1-я часть-SPSS - Высшая школа экономики

Правительство Российской Федерации
Государственный университет –
Высшая школа экономики
Факультет БИЗНЕС-ИНФОРМАТИКИ
Программа дисциплины
Прикладной экономический анализ на основе пакетов программ SPSS,
STATA
(1-я часть-SPSS)
для направления 080100.62 "Экономика"
подготовки бакалавра экономики
Автор программы к.т.н. доцент Бессонова И.А. ibes@hse.ru
Рекомендована секцией УМС
по бизнес-информатике
Председатель Ю.В. Таратухина
______________________________
«_____» _________________ 2009 г.
Утверждена Ученым Советом
факультета Бизнес-информатики
Ученый секретарь В.А. Фомичев
________________________
«_____» ________________ 2009 г.
Одобрена на заседании кафедры
Архитектуры программных систем
Зав. кафедрой С.В. Назаров
_________________________________
«____»_____________________ 2009 г.
Москва 2009
I.
Пояснительная записка
Автор программы:
к.т.н., доцент Бессонова И.А.
Общие сведения об учебном курсе:
дисциплина читается студентам факультета экономики ГУ-ВШЭ. Она входит в блок
факультативных дисциплин, определяющих бакалаврскую программу, и читается во
втором модуле четвертого года обучения. Продолжительность курса составляет 16
аудиторных учебных часов практических занятий и 38 часов самостоятельной
работы. Рубежный контроль –контрольная работа в виде практического задания на
компьютере.
Аннотация
Курс ориентирован на овладение приемами анализа статистических данных с
помощью пакета SPSS для решения задач прикладного экономического анализа.
Требования к студентам
Приступая к изучению дисциплины, студент должен быть знаком:
 с основами математической статистики и теории вероятностей. Данный курс
не заменяет стандартного курса статистики;
 иметь базовые знания пакета Excel.
Цель изучения дисциплины:
1)
познакомить студентов с основными понятиями и областью применения
системы SPSS;
2)
дать целостное представление о возможностях анализа данных в системе
SPSS;
3)
научить основам работы с различными типами исходной информации,
исследованию взаимосвязей между данными и проведению анализа данных.
Учебная задача дисциплины
В результате изучения дисциплины слушатель должен
1)
иметь представление о возможностях пакета SPSS в части решения задач
с использованием различных методов статистического анализа;
2)
знать способы анализа статистических данных с помощью
регрессионного, кластерного и факторного анализа данных;
3)
уметь самостоятельно проводить обработку информации для дальнейшей
работы с ней в SPSS и анализировать скрытые закономерности в данных;
4)
обладать навыками работы в SPSS для решения проблем, возникающих
при проведении анализа информации.
2
II.
Тематический план учебной дисциплины
Номера и
наименования тем
Всего
часов
Тема 1. Характеристика
SPSS. Подготовка
данных к анализу.
Редактирование данных.
Импорт данных в SPSS
из других программ.
Описательные
статистики.
12
Аудиторные занятия
Всего
Практическ.
Лекции
учебных
занятия
часов
4
4
Тема 2. Исследование
взаимосвязей между
данными. Проверка
гипотез.
12
4
4
8
Тема 3. Регрессионный
анализ данных.
16
4
4
12
Тема 4. Факторный
анализ данных.
Кластерный анализ
данных
Итого часов
14
4
4
10
54
16
16
38
III.
Самост.
работа
8
Базовый учебник (и) основная литература
Базовой учебник
1. SPSS: искусство обработки информации. Анализ статичстических данных и
восстановление скрытых закономерностей: Пер. с нем./ Ахим Бююль, Петер
Цефель – СПб.: ООО «ДиаСофтЮП», 2002.
Основная литература
1. Крыштановский А.О. Анализ социологических данных с помощью пакета SPSS
- М.: Изд.дом ГУ ВШЭ, 2006.
2. Дубнов П.Ю. Обработка статистической информации с помощью SPSS. –М.: NT
Press, 2004.
3. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере 3-е изд., перераб. и
доп. - М.:"Инфра-М", 2003.
IV.
Формы контроля
Текущий контроль
- Работа на практических занятиях (выполнение заданий на компьютере)
3
Промежуточный контроль
- контрольная работа в виде практического заданияна 2 акад часа
Структура итоговой оценки по учебной дисциплине:
Формы работы
Вклад в итоговую оценку 1-ой части (%)
Работа на практических занятиях
20
Контрольная работа
20
V.
Содержание программы
Тема 1. Характеристика SPSS. Подготовка данных к анализу. Редактирование
данных. Импорт данных в SPSS из других программ. Описательные
статистики..
♦ Содержание темы:

Назначение и оболочка SPSS.

Состав пакета, учебник, система помощи.

Содержание и разделы главного меню.

Окна вывода, окно редактирования данных.

Панели инструментов.

Характеристика диалоговых окон.

Набор статистических методов, типы графиков.

Сбор данных.

Выборка. Влияние объемов выборки на точность оценки.

Подготовка данных к обработке: кодирование и кодировочные таблицы,
создание матриц данных.

Типы переменных.

Загрузка данных в систему.

Ввод данных, экспорт данных их других систем.

Обнаружение ошибок ввода.

Проверка данных на состоятельность.

Модификация данных: вычисление переменных, аггрегирование данных,
ранговые преобразования.

Исследование данных и их свойств: мода, медиана, математическое
ожидание, дисперсия и стандартное отклонение, вариации и формы
распределения.
Тема 2. Исследование взаимосвязей между данными. Проверка гипотез.
♦ Содержание темы:

Разведочный анализ.

Сравнение средних.

Таблица сопряженности.

Анализ множественных ответов. Непараметрические тесты.

Измерение линейных связей, парная и частная корреляция.
4
Тема 3. Регрессионный анализ данных
♦ Содержание темы:

Непараметрические тесты

Простая линейная регрессия.

Множественная регрессия. Результаты множественной регрессии.

Остатки и выбросы.

Нелинейная регрессия.

Бинарная логистическая регрессия.

Мультиномиальная логистическая регрессия.
Тема 4. Факторный анализ данных. Кластерный анализ данных
♦ Содержание темы:

Метод главных компонент.

Метод главных факторов.

Интерпретация факторов.

Кластеризация наблюдений.

Иерархические методы кластерного анализа.

Партиционные методы кластерного анализа.
VI.
Примерное содержание заданий контрольной
работы
1) Проанализировать основные характеристики распределения (мода, смещение
и т.д.);
2) Определить наличие выбросов и экстремумов;
3) Оценить близость распределения к нормальному;
4) Оценить гетероскедастичность;
5) Построить таблицу сопряженности и определить наличие зависимости
между переменными, тесноту и направление связи. Найти факторы наиболее
полно объясняющие наблюдаемые связи между переменными.
6) Построить уравнение регрессии и оценить адекватность модели.
7) Сформировать группы наблюдений с помощью кластерного анализа.
8) Сформировать факторы для выбранных переменных.
VII.
Методические указания студентам:
Методические указания студентам приводятся в вариантах классных заданий
Автор программы: _____________________________/Бессонова И.А./
5