Προσφερόμενο Μάθημα: “Η Εμβάπτιση της Θεωρίας στα Εμπειρικά Δεδομένα”

Ρέθυμνο 22-9-17

ΕΠΕΙΓΟΥΣΑ ΑΝΑΚΟΙΝΩΣΗ ΤΟΥ ΚΑΘΗΓΗΤΗ ΒΑΣΙΛΗ ΔΑΦΕΡΜΟΥ

ΠΡΟΣ ΦΟΙΤΗΤΕΣ ΤΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΟΥ Π.Κ.

  • Θα ήθελα να γνωστοποιήσω στους Φοιτητές της Σχολής μας ότι στο μάθημά μου, με τίτλο:
  • «Η εμβάπτιση της θεωρίας στα εμπειρικά δεδομένα»,
  • γίνονται δεκτοί όλοι, ανεξαρτήτως Τμήματος.
  • Η εγγραφή σε αυτό θα γίνει στη Γραμματεία του Τμήματος Πολιτικής Επιστήμης, ύστερα από προφορική συνεννόηση μαζί μου, εντός των προθεσμιών που η τελευταία έχει θέσει.
  • Το μάθημα γίνεται κάθε Δευτέρα 11.30-14.30 στην αίθουσα Δ2-Γ ή σε όποια άλλη ενδεχομένως, μεγαλύτερης χωρητικότητας, μας δοθεί.

Περιγραφή του μαθήματος

‘Η Εμβάπτιση της Θεωρίας στα Εμπειρικά Δεδομένα’ (‘The Immersion of  Theory in Empirical Data’)

(ΚΟΙΝΩΝΙΚΗ ΣΤΑΤΙΣΤΙΚΗ_ΙX)

 1.  Σκοπός του μαθήματος

Το μάθημα έχει σαν σκοπό να βοηθήσει τους σπουδαστές των Κοινωνικών Επιστημών να  συνδέσουν τη Θεωρία τους με την Πράξη, τις Εφαρμογές. Να αναστοχαστούν γύρω από αυτήν, εμβαπτίζοντάς την στα Εμπειρικά Δεδομένα. Να πετύχουν την ώσμωση ανάμεσα στα διάφορα επιστημονικά αντικείμενα. Να οικοδομήσουν με αναπαραστατικό τρόπο δομικά μοντέλα για Κοινωνικές Επιστήμες. Να γνωρίσουν τέλος, τα εργαλεία του Στατιστικού Λογισμικού που υποστηρίζουν την εμβάπτιση.

2.  Θεωρητικό μέρος του μαθήματος

2.1  Τι είναι Θεωρία; Προϋποθέσεις κάτω από τις οποίες μια Θεωρητική Κατασκευή γίνεται Στατιστικό Μοντέλο. Πώς γίνεται η εμβάπτιση της Θεωρίας στα Εμπειρικά Δεδομένα. Δυνατές εκβάσεις της απόπειρας εμβάπτισης. Επιδέχεται τροποποίηση η Θεωρία μας; Μέχρι τίνος σημείου; Και μετά τι; Κατάλληλα για την εμβάπτιση Εργαλεία Στατιστικού Λογισμικού (EQS, SPSS και STATA).

2.2  Απόπειρες ανίχνευσης του Μοντέλου (Exploratory Factor Analysis). Ποιοι και για ποιους λόγους χαρακτηρίζονται πραγματικοί (real) κάποιοι Παράγοντες. Υπάρχει και πότε εσωτερική συνοχή (intraclass correlation) στo μοντέλο μας; Ένα Παράδειγμα από την Κοινωνιολογία («Τι να κάνει ένας νέος σήμερα για να πάει μπροστά»)

2.3  Η φιλοσοφία Μοντελοποίησης των Δομικών Εξισώσεων (Structural Equation Modeling). Η δομή ενός SEM: Just-identified SEM, Over-identified SEM, Under-indentified SEM. Πλάθοντας Δομικές Εξισώσεις με το EQS και το Εννοιολογική αποσαφήνιση της SEM ορολογίας (Latent/Indicator/ mediator/moderator variable).

2.4  Η έλεγχος της πολυδιάστατης κανονικότητας (Multivariate Normality). Την έχουμε απόλυτη ανάγκη;

2.5  Δείκτες Καλής Προσαρμογής (Goodness-of-fit Indices). Ερμηνεία. Ένα Παράδειγμα από την Ψυχολογία («Η επιλόχεια Κατάθλιψη»). Τι κάνουμε στην περίπτωση που οι δείκτες καλής προσαρμογής αντιφάσκουν; Με ποιους θα πάμε και ποιους θα αφήσουμε; Οι Δημοσιεύσεις στα ξένα Περιοδικά.

2.6  Μέθοδοι ανάλυσης (Maximum Likelihood, Maximum Likelihood with missing Values, Asymptotic Distribution Free, ADF).

2.7  Σε ποια σημεία η Θεωρία μας χρειάζεται αλλαγές. H Τροποποίηση του Μοντέλου (Modification Indices).

2.8  Η Συσχέτιση των Σφαλματικών Διασπορών (Association of Error terms). Πότε είναι δυνατή;

2.9  Η συμβολή μα και η αναβάθμιση της Θεωρίας μέσα στην υψικάμινο ενός SEM. Το βαθύτερο νόημα της Αξιοπιστίας (Reliability).

2.10  Μοντέλα SEM Δεύτερης Τάξης (Second-Order CFA models).

2.11  Μη Αναδρομικά Μοντέλα (Non Recursive Models). Μετρικοί και Δομικοί Περιορισμοί (Constraints).

2.12  Τύπου MIMIC Μοντέλα.

2.13  Εγκυρότητα Κατασκευής (Construct Validity). Απαραίτητοι όροι διασφάλισής της.

3.  Εργαστηριακό μέρος του μαθήματος

3,1  Φιλοσοφία και περιβάλλον του στατιστικού προγράμματος SPSS. Εκτέλεση ασκήσεων- εφαρμογών στο πλαίσιο της EFA.

3,2  Φιλοσοφία και περιβάλλον του στατιστικού προγράμματος EQS. Εκτέλεση ασκήσεων-εφαρμογών, για την κατανόηση της δομής και λειτουργίας ενός SEM.

3,3  Φιλοσοφία και περιβάλλον του στατιστικού προγράμματος STATA. Σπουδή υπο-περιβάλλοντος GUI. Εκτέλεση ασκήσεων-εφαρμογών, για την κατανόηση της δομής και λειτουργίας ενός SEM.

4.  Δειγματοληπτικές Εφαρμογές στο πλαίσιο του μαθήματος

Εκπαίδευση Δειγματοληπτών. Δειγματοληψίες Κοινής Γνώμης. Τηλεφωνικές συνεντεύξεις. Face to face συνεντεύξεις. Συλλογή Κοινωνικών Δεδομένων. Παγκρήτια Και Πανελλήνια Δείγματα άνω των 1120 cases. Πολιτικές Έρευνες. Data Sets πραγματικών δεδομένων. Opinion Polls.

5.  Εβδομαδιαία διάρκεια μαθήματος: 4,5 ώρες (3 ώρες Θεωρία και μιάμιση Εργαστήριο).

6.  Χαρακτηρισμός μαθήματος: υποχρεωτικό επιλογής (ΥΕΠ).

7.  Τρόπος Βαθμολογίας: Εργαστηριακή Εξέταση σε λογισμικό επιλογής από τις ως άνω θεματικές (70%), και προαιρετική Δειγματοληπτική Έρευνα (30%).

8.  Γνωστικά προαπαιτούμενο μάθημα: ‘ΠΕΡΙΓΡΑΦΙΚΗ ΚΑΙ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ’

9.  ECTS=6

Ο Διδάσκων

 Βασίλης Δαφέρμος, Καθηγητής Κοινωνικής Στατιστικής Τμήματος Πολιτικής Επιστήμης του Π.Κ.