.
Analītiskās statistikas metodes psiholoģijas pētījumos
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:8.00
Kursa apraksta apstiprināšanas datums:17.06.2022 15:40:17
| Par studiju kursu | |||||||||
| Kursa kods: | SL_026 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Psiholoģija | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Silva Seņkāne | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14, A korpuss, Rīga, +371 67060897, statistika rsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 6 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 12 | ||||
| Nodarbības (skaits) | 6 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 12 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Bakalaura līmeņa pieredze pētniecībā, bakalaura līmenim atbilstošas zināšanas par statistiskas datu apstrādes metodēm. | ||||||||
| Mērķis: | Apgūt pamatzināšanas par analītiskās statistikas metodēm, attīstīt prasmes pielietot analītiskās statistikas metodes psiholoģijas pētījumā iegūto datu apstrādē un analīzē. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Pētījums psiholoģijā. Kvantitatīvs un kvalitatīvs pētījums. Ģenerālā kopa un izlase. Pētījumā pielietojamo statistisko metožu klasifikācija un to pielietošanas shēmas. Datu mērījumu skalas un aprakstošā statistika. Slēdzienstatistika. | Lekcijas | 1.00 | cits | |||||
| 2 | Viendimensiju statistika – SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana. | Nodarbības | 1.00 | cits | |||||
| 3 | Dispersijas analīze (ANOVA, MANOVA, MANCOVA, jaukta dizaina MANOVA). | Lekcijas | 1.00 | datorklase | |||||
| 4 | Dispersijas analīze – SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Regresijas analīze: standarta, secīgā, soļu metode. | Lekcijas | 1.00 | datorklase | |||||
| 6 | Regresijas analīze – IBM SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana. | Nodarbības | 1.00 | datorklase | |||||
| 7 | Ieskats mediācijas un moderācijas analīzē. | Lekcijas | 1.00 | datorklase | |||||
| 8 | Testa pantu analīze. | Lekcijas | 1.00 | datorklase | |||||
| 9 | Testa pantu analīze – SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana. | Nodarbības | 1.00 | cits | |||||
| 10 | Komponentanalīze un faktoranalīze. Apstiprinošā un izpētošā faktoranalīze. | Nodarbības | 1.00 | cits | |||||
| 11 | Faktoru izdalīšanas metodes. Faktoru rotācijas metodes. | Lekcijas | 1.00 | cits | |||||
| 12 | Faktoranalīze – IBM SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana. | Nodarbības | 1.00 | cits | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Patstāvīgi lasīt norādītos literatūras avotus. Patstāvīgi veikt dotos uzdevumus datu apstrādē (studējošajiem doti nosacīta pētījuma sākotnējie dati ar noteiktiem pētījuma ietvaros uzdevumiem Excel dokumentā; studējošie pilda uzdevumus, sniedzot iegūto rezultātu korektu noformējumu un interpretāciju; darbs iesniedzams elektroniskā formā). | ||||||||
| Vērtēšanas kritēriji: | (1) Izpildīti mājas darbi par datu apstrādi (iesk.). 1. Ģenerālā kopa un izlase. 2. Aprakstošā statistika. 3. Dispersiju analīze (ANOVA, MANOVA, MANCOVA, jaukta dizaina MANOVA). 4. Regresiju analīze (standarta, secīgā, soļu metode). 5. Testa pantu analīze. 6. Komponentu analīze. Faktoranalīze. (2) Eksāmena darbs – patstāvīgs individuāla uzdevuma risinājums SPSS programmā. Gala vērtējumu veido 3 komponentes: apmeklētība, mājasdarbu vērtējuma vidējā atzīme un eksāmena atzīme (proporcijās 20: 40: 40). | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Studējošie lieto matemātiskās statistikas terminoloģiju; izskaidro atšķirības starp dažādām univariatīvās un multivariatīvās statistikas metodēm; nosauc un raksturo univariatīvās un multivariatīvās statistikas datu apstrādes metodes, kas jāpielieto dažādiem pētījuma dizainiem. | ||||||||
| Prasmes: | Studējošie tehniski pārvalda dažādu pētniecības statistisko metožu izpildi SPSS datorprogrammā – apstrādā pētījuma datus; analizē statistiskos rādītājus; atbilstoši izvirzītajai hipotēzei/ pētījuma jautājumam, korekti apraksta iegūtos rezultātus. | ||||||||
| Kompetences: | Studējošie spēj, izmantojot datortehnoloģijas, profesionāli risināt dažādus psiholoģijas pētījumā izvirzītos uzdevumus, pielieto noteiktam pētījuma dizainam atbilstošas datu apstrādes metodes; analizē un interpretē datu apstrādes rezultātus; formulē korektus secinājumus par pētījumā izvirzīto hipotēžu pierādīšanu vai noraidīšanu vai par pētījuma jautājumiem. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Pētniecība: teorija un prakse (2016). K. Mārtinsones, A. Piperes, D. Kamerādes redakcijā. Rīga: RAKA | ||||||||
| 2 | Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics 5th ed. SAGE | ||||||||
| 3 | Raščevska M. (2005). Psiholoģisko testu un aptauju konstruēšana un adaptācija. Rīga: Raka. | ||||||||
| 4 | Leech, N.L., Barrett, K.C., & Morgan, G.A. (2008). SPSS for intermediate statistics: Use and interpretation. 3rd ed. New York: London: Lawrence Erlbaum Associates. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Ievads pētniecībā: stratēģijas, dizaini, metodes. (2011). Sastādījusi K. Mārtinsone. Rīga: RAKA. | ||||||||
| 2 | Moore D. S. (2003). The basic practice of statistics. New York: W. H. Freeman & Company. | ||||||||
| 3 | Raščevska M., Kristapsone S. (2000). Statistika psiholoģijas pētījumos. Rīga: Izglītības soļi. | ||||||||
| 4 | Наследов А. Д. (2006). Математические методы психологического исследования. Анализ и интерпретация данных. СПб.: Речь. | ||||||||
| 5 | Сидоренко Е. (2001). Методы математической обработки в психологии. СПб.: Речь. | ||||||||
| 6 | Arhipova, I. Bāliņa, S. (2006). Statistika ekonomikā. Risinājumi ar SPSS un Microsoft Excel. Mācību līdzeklis 2. izdevums. Rīga: Datorzinību Centrs, - 364 lpp. | ||||||||
| 7 | Krastiņš O. (2003) Ekonometrija. Rīga: LR CSP. | ||||||||
| 8 | Krastiņš O., Ciemiņa I. (2003). Statistika. Rīga: LR CSP. | ||||||||
| 9 | Lasmanis, A., Kangro, I. (2004). Faktoru analīze. Rīga: Izglītības soļi. | ||||||||
| Citi informācijas avoti | |||||||||
| 1 | British Journal of Mathematical and Statistical Psychology. Available from: http://onlinelibrary.wiley.com/journal/10.1111/(ISSN)2044-8… | ||||||||
| 2 | Choosing the Correct Statistical Test in SAS, STATA and SPSS. Available from: http://www.ats.ucla.edu/stat/mult_pkg/whatstat/default.htm | ||||||||
| 3 | How to choose a statistical test. Available from: http://www.graphpad.com/www/book/choose.htm | ||||||||
| 4 | Selecting statistics. Available from: http://www.socialresearchmethods.net/selstat/ssstart.htm | ||||||||
| 5 | SPSS tutorials: | ||||||||
| 6 | http://hmdc.harvard.edu/projects/SPSS_Tutorial/spsstut.html | ||||||||
| 7 | http://www.datastep.com/SPSSTutorial_1.pdf | ||||||||
| 8 | http://www.datastep.com/SPSSTutorial_2.pdf | ||||||||
| 9 | Statistics tutorials. Available from: www.statsoft.com/textbook/stathome.html | ||||||||
| 10 | Metodiskie norādījumi maģistra darbu izstrādei RSU veselības psiholoģijas un supervīzjas studiju programmām. / K. Mārtinsone, V. Perepjolkina, J. Ļevina, J. Ļubenko, J. Koļesņikova, K. Vende, D. Kamerāde, J. I. Mihailovs, S. Silniece, J. Duhovska; V. | ||||||||
| 11 | Laerd Statistics: SPSS Statistics Tutorials and Statistical Guides | ||||||||
