ΥΕΣ  Εαρινό  2017-2018

Περιγραφή του μαθήματος ‘Αναλύοντας Πολιτικά Δεδομένα στο πλαίσιο της διαδικασίας Negative Binomial  Logistic Regression’

(‘Analyzing Political Data in the context of Negative 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 οι Πολιτικοί και Κοινωνικοί Επιστήμονες τα τελευταία χρόνια, για την κατασκευή στατιστικών εργαλείων μέτρησης πολιτικών/ψυχολογικών συμπεριφορών. Για παράδειγμα, είναι εφικτή, στο πλαίσιο της ως άνω διαδικασίας, η Συσχέτιση Χρημάτων και Ευτυχίας; Πρόκειται για μια διαδικασία προχωρημένης στατιστικής ανάλυσης η οποία εκτελείται με τη βοήθεια των στατιστικών πακέτων SPSS και STATA και με τη χρήση Ελληνικών πραγματικών Δεδομένων.

2. Θεωρητικό μέρος του μαθήματος- θεματικές ενότητες

• When we do Negative Binomial Logistic Regression Analysis?
• The roots of Negative Binomial Logistic Model
• Fitting an Negative Binomial Logistic Model
• Comparing Poisson and NBRM
• Constructing the NBRM model
• Interpretation of coefficients
• The STATA approach.
• Assumptions
• Zero-inflated count Models
• The hurdle regression Model
• Comparing mean probabilities
• Using ‘countfit’ command to compare count models
• 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%).

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

9. ECTS=7.

10. Ενδεικτική Βιβλιογραφία:

1. Δαφέρμος, Β. (2017). Στατιστικές Μέθοδοι Πρόβλεψης στην Κοινωνική Έρευνα και Μεθοδολογία. Με τα SPSS και Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 500.
2. Δαφέρμος, Β. (2013). Παραγοντική Ανάλυση με τα SPSS, LISREL, AMOS, EQS, STATA. Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 727.
3. Δαφέρμος, Β. (2011). Κοινωνική Στατιστική και Μεθοδολογία Έρευνας με το SPSS. Εκδόσεις ΖΗΤΗ, Θεσσαλονίκη, σελίδες 830.
4. 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.
5. Stata Base Reference Manual Release 15 (2017). STATA PRESS, College Station, Texas University.

 

Ο Διδάσκων

  Καθηγητής Βασίλης Δαφέρμος