Statystyka w psychologii 2
Informacje ogólne
Kod przedmiotu: | 2404-P-2-SP-sj |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Statystyka w psychologii 2 |
Jednostka: | Instytut Psychologii |
Grupy: |
Psychologia II rok sj - zajęcia obowiązkowe |
Punkty ECTS i inne: |
5.00
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | przedmiot obowiązkowy |
Całkowity nakład pracy studenta: | 1. Godziny realizowane z udziałem nauczycieli: godziny kontaktowe przewidziane w planie studiów dla danego przedmiotu : 60 godz. (30 godz. wykładów i 30 godz. laboratorium) 2. Czas poświęcony na pracę indywidualną studenta/słuchacza/uczestnika kursu potrzebny do pomyślnego zaliczenia przedmiotu, tj. wcześniejsze przygotowanie i uzupełnienie notatek; zebranie i wybór odpowiednich materiałów do zajęć, wymagane powtórzenie materiału, pisanie prac, projektów, czytanie literatury – 30 godz. 3. Czas wymagany do przygotowania się i do uczestnictwa w procesie oceniania (w kolokwiach, egzaminach) – 30 godz. 4. Konsultacje (15 godz.) Łącznie 135 godz. – 5 ECTS |
Efekty uczenia się - wiedza: | Efekty wykładu: K_U04 Student posiada umiejętność samodzielnego proponowania rozwiązań konkretnego problemu badawczego z zakresu wybranych obszarów psychologii; posiada umiejętność przeprowadzenia procedury pozwalającej rozstrzygnąć podejmowane pytania badawcze K_U11 Student potrafi posługiwać się̨ narzędziami informatycznymi w pracy (zarówno do wspomagania diagnozy, jak i prowadzenia badań empirycznych oraz wykonywania analiz statystycznych) K_U19 potrafi wyprowadzać wnioski zgodnie z zasadami logiki oraz dostrzegać podstawowe błędy logiczne w rozumowaniu innych osób Efekty laboratorium: U1:Przeprowadza analizy statystyczne odpowiednie dla każdego typu zmiennych (umiejętność doboru odpowiednich narzędzi, sprawdzanie warunków do stosowania testów) (K_U11) U2: Poprawnie przedstawia i interpretuje uzyskane wyniki analiz statystycznych (K_U11) Efekty przedmiotowe Ma wiedzę o wybranych metodach statystycznych i potrafi je stosować do analizy danych. |
Efekty uczenia się - umiejętności: | Efekty wykładu: K_U04 Student posiada umiejętność samodzielnego proponowania rozwiązań konkretnego problemu badawczego z zakresu wybranych obszarów psychologii; posiada umiejętność przeprowadzenia procedury pozwalającej rozstrzygnąć podejmowane pytania badawcze K_U11 Student potrafi posługiwać się̨ narzędziami informatycznymi w pracy (zarówno do wspomagania diagnozy, jak i prowadzenia badań empirycznych oraz wykonywania analiz statystycznych) K_U19 potrafi wyprowadzać wnioski zgodnie z zasadami logiki oraz dostrzegać podstawowe błędy logiczne w rozumowaniu innych osób Efekty laboratorium: U1:Przeprowadza analizy statystyczne odpowiednie dla każdego typu zmiennych (umiejętność doboru odpowiednich narzędzi, sprawdzanie warunków do stosowania testów) (K_U11) U2: Poprawnie przedstawia i interpretuje uzyskane wyniki analiz statystycznych (K_U11) |
Efekty uczenia się - kompetencje społeczne: | Wykład i laboratorium: K_K01 Student potrafi określać priorytety służące realizacji zadań i celów naukowych i zawodowych |
Skrócony opis: |
Wykład jest kontynuacją wykładu Statystyka w Psychologii 1. O ile podczas poprzedniej części przedstawiono podstawowe narzędzia statystyki klasycznej, to tu zostaną omówione bardziej zaawansowane metody takie jak analiza wariancji, analiza regresji czy metody bootstrapowe. |
Pełny opis: |
1. Test t-Studenta dla powtarzanych pomiarów -- nomeklatura (czynnik zmienna zależna). Założenia testu, czyli jakie dane mogą być wykorzystane. Statystyka testowa i jej postać. Jak uzyskiwana jest wartość statystyki testowej. Jakie jest rozkład statystyki testowej? Wielkość efektu d Cohena dla schematu dwóch grup zależnych. 2. Jednoczynnikowa analiza wariancji (ANOVA). Nomenklatura (czynnik i zmienna zależna). Wymagania odnośnie danych (jakie warunki powinny spełniać, aby można było zastosować ANOVA). Test F (wykorzystywany w ANOVA). Statystyka testowa testu F. Co oznacza zmienność wewnątrz i międzygrupowa. Jak obliczana jest statystyka testowa. Jakie wartości wskazują na to, że czynnik różnicuje średnie zmiennej zależnej. Na podstawie jakiego rozkładu jest obliczana p-wartość (istotność statystyczna). Jak wygląda rozkład statystyki F-Snedecora. Stopnie swobody i co one oznaczają. Wielkość efektu w teście ANOVA, co oznacza, jaką informację podaje. Progi według Cohena. Kontynuacja analiz ANOVA – testy post-hoc. Wielkości efektu dla testów post-hoc. Nieparametryczny test Kruskalla Wallisa – kiedy możemy uznać go za odpowiednik ANOVA? 3. Regresja liniowa prosta i wielokrotna. Związki korelacji z analizą regresji. Różnica między nimi. Założenia modelu regresji – jakich zmiennych możemy użyć? Jaki związek powinien je łączyć? Analiza regresji prostej (jednozmiennowej). Nomenklatura – regresja; zmienna zależna i zmienna niezależna; predyktor; zmienna wyjaśniana/objaśniana, zmienna objaśniajaca/wyjaśniająca; kombinacja liniowa; reszty regresji; notacja wartości przewidywanej. Na czym polega przewidywanie? Jak to zrobić, wykorzystując wzór regresji? Interpretacja współczynników regresji, standaryzowanych i niestandaryzowanych. Analiza regresji jako model statystyczny – założenia modelu, współczynniki regresji (interpretacja). Zapis wyników regresji zgodnie z APA. Diagnostyka modelu regresji - Co ma mieć rozkład normalny? Zmienna zależna, niezależna, coś innego? R kwadrat skorygowane, zmienność wyjaśniana, Testy istotności statystycznej współczynników regresji. 4. Eksploracyjna analiza czynnikowa Nomenklatura. Co to są zmienne obserwowalne, a co to są zmienne ukryte? Metody ekstrakcji czynnika. Macierz korelacji i macierz sferyczna. Testowanie założeń: test Bartletta. Miara KMO. Wyznacznik macierzy korelacji - jaką liczbą może być wyznacznik macierzy? Co znaczy E w notacji pod tabelką macierzy korelacji? Wartości własne macierzy korelacji - jaką liczbą może być wartość własna? Wykres osypiska – budowa (co jest na osi poziomej a co na osi pionowej). Jak wygląda wykres osypiska, a jak nie może wyglądać? Kryteria określania liczby czynników (na podstawie procentu wyjaśnionej zmienności, kryterium Catella/wykresu osypiska i kryterium Kaisera). Rotacja - do czego służy różnica i jakie są rodzaje Ładunki czynnikowe i ładunki krzyżowe - ich interpretacja i wybór pozycji kwestionariusza do ostatecznej wersji. 5. Metody bootstrapowe. Co to jest i do czego służy? Schemat losowania ze zwracaniem i bez zwracania. Liczba elementów w próbie bootstrapowej. Bootstrapowy przedział ufności dla średniej. 6. Analiza mocy - co to jest i do czego służy? Błąd I-go, II-go rodzaju, wielkość efektu i wielkość próby - relacje między nimi. Zależność mocy testu od wielkości efektu i wielkości próby. Klątwa zwycięzcy (winner's curse) i nadistotność statystyczna (overpowered studies) oraz ich konsekwencje dla literatury naukowej. |
Literatura: |
LITERATURA PODSTAWOWA B Bedyńska, S. i Cypryańska, M. (red.). (2012). Statystyczny drogowskaz 1. Praktyczne wprowadzenie do wnioskowania statystycznego. Warszawa: Wydawnictwo Akademickie Sedno Spółka z o.o. Bedyńska, S. i Cypryańska, M. (red.). (2013). Statystyczny drogowskaz 2. Praktyczne wprowadzenie do analizy wariancji. Warszawa: Wydawnictwo Akademickie Sedno Spółka z o.o. LITERATURA UZUPEŁNIAJĄCA B Brzeziński, J. (1997). Metodologia badań psychologicznych. Wydawnictwo Naukowe PWN. C Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Hillsdale, NJ Lawrence Erlbaum Associates, Publishers. F Ferguson G.A. i Takane Y. (1997). Analiza statystyczna w psychologii i pedagogice. Warszawa: PWN. Francuz P., Mackiewicz R. (2005). Liczby nie wiedzą, skąd pochodzą. Lublin: Wydawnictwo KUL. I Ioannidis, J. P. A. (2005). Why Most Published Research Findings Are False. PLoS Medicine, 2(8), e124. DOI: https://doi.org/10.1371/journal.pmed.0020124. J Jarmakowska - Kostrzanowska, L., (2021). Istotnie statystyczna moc testu – analiza mocy i jej miejsce w przyborniku badacza oraz interpretacja (nie)istotności statystycznej przy małej (dużej) mocy testu. Przegląd Psychologiczny, 64(4), 83–99. https://doi.org/10.31648/pp.7359. Jarmakowska-Kostrzanowska, L., Jarmakowski-Kostrzanowski, T. (2020). Bootstrap: inne spojrzenie na przedział ufności. W: M. Trojan, M. Gut (red.), Nowe technologie i metody w psychologii (s. 471–489). Warszawa: Liberi Libri. DOI: 10.47943/lib.9788363487430.rozdzial22 K Kelley, K., Preacher, K. J. (2012). On effect size. Psychological Methods, 17(2), 137–152. https://doi.org/10.1037/a0028086 L Lovakov, A., Agadullina, E. R. (2021). Empirically derived guidelines for effect size interpretation in social psychology. European Journal of Social Psychology, 51(3), 485–504. https://doi.org/10.1002/ejsp.2752 S Student. (1908). The Probable Error of a Mean. Biometrika, 6(1), 1–25. https://doi.org/10.2307/2331554 W Wasserstein, R., Lazar, N. (2016) The ASA Statement on p-Values: Context, Process, and Purpose, The American Statistician, 70:2, 129-133, DOI: 10.1080/00031305.2016.1154108 Wieczorkowska G., Wierzbiński, J. (2007 i późniejsze wydania). Statystyka. Analiza badań społecznych. Wydawnictwo Naukowe Scholar Wilcoxon, F. (1945). Individual Comparisons by Ranking Methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968 Wolski, P. (2016) Istotność statystyczna I. Nieodrobiona lekcja. Rocznik Kognitywistyczny, 2016, Tom 9, p. 27-35. Wolski, P. (2017). Istotność statystyczna III. Od rytuału do myślenia statystycznego. Rocznik Kognitywistyczny, 9(2016). DOI: https://doi.org/10.4467/20843895RK.16.007.6413. statystykawpsychologii.blogspot.com |
Metody i kryteria oceniania: |
Warunki zaliczenia WYKŁADU: - Egzamin pisemny (K_W04; K_W05, K_U04, K_U05, K_U11). Próg zaliczenia to 60% maksymalnej liczby punktów. Warunkiem do przystąpienia do egzaminu jest zaliczenie laboratoriów ze statystyki Warunki zaliczenia LABORATORIÓW: • Obecność na zajęciach: dozwolone są 2 nieobecności nieusprawiedliwione i 2 usprawiedliwione. Większa ich liczba oznacza brak zaliczenia zajęć w danym roku akademickim. • Zaliczenie kolokwiów. Kolokwia będą składać się z zadań wymagających wykazania się umiejętnością posługiwania się narzędziami statystycznymi w pakiecie SPSS i interpretowania wyników analiz. Ocena bardzo dobra nie zwalnia z obowiązku napisania egzaminu z wykładów. • Ocen zaliczających kolokwium nie można poprawiać. Poprawka dotyczy jedynie oceny niedostatecznej. Z poprawy można otrzymać co najwyżej ocenę dostateczną (3). |
Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)
Okres: | 2022-10-01 - 2023-02-19 |
Przejdź do planu
PN LAB
LAB
WYK
WT ŚR CZ LAB
LAB
LAB
PT |
Typ zajęć: |
Laboratorium, 30 godzin
Wykład, 30 godzin
|
|
Koordynatorzy: | Lilianna Jarmakowska-Kostrzanowska | |
Prowadzący grup: | Lilianna Jarmakowska-Kostrzanowska, Ewa Ratajczak | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Egzamin
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)
Okres: | 2023-10-01 - 2024-02-19 |
Przejdź do planu
PN LAB
LAB
WYK
WT ŚR CZ LAB
LAB
LAB
LAB
LAB
PT LAB
|
Typ zajęć: |
Laboratorium, 30 godzin
Wykład, 30 godzin
|
|
Koordynatorzy: | Lilianna Jarmakowska-Kostrzanowska | |
Prowadzący grup: | Łukasz Grabowski, Lilianna Jarmakowska-Kostrzanowska, Ewa Ratajczak, Magdalena Szmytke, Adam Tarnowski, Kacper Zyskowski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Egzamin
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.