SubjectsSubjects(version: 945)
Course, academic year 2023/2024
   Login via CAS
Statistics in Psychological Research I. - YTVP005
Title: Statistika v psychologickém výzkumu I.
Guaranteed by: Programme Theoretical and Research Psychology (24-TVP)
Faculty: Faculty of Humanities
Actual: from 2020
Semester: winter
E-Credits: 4
Examination process: winter s.:
Hours per week, examination: winter s.:0/2, Ex [HT]
Capacity: unknown / unknown (unknown)
Min. number of students: unlimited
4EU+: no
Virtual mobility / capacity: no
Key competences:  
State of the course: cancelled
Language: Czech
Teaching methods: full-time
Teaching methods: full-time
Level:  
Guarantor: Mgr. Lenka Martinec Nováková, Ph.D.
Incompatibility : YMPP004
Interchangeability : YMPP004
Is incompatible with: YMPP004
Is interchangeable with: YMPP004
Examination dates   Schedule   Noticeboard   
Annotation - Czech
Last update: Kristýna Macková (29.08.2019)
Předmět má dva základní cíle. Prvním z nich je osvojení si teorie potřebné pro zvládnutí kvantitativních analýz v psychologickém výzkumu, druhým pak příprava dat pro vlastní statistickou analýzu. Předmět Statistika v psychologickém výzkumu I pokrývá teoretické základy kvantitativní analýzy, zejména exploraci dat, intervaly spolehlivosti, velikost efektu, testování nulových hypotéz a statistickou signifikanci. Příprava dat bude prováděna v programu SPSS a bude zahrnovat vizuální exploraci dat, zjišťování odlehlých hodnot a vlivných bodů, ověřování předpokladů testů (aditivnost, linearita, normální rozdělení, homogenita rozptylů, nezávislost) a způsoby, jak minimalizovat systematické odchylky (bias). Teoreticky zaměřené hodiny vztahující se k práci s daty budou prokládány hodinami zacílenými na řešení konkrétních ukázkových příkladů. Důraz je kladen také na slovní popis výsledků a na schopnost porozumět výsledkům v empirických kvantitativních studiích. Studenti budou průběžně seznamováni s anglickou i českou statistickou terminologií. Témata: 1. Statistické modely lineární a nelineární, průměr jako statistický model, shoda modelu s daty 2. Odhad parametrů, standardní chyba, výběrové rozdělení, výběrový rozptyl, interval spolehlivosti, jejich výpočet, interpretace a grafické znázornění 3. Testování nulových hypotéz, Fisherova p-hodnota, testová statistika, jednostranné a oboustranné testy, chyba 1. a 2. druhu a jejich pravděpodobnost, statistická síla testu, odhad velikosti vzorku 4. Problémy související s testováním nulových hypotéz a možná východiska (předregistrace studie, odhady velikosti efektu /R2, Cohenovo d, poměr šancí/, metaanalýza, Bayesiánská statistika) 5. Seznámení se statistickým programem IBM SPSS (editor, vkládání a nahrávání dat, definování proměnných, prohlížeč, okno pro syntax, nástroj PROCESS, plugin Essentials for R for Statistics, balíček WRS2) 6. Vizuální explorace dat (histogram, krabicový graf, sloupcový graf, spojnicový graf, bodový graf) 7. Praktické opakování společným řešením příkladů k tématu 6 8. Systematická odchylka (bias); odlehlé hodnoty a jejich identifikace (vizuální – histogram, krabicový graf; pomocí z-skórů a mediánové absolutní odchylky), vlivné body 9. Praktické opakování společným řešením příkladů k tématu 8 10. Předpoklady statistických testů a jejich ověřování (aditivnost a linearita, normální rozdělení, homogenita rozptylů, nezávislost) – vizuálně a pomocí statistických testů 11. Praktické opakování společným řešením příkladů k tématu 10 12. Minimalizace systematické odchylky – trimming, winsorizing, transformace dat 13. Praktické opakování společným řešením příkladů k tématu 12 14. Závěrečné opakování společným řešením příkladů ke zvoleným typům analýz
Syllabus - Czech
Last update: Kristýna Macková (29.08.2019)
Povinná literatura:
COHEN, J. A (1992). Power Primer. Psychological Bulletin, 112(1): 155-159.

CUMMING, G. (2014). The New Statistics: Why and How. Psychological Science, 25(1): 7-29.

FERGUSON, C. J. (2009). An Effect Size Primer: A Guide for Clinicians and Researchers. Professional Psychology-Research and Practice, 40(5): 532-538.

FIELD, A. (2017). Discovering Statistics Using IBM SPSS Statistics. London: SAGE. ISBN: 978-1526419521.

Doporučená literatura:
ABELSON, P. (1995). Statistics as Principled Argument. New York: Psychology Press. ISBN: 978-0-8058-0528-4.

CUMMING, G. (2012). Understanding The New Statistics: Effect Sizes, Confidence Intervals, and Meta-Analysis. New York: Routledge. ISBN: 978-0415879682.

DE VAUS, D. (2002). Analyzing Social Science Data: 50 Key Problems in Data Analysis. London: SAGE. ISBN: 978-0761959380.

GOOD, P. I., HARDIN, J. W. (2012). Common Errors in Statistics (and How to Avoid Them). Hoboken: Wiley. ISBN: 978-1118294390.

GRAVETTER, F. J., WALLNAU, L. B. (2017). Statistics for the Behavioral Sciences. Boston, USA: Cengage Learning. ISBN: 978-1305504912.

HOWELL, D. C. (2013). Statistical Methods for Psychology. Belmont, USA: Wadsworth, Cengage Learning. ISBN: 978-1111835484.

MORGAN, S. E., REICHERT, T., HARRISON, T. R. (2017). From Numbers to Words. New York: Routledge. ISBN: 978-1138638082.

ZEDECK, S. (2014). APA Dictionary of Statistics and Research Methods. Washington: American Psychological Association. ISBN: 978-1-4338-1533-1.

 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html