RA0716 Kvantitatīvās pētījumu metodes

Kods RA0716
Nosaukums Kvantitatīvās pētījumu metodes
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Doktora, Akadēmiskais
Tematiskā joma Ekonomika
Struktūrvienība Rēzeknes akadēmija
Mācībspēks Jeļena Lonska
Kredītpunkti 15.0
Daļas 1
Anotācija Studiju kursā liela nozīme piešķirta uzdevumu rēķināšanai, problēmu un situāciju analīzei case studies, izmantojot Microsoft Excel funkcijas. Doktoranti tiek iepazīstināti ar datorprogrammu R, SPSS iespējām, īpašu vērību veltot aprēķinu rezultātu analīzei un interpretācijām.Aplūkoti zinātnisku statistisko apsekojumu pamatprincipi (piemēram, izlases veidošana, nerespondentu problēma, respondentu atbilžu īstenums). Telpiskās analīzes metodes, izmantojot GIS datus, ļauj pētnieciskās tēmas sasaistīt ar vietu un citām attiecīgajā vietā esošajām sistēmām, pārbaudīt to savstarpējo mijiedarbību un novērtēt tās izpausmes visaptverošā, kompleksā veidā..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Ievads studiju kursā: studiju kursa saturs un sagaidāmie rezultāti. Varbūtību teorijas vispārīgie jēdzieni. Notikumu algebra, stohastiskais eksperiments, notikuma iestāšanās varbūtība. Nosacītā varbūtība, Beiesa formula, tās pielietojumi. Stohastisks viendimensiju mainīgais (diskrēts, nepārtraukts; galīgs, bezgalīgs) un tā funkcijas. Raksturotājlielumi: matemātiskā cerība, dispersija, standartnovirze, variācijas koeficients, mediāna, moda un citi. Binomiālais, Puasona, normālais jeb Gausa varbūtību sadalījums, to daudzveidīgie pielietojumi (piemēram, kvalitātes kontrolē). Daudzdimensiju stohastisks mainīgais, tā funkcijas un raksturotājlielumi. Matemātiskās cerības linearitāte, kovariācijas loma dispersijas aprēķinos (ar pierādījumu). Standartnovirze kā riska mērs. Dispersijas īpašības D(aX+bY) = a2?D(X) + 2a?b?cov(X, Y) + b2?D(Y) izmantošana risku samazināšanā ar diversifikācijas palīdzību (H. Markowitz vērtspapīru portfolio (?, ?)-modelis). 10 0 0 0
Statistisko apsekojumu zinātniskas metodes. Reprezentatīvas empīriskas izlases iegūšanas nosacījumi. Respondentu un nerespondentu problēma statistiskos pētījumos. Reprezentatīvu un nereprezentatīvu empīrisko izlašu piemēri Latvijas zinātnē. Deskriptīvās lineārās un nelineārās regresijas noteikšana ar mazāko kvadrātu metodi. Deskriptīvo regresiju korekta interpretācija. Empīriskās kovariācijas un korelācijas loma deskriptīvajā lineārajā regresijā. Lineārās regresijas alternatīvas funkcionālās formas. Bināro mainīgo izmantošanas īpatnības. Laika rinda, prognozēšana. Laika rindu pētījumu metodes. Induktīvā statistika. Nejaušības un nepieciešamības dialektika. Vai, zinot atsevišķo, var uzzināt vispārīgo? Induktīvo implikāciju forma. 10 0 0 0
Matemātiskā n-izlase no ģenerālās kopas. iid-izlase, tās funkcijas ? ģenerālās matemātiskās cerības un dispersijas estimātori. Bernulli lielo skaitļu likuma pierādījums (nezināmās notikuma varbūtības estimatora konverģence pēc varbūtības). Konfidences intervāla jēdziens. Notikuma varbūtības konfidences intervāla pamatojums. Ģenerālās kopas parametru konfidences intervāli (pēc rokasgrāmatas). MS Excel procedūru “Descriptive statistics” un “Regression” ziņojuma analīze (deskriptīvie un induktīvie rādītāji). Programmas R un citu datorprogrammu lietošana deskriptīvajā un induktīvajā statistikā. Statistiskā hipotēze par normāli sadalīta ģenerālā gadījuma lieluma matemātiskās cerības vērtību: tests, nozīmības līmenis, kritiskais apgabals, p-vērtība; pirmā un otrā veida kļūdas (ar pamatojumu). Statistiskā hipotēze par ģenerālā gadījuma lieluma matemātiskās cerības vērtību lielas izlases gadījumā. Citas statistiskās hipotēzes (pēc rokasgrāmatas). 20 0 0 0
Jēdziens par parametriskām un neparametriskām hipotēzēm; t-tests; F-tests; Hī kvadrāta saskaņas un neatkarības kritērijs; ANOVA. Lineārās regresijas induktīvās implikācijas premisa. MS Excel procedūras “Regression” induktīvo rezultātu korekta interpretācija. Jēdziens par heteroskedu, autokorelāciju, multikolinearitāti. Piemēri. Neparametriskās statistikas metodes. Neparametriskā regresija. Jēdziens par regresijas vienādojumu sistēmām (Simultaneous equations). Netiešā mazāko kvadrātu metode (Indirect LS). Divpakāpju mazāko kvadrātu metode (Two stages LS). 20 0 0 0
Pārskats par daudzdimensiju statistikas analīzes metodēm deskriptīvā un induktīvā rakursā. Daudzfaktoru dispersijas analīze – MANOVA. Matricu algebras pamajēdzieni. Īpašvērtības un īpašvektori. Jēdziens par faktoru analīzi un galveno komponenšu metodi. Klasteru analīzes metodes. Jēdziens par diskriminantu analīzi. Kanoniskā korelācija. Strukturālo vienādojumu modelēšana (Structural Equation Modeling Telpiskās analīzes metodes pētniecībā: Ģeogrāfiskās Informācijas Sistēmas (GIS) pieeja, telpiskie dati un to apstrāde. Telpisko datu interpretācija: infogrammas, kartogrāfiskās vizualizācijas un animācijas. Pētījumu datu sasaiste ar vietas telpisko attīstību. 20 0 0 0
Regulāru studiju kursa vielas apgūšana, izmantojot lekciju materiālus, mācību literatūru, interneta resursus. 0 160 0 0
Uzdevumu izpilde semināros. Mājasdarbu izstrāde. Individuālā pētījuma izstrāde. Gatavošanās eksāmenam. 0 160 0 0
Kopā: 80 320 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Studiju kursa mērķis ir sniegt doktorantiem priekšstatu par kvantitatīvo pētījumu metožu un atbilstošo datorprogrammu daudzveidību un praktiskas pielietošanas iespējām sociālekonomisko un biznesa procesu pētījumos un interpretācijās, lēmumu pieņemšanā. No didaktikas viedokļa mērķis tiek sasniegts izveidojot doktorantiem vienotu, loģiski būvētu un uz izpratni balstītu priekšstatu sistēmu par varbūtību teoriju, deskriptīvo un induktīvo statistiku, ekonometriju, telpisko analīzi un visaptverošu sistēmisku spriedumu kopumu. No didaktikas viedokļa mērķis tiek sasniegts izveidojot doktorantiem vienotu, loģiski būvētu un uz izpratni balstītu priekšstatu sistēmu par varbūtību teoriju, deskriptīvo un induktīvo statistiku, ekonometriju, telpisko analīzi un visaptverošu sistēmisku spriedumu kopumu. Statistika un ekonometrija balstās uz varbūtību teoriju. Tāpēc kursā, atkarībā no ievadtesta rezultātiem, šaurāk vai plašāk apskata šādus varbūtību teorijas pamatjēdzienus un modeļus vienojoties par apzīmējumiem un terminoloģiju.
Sasniedzamie studiju
rezultāti un to vērtēšana 		Izprot kvantitatīvā pētījumu būtību, pamatjēdzienus un norisi; izprot deskriptīvās un induktīvās statistikas metodes un to potenciālu sociālekonomiskos un biznesa pētījumos. Spēj izvēlēties, pielietot kvantitatīvās pētījumu metodes, atkarībā no pētījuma mērķa un uzdevumiem. Prot iegūt, apkopot un sagatavot kvantitatīvos datus; prot izmantot iegūtos datus kā atbilstoša matemātiskā modeļa informāciju. Prot veikt aprēķinus ar matemātiskajam modelim atbilstošu datorprogrammu; prot analizēt un korekti interpretēt aprēķinu rezultātus. - Seminārnodarbības, diskusijas, prezentācijas
Spēj izstrādāt uz induktīvās statistiskās analīzes rezultātiem balstītus lēmumus nenoteiktības un riska apstākļos. Ieguvuši prasmi izvēlēties atbilstošo daudzdimensiju analīzes metodi atbilstoši promocijas pētījumam, kā arī izmantot datu bāzes un datorprogrammas. Prot aprakstīt, noformēt un prezentēt izlases kvantitatīvo datu statistiskās un ekonometriskās analīzes rezultātus. Spēj uztvert pētnieciskos datus telpiskā mērogā un saistībā ar vietu attīstību. Iegūst visaptverošu izpratni sava pētījuma un tēmas sasaistei ar vietu un citām tajā pastāvošām sistēmām. - Seminārnodarbības, diskusijas, prezentācijas
Studiju rezultātu vērtēšanas kritēriji
Praktisko uzdevumu izpilde. Studentiem ir jāaizpilda vairāki praktiski uzdevumi, lai iegūtu izpratni par datu statistisko analīzi un datorprogrammu lietošanu. - 30%
Individuāla prezentācija. Katram studentam pēc paša izvēles jāreprezentē publicēts zinātnisks raksts vai pētījums sava promocijas darba tematikā, kurā izmantota kāda no daudzdimensiju analīzes metodēm. - 30%
Gala rakstveida eksāmens, izmantojot literatūru un citus avotus (open book). - 40%
 
Priekšzināšanas Statistika
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 15.0 40.0 40.0 0.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]