ΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ ΠΡΟΒΛΕΨΗΣ ΣΤΗΝ ΚΟΙΝΩΝΙΚΗ ΕΡΕΥΝΑ

 

‘ΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ ΠΡΟΒΛΕΨΗΣ ΣΤΗΝ ΚΟΙΝΩΝΙΚΗ ΕΡΕΥΝΑ’

(‘PREDICTION METHODS IN THE SOCIAL RESEARCH’) 

Κωδικός : ………..

 

1. Σκοπός του Μαθήματος

Σκοπός αυτού του προχωρημένου μαθήματος Κοινωνικής Στατιστικής, είναι η μύηση των σπουδαστών στις διαδικασίες πρόβλεψης, οι οποίες στις μέρες μας, στις μέρες της αβεβαιότητας, της κατήφειας και της δυσκολίας να διακρίνουμε αυτό που έρχεται,  έχουν αποκτήσει βαρυσήμαντο χαρακτήρα. Η ΠΡΟΒΛΕΨΗ, από μόνη της είναι μια μαγεία, αλλά και η πλειάδα των στατιστικών διαδικασιών που παρατίθενται παρακάτω, με τη βοήθεια ισχυρών προγραμμάτων όπως το SPSS και το STATA, και η χρήση πραγματικών δεδομένων, που οι ίδιοι οι σπουδαστές δειγματοληπτικώς συλλέγουν, κάνουν το μάθημα εξαιρετικά ενδιαφέρον, αν όχι συναρπαστικό.

2. Θεωρητικό μέρος του μαθήματος- Θεματικές Ενότητες

  • Binomial Logistic Regression.
  • Multinomial Logistic Regression.
  • Ordinal Regression
  • Weighted Least-Squares Regression
  • Nonlinear Regression
  • Cox Regression
  • Poisson Regression
  • Discriminant Analysis
  • Cluster Analysis (two-step cluster)
  • Cluster Analysis (k-means)
  • Cluster Analysis (Hierarchical)
  • Multidimensional Scaling (ALSCAL)
  • Multidimensional Scaling (PROXSCAL)
  • Simple Correspondence Analysis
  • Multiple Correspondence Analysis
  • Categorical Regression (CATREG)
  • ROC Curves

 3. Εργαστηριακό μέρος του μαθήματος

  • Εργαστηριακές Ασκήσεις-Εφαρμογές με πραγματικά δεδομένα προερχόμενα από Δειγματοληπτικές μετρήσεις 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. Αναβάθμιση και Ανατροπή της Θεωρίας.

4. Δειγματοληπτικές Εφαρμογές στο πλαίσιο του μαθήματος

Εκπαίδευση Δειγματοληπτών. Δειγματοληψίες Κοινής Γνώμης. Τηλεφωνικές συνεντεύξεις. Face to face συνεντεύξεις. Συλλογή Κοινωνικών Δεδομένων. Παγκρήτεια Δείγματα 1120 cases. Πολιτικές Έρευνες.  Πανελλήνιες Έρευνες με δείγμα μεγαλύτερο του 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 μια 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. (2014). Στατιστικές Μέθοδοι Πρόβλεψης στην Κοινωνική Έρευνα. Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 700.
  • Παραγοντική Ανάλυση με τα SPSS, LISREL, AMOS, EQS, STATA. Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 727.
  • 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.
  • Menard, S. Logistic Regression. SAGE.

 

Ο Διδάσκων

  Καθηγητής Βασίλης Δαφέρμος