Kurz SPSS

Lekce 1 • Orientace v rozhraní SPSS

Pokrývá hlavní okna, nabídky a panely nástrojů v SPSS. Vytváří prostorovou orientaci nezbytnou pro všechny následující operace.

Lekce 2 • Ukládání a správa souborů SPSS

Vysvětluje formáty souborů SPSS a osvědčené postupy pro organizaci souborů. Spolehlivá správa souborů podporuje reprodukovatelnost napříč všemi projekty kurzu.

Lekce 3 • Nastavení proměnných

Učí definici proměnných včetně názvu, popisku, hodnot a kódů chybějících hodnot. Správné nastavení zajišťuje přesné popisování výstupů v celém kurzu.

Lekce 4 • Porozumění datovým typům a úrovním měření

Definuje nominální, ordinální a poměrové (škálové) úrovně měření a jejich roli v analýze. Správná klasifikace předchází chybám v pozdějších statistických postupech.

Lekce 1 • Detekce a oprava odlehlých hodnot

Využívá krabicové grafy a popisnou statistiku k nalezení extrémních hodnot. Rozhodnutí o odlehlých hodnotách přímo ovlivňují přesnost průměrů a odhadů regrese.

Lekce 2 • Slučování a restrukturalizace datových souborů

Pokrývá přidávání případů, přidávání proměnných a transpozici mezi širokým a dlouhým formátem. Restrukturalizace umožňuje analýzu longitudinálních a dat z více zdrojů.

Lekce 3 • Třídění, výběr a filtrování případů

Ukazuje třídění řádků a aplikaci filtrů případů pro analýzu podskupin. Výběrová analýza je nezbytná pro porovnávání skupin a ověřování předpokladů.

Lekce 4 • Identifikace a zpracování chybějících dat

Pokrývá detekci chybějících hodnot a strategie pro jejich zpracování. Řeší univerzální problém kvality dat, který ovlivňuje všechny typy analýz.

Lekce 1 • Zkoumání rozdělení pomocí procedury Prozkoumat

Používá proceduru Prozkoumat k vytvoření stonkových diagramů, krabicových grafů a testů normality. Posouzení normality ovlivňuje volbu mezi parametrickými a neparametrickými testy.

Lekce 2 • Křížové a kontingenční tabulky

Sestavuje křížové tabulky s řádkovými, sloupcovými a celkovými procenty pro kategoriální vztahy. Pokládá základy pro testování chí-kvadrátem, které je uvedeno v následující kapitole.

Lekce 3 • Vytváření grafů v nástroji Graf Builder

Představuje Graf Builder pro histogramy, sloupcové grafy a bodové grafy. Dovednosti vizualizace podporují jak exploraci dat, tak profesionální výkaznictví.

Lekce 4 • Frekvence a popisné souhrny

Generuje frekvenční tabulky a míry centrální tendence pro kategoriální a spojité proměnné. Poskytuje základní souhrn, který vyžaduje každá zpráva o analýze.

Lekce 1 • Neparametrické alternativy

Představuje Mann-Whitneyho, Wilcoxonův a Kruskal-Wallisův test pro data bez normálního rozdělení. Poskytuje platné možnosti, když nelze splnit parametrické předpoklady.

Lekce 2 • Chí-kvadrát testy pro kategoriální data

Aplikuje test chí-kvadrát shody s modelem a test nezávislosti na kategoriální proměnné. Navazuje na dovednosti s křížovými tabulkami získané v předchozí kapitole.

Lekce 3 • Jednofaktorová ANOVA a post hoc testy

Porovnává průměry tří a více skupin pomocí jednofaktorové ANOVA s post hoc srovnáními. Rozšiřuje logiku t-testu na designy s více skupinami, aniž by zvyšovalo chybovost.

Lekce 4 • t-testy pro nezávislé a párové výběry

Spouští t-testy pro srovnání průměrů dvou skupin s nezávislými a závislými výběry. Jako povinnou kontrolu předpokladů zahrnuje Levenův test shody rozptylů.

Lekce 1 • Bodové grafy a lineární vztahy

Používá bodové grafy s fitovanými přímkami k vizuálnímu posouzení linearity před regresí. Vizuální kontrola je prvním krokem ověření předpokladů pro regresní analýzu.

Lekce 2 • Provedení jednoduché lineární regrese

Provádí jednoduchou lineární regresi a interpretuje koeficienty, R-kvadrát a F-test. Stanovuje pracovní postup regrese používaný v kapitole o mnohonásobné regresi.

Lekce 3 • Kontrola předpokladů regrese

Zkoumá grafy reziduí, normality chyb a homoskedasticitu pro jednoduchou regresi. Zde identifikovaná porušení předpokladů určují nápravné strategie v pokročilejších kapitolách.

Lekce 1 • Metody výběru proměnných

Porovnává metody výběru Enter, Kroková, Dopředná a Zpětná a jejich výhody a nevýhody. Volba metody ovlivňuje úspornost a zobecnitelnost modelu.

Lekce 2 • Sestavení modelů mnohonásobné regrese

Přidává více prediktorů do regresního rámce a interpretuje parciální koeficienty. Porozumění parciálním vlivům je klíčové pro kontrolu zavádějících proměnných.

Lekce 3 • Umělé kódování kategoriálních prediktorů

Vytváří umělé proměnné pro zahrnutí nominálních prediktorů do regresních modelů. Správné kódování umožňuje odhadovat a interpretovat vlivy kategoriálních skupin.

Lekce 4 • Regresní diagnostika a vlivné případy

Identifikuje vlivná pozorování pomocí Cookovy D, leverage a statistik DFBeta. Odstranění nebo úprava vlivných případů zlepšuje stabilitu a platnost modelu.

Lekce 1 • Smíšená ANOVA: Mezisubjektové a vnitrosubjektové faktory

Kombinuje v jednom modelu mezisubjektové a vnitrosubjektové faktory. Smíšené designy jsou běžné v longitudinálním a experimentálním výzkumu.

Lekce 2 • ANOVA pro opakovaná měření

Analyzuje vnitrosubjektové designy, kde jsou stejní účastníci měřeni opakovaně. Testování sféricity a korekce jsou jedinečnými požadavky designů s opakovanými měřeními.

Lekce 3 • Dvoufaktorová ANOVA

Testuje hlavní efekty a interakce dvou nezávislých faktorů současně. Interpretace interakce je klíčovou dovedností odlišující faktoriální ANOVA od jednofaktorové.

Lekce 4 • MANOVA: Více závislých proměnných

Rozšiřuje ANOVA o simultánní testování skupinových rozdílů u více výstupů. MANOVA kontroluje chybu na úrovni rodiny, když je několik závislých proměnných teoreticky propojeno.

Lekce 1 • Binární logistická regrese

Modeluje pravděpodobnost binárního výstupu pomocí logistické regrese s poměry šancí. Rozšiřuje dovednosti regrese na kategoriálně závislé proměnné běžné v aplikovaném výzkumu.

Lekce 2 • Explorační faktorová analýza

Redukuje velký soubor proměnných na základní faktory metodami hlavních komponent a společných faktorů. Faktorová analýza je základem pro vývoj a validaci škál.

Lekce 3 • Analýza reliability pomocí Cronbachovy alfy

Hodnotí vnitřní konzistenci vícepoložkových škál pomocí Cronbachovy alfy a položkových statistik. Důkazy o reliabilitě jsou vyžadovány před použitím skóre škál v další analýze.

Lekce 4 • Použití syntaxe SPSS pro reprodukovatelnost

Píše a spouští syntaxe v SPSS pro automatizaci a dokumentaci analytických pracovních postupů. Analýza založená na syntaxi zajišťuje reprodukovatelnost a efektivitu u rozsáhlých nebo opakovaných projektů.