Multidimensional Analysis Specialization Subject

Celem zajęć jest zapoznanie uczestników z najważniejszymi metodami statystyki wielowymiarowej. Metody te służą do analizy zjawisk opisywanych przez więcej niż jedną zmienną objaśnianą. Znajdują zastosowanie przy analizie dużych zbiorów danych, umożliwiając wydobycie z danych najbardziej istotnych informacji. Stanowią podstawę współczesnych metod uczenia maszynowego. Celem dodatkowym jest przygotowanie uczestników do praktycznego stosowania poznanych procedur statystycznych oraz samodzielnej interpretacji uzyskanych wyników. Uczestnicy poznają najbardziej popularne i przydatne metody stosowane w badaniach społecznych i badaniach rynku. Zajęcia są prowadzone w środowisku Stata/Python.

Celem zajęć jest zapoznanie uczestników z najważniejszymi metodami statystyki wielowymiarowej. Metody te służą do analizy zjawisk opisywanych przez więcej niż jedną zmienną objaśnianą. Znajdują zastosowanie przy analizie dużych zbiorów danych, umożliwiając wydobycie z danych najbardziej istotnych informacji. Zajęcia są podzielone na bloki tematyczne. Pierwszym blokiem trwającym 1 jednostkę zajęciową jest wprowadzenie do zasad i tematyki zajęć. Kolejność bloków tematycznych od 2 do ostatniej jednostki zajęciowej (w zależności od liczby jednostek zajęciowych w semestrze) zostanie ogłoszona podczas pierwszych zajęć. Bloki merytoryczne składają się z części teoretycznej i części praktycznej oraz proponowanych ćwiczeń do samodzielnego wykonania. Zajęcia są prowadzone przy wykorzystaniu kilku popularnych środowisk (Stata/Python). W ramach pracy zaliczeniowej uczestnicy w grupach wykonują badanie własne, z którego raport w formie pisemnej przekazują na koniec zajęć. Stanowi on większą część oceny końcowej.

Blok 1: Wprowadzenie (1 zajęcia)

- sprawy organizacyjne: zasady zaliczenia i wymagania formalne

- wprowadzenie do analizy wielowymiarowej

Blok 2: Podstawy, które warto znać (3 zajęcia)

Statystyki

- skale pomiarowe

- statystyczne własności rozkładów

- przydatne statystyki

- tabele częstości

Testy parametryczne i nieparametryczne

- porównanie średnich

- porównanie wariancji

- tabelaryczny opis danych

- statystyczne porównanie rozkładów zmiennych

Współzależność zjawisk

- analiza korelacji, miary współzależności dwóch cech

- analizy zróżnicowania: jednoczynnikowa analiza wariancji, wieloczynnikowa analiza wariancji

Blok 3: Prezentacja analiz wykorzystujących omawiane techniki (3 zajęcia)

- wymagania dotyczące prac zaliczeniowych

- prezentacja analizy korelacji i ANOVA

- prezentacja analizy dyskryminacji

- prezentacja analizy skupień

- prezentacja analizy czynnikowej

- prezentacja ….

Blok 4: Analiza dyskryminacji (1 zajęcia)

- opisowa i predykcyjna analiza dyskryminacyjna

- liniowa analiza dyskryminacyjna

- kwadratowa analiza dyskryminacyjna

- logistyczna analiza dyskryminacyjna

- metoda najbliższych sąsiadów

Blok 5: Analiza skupień (grupowania, segmentacja) (3 zajęcia)

Klasyczne metody segmentacji

- klasyfikacja

- niehierarchiczna analiza skupień (optymalizacja i wybór liczby skupień)

- kryteria podziału na grupy, algorytm PAM

- hierarchiczna analiza skupień (optymalizacja i wybór liczby skupień)

- metody aglomeracyjne, dendrogram

- metody podziału, algorytm DIANA

Współczesne techniki segmentacji

-

-

Blok 6: Metody redukcji wymiaru (1 zajęcia)

- analiza czynnikowa

- metody rotacji

- inne metody redukcji wymiaru

Blok 7: Praca własna (2 zajęcia)

-konsultacje prac grupowych studentów

Francuz P., Mackiewicz L., Liczby nie wiedzą skąd pochodzą, KUL 2007.

Kaufman L., Rousseeuw P., Finding Groups in data. An introduction to cluster analysis, JohnWilley & Sons, 1990.

Rabe-Hesketh S., Everitt B., A Handbook of Statistical Analyses using Stata”, Chapman and Hall, 2007.

Literatura dodatkowa

Everitt B., Landau S., Leese M. Stahl D., Cluster analysis, John Willey and Sons, Nowy Jork, 2011.

Gatnar E., Walesiak M. (red), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo AE we Wrocławiu, Wrocław 2004.

Herczyński J., Strawiński P., Postawy zawodowe nauczycieli: próba typologii, Edukacja 2014, nr 3, str. 22-37.

Jajuga K., Statystyczna analiza wielowymiarowa, PWN, 1993

Larose D.T. Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, Wydawnictwo Naukowe PWN, Warszawa 2006

Morrison D.F., Wielowymiarowa analiza statystyczna, PWN, Warszawa 1990

Panek T., Statystyczne metody wielowymiarowej analizy porównawczej, SGH, Warszawa 2009

Rószkiewicz M., Zarys metod statystyki wielowymiarowej z wykorzystaniem programów komputerowych, SGH, Warszawa 1990.

Samodzielnie przygotowanie studentów do praktycznego stosowania poznanych procedur wykorzystując różne techniki statystyki wielowymiarowej, interpretacji uzyskanych wyników oraz prawidłowe sformułowanie raportu z przeprowadzonego badania

Warunkiem zaliczenia zajęć jest przeprowadzenie własnego badania z wykorzystaniem metod analizy wielowymiarowej, przedstawienie raportu z badań w formie pisemnej.

Po ukończeniu kursu uczestnik:

WIEDZA

Zna metody statystyki wielowymiarowej. Zna źródła pozyskiwania danych ekonomicznych o charakterze ilościowym i jakościowym. S2A_W06.

Potrafi rozpoznać problem ekonomiczny wymagający analizy wielowymiarowej S2A_W06.

UMIEJĘTNOŚCI

Potrafi budować zaawansowane modele dla zjawisk ekonomicznych i społecznych o naturze wielowymiarowej S2A_U04, S2A_U07.

Potrafi dokonać prezentacji wyników i napisać raport z przeprowadzonego badania empirycznego S2A_U09, S2AU_10.

KOMPETENCJE SPOŁECZNE

Znajomość podstawowych metod analizy wielowymiarowej pozwala na rozszerzenie wiedzy we własnym zakresie. S2A_K01

Na podstawie przedstawionych interpretacji uzyskanych wyników potrafi być krytyczny w stosunku do przedstawionych modeli i prawidłowo identyfikuje i rozstrzyga dylematy wykorzystaniem metod analizy wielowymiarowej w prowadzeniu własnej firmy lub pracy zawodowej S2A_K04, S2A_K07.