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

(‘Analyzing Political Data in the context of Multinomial Logistic Regression Procedure’) 

Κωδικός : ….…..

 

1. Σκοπός του Μαθήματος

Σκοπός αυτού του σεμιναρίου, είναι η μύηση των σπουδαστών σε  μια ιδιαίτερα ενδιαφέρουσα στατιστική διαδικασία με στόχο την οικοδόμηση μοντέλων ΠΡΟΒΛΕΨΗΣ, με καλή προσαρμογή (Goodness-of –it) και επαρκή προβλεπτική ισχύ, και που χρησιμοποιούν οι Πολιτικοί Επιστήμονες, κι όχι μόνον, τα τελευταία χρόνια, για την εξαγωγή προβλεπτικών πιθανοτήτων που αφορούν τα Κόμματα που συμμετέχουν σε μια εκλογική αναμέτρηση. Πρόκειται με άλλα λόγια, για μοντέλα πρόβλεψης του εκλογικού αποτελέσματος. Προφανώς, όπως και οι διαδικασίες BLR  και ORM, πρόκειται για μια διαδικασία προχωρημένης στατιστικής ανάλυσης η οποία φέρει το όνομα multinomial logistic regression,  και η οποία εκτελείται με τη βοήθεια των στατιστικών πακέτων SPSS και STATA και με πραγματικά Ελληνικά Δεδομένα.

2. Θεωρητικό μέρος του μαθήματος- Θεματικές Ενότητες

• The basics of Multinomial Logit Model
• Specifying the MLR Model
• Model Selection
• Checking Assumptions
• Is the Linearity necessary assumption? The STATA approach.
• The Likelihood- Ratio Test
• How Well Does the Model Fit? Evaluating the model
• Calculating Expected Frequencies and Predicted Probabilities
• The problem of Over-dispersion.
• Case- Control Studies.
• Transforming Categorical Variables
• Running the Model using STATA
• Reporting SPSS and 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. Face to face συνεντεύξεις. Συλλογή Κοινωνικών Δεδομένων. Στρωματοποιημένες, Πολυδιάστατες  ΔΕΙΓΜΑΤΟΛΗΨΙΕΣ Μεγέθους Δείγματος τουλάχιστον 1120 cases. Πανελλαδικές Πολιτικές Έρευνες με μεγάλου μεγέθους δείγματα (n> 1950). Data Sets πραγματικών δεδομένων. Opinion Polls.

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

6. Χαρακτηρισμός μαθήματος: Σεμιναριακό μάθημα επιλογής.

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

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

10. ECTS=7.

11. Ενδεικτική Βιβλιογραφία:

• Δαφέρμος, Β. (in press, 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 15 (2017). STATA PRESS, College Station, Texas University.

 

Ο Διδάσκων

  Καθηγητής Βασίλης Δαφέρμος