Εαρινό  2016-2017

‘Αναλύοντας Πολιτικά Δεδομένα στο πλαίσιο της διαδικασίας BINOMIAL LOGISTIC REGRESSION’

(Analyzing Political Data in the context of Binomial Logistic Regression Procedure)

Κωδικός : ………..

 

1. Σκοπός του Μαθήματος

Σκοπός αυτού του Σεμιναρίου, είναι η μύηση των σπουδαστών σε  μια ιδιαίτερα ενδιαφέρουσα στατιστική διαδικασία που χρησιμοποιούν γενικότερα οι Κοινωνικοί κι όχι μόνον οι Πολιτικοί Επιστήμονες, για την εξαγωγή προβλεπτικών πιθανοτήτων διωνυμικού τύπου. Προφανώς, πρόκειται για μια διαδικασία προχωρημένης στατιστικής ανάλυσης η οποία φέρει το όνομα binomial  logistic regression,  και η οποία εκτελείται με τη βοήθεια των στατιστικών πακέτων SPSS και STATA και με πραγματικά (real) Δεδομένα από τον Ελλαδικό κοινωνικό και πολιτικό χώρο.

2. Θεωρητικό μέρος του μαθήματος- Θεματικές ενότητες

• A nonlinear probability model
• Example of logit model
• Comparing logit and probit procedures
• Checking Assumptions
• Testing individual coefficients.
• Hosmer-Lemeshow statistic
• Comparing LR και Wald tests
• Predicted Probabilities, residuals, and influential observations
• Predicted Probabilities using predict command
• Residuals and influential observations using predict command
• Least likely observations
• Measures of fit
• Comparing SPSS with STATA results. Discussion.

3. Εργαστηριακό μέρος του μαθήματος

• Εργαστηριακές Ασκήσεις-Εφαρμογές με πραγματικά δεδομένα προερχόμενα από Δειγματοληπτικές Μετρήσεις των Φοιτητών, σε περιβάλλον SPSS. Ασκήσεις  προχωρημένης στατιστικής ανάλυσης με κοινωνικά δεδομένα. Political and Social Studies.
• Εργαστηριακές Ασκήσεις-Εφαρμογές με πραγματικά δεδομένα προερχόμενα από Δειγματοληπτικές μετρήσεις φοιτητών σε περιβάλλον STATA. Ασκήσεις  προχωρημένης στατιστικής ανάλυσης με κοινωνικά δεδομένα. Political Studies.
• Εργαστηριακή αντιπαραβολή προγραμμάτων SPSS και STATA, στο επίπεδο των αποτελεσμάτων. Συμπεράσματα στο επίπεδο της Πολιτικής έρευνας.

4. Δειγματοληπτικές Εφαρμογές στο πλαίσιο του μαθήματος

Εκπαίδευση Δειγματοληπτών. Δειγματοληψίες Κοινής Γνώμης. Τηλεφωνικές συνεντεύξεις. Συλλογή Κοινωνικών Δεδομένων. Στρωματοποιημένες, Πολυδιάστατες  ΔΕΙΓΜΑΤΟΛΗΨΙΕΣ Μεγέθους Δείγματος τουλάχιστον 1120 cases. Πανελλαδικές Πολιτικές Έρευνες με μεγάλου μεγέθους δείγματα (n> 2800). Data Sets πραγματικών δεδομένων. Opinion Polls.

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

6. Χαρακτηρισμός μαθήματος: Σεμιναριακό μάθημα επιλογής (ΥΕΣ).

7. Τρόπος Βαθμολογίας: Σεμιναριακή εργασία σε data set δειγματοληπτικής μέτρησης, σε κάποια από τις ως άνω θεματικές ενότητες (50%), και Δειγματοληπτική Έρευνα (50%).

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

9. ECTS=7.

10. Ενδεικτική Βιβλιογραφία:

• Δαφέρμος, Β. (2017). Στατιστικές Μέθοδοι Πρόβλεψης στην Κοινωνική Έρευνα και Μεθοδολογία. Με τα SPSS και Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 500.
• Δαφέρμος, Β. (2013). Παραγοντική Ανάλυση με τα SPSS, LISREL, AMOS, EQS, STATA. Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 727.
• Δαφέρμος, Β. (2011). Κοινωνική Στατιστική και Μεθοδολογία Έρευνας με το SPSS. Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 830.
• Δαφέρμος, Β. (in press,2018). Repeated Measures Models: Το μυστικό για μια αποτελεσματική Κοινωνική Έρευνα με μικρό δείγμα. Με το SPSS και το STATA. Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 500.
• Stata Base Reference Manual Release 14 (2015). STATA PRESS, College Station, Texas University.

 

Ο Διδάσκων

 Καθηγητής   Βασίλης Δαφέρμος