Программа дисциплины Статистические методы в политическом анализе для направления 030200. 62 «Политология»



Скачать 111.49 Kb.
Дата05.05.2016
Размер111.49 Kb.


Правительство Российской Федерации
Государственное образовательное бюджетное учреждение

высшего профессионального образования
«Государственный университет –

Высшая школа экономики»


Общеуниверситетская кафедра высшей математики
Кафедра статистических методов отделения статистики, анализа данных и демографии экономического ф-та

Программа дисциплины
Статистические методы в политическом анализе
для направления 030200.62 «Политология» подготовки бакалавра
Авторы: к.ф.-м.н., профессор Макаров А.А.

к.т.н., доцент Сиротин В.П.




Рекомендована секцией УМС

_____________________________

_____________________________

Председатель _________________

_____________________________


« _____» _______________2010 г.

Одобрена на

заседании кафедры

высшей математики ГУ ВШЭ

Зав. кафедрой проф. Макаров А.А.

« _____» _______________2010 г.


Утверждена УС факультета

Прикладной политологии

Ученый секретарь ______________

______________________________


« _____» _______________2010 г.

Одобрена на

заседании кафедры

кафедра статистических методов экономического факультета ГУ ВШЭ

Зав. кафедрой проф. Мхитарян В.С.

« _____» _______________2010 г.

Москва, 2010



Пояснительная записка

Авторы программы:

к.ф.-м.н., профессор Макаров Алексей Алексеевич (общеуниверситетская кафедра высшей математики),

к.т.н., доцент Сиротин Вячеслав Павлович (кафедра статистических методов отделение статистики, анализа данных и демографии экономического ф-та).

Требования к студентам:

Дисциплина «Статистические методы в политическом анализе» предназначена для студентов 3 курса бакалавриата факультета прикладной политологии.

Для успешного освоения материала дисциплины студенты должны владеть знаниями в области математического анализа и линейной алгебры в объеме обязательной дисциплины «Алгебра и анализ» (1 курс), «Теория вероятностей, начала статистики и обработки данных» (2 курс).
Цель курса

Цель данного курса – выработать компетенции, необходимые для успешного применения теоретико-вероятностного и математико-статистического инструментария к решению профессиональных политологических задач.


Задачи курса

В соответствии с поставленной целью, курс решает следующие задачи:



  1. формирование у студентов знания понятий и идей, лежащих в основе многомерной математической статистики;

  2. освоение основных теоретико-вероятностных и эконометрических моделей социально-экономических и политических процессов и явлений;

  3. овладение основными методами многомерной математической статистики и эконометрики, позволяющими решать различные социально-экономические и политологические исследовательские задачи;

  4. формирование у студентов понимания перспектив использования статистических методов анализа данных в прикладной политологии.


В результате изучения дисциплины студенты должны продемонстрировать уровень развития следующих компетенций1:

    • способность на основе положений, законов и методов теории вероятностей и математической статистики составить представление о современных стохастических моделях социально-экономических и политических процессов (ОК-15);

    • способность выявлять стохастическую составляющую исследовательских проблем, возникающих в ходе профессиональной деятельности, и привлекать к решению этих проблем соответствующий теоретико-вероятностный и математико-статистический аппарат (ОК-17);

    • готовность к адекватному восприятию и интерпретации общественно значимой социологической информации, использованию социологического знания в профессиональной деятельности (ОК-18);



Тематический план учебной дисциплины



Наименование разделов



Аудиторные часы

Самостоя-

тельная работа



Всего


Лекции

Семинары

I.

Четвертый модуль




1

Методы многомерной классификации. Кластерный анализ

6

0

8

14

2

Регрессионный анализ. Исследование задачи парной линейной регрессии. Метод наименьших квадратов (МНК)

4

0

8

12

3

Исследование задачи множественной линейной регрессии. Обобщения задачи множественной регрессии.

4

0

8

12

II.

Пятый модуль




4

Модели бинарного выбора. Логит- и пробит- анализ

4

2

14

22

5

Дискриминантный анализ

8

2

14

24

6

Факторный анализ (Снижение размерности в задачах моделирования социально-экономических явлений методом главных компонентов)

8

4

14

24




ИТОГО

30

12

66

108


Базовые учебники:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. Издание 2-е. Том 1: Теория вероятностей и прикладная статистика. – М.: Юнити, 2001. – 656 с.




  1. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2003. – 352 с.




  1. Доугерти К. Введение в эконометрику: Учебник. 2-е изд. – М.: ИНФРА-М, 2007. – С. 49 – 117.




  1. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере: учебное пособие. – М.: ИД «ФОРУМ», 2008. – 368 с.


Дополнительная литература:

  1. Вербик М., Путеводитель по современной эконометрике. – М.: Научная книга, 2008.




  1. Крыштановский А.О. Анализ социологических данных с помощью пакета SPSS - М.: Изд.дом ГУ ВШЭ, 2006.




  1. Моосмюллер Г., Ребик Н.Н. Маркетинговые исследования с SPSS : Учеб. пособие. – М.: ИНФРА-М, 2007.




  1. Сигел Э. Практическая бизнес-статистика: пер. с англ. – М. Издательский дом «Вильямс», 2004.



Формы контроля:

  • Текущий контроль: осуществляется в следующих формах:

  • контрольная работа в пятом модуле (120 мин.)

  • Итоговый контроль – зачет (120 мин.).



Итоговая оценка по учебной дисциплине складывается из следующих элементов:

  • семинары

  • контрольная работа

  • зачет



Алгоритм формирования оценки таков:

    • вес оценки за семинары – W семинары = 0,1

    • вес оценки за контрольную работу по итогам четвертого модуля – W к/р = 0,2

    • вес оценки за зачет – W зачет = 0,7

    Результирующая оценка в десятибалльной шкале (Орез) есть взвешенная сумма оценок: за семинары (О семинары), за контрольную работу (О к/р) и за экзамен (О зачет).





Орез = (W семинары х О семинары) + (W к/р х О к/р) + (W зачет. х О зачет.)

Указанная схема формирования итоговой оценки применяется только при наличии положительного результата написания зачетной работы (т.е. при получении студентами по этой форме итогового контроля знаний не менее 4 баллов). В противном случае независимо от итоговой суммы баллов работа студента оценивается как «неудовлетворительная».

Оценка в 5-тибалльной и 10-тибалльной шкале выставляется в ведомость и зачетную книжку студента.

Содержание программы:

Тема 1. Методы многомерной классификации. Кластерный анализ
Типовые задачи классификации в политологических исследованиях. Математический подход к иерархической кластеризации. Понятия и конкретные примеры расстояний и типов агломерации. Дендограмма.

Классификация признаков. Расстояние, основанное на коэффициенте корреляции Пирсона.


Основная литература:


  1. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2003. – 352 с.


Дополнительная литература:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ, 2001. – 656 с.


Тема 2. Регрессионный анализ. Исследование задачи парной линейной регрессии. Метод наименьших квадратов (МНК)
Задачи связи количественных признаков в политологических и социально-экономических исследованиях. Метод наименьших квадратов и оценки коэффициентов модели. Разложение вариации отклика, ANOVA-таблица. Коэффициент детерминации.

Исследование адекватности модели. Свойства оценок коэффициентов. Критерий Стьюдента для коэффициентов.

Связь коэффициента при предикторе с коэффициентом корреляции Пирсона.
Основная литература:


  1. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере: учебное пособие. – М.: ИД «ФОРУМ», 2008. – 368 с.

  2. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2003. – 352 с.


Дополнительная литература:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ, 2001. – 656 с.

  2. Доугерти К. Введение в эконометрику: Учебник. 2-е изд. – М.: ИНФРА-М, 2007. – С. 49 – 117.



Тема 3. Исследование задачи множественной линейной регрессии. Обобщения задачи множественной регрессии.
Задачи множественной регрессии в политологических и социально экономических исследованиях. Матричная форма записи задачи множественной регрессии и ее МНК-решение.

Выбор предикторов в задаче множественной регрессии. Шаговая регрессия и частный коэффициент корреляции.

Понятие сериальной корреляции. Разложение вариации и коэффициент детерминации.

Статистические свойства коэффициентов модели. Критерий Стьюдента. Исследование остатков модели.

Качественные предикторы в моделях множественной регрессии.
Основная литература:


  1. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2003. – 352 с.

  2. Доугерти К. Введение в эконометрику: Учебник. 2-е изд. – М.: ИНФРА-М, 2007. – С. 49 – 117.

Дополнительная литература:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ, 2001. – 656 с.


Тема 4. Модели бинарного выбора. Логит- и пробит-анализ.
Основная литература:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ, 2001. – 656 с.


Дополнительная литература:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ, 2001. – 656 с.

  2. Шведов А.С. Теория вероятностей и математическая статистика : учебное пособие для вузов. – М.: Изд. дом ГУ ВШЭ. – 254 с.



Тема 5. Дискриминантный анализ

Задачи классификации и дискриминантный анализ.



Основная литература:

  1. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2003. – 352 с.

Дополнительная литература:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ, 2001. – 656 с.

  2. Крыштановский А.О. Анализ социологических данных с помощью пакета SPSS : учеб. пособие для вузов. – М.: Изд. дом ГУ ВШЭ, 2007. – 281 с.

  3. Шведов А.С. Теория вероятностей и математическая статистика : учебное пособие для вузов. – М.: Изд. дом ГУ ВШЭ. – 254 с.


Тема 6. Факторный анализ (Снижение размерности в задачах моделирования социально-экономических явлений методом главных компонентов)

Постановка задачи. Корреляционная матрица и её собственные значения и собственные вектора. Выбор числа главных компонент и их содержательная трактовка. Факторные нагрузки.



Основная литература:

  1. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2003. – 352 с.

Дополнительная литература:

  1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика. - М.: ЮНИТИ, 2001. – 656 с.

  2. Крыштановский А.О. Анализ социологических данных с помощью пакета SPSS : учеб. пособие для вузов. – М.: Изд. дом ГУ ВШЭ, 2007. – С. 115-146.

  3. Моосмюллер Г., Ребик Н.Н. Маркетинговые исследования с SPSS : Учеб. пособие. – М.: ИНФРА-М, 2007. – 160 с.


Вопросы для оценки качества усвоения дисциплины

  1. Многомерный статистический анализ в политологических и социально экономических исследованиях. Примеры и типы используемых подходов.

  2. Иерархический кластерный анализ. Типы расстояний и типы стратегий агломерации. Графическое представление результатов кластеризации. Дендограмма.

  3. Задача парной регрессии. Оценки коэффициентов и их свойства. Критерий Стъюдента.

  4. Разложение вариации в задаче парной регрессии. Коэффициент детерминации и его связь с коэффициентом корреляции.

  5. Исследование остатков в задаче парной регрессии.

  6. Задача множественной регрессии. Оценки коэффициентов модели и их свойства.

  7. Шаговая регрессия. Частный коэффициент корреляции.

  8. Назначение метода главных компонент.

  9. Математические инструменты метода главных компонент. Собственные значения и собственные вектора корреляционной матрицы.

  10. Факторные нагрузки и содержательная интерпретация главных компонент.

  11. Задачи бинарного выбора. Отношение шансов и логистическое распределение. Связь логит-анализа с задачей множественной регрессии.

Авторы программы ________________________________ / А.А. Макаров /

________________________________/В.П. Сиротин/



1 В скобках приведена ссылка на соответствующие компетенции, зафиксированные в Федеральном государственном образовательном стандарте высшего профессионального образования 3 поколения по политологии.



База данных защищена авторским правом ©bezogr.ru 2016
обратиться к администрации

    Главная страница