Область применения и нормативные ссылки. Настоящая рабочая программа дисциплины устанавливает минимальные требования к знаниям и умениям студента, а также определяет содержание и виды учебных занятий и отчетности. Программа предназначена для



Область применения и нормативные ссылки
Настоящая рабочая программа дисциплины устанавливает минимальные требования к знаниям и умениям студента, а также определяет содержание и виды учебных занятий и отчетности.
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 38.03.02 «Менеджмент», изучающих дисциплину «Статистический анализ данных (SPSS)».
Программа разработана в соответствии с:
Образовательным стандартом НИУ ВШЭ по направлению 38.03.02. "Менеджмент" подготовки бакалавра http://www.hse.ru/standards/standard;
Образовательной программой «Менеджмент» по направлению 38.03.02. "Менеджмент" подготовки бакалавра.
Рабочим учебным планом НИУ ВШЭ – Санкт-Петербург по направлению 38.03.02. "Менеджмент" подготовки бакалавра.
Цели освоения дисциплины
Целями освоения дисциплины «Статистический анализ данных (SPSS)» являются:
Развитие у студентов умения использовать результаты научных исследований в профессиональной деятельности менеджера, а также изучать и анализировать данные с помощью специализированных программных пакетов;
Формирование полного представления о возможностях и функционале ПО для статистического анализа (в частности – SPSS), а также получение практических навыков работы со статистическими данными в программе SPSS.
Компетенции обучающегося, формируемые в результате освоения дисциплины
В результате освоения дисциплины студент должен:
Знать:
Характеристики количественных исследований: критерии валидности и надежности;
Типологию переменных, основные статистики, одномерную и многомерную модели регрессии;
Контекст применения различных методов исследования в ситуации принятия решения;
Существующие в программе SPSS возможности статистического анализа данных;
Особенности проведения предварительной подготовки данных для последующей работы с ними в SPSS;
Уметь:
Правильно вводить информацию, создавать переменные, импортировать переменные из других файлов, отличать порядковые, категориальные и метрические переменные, (пере) кодировать переменные, совершать простые действия с переменными;
Читать, понимать и интерпретировать описательную статистику по каждой из переменной;
Высчитывать коэффициенты взаимосвязи между переменными, отличать значимые коэффициенты от незначимых;
Совершать регрессионный анализ с несколькими переменными, правильно читать и понимать основные коэффициенты, отличать значимые коэффициенты от незначимых, считать и давать содержательную трактовку коэффициентам моделей;
Проводить факторный и кластерный анализ количественных данных.
Осуществлять ввод данных и импорт данных в SPSS из разных источников;
Осуществлять предварительную проверку данных в SPSS;
Экспортировать результаты анализа данных в другие программы;
Иметь навыки:
•самостоятельного логического и научного анализа;
•подбора, адаптации и использования новых инструментов исследования;
•работы с источниками (первичными и вторичными) по исследуемому направлению;
•организации научно-исследовательского процесса;
•обработки полученных в ходе исследования результатов, анализа их с учетом уже имеющихся научных данных;
Работы с программными пакетами SPSS Statistics for Windows для решения прикладных исследовательских и управленческих задач, связанных с анализом данных;
Представления результатов анализа в презентациях и отчётах.
В результате освоения дисциплины студент осваивает следующие компетенции:
Компетенция Код по ФГОС/ НИУ Дескрипторы – основные признаки освоения (показатели достижения результата) Формы и методы обучения, способствующие формированию и развитию компетенции
Способен анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях
(ПК-21) Студент понимает основные характеристики научного знания, способен самостоятельно сформулировать исследовательский вопрос, проблему исследования, умеет определять особенности научного исследования в управленческой науке, умеет подобрать и сформировать список источников для решения поставленной управленческой проблемы, умеет обосновать выбор переменных для построения моделей многомерной регрессии в исследованиях Лекционный курс
Задачи по формулированию гипотез для проверки с использованием SPSS (нулевые и альтернативные гипотезы), характеристики критерия значимости для различных задач
Задачи по построению линейной и многомерной регрессии (поиск и обработка информации из доступных баз данных)
Способен выбрать инструментальные средства для обработки информации в соответствии с поставленной научной задачей, проанализировать результаты расчетов и обосновать полученные выводы
(ПК-32) Студент владеет терминологией дисциплины, знаком с классификацией количественных и качественных методов исследования, умеет обоснованно осуществлять выбор метода исследования в зависимости от проблемы исследования и целей исследования, способен разработать и закодировать самозаполняемую анкету, провести последующий анализ полученных данных; организовать и провести структурированное интервью, контент анализ различных источников информации по проблеме Лекционный курс
Практические занятия по разработке самозаполняемых анкет, форм для структурированного интервью , расчету статистик и проверке гипотез на критерий значимости/ состоятельности
Практические занятия по факторному и кластерному анализу
Способен осуществлять сбор, анализ и обработку данных, необходимых для решения поставленных исследовательских задач
(ПК-31) Студент осознает различие между источниками информации и соответствующими им рисками, ознакомлен с существующими возможностями доступа к электронным ресурсам библиотеки НИУ ВШЭ, владеет навыками эффективного поиска литературы и составления библиографии, умеет отбирать данные из разных типов источников и группировать их в соответствии с задачами исследования
Студент знаком с основными статистиками, используемыми для определения валидности исследования и проверки гипотез на состоятельность, умеет проводить их расчет в SPSS и Excel, может дать обоснованные выводы относительно полученных значений (социально-экономический смысл) Лекционный курс
Практические занятия по обработке данных самозаполняемых анкет (кодирование переменных, заполнение пропущенных значений и пр.), расчету статистик и проверке гипотез на критерий значимости/ состоятельности
Способность анализировать и интерпретировать данные отечественной и зарубежной
статистики о социально-экономических процессах и явлениях, выявлять закономерности
изменения социально-экономических показателей. (ПК-34) Студент ознакомлен с существующими возможностями доступа к электронным ресурсам библиотеки НИУ ВШЭ (статистические базы данных), владеет навыками эффективного поиска данных из разных типов отчетности и способен анализировать их в соответствии с задачами исследования Лекционный курс
Практическое занятие по формированию выборки для проверки гипотез (выборочные показатели).
Практическое занятие по подготовке данных к анализу
Способность использовать для решения аналитических и исследовательских задач современные
технические средства и информационные технологии. (ПК-35) Студент демонстрирует навыки выбора методов, средств и способов получения информации, ее хранения и использования (знаком с технологиями облачного хранения данных, совместного редактирования/рецензирования документов, основными функциями SPSS для обработки данных и проверки гипотез, построения моделей регрессии) Практические занятия по отбору и использованию источников информации в зависимости от исходной проблемы/ исследовательского вопроса.
Лекционный курс
Практические задания по настройке и изучению интерфейса SPSS
Место дисциплины в структуре образовательной программы
Настоящая дисциплина относится к базовому профильному циклу дисциплин и блоку дисциплин, обеспечивающих бакалаврскую подготовку.
Изучение данной дисциплины базируется на следующих дисциплинах:
Социология
Экономическая статистика
Информационный менеджмент
Теория вероятностей и математическая статистика
Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями:
Иметь представление об общих принципах и элементах структуры научного исследования;
Знать общие положения и концепции современных социально-экономический наук, представленных в рамках курсов «Социология», «Экономическая статистика»
Владеть базовыми навыками обработки данных в Microsoft Excel, Word для оформления и первичной обработки результатов анкетирования, интервью и др.;
Основные положения дисциплины должны быть использованы в дальнейшем при изучении следующих дисциплин:
Курсовая работа;
Качественные и количественные методы разработки и принятия управленческих решений
Финансовый менеджмент
Введение в технологию маркетинговых исследований
Выпускная квалификационная работа
Тематический план учебной дисциплины
ОБЪЕМ ДИСЦИПЛИНЫ - 4 зачетных единицы
№ Название раздела Всего часов Аудиторные часы Самостоятельная работа
Лекции Семинары Практические занятия 1 Основы научного подхода к исследованию 8 2 2 0 4
2 Основы статистики. Статистические модели 16 4 4 0 8
3 Нормальное распределение 16 4 4 0 8
4 Анализ средних 16 4 4 0 8
5 Дисперсионный анализ 16 4 4 0 8
6 Меры связи 16 4 4 0 8
7 Регрессионный анализ 20 6 6 0 8
8 Факторный анализ 16 4 4 0 8
9 Кластерный анализ 16 4 4 0 8
10 Непараметрические оценки 12 2 2 0 8
152 38 38 0 76
Формы контроля знаний студентов
Тип контроля Форма контроля Параметры **
Текущий Лабораторные работы, 3-4 модуль Выполнение лабораторных работ по тематике семинара. Своевременная загрузка результатов работы в соответствующий проект в системе LMS
Индивидуальная или групповая работа (отмечается отдельно в описании каждой лабораторной работы). 10 лабораторных работ
Контрольная работа (по 1 на последнем занятии каждого модуля) 2 контрольные работы – проводятся на последнем занятии (практике) каждого модуля. Цель - контроль освоения лекционной части курса, 45 минут, 30 заданий – тестовые вопросы и задачи.
Итоговый Экзамен
4 модуль Работа в SPSS, 80 минут, набор из 3 заданий на обработку и анализ данных по темам дисциплины. Студент вытягивает задания по билетам.
На проверку отводится не менее 5 дней
Критерии оценки знаний, навыков
Преподаватель оценивает работу студентов на семинарских занятиях по следующим параметрам:
Качество выполнения лабораторной работы: 0 (задание не выполнено, выполнено неверно) / 0,5 (задание выполнено частично верно, выполнено максимум с 3 ошибками, не влияющими на критическое понимание результатов анализа) / 1 (задание выполнено полностью в соответствии с вышеуказанными параметрами).
Процент правильно выполненных заданий в контрольных работах. В контрольной работе по модулю предусмотрено 30 заданий – тестовых вопросов (20) и задач(10). Каждое правильно выполненное тестовое задание (если это вопрос с единичным выбором, то выбор верного ответа там, если это вопрос с множественным выбором, то засчитывается за правильный только полный комплект верных ответов) оценивается в 0,25 балла, суммарно за тестовые задания можно получить 0,25*20 = 5 баллов в каждой лабораторной работе, каждая правильно решенная задача оценивается в 0,5 балла, суммарно можно получить 5 баллов. Задача засчитывается как верная если: дан верный ответ (числовой), указан верный алгоритм (формула) для решения. Действует особый порядок выставления оценки при срыве сроков предоставления лабораторной работы: за каждый день после итоговой даты предоставления раздела домашнего задания или лабораторной работы начисляются штрафные баллы (-0,5 баллов от итоговой оценки за эту часть задания). При обнаружении в работе элементов плагиата (согласно Положению о Плагиате НИУ ВШЭ) выставляется 0 баллов донору и всем реципиентам плагиатной работы (в рамках учебной группы или учебного курса).
Оценка за экзамен рассчитывается из 10 баллов. На итоговом контроле студент должен продемонстрировать навыки самостоятельного поиска метода анализа в SPSS, который должен быть применим для решения поставленного вопроса, интерпретации и представления результатов анализа, формулировки выводов на основе проведённого анализа данных.
Порядок формирования оценок по дисциплине
Накопленная оценка по дисциплине рассчитывается с помощью взвешенной суммы оценок за отдельные формы текущего контроля знаний следующим образом:
Онакопленная= 0,8*Отекущий+ 0,2*Оконтрольные где
Отекущий – оценка за Лабораторные работы (рассчитывается как Сумма баллов за все Лабораторные работы разделенная на количество лабораторных работ и умноженная на 10, округляется арифметическим способом до 2 знака после запятой).
Пример округления: 7,494=7,49, а 7,497=7,5
Оконтрольные = (Оценка за контрольную1 + Оценка за контрольную2)/2
Оценка за контрольные округляется арифметическим способом до 2 знака после запятой.
При получении накопительной оценки 10 баллов (с учетом округления), О результ=Онакопленная, т.е. студент получает результирующую оценку по дисциплине автоматом.
Результирующая оценка по дисциплине (которая идет в диплом) рассчитывается следующим образом:
Орезульт = 0,7·Онакопл + 0,3·Оэкз , где
Онакопл – накопленная оценка по дисциплине
Оэкз – оценка за экзамен
Содержание дисциплины
Лекционные разделы Практические задачи, в т.ч. лабораторные в SPSS
Тема 1. Что такое научный подход к исследованию – основные признаки. Структура количественного исследования. Понятие и виды валидности. Гипотезы в исследованиях – нулевые и альтернативные, уровень значимости, степени свободы Знакомство с интерфейсом SPSS. Variable | Data View. Сохранение файла. Импорт данных из Excel
Тема 2. Основы статистики. Типы статистических шкал (уровни измерения). Вероятности.
Генеральная совокупность и выборка, выборочные оценки. Построение статистических моделей. Доверительные интервалы Лабораторная 1 - Создание многозначных переменных. Преобразование номинальных переменных в бинарные переменные. Названия переменных и вариантов ответов. Сортировка наблюдений, разделение наблюдение. процедуры split file. Сортировка данных. Поиск дублирующихся данных. Контроль над ошибками ввода. Вычисление новых переменных, подсчет частоты появления определенных значений, перекодирование значений, вычисление переменных с условиями, создание индекса, раноговые преобразования. select, compute, recode..
Тема 3 - Нормальное распределение, стандартизация распределения Лабораторная 2 – Вычисление статистических показателей. Построение и редактирование графиков. Столбчатые диаграммы, линейчатые диаграммы, круговые диаграммы, диаграммы рассеяния, гистограммы, коробки с усами
Тема 4 – Анализ средних. T-test, Сравнение средних. Сравнение двух зависимых выборок. Сравнение двух независимых выборов. Сравнение К выборок. Лабораторная 3. Проверка закона распределения, вычисление статистических характеристик. Необходимо провести проверку собранных данных на 2 параметра:
1) Соответствие нормальному распределению
2) Гомогенность дисперсий
Тема 5 - Дисперсионный ANOVA и MANOVA. Одномерный дисперсионный анализ, многомерный дисперсионный анализ Лабораторная 4. Сравнение средних
Тема 6 - Меры связи –SPSS Создание таблиц сопряженности, Меры связи для разных типов переменных, коэффициенты корреляции. Анализ таблиц сопряженности. SPSS Корреляционный анализ, коэффициент корреляции Пирсона, Спирмена, Кендалла. Частная корреляция Лабораторная 5. Хи-квадрат. Значимые связи. Подбор и вычисление коэффициентов корреляции. Процедуры crosstabs, custom tables. Хи-квадрат. Логлинейный анализ – процедура loglinea
Тема 7 - Регрессионный анализ. Простая и множественная линейные регрессии. Анализ регрессионных моделей. Логистическая регрессия (бинарная и мультиномиальная).
Регрессионный анализ – одномерный, многомерный, оценка качества модели
мультиколлинеарность и взаимодействие переменных; понятие о методе наименьших квадратов; многомерная регрессионная модель и частные коэффициенты; пошаговый поиск наилучшей модели; номинальная независимая переменная в регрессионных моделях;
гетероскедастичность и метод взвешенных наименьших квадратов. Логарифмическая регрессия, критерии пригодности модели
Порядковая регрессия. Лабораторная 6 – Линейная одномерная регрессия.
Лабораторная 7 – Построение многомерной линейной регрессии. Порядковая регрессия. Создание фиктивных переменных. Оценка параметров качества модели.
Тема 8 - SPSS Факторный анализ: снижение мерности описания. Процедуры вращения. Интерпретация результатов. Исследовательский и подтверждающий ФА. Лабораторная 8 – Процедура факторного анализа данных
Тема – 9 SPSS Кластерный анализ: классификация респондентов. Процедуры K-means Cluster и иерархический кластерный анализ. Лабораторная 9 – Кластерный анализ данных
Тема 10. Непараметрические оценки. Сравнение двух независимых выборок – Манн-Уитни, Мозес, Колмогоров-Смирнов, Уалда-Вольфовиц. Сравнение двух зависимых выборок – тест Уилкоксона, Хи-квадрат по методы МакНемара. Сравнение К независимых выборок – Кроскал-Уоллис. Сравнение К зависимых выборок – тест Фридмана, W Кендала, Q Кохрана. Лабораторная 10 – Непараметрические оценки
Образовательные технологии
FILLIN \* MERGEFORMAT Дисциплина «Статистический анализ данных (SPSS)» построена, с одной стороны, с упором на освоение специализированных программных продуктов (соответственно, работу в компьютерных классах в индивидуальном и групповом режимах). С другой стороны, работа в парах и малых группах, организация микрогруппового исследования, работа с кейсами, структурно-смысловая схематизация, деловые игры и др. встроены контекст каждого семинарского занятия.
Методические рекомендации преподавателю
Даются по желанию автора. Методические рекомендации (материалы) преподавателю могут оформляться в виде приложения к программе дисциплины и должны указывать на средства и методы обучения, применение которых для освоения тех или иных тем наиболее эффективно.
Методические указания студентам по освоению дисциплины
Первое и главное правило данной дисциплины – все работы выполняются самостоятельно. Не допускается подлог, списывание, копирование чужих ответов, плагиат в решениях лабораторных и домашних работ. Любой из таких кейсов будет подразумевать обнуление оценки за задание для каждого из участников, при повторном обнаружении студенту будет вынесено Замечание в личное дело (дисциплинарное взыскание). Это не значит, что вы не можете обсуждать ход решения с кем-то из коллег, это значит, в вашем итоговом файле и аутпуте не должно никаким образом прослеживаться, что в редактировании файла принимал участие кто-либо кроме вас.
Все домашние и лабораторные работы выполняются и могут быть оценены на положительную оценку только в случае если они своевременно (до дедлайна) загружены студентом в соответствующий раздел курса в системе в LMS. Если задание выполнено, но направлено на почту, то оценка также будет 0.
Если у вас возникли проблемы с доступом к компьютерам, на которых установлена программа SPSS, и на компьютерах ваших друзей/коллег она также отсутствует, можно воспользоваться одним из следующих вариантов:
скачать trial версию программы SPSS
скачать бесплатный аналог PSPP
8.2.1 Учебно-методическая литература для самостоятельной работы студентов
В случае возникновения вопросов по определенному этапу работы, вы можете обратиться к электронному самоучителю или, например, любой из множества книг, посвященных проведению исследований с использованием SPSS (в библиотеке есть книга Моосмюллера и Ребика)
Оценочные средства для текущего контроля и аттестации студента
Тематика заданий текущего контроля
Текущий контроль знаний осуществляется в виде лабораторных работ на занятиях и контрольных работ по лекционному материалу. Пример задания на лабораторную работу по одному из разделов представлен ниже:
Необходимо создать массив данных в программе SPSS на основе текущего рейтинга студентов разных факультетов по результатам 1 семестра 2013/2014 учебного года:
Массив должен содержать следующие переменные:
Уникальный номер наблюдения/студента (можете использовать порядковый номер строки или, например, номер студенческого билета);
Факультет, на котором обучается студент (обратите внимание, что в исходных данных представлены результаты рейтингования студентов двух разных факультетов);
Пол студента (значений этой переменной нет в исходных файлах, вам предстоит самостоятельно внести их);
Номер студенческой группы;
Средний балл студента;
Минимальный балл студента;
Наличие неудовлетворительных оценок у студента (обратите внимание, что в исходных файлах значения переменной принимают текстовый вид (“Да”, если таковые у студента имеются); мы советуем вам сразу заменить их на числовые, до переноса в SPSS);
Категория студента по успеваемости (аналогично переменной Пол студента, ее значения в исходных файлах отсутствуют; основываясь на значениях переменной Средний балл, отнесите каждого студента к одной из следующих групп: средний балл от 0 до 3,5 - низкая успеваемость / от 3,6 до 5,4 - удовлетворительная успеваемость / от 5,5 до 7,4 - хорошая успеваемость / от 7,5 до 10 - отличная успеваемость).
После того, как вы создадите необходимый набор переменных в разделе Variable View, импортируйте данные в соответствующие столбцы в раделе Data View. Помните о том, что вставлять данные в столбцы можно лишь с помощью Paste (меню по щелчку правой кнопкой мыши), Ctrl+V не работает в SPSS.
В результате, массив должен содержать 8 переменных и 125 наблюдений.
При оценке работы основное внимание будет уделено следующим параметрам:
корректное присвоение каждой переменной параметров (кодировка, тип шкалы, знаки до и после запятой и т.д.);
совпадение формата исходных данных и массива в SPSS (количество и порядок наблюдений, правильные кодировки переменных и т.д.);
правильное сохранение файла с данными.?
Пример контрольной работы (содержит тестовые вопросы и задачи):
Задание 1: За день в магазине совершено 15 покупок, суммы покупок были такие:
340, 571, 900, 15000, 234, 450, 567, 890, 345, 340, 904, 600, 780, 700,340. Найдите моду, медиану, среднее, размах, квартили по чекам в этот день.
Задание 2: Какой из показателей позволяет провести проверку закона распределения данных:
Хи квадрат
Критерий Колмогорова-Смирнова
Тест Шапиро-Уилка
Метод К-средних
Вопросы для оценки качества освоения дисциплины
Провести первичный и вторичный анализ данных по исследованию – подсчитать описательные статистики, проверить наличие выбросов, оценить тип распределения, построить диаграмму
Сделать оценку взаимосвязи двух переменных разных типов.
Оценить близость распределения к нормальному;
Построить таблицу сопряженности и определить наличие зависимости между переменными, тесноту и направление связи. Найти факторы, наиболее полно объясняющие наблюдаемые связи между переменными.
Построить уравнение регрессии и оценить адекватность модели, дать интерпретацию основным параметрам модели (по смыслу задачи).
Сформировать группы наблюдений с помощью кластерного анализа, дать интерпретацию каждому из полученных кластеров.
Сформировать факторы для выбранных переменных, указать на возможные связи между переменными в факторах, дать название и интерпретацию каждого.
Примеры заданий итогового контроля
1) Результаты работы загружаются только в LMS, все оправдания о том, что система в последний момент перестала работать или вы не разобрались, как загрузить туда файл, приниматься не будут. Ответы, высланные не в LMS автоматически (по любой из причин, кроме конца света) получают -50% от оценки
2) В output по работе должны быть сохранены ВСЕ содержательные логи по заданиям и изменению данных (от открытия файла до его итогового сохранения). Если к заданию, которое вы выполнили, нет лога, то оценка за это задание – 0. Не запрещается удалять логи промежуточных действий, которые вам потом для анализа не пригодились и которые там не упоминались
3) Работа выполняется без плагиата, подлога, двойной сдачи (см. Положение о плагиате). Ваше задание поставлено в открытой формулировке, это значит, что одинаковых решений (вплоть до порядка действий в логе и текстов в отчете) существовать не может. Каждое из заданий можно решить как более простым и ограниченным способом, так и более сложным (например, факторным и кластерным анализом). Любое из нарушений этого правила автоматически обнуляет оценку за экзамен как «донору» работы, так и «воспользовавшемуся». Не рискуйте своими баллами и делайте самостоятельно (даже если и не все сможете) – целее будет балл за экзамен.
4) В работе будет оцениваться (по значимости и количеству баллов, которые можно получить за правильное использование той или иной техники)
· Умение кодировать переменные в SPSS – правильно выбрать тип переменной, уметь задать значения и метки, умение обозначить «пропущенные значения»
· Умение пользоваться базовыми функциями для анализа – описательные статистики, частотный анализ, организация вывода по группам значений (split file)
· Умение создавать и перекодировать переменные
· Умение анализировать разницу между средними значениями нескольких групп респондентов (т-тест, тест Манна-Уитни – для двух независимых выборок нормально и ненормально распределенных данных и тест Кроскоула-Уолиса для множества независимых выборок)
· Умение создавать и интерпретировать модели зависимости одной метрики от других – простые линейные и многомерные
· Умение вычислять и интерпретировать кластеры наблюдений (респондентов)
· Умение вычислять и интерпретировать факторы (объединения переменных)
Пример текста задания:
Перед вами — результаты опроса 413 респондентов в отношении рекламного ролика Mountain Dew. В приложении вы найдете подробное описание исследования и анкету, а также массив данных в формате .xls
1. Вам необходимо импортировать данные и прописать все переменные (и варианты ответов – категории для порядковых и номинальных переменных) в SPSS, для того чтобы провести анализ и ответить на ряд вопросов:
· Как отличается восприятие рекламы у разных групп респондентов?
· Для каких групп респондентов бренд Mountain Dew наиболее востребован?
· Что оказывает ключевое влияние на формирование отношения опрошенных к бренду?
· Какие группы среди респондентов можно выделить, основываясь на схожести их ответов (по выбранным вами метрикам)?
· Можно ли для оценки брэнда использовать меньшее число переменных (по сравнению с исходным набором переменных q1a - q8c)? Каким образом это можно сделать? Дайте свою интепретацию.В качестве ответа загрузите в SPSS архив из 3 файлов – данных (.sav), отчета о действия с данными (.spv или .pdf) и итогового отчета с выводами по каждому заданию (.doc)
Учебно-методическое и информационное обеспечение дисциплины
Основная литература
Моосмюллер Г., Ребик Н.Н. Маркетинговые исследования с SPSS. - М.: ИНФРА-М, 2011. - 200 с. http://znanium.com/bookread.php?book=116017 (доступна электронная версия)
Дополнительная литература
Абдикеева Н.М. Когнитивная бизнес-аналитика. - М.: ИНФРА-М, 2011. - 511 с. http://znanium.com/bookread.php?book=199809 (доступна электронная версия)
Бююль А., Цёфель, П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей.- СПб, Диасофт, 2005.
Гвоздева В.А. Базовые и прикладные информационные технологии - М.: ИД ФОРУМ: НИЦ ИНФРА-М, 2014. - 384 с. http://znanium.com/bookread.php?book=428860 (доступна электронная версия)
Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике. - М.: Вузовский учебник: НИЦ Инфра-М, 2013. - 587 с. - http://znanium.com/bookread.php?book=365692 (доступна электронная версия)
Добреньков В.И., Кравченко А.И. Методы социологического исследования. - М.: ИНФРА-М, 2013. - 768 с. - http://znanium.com/bookread.php?book=394159 (доступна электронная версия)
Крыштановский А.О. Анализ социологических данных. М.: ГУ ВШЭ, 2007
Burns R., Burns R. Research Methods and Statistics using SPSS http://www.uk.sagepub.com/burns/chapters.htm
Greasley P. Quantitative Data Analysis Using SPSS. An Introduction for Health & Social Sci-ence. New York: Open University Press, 2008.
Griffith A. SPSS For Dummies (2nd Edition). Wiley Publishing Inc., 2010.
Marija J. Norušis. IBM SPSS Statistics 19 Statistical Procedures Companion
Wagner III, W. E. Using SPSS for social statistics and research methods. London Pine Forge Press, 2010.
Справочники, словари, энциклопедии
FILLIN \* MERGEFORMAT [ Укажите рекомендуемые справочники, словари, энциклопедии. Источники оформляются в соответствии со стандартами как указано выше.
Укажите, если используются, электронные версии изданий справочников, словари или электронные справочники]
Ресурсы информационно-телекоммуникационной сети «Интернет»
http://socioline.ru/book/moosmyuller-g-rebik-nn-marketingovye-issledovaniya-s-spsshttp://www.datuapstrade.lv/rus/spss/
Программные средства
Для успешного освоения дисциплины, студент использует следующие программные средства:
SPSS, MS Office
Информационные справочные системы
Дистанционная поддержка дисциплины
Дистанционная поддержка дисциплины осуществляется с помощью системы электронного контроля знаний LMS: E-front. Курс «Статистический анализ данных (SPSS)», в котором можно ознакомиться с основными формами отчетности, сроками сдачи работ, дополнительными материалами для подготовки к практическим занятиям, а также получить консультацию по вопросам курса или прислать ссылку на интересный материал для семинара. Доступ к уроку можно будет получить через раздел «Мои курсы» в своем кабинете системы LMS.
Материально-техническое обеспечение дисциплины
Для практических занятий или семинаров используются проектор, колонки и другие вспомогательные материалы. Также используются канцелярские принадлежности (фломастеры, текстовыделители, ножницы, клей, скотч) и расходные материалы (бумага формата А4-А1) для проведения отдельных интерактивных форм семинарских занятий.
Материально-техническое обеспечение дисциплины включает в себя также наличие доступного для самостоятельной работы студента выхода в Интернет в компьютерном классе, доступ к электронным ресурсам библиотеки НИУ ВШЭ, а также доступ к системе LMS E Front.

Приложенные файлы

  • docx 6991992
    Размер файла: 498 kB Загрузок: 0

Добавить комментарий