Multidimensional Data Analysis - ASG500300

• Title: Vícerozměrná analýza dat
• Guaranteed by: Department of Sociology (21-KSOC)
• Faculty: Faculty of Arts
• Actual: from 2024
• Semester: winter
• Points: 0
• E-Credits: 8
• Examination process: winter s.:
• Hours per week, examination: winter s.:2/1, C+Ex [HT]
• Capacity: unlimited / unknown (unknown)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Note: course can be enrolled in outside the study plan; enabled for web enrollment
• Guarantor: doc. PhDr. Lukáš Linek, Ph.D.; Mgr. Zuzana Podaná, Ph.D.; doc. PhDr. Jiří Buriánek, CSc.
• Teacher(s): Mgr. Zuzana Podaná, Ph.D.; PhDr. Jiří Šafr, Ph.D.

Annotation

English

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)

Czech

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. (06.09.2024)

Course completion requirements

ZÁPOČET

Aktivní účast ve cvičeních, průběžná domácí příprava, včasné odevzdání všech domácích úkolů, získání minimálně 70 % bodů za domácí úkoly.

ZKOUŠKA

Průběžná příprava na hodiny, závěrečná analytická práce, ústní zkouška.

Možnost skládání zkoušky z předmětu je podmíněna získáním zápočtu.

Poznámka: V případě nesplnění podmínek pro získání zápočtu v semestru, kdy si student/ka předmět zapsal/a, je možno předmět opakovat v následujícím roce a pokud student/ka splní podmínky pro získání zápočtu, bude zápočet udělen.

Last update: Podaná Zuzana, Mgr., Ph.D. (03.10.2024)

Literature

• 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.

Materiály v

• Moodle Vícerozměrná analýza dat 
• sharepoint-uk VAD_mg1 https://ffuk-my.sharepoint.com/:f:/g/personal/safrj_ff_cuni_cz/Es-SJ94rUCREk42KqM00m_wBh2Ij-fgEFCyImmXiDVQqGA?e=iN805c

Last update: Šafr Jiří, PhDr., Ph.D. (03.10.2024)