Skalowanie jednowymiarowe w badaniach sondażowych
Informacje ogólne
Kod przedmiotu: | 3502-FAKL320 |
Kod Erasmus / ISCED: |
14.2
|
Nazwa przedmiotu: | Skalowanie jednowymiarowe w badaniach sondażowych |
Jednostka: | Instytut Socjologii |
Grupy: | |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | fakultatywne |
Założenia (opisowo): | 1. Kurs statystyki, co najmniej 90 godzin. Zaliczony na ocenę 3+ lub wyższą 2. Ukończony warsztat SPSS 3. Kurs metodologii badań socjologicznych zaliczony na ocenę 3+ lub wyższą 1. Znajomość języka angielskiego na poziomie umożliwiającym czytanie ze zrozumieniem tekstów publikowanych w American Sociological Journal 2. Posługiwanie się pakietem SPSS na z wykorzystaniem języka poleceń. |
Skrócony opis: |
Kurs poświęcony jest prezentacji metodologicznych i statystycznych podstaw skalowania jednowymiarowego. Rozpoczyna się od pokazania specyfiki skalowania i różnicy między skalowaniem a pomiarem. Typowe problemy skalowania sposoby ich rozwiazywania są podstawą typologii wariantów skalowania, której szczególna rolę odgrywa rozróżnienienie miedzy modelami przyjmującymi założenie kumulatywności reakcji jednostki na wskaźniki i modelami, które tego założenia nie przyjmują. Przy omawianiu praktycznie stosowanych metod metody skalowania szczególne miejsce zajmie pokazanie roli rachunku prawdopodobieństwa i statystyki inferencyjnej w definiowaniu założeń modeli oraz w w rozstrzyganiu typowych problemów decyzyjnych skalowania. |
Pełny opis: |
Kurs poświęcony jest prezentacji metodologicznych i statystycznych podstaw skalowania jednowymiarowego. Rozpoczyna się od pokazania specyfiki skalowania i różnicy między skalowaniem a pomiarem. Typowe problemy skalowania sposoby ich rozwiazywania są podstawą typologii wariantów skalowania, której szczególna rolę odgrywa rozróżnienienie miedzy modelami przyjmującymi założenie kumulatywności reakcji jednostki na wskaźniki i , które tego założenia nie przyjmują. Przy omawianiu praktycznie stosowanych metod metody skalowania szczególne miejsce zajmie pokazanie roli rachunku prawdopodobieństwa i statystyki inferencyjnej w definiowaniu założeń modeli oraz w w rozstrzyganiu typowych problemów decyzyjnych skalowania. 1. Rejestracja danych w badaniu sondażowym 2. Typy danych: porównywanie parami a wymuszone rangowanie 3. Klasyczna teoria pomiaru: emopiryczny system relacyjny, formalny system relacyjny, problem istnienia i jednoznaczności funkcji pomiarowej, 4. Uogólniona teoria pomiaru: rejestracja – identyfikacja struktury danych zarejestrowanych, pomiar jako wzór strukturalny, problem jednoznaczności pomiaru. 5. Skalowanie: wskaźnik, cecha ukryta, funkcja skalująca. 6. Typologia modeli skalowania: a. poziom pomiaru wskaźników: b. typ relacji miedzy wskaźnikami i cechą skalowaną: i. deterministyczna ii. probabilistyczna 7. Problemy skalowania i sposoby ich rozwiązywania: a. skalowalność zbioru wskaźników b. liczba niezbędnych wymiarów c. wskaźniki zbędne, niezbędne i wieloznaczne d. trafność skali 8. Miejsce i rola r-ku p-twa i statystyki w modelu skalowania 9. Przegląd wybranych modeli skalowania: a. Kumulatywne modele skalowania i ich generalizacje w IRT: Bogardus, Guttman, Mokken, Rasch b. Addytywne modele skalowania: Likert, Thurstone, klasyczna teoria testów c. Jednowymiarowa analiza czynnikowa jako model skalowania addytywnego: ograniczenia, problemy i rozwiązania d. Analiza skupień jako szczególny przypadek skalowania nominalnego i. Analiza ukrytej struktury Lazarsfelda ii. Popularne modele identyfikacji skupień iii. Probabilistyczne modele analizy skupień 10. Oprogramowanie współczesnych modeli skalowania: a. Oprogramowanie IRT: MSP5, ICL, WinSteps, ProQuest, ParScale b. Moduły skalowania w popularnych pakietach statystycznych |
Literatura: |
1985, Andrich, D., An Elaboration of Guttman Scaling with Rasch Models for Measurement, Sociological Methodology 1985: 33-80 1988, Andrich, D., Rasch Models for Measurement, Sage Publications, QASS 68 , 2007, Ark, L. A. van der. Mokken Scale Analysis in R. Journal of Statistical Software, 20(11), 1–19. 2009, Banaszak, H., Pomiar, skalowanie, model skalowania, w: H. Banaszak [red] Teoretyczne i praktyczne problemy skalowania osiągnięć szkolnych, IFiS PAN, s. 9-22. 2009, Banaszak, H., Skalowanie kumulatywne zarys problematyki, w: H. Banaszak [red] Teoretyczne i praktyczne problemy skalowania osiągnięć szkolnych, IFiS PAN, s. 23-69. 2009, Banaszak, H., Analiza własności testu przy użyciu wieloparametrycznego modelu Rascha, w: H. Banaszak [red] Teoretyczne i praktyczne problemy skalowania osiągnięć szkolnych, IFiS PAN, s. 365-374. 1981, Clogg, C., Sawyer, D. O., A comparison of alternative models for analyzing the scalability of response patterns, Sociological Methodology vol. 12 (1981), pp.240-280 1987, De Jong A. et al., An application of Mokken’s model for stochastic, cumulative scaling in psychiatric research, Journal of Psychiatry Research vol 21, no.2, pp. 137-149 1987, Gillespie, M. et al., Using Mokken scale analysis to develop unidimensional scales, Quality & Quantity 21, pp. 393-408 2011, Linzer, D. A., & Lewis, J. B. poLCA: An R Package for Polytomous Variable Latent Class Analysis. Journal of Statistical Software, 42(10), 1–29. 2002, Magidson, Jay, Vermunt, Jeroen, Latent class models for clustering: A comparison with K-means, Canadian Journal of Marketing Research, Volume 20, 2002: 37-44 2003, Magidson, Jay, Vermunt, Jeroen K., ,Latent Class Models, Statistical Innovations 2004, Magidson, Jay, Vermunt, Jeroen K, Comparing Latent Class Factor Analysis with the Traditional Approach in Data Mining,CRC Press LLC 1981, McIver John P., Carmines Edward G., Unidimensional Scaling, Sage Publications, 1981 2003, Moya, Teresa Rivas, A Goodness-of-Fit Measure for the Mokken Double Monotonicity Model that Takes into Account the Size of Deviations, Methods of Psychological Research Online 2003, Vol.8, No.1, pp. 81-101 1970, Proctor C.H., A Probabilistic Formulation and Statistical Analysis of Guttman Scaling, Psychometrika, vol 35, nr 1: 73-98 2006, Rizopoulos, D. ltm: An R Package for Latent Variable Modeling and Item Response Theory Analyses. Journal of Statistical Software, 17(5), 1–25. 1997, Rost, Jürgen, Langeheine, Rolf, A Guide through Latent Structure Models for Categorical Data, w: Jürgen Rost and Rolf Langeheine (Eds.): Applications of Latent Trait and Latent Class Models in the Social Sciences, Waxmann, 1997. 1990, Sijtsma K. et al.,,,Mokken scale analysis for polychotomous item: theory, a computer program and an empirical application, Quality & Quantity 24: 173-188 2003, Van Schuur, Wijbrandt, Mokken Scale Analysis: Between ther Guttman Scale and Parametric Item Response Theory, Political Analysis, 11:139-163 2000, Wittenboer, van den G., Latent Class Analysis of Respondent Scalability, Quality & Quantity 34: 177–191, 2000 |
Efekty uczenia się: |
1. Czytanie ze zrozumieniem tekstów, w których zastosowano skalowanie jednowymiarowe 2. Rozpoznawanie problemów pomiarowych, których rozwiazaniem jest jednowymiarowe skalowanie 3. Umiejętność wykonania prostych skalowania jednowymiarowego |
Metody i kryteria oceniania: |
Praca pisemna zawierająca wyniki samodzielnie wykonanego skalowania |
Właścicielem praw autorskich jest Uniwersytet Warszawski.