 минут) обследований
- Общая линейная модель взаимосвязи
- Процедура Общая линейная модель для сложных выборок
- Результаты процедуры Общая линейная модель для сложных выборок
- Настройка взаимодействия предикторов
- Настройка вывода статистик
- Сравнение средних по группам
- Настройка параметров проверки гипотез
- Сохранение результатов
- Прочие параметры процедуры Общая линейная модель для сложных выборок
Тема 10. Построение модели логистической регрессии по данным выборочных обследований (продолжительность видео лекции 35 минут)
- Понятие модели бинарного выбора
- Модель логистической регрессии
- Запуск процедуры Логистическая регрессия для сложных выборок
- Результаты процедуры Логистическая регрессия для сложных выборок
- Задание предикторов и их взаимодействия
- Настройка вывода статистик модели
- Вывод отношений шансов
- Настройка параметров проверки гипотез
- Сохранение результатов
- Параметры оценивания модели
Тема 11. Построение модели порядковой регрессии по данным выборочных обследований (продолжительность видео лекции 45 минут)
- Модель порядковой регрессии
- Связывающие функции
- Запуск процедуры Порядковая регрессия для сложных выборок
- Результаты процедуры Порядковая регрессия для сложных выборок
- Настройка модели
- Настройка параметров проверки гипотез
- Выбор статистик для модели
- Интерпретация коэффициентов модели
- Анализ классификационной таблицы
- Анализ результатов теста параллельных линий
- Назначение отношений шансов
- Сохранение результатов
- Параметры оценивания модели
Тема 12. Построение модели регрессии Кокса по данным выборочных обследований (продолжительность видео лекции 35 минут)
- Исходные данные в регрессионных моделях Кокса
- Модель пропорциональных интенсивностей Кокса
- Задание переменной времени и критического события
- Задание предикторов
- Проверка значимости влияния предикторов
- Вывод и интерпретация коэффициентов модели
- Проверка гипотезы о пропорциональных интенсивностях
- Предикторы, зависящие от времени
- Сохранение результатов
- Задание подгрупп
- Графики
- Настройка модели
- Экспорт результатов
- Проверка гипотез
- Параметры оценивания модели
Преподаватель курса
Сорокин Александр Сергеевич – создатель и генеральный директор компании Центр Статистического Анализа. В 2001 году окончил с отличием Московский Государственный Университет Экономики, Статистики и Информатики (МЭСИ) по специальности «Статистика». В 2005 году защитил кандидатскую диссертацию по специальности 08.00.12 – «Бухгалтерский учет, статистика», на тему «Эконометрическое моделирование конъюнктуры мирового рынка нефти». В 2012 году присвоено учёное звание доцента. Работает в должности доцента на кафедре Математические методы в экономике РЭУ им. Г.В. Плеханова. Направления научных исследований: статистическая обработка и вероятностный анализ больших массивов данных, интеллектуальный анализ данных. Читает следующие дисциплины: «Теория вероятностей и математическая статистика», «Статистические методы прогнозирования», «Эконометрика», «Эконометрика и моделирование в менеджменте», «Актуарные расчеты» и др. В 2013-2014 приглашенный ассоциированный профессор Казахстано-Британского Технического Университета (г. Алматы, РК). Автор более 50 научных и методических работ по применению статистических методов в практической деятельности. Преподаватель-практик и тренер-консультант. Создатель авторских курсов по статистическому анализу данных на базе пакета SPSS, читаемых в ведущих учебных центрах России. Автор и ведущий десятков тренингов по анализу данных, в том числе в 2009-2010 гг. исполнитель по федеральным контрактам на разработку и обучение сотрудников Федеральной службы государственной статистики РФ. Эксперт по построению скоринговых моделей для банков и МФО. В качестве научного руководителя и участника принимал участие в 5 грантах в области анализа больших данных и моделирования. Личный сайт www.alsorokin.ru.
