Uniwersytet Warszawski - Centralny System Uwierzytelniania

Advanced Regression

Informacje ogólne

Kod przedmiotu:	2500-PL-PS-SP15-10
Kod Erasmus / ISCED:	14.4 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0313) Psychologia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Advanced Regression
Jednostka:	Wydział Psychologii
Grupy:
Punkty ECTS i inne:	4.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia:	angielski
Założenia (opisowo):	Kurs dla specjalizacji 315
Skrócony opis:	(tylko po angielsku) The course is intended for students that want to learn ordinary least squares (OLS)analysis in order to apply it in their own research and/or to evaluate the work of others. The course will consist of 20h of theoretical lecture and 10h of practical workshop.  The focus of LECTURE part will be on reviewing logic of assumptions, possibilities and limitations of OLS regression analysis.  The focus of WORKSHOP part will be on practical issues such as selecting the appropriate analysis, preparing data for analysis, interpreting results, and presenting results of a complex nature. The primary goal of the course is to develop an applied and intuitive understanding of the covered statistical material.
Efekty uczenia się:	(tylko po angielsku) Students  Will learn the basics assumptions and logic behind OLS regression analysis  Will develop skills with a range of practical procedures in order to diagnose and prepare data, build model and eventually run OLS regression analysis.  get acquainted with the statistical computing system SPSS (R-studio) and with its use for manipulation and analysis of statistical data. NOTE: primary examples will be done in SPSS, however I’ll introduce some examples in R. You are allowed (and encouraged) to do all your stat homework in R-studio

Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)

Okres:	2024-02-19 - 2024-06-16	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ CW PT
Typ zajęć:	Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy:	(brak danych)
Prowadzący grup:	Maciej Bieńkowski, Mikołaj Winiewski
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Zaliczenie na ocenę Ćwiczenia - Zaliczenie na ocenę
Pełny opis:	(tylko po angielsku) The course is intended for students that want to learn ordinary least squares (OLS)analysis in order to apply it in their own research and/or to evaluate the work of others. The course will consist of 20h of theoretical lecture and 10h of practical workshop.  The focus of LECTURE part will be on reviewing logic of assumptions, possibilities and limitations of OLS regression analysis.  The focus of WORKSHOP part will be on practical issues such as selecting the appropriate analysis, preparing data for analysis, interpreting results, and presenting results of a complex nature. The primary goal of the course is to develop an applied and intuitive understanding of the covered statistical material. Covered material will deal mostly with Multiple Regression analysis including:  Model specification and interpretation  Diagnostics (tests and plots)  Analysis of residuals and outliers  Multicollinearity  Autocorrelation  Hierarchical models  Dummy (dichotomous) independent variables  Dummy coding of nominal variables  Inducing linearity by nonlinear transformations of independent variables  Multiplicative Interaction terms  Mediation analysis Specific topics and amount of covered material will depend in part on the interests of the students and class progress.
Literatura:	(tylko po angielsku) Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2013). Applied multiple regression/correlation analysis for the behavioral sciences. Routledge

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.