.
Kvantitatīvās analīzes metodes
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:3.00
Kursa apraksta apstiprināšanas datums:17.06.2022 15:56:21
Par studiju kursu | |||||||||
Kursa kods: | SL_042 | LKI līmenis: | 7. līmenis | ||||||
Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
Zinātnes nozare: | Ekonomika; Statistika | Mērķauditorija: | Uzņēmējdarbības vadība | ||||||
Studiju kursa vadītājs | |||||||||
Kursa vadītājs: | Diāna Kalniņa | ||||||||
Studiju kursa īstenotājs | |||||||||
Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
Struktūrvienības vadītājs: | |||||||||
Kontaktinformācija: | Rīga, Baložu iela 14,A korpuss, E-pasts: statistikarsu[pnkts]lv, Tālrunis: +371 67060899 | ||||||||
Studiju kursa plānojums | |||||||||
Pilns laiks - 1. semestris | |||||||||
Lekcijas (skaits) | 2 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 4 | ||||
Nodarbības (skaits) | 8 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 16 | ||||
Kopā kontaktstundas | 20 | ||||||||
Nepilns laiks - 1. semestris | |||||||||
Lekcijas (skaits) | 2 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 4 | ||||
Nodarbības (skaits) | 5 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 10 | ||||
Kopā kontaktstundas | 14 | ||||||||
Studiju kursa apraksts | |||||||||
Priekšzināšanas: | Kursa apguvei studentiem nepieciešamas priekšzināšanas matemātikā un informātikā. | ||||||||
Mērķis: | Sniegt zināšanas par biežāk lietotajām kvantitatīvajām metodēm ekonomiska rakstura problēmu risināšanai un pamatprasmes kvantitatīvo metožu pielietošanā. Iegūt pamatzināšanas un prasmes statistiskajās datu apstrādes metodēs, kas nepieciešamas zinātniski pētnieciskā darba izstrādei un statistisko rādītāju pielietošanai savā specialitātē. | ||||||||
Tēmu saraksts (pilna laika studijas) | |||||||||
Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
1 | Kvantitatīvo pētījumu veidi, metodes. To priekšrocības un ierobežojumi. Primārie, sekundārie un terciārie dati. Mērskalas. | Lekcijas | 1.00 | E-studiju vide | |||||
2 | Ģenerālais kopums, mērķa grupa un izlase. Izlases veidi un izlases veidošanas principi. Datu svēršana. Pētījumu rezultātu precizitāte un drošticamība. | Nodarbības | 1.00 | E-studiju vide | |||||
3 | Jēdzieni, to operacionalizācija, pētījuma hipotēzes. Materiālu sagatavošana, jautājumu veidi. | Nodarbības | 2.00 | E-studiju vide | |||||
4 | Iepazīšanās ar statistisko datu apstrādes programmu IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā (datu ievade, aprakstīšana, kvalitātes pārbaude). Praktiska datnes izveidošana. Kodēšana, jaunu mainīgo veidošana. | Nodarbības | 2.00 | E-studiju vide | |||||
5 | Kvantitatīvo pētījumu datu analīze IBM SPSS programmā, aprakstošā statistika. | Nodarbības | 1.00 | E-studiju vide | |||||
6 | Slēdzienstatistika. Piemērota testa izvēle. | Lekcijas | 1.00 | E-studiju vide | |||||
Nodarbības | 2.00 | E-studiju vide | |||||||
Tēmu saraksts (nepilna laika studijas) | |||||||||
Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
1 | Kvantitatīvo pētījumu veidi, metodes. To priekšrocības un ierobežojumi. Primārie, sekundārie un terciārie dati. Mērskalas. | Lekcijas | 1.00 | E-studiju vide | |||||
2 | Ģenerālais kopums, mērķa grupa un izlase. Izlases veidi un izlases veidošanas principi. Datu svēršana. Pētījumu rezultātu precizitāte un drošticamība. | Nodarbības | 1.00 | E-studiju vide | |||||
3 | Jēdzieni, to operacionalizācija, pētījuma hipotēzes. Materiālu sagatavošana, jautājumu veidi. | Nodarbības | 1.00 | E-studiju vide | |||||
4 | Iepazīšanās ar statistisko datu apstrādes programmu IBM SPSS. Pamatdarbības ar datiem IBM SPSS programmā (datu ievade, aprakstīšana, kvalitātes pārbaude). Praktiska datnes izveidošana. Kodēšana, jaunu mainīgo veidošana. | Nodarbības | 1.00 | E-studiju vide | |||||
5 | Kvantitatīvo pētījumu datu analīze IBM SPSS programmā, aprakstošā statistika. | Nodarbības | 1.00 | E-studiju vide | |||||
6 | Slēdzienstatistika. Piemērota testa izvēle. | Lekcijas | 1.00 | E-studiju vide | |||||
Nodarbības | 1.00 | E-studiju vide | |||||||
Vērtēšana | |||||||||
Patstāvīgais darbs: | Ārpus nodarbībām un lekcijām studējošie studē literatūru un e-studiju materiālus. Patstāvīgo darbu veic gan grupās, gan individuāli, tiek gatavoti mājas darbi, notiek gatavošanās semināra darbiem un eksāmenam. | ||||||||
Vērtēšanas kritēriji: | Apmeklējums – 10%, pārbaudes darbi – 40%, eksāmena darbs – 50%. | ||||||||
Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
Gala pārbaudījums (nepilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
Studiju rezultāti | |||||||||
Zināšanas: | Kursa apguves rezultātā studējošie gūst zināšanas un pārskatu par kvantitatīvās analīzes un datu apstrādes metodēm, kas izmantojamas pētījumu datu analīzē un rezultātu interpretācijā. | ||||||||
Prasmes: | Studenti apgūs iemaņas darbā ar statistikas programmu SPSS, iemācīsies novērtēt publiskā telpā pieejamo kvantitatīvo pētījumu rezultātu precizitāti un drošticamību, kā arī iemācīsies patstāvīgi veikt kvantitatīvo pētījumu datu apstrādi, statistisko rādītāju analīzi un izdarīt korektus secinājumus. | ||||||||
Kompetences: | Kursa apguves rezultātā studējošie prot praktiski lietot iegūtās zināšanas par kvantitatīvo analīzes metožu izmantošanu un datu analīzi. | ||||||||
Bibliogrāfija | |||||||||
Nr. | Atsauce | ||||||||
Obligātā literatūra | |||||||||
1 | Pētniecība: teorija un prakse. (2016). K. Mārtinsones, A. Piperes, D. Kamerādes zin. red. Rīga: RAKA. | ||||||||
2 | Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics. 5th ed. SAGE | ||||||||
3 | Hair, J. F., et al. (2010). Multivariate Data Analysis. Upper Saddle River, NJ [u.a.]. Pearson Prentice Hall. | ||||||||
4 | Počs, R. (2003). Kvantitatīvās metodes ekonomikā un vadīšanā. Rīga, RTU. | ||||||||
Papildu literatūra | |||||||||
1 | Walters D. W., Walters D. J. (2008). Quantitative Methods for Business. Pearson Education. | ||||||||
2 | Curwin J., Slater, R. (2008). Quantitative Methods for Business Decisions. | ||||||||
3 | Swift, L., Piff, S. (2010). Quantitative Methods for Business, Management and Finance. Hampshire: Palgrave Macmillan. 812p. | ||||||||
4 | Blair, J., Czaja, R. F., Blair, E. (2014). Designing Surveys: A Guide to Decisions and Procedures. Thousand Oaks, Calif, SAGE. | ||||||||
Citi informācijas avoti | |||||||||
1 | Choosing the Correct Statistical Test in SAS, STATA and SPSS. http://stats.idre.ucla.edu/other/mult-pkg/whatstat/ | ||||||||
2 | Selecting Statistics. http://www.socialresearhmethods.net/selstat/ssstart.htm | ||||||||
3 | We make statistics easy. The ultimate IBM® SPSS® Statistics guides. https://statistics.laerd.com/ | ||||||||
4 | Statistics tutorials. Available from: www.statsoft.com/textbook/stathome.html |