The aim of this course is to introduce students to fundamental concepts and principles of multidimensional data analysis. It also focuses on cultivating practical application skills, particularly with regard to the appropriate use of various methodological approaches in relation to research questions (such as identifying hidden variables, classification, testing causal hypotheses, and modeling). The course emphasizes a user-oriented perspective, and seminars are designed to provide practical training in the application of selected methods and the interpretation of results.
Overview of Topics:
1. Limitations of Bivariate Analysis and Challenges in Causal Interpretation of Correlations
2. Classification of Multidimensional Analysis Techniques (R, Q) and Their Applications
3. Modeling and Epistemological Issues
4. Multiple Regression
5. Logistic Regression and Generalized Linear Models
6. Factor Analysis
7. Cluster and Discriminant Analysis
8. Correspondence Analysis
9. Multidimensional Scaling
Last update: Podaná Zuzana, Mgr., Ph.D. (18.09.2024)
Cílem předmětu je uvedení studentů do základních pojmů a principů vícerozměrného pohledu na data a pěstování aplikačních dovedností zejména s ohledem na vhodnost užití jednotlivých skupin metod ve vztahu k výzkumným otázkám (hledání skrytých proměnných, klasifikace, testování kauzálních hypotéz a modelování). Preferuje se uživatelský pohled, cvičení jsou zaměřena na praktický nácvik použití vybraných metod a interpretaci výsledků.
Přehled témat:
1. Omezení dvourozměrné analýzy, obtíže kauzální interpretace korelac
2. Členění technik vícerozměrné analýzy (R, Q), oblast využití
3. Model, modelování - gnoseologické problémy
4. Vícenásobná regrese
5. Logistická regrese a zobecněné lineární modely
6. Faktorová analýza
7. Shluková a diskriminační analýza
8. Korespondenční analýza
9. Multidimenzionální škálování
Last update: Podaná Zuzana, Mgr., Ph.D. (18.09.2024)
Course completion requirements - Czech
ZKOUŠKA
Průběžná příprava na hodiny, aktivní účast ve cvičeních, závěrečná analytická práce, ústní zkouška.
Last update: Podaná Zuzana, Mgr., Ph.D. (18.09.2024)
Literature - Czech
Cohen, J. (Ed.). (2003). Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences. Lawrence Erlbaum Associates.
Fox, J. (2015). Applied Regression Analysis and Generalized Linear Models (3rd Ed.). SAGE.
Gelman, A., Hill, J., & Vehtari, A. (2020). Regression and Other Stories. Cambridge University Press.
Greenacre, M. J. (2007). Correspondence analysis in practice. Chapman & Hall/CRC.
Hebák, P. (Ed.). (2004/5). Vícerozměrné statistické metody (1,2,3). Informatorium.
Hendl, J. (2012). Přehled statistických metod: Analýza a metaanalýza dat (4. vyd.). Portál.
Landau, S., & Everitt, B. S. (2004). A handbook of statistical analyses using SPSS. Chapman & Hall.
Meyers, L. S., Gamst, G., & Guarino, A. J. (2006). Applied multivariate research: design and interpretation. SAGE.
Miller, J. E. (2005). The Chicago guide to writing about multivariate analysis. The University of Chicago Press.
Norusis, M. (2012). IBM SPSS Statistics 19 Advanced Statistical Procedures Companion. Pearson Education.
Norusis, M. (2012). IBM SPSS Statistics 19 Statistical Procedures Companion. Prentice Hall.
Rabušic, L., Soukup, P., & Mareš, P. (2019). Statistická analýza sociálněvědních dat (prostřednictvím SPSS) (2. přepracované vyd.). Masarykova univerzita.
Roux, B. L., & Rouanet, H. (2009). Multiple Correspondence Analysis. SAGE.
Spicer, J. (2005). Making sense of multivariate data analysis. SAGE.
Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics. Pearson/Allyn & Bacon.
Treiman, D. J. (2009). Quantitative Data Analysis: Doing Social Research to Test I deas. Jossey-Bass/Wiley.
Last update: Podaná Zuzana, Mgr., Ph.D. (18.09.2024)
