PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Statistika v psychologickém výzkumu I. - YTVP005
Anglický název: Statistics in Psychological Research I.
Zajišťuje: Program Teoreticko výzkumná psychologie (24-TVP)
Fakulta: Fakulta humanitních studií
Platnost: od 2020
Semestr: zimní
E-Kredity: 4
Způsob provedení zkoušky: zimní s.:
Rozsah, examinace: zimní s.:0/2, Zk [HT]
Počet míst: neurčen / neurčen (neurčen)
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Kompetence:  
Stav předmětu: zrušen
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Úroveň:  
Garant: Mgr. Lenka Martinec Nováková, Ph.D.
Neslučitelnost : YMPP004
Záměnnost : YMPP004
Je neslučitelnost pro: YMPP004
Je záměnnost pro: YMPP004
Termíny zkoušek   Rozvrh   Nástěnka   
Anotace
Poslední úprava: 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
Sylabus
Poslední úprava: 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.

 
Univerzita Karlova | Informační systém UK