• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Количественные методы в политических исследованиях

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты
Статус:
Курс по выбору
Когда читается:
2-й курс, 3, 4 модуль

Преподаватель

Программа дисциплины

Аннотация

Настоящая дисциплина относится к профессиональному циклу, базовая часть профиля. Изучение данной дисциплины базируется на следующих дисциплинах: Математика и статистика, Сравнительная политика, Научно-исследовательский семинар (первый и второй годы обучения). Основные положения дисциплины могут быть использованы в дальнейшем при подготовке курсовых работ и ВКР. По результатам освоения курса студенты получат представление об эвристических способностях количественных методов анализа данных в политологических исследованиях; повысят навыки, необходимые для сбора количественных данных и их визуализации, сравнения различных выборок с использованием статистических тестов, изучения взаимосвязи количественных данных при помощи базовых статистических инструментов; получат знания, необходимые для работы со специализированными статистическими программами, в частности, со статистической средой R.
Цель освоения дисциплины

Цель освоения дисциплины

  • формирование у студентов представления о познавательных возможностях количественных методов анализа данных в политологических исследованиях
  • приобретение студентами знаний, умений и навыков, необходимых для сбора количественных данных и их визуализации; сравнения различных наборов данных при помощи статистических тестов
  • приобретение студентами навыков, необходимых для работы со специализированными статистическими программами, в частности, со статистической средой R.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Понимает сущностные различия между тестом Манна-Уитни и другими статистическими тестами.
  • Понимает базовые функции и логику работы в статистической программе R
  • Понимает функции описательной статистики в исследовании с количественным дизайном.
  • Способен применять эвристические возможности статистической программы R для получения данных описательной статистики.
  • Понимает значение визуализации в исследовании с количественным дизайном. .
  • Способен применять эвристические возможности статистической программы R для визуализации данных
  • Понимает типы и значение статистических гипотез и ошибок.
  • Способен применять эвристические возможности статистической программы R проверки статистических гипотез и наличия статистических ошибок.
  • Понимает значение хи-квадрата (X2) в исследовании с количественным дизайном.
  • Способен применять эвристические возможности статистической программы R для расчёта хи-квадрата (X2).
  • Понимает значение статистических тестов в исследовании с количественным дизайном.
  • Понимает сущностные различия между статистическими тестами.
  • Способен применять эвристические возможности статистической программы R для проведения статистических тестов.
  • Понимает значение теста Манна-Уитни в исследовании с количественным дизайном.
  • Способен применять эвристические возможности статистической программы R для проведения теста Манна-Уитни.
  • Понимает значение и функции корреляции в исследовании с количественным дизайном.
  • Способен применять эвристические возможности статистической программы R для расчёта коэффициента корреляции.
  • Понимает сущность метода наименьших квадратов, сферы его применения.
  • Способен применять эвристические возможности статистической программы R для использования метода наименьших квадратов.
  • Понимает значение парной линейной регрессии в исследовании с количественным дизайном.
  • Способен применять эвристические возможности статистической программы R для проведения парной линейной регрессии.
  • Понимает значение МНК-регрессии в исследовании с количественным дизайном.
  • Понимает принципы проведения МНК-регрессии.
  • Способен интерпретировать результаты регрессионной выдачи.
  • Способен применять эвристические возможности статистической программы R для проведения МНК-регрессии.
  • Понимает сущность существующих технических проблем и условий для проведения МНК-регрессии.
  • Способен применять эвристические возможности статистической программы R для проверки МНК-регрессии на наличие технических проблем.
  • Понимает значимость проведения моделей МНК-регрессии.
  • Способен применять эвристические возможности статистической программы R для диагностики моделей МНК-регрессии.
  • Понимает сущность содержательных проблем МНК-регрессии.
  • Способен применять эвристические возможности статистической программы R для проверки МНК-регрессии на наличие содержательных проблем.
  • Понимает значение логистической регрессии для исследования с количественным дизайном.
  • Способен применять эвристические возможности статистической программы R для проведения логистической регрессии.
  • Понимает значение порядковой регрессии для исследования с количественным дизайном.
  • Способен применять эвристические возможности статистической программы R для проведения порядковой регрессии.
  • Способен решать проблемы в профессиональной деятельности на основе анализа и синтеза
  • Способен работать с информацией: находить, оценивать и использовать информацию из различных источников, необходимую для решения научных и профессиональных задач (в том числе на основе системного подхода)
  • Способен критически оценивать и переосмыслять накопленный опыт (собственный и чужой), рефлексировать профессиональную и социальную деятельность
  • Способен выбирать адекватные задачам исследования методы исследования и применять их
  • Способен осуществлять поиск, сбор, обработку, анализ и хранение информации для решения поставленных задач
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в дисциплину
  • Основы работы с R
  • Описательная статистика
  • Визуализация данных: принципы, инструменты, примеры
  • Статистические гипотезы и ошибки
  • Статистика и хи-квадрат (X2)
  • Статистические тесты: биноминальный тест, т-тест
  • Статистические тесты: тест Манна-Уитни
  • Корреляция
  • Метод наименьших квадратов
  • Парная линейная регрессия
  • МНК-регрессия: принцип, интерпретация, оформление регрессионной выдачи
  • Технические проблемы и условия для проведения МНК-регрессии
  • Диагностика МНК-регрессии
  • Содержательные проблемы МНК-регрессии
  • Логистическая регрессия
  • Порядковая регрессия (краткий обзор). Итоги курса.
Элементы контроля

Элементы контроля

  • неблокирующий Активность на семинарских занятиях
  • неблокирующий Практическое домашнее задание
  • неблокирующий Тест
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.2 * Активность на семинарских занятиях + 0.2 * Практическое домашнее задание + 0.3 * Тест + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Bertail, P., Blanke, D., Cornillon, P.-A., & Matzner-Løber, E. (2019). Nonparametric Statistics : 3rd ISNPS, Avignon, France, June 2016. Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2044916
  • Crawley, M. J. (2014). Statistics : An Introduction Using R (Vol. Second edition). Chichester, West Sussex, UK: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=846213
  • Mann, T. E., & Wolfinger, R. E. (1980). Candidates and Parties in Congressional Elections. American Political Science Review, (03), 617. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.a.cup.apsrev.v74y1980i03p617.632.16
  • Tabachnick, B. G., & Fidell, L. S. (2014). Using Multivariate Statistics: Pearson New International Edition (Vol. 6th ed). Harlow, Essex: Pearson. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1418064

Рекомендуемая дополнительная литература

  • Golosov, G. V., & Konstantinova, M. (2016). Gubernatorial Powers in Russia The Transformation of Regional Institutions Under the Centralizing Control of the Federal Authorities. Problems of Post-Communism, 63(4), 241–252. https://doi.org/10.1080/10758216.2016.1146906