Početna stranicaVisoka učilištaKorisničke stranice
Multivarijantno razlikovanje grupa
Kratica: PSIDI202Opterećenje: 15(P) + 15(S) + 0(A) + 0(PK) + 0(LK) + 0(M) + 0(E) + 0(SJ) + 0(TJ) + 0(T) + 0(KL)
Nositelji: izv. prof. dr. sc. Toni Babarović
Izvođači: izv. prof. dr. sc. Toni Babarović ( Seminar )
Opis predmeta: Opis predmeta
Razumijevanje teorijskih osnova multivarijatne analize varijance (MANOVA), diskriminativne analize, kanoničke i klaster analize, samostalno analiziranje i vrednovanje istraživačkih radova u kojima je primijenjena neka od navedenih multivarijatnih tehnika, osmišljavanje istraživačkih nacrta gdje se neka od navedenih multivarijatnih tehnika primjenjuje kao adekvatna metoda obrade prikupljenih podataka, samostalna praktična primjena neke od navedenih multivarijatnih metoda u psihologijskim istraživanjima korištenjem SPSS programskog paketa.

Razina e-učenja 1
Razina engleskog 1

Opće kompetencije
Primjena teorijskih znanja iz MANOVE, diskriminativne, kanoničke i klaster analize u različitim granama primijenjene psihologije i istraživačkog rada u psihologiji.
Analiza podataka prikupljenih tijekom istraživanja u različitim granama psihologije navedenim multivarijatnim tehnikama.
Analiza i vrednovanje znanstvenih radova iz različitih grana psihologije u kojima je neka od navedenih multivarijatnih tehnika primijenjena kao metoda analize i obrade podataka.
Osmišljavanje i provedba istraživanja u sklopu diplomskog rada te analiza prikupljanih podataka s platforme neke od navedenih multivarijatnih tehnika kao adekvatne metode.

Ishodi učenja na razini programa -- diplomski studij
9. Kritički prosuđivati multivarijatne statističke postupke s obzirom na njihova ograničenja te na zadovoljavanje teorijskih pretpostavki u konkretnim situacijama primjene.
8. Kreirati temeljna i ili primijenjena psihologijska istraživanja te konstruirati i metrijski vrednovati psihologijske mjerne instrumente.
10. Odabrati prikladne istraživačke metode i strategije za intervencije u skladu s obilježjima pripadnika različitih društvenih skupina i kultura te specifičnostima njihovog okolinskog i društvenog konteksta.

Ishodi učenja
1. Objasniti statističko-matematičku logike MANOVE, diskriminativne, kanoničke i klaster analize.
2. Procijeniti statističke preduvjete za provedbu navedenih multivarijatnih tehnika.
3. Kreirati nacrt istraživanja primjerenog za obradu nekom od navedenih multivarijatnih tehnika.
4. Analizirati podatke primjerene za analizu nekom od navedenih multivarijatnih tehnika analize pomoću programskog paketa SPSS.
5. Objasniti rezultate dobivene nekom od navedenih multivarijatnih tehnika u sklopu postavljenog problema istraživanja.
6. Objasniti statističke parametre dobivene nekom od navedenih multivarijatnih tehnika.
7. Ocijeniti kvalitetu obrade podataka nekom od navedenih multivarijatnih tehnika u psihologijskim istraživanjima.
8. Procijeniti granice i dosege zaključivanja primjenom neke od navedenih multivarijatnih tehnika u istraživanjima.
9. Procijeniti kvalitetu znanstvene interpretacije rezultata dobivenih primjenom neke od navedenih multivarijatnih tehnika


Tjedni plan nastave
1. Logika jednosmjerne i višesmjerne MANOVE - multivarijatna ekstenzija ANOVE
2. Značajnost mutivarijatnog F-testa i interpretacija MANOVE
3. Korištenje kovarijata - MANCOVA
4. Logika diskriminativne analize i analogija s MANOVOM
5. Formiranje diskriminativnih funkcija; diskriminativni ponderi i diskriminativna opterećenja
6. Testiranje značajnosti i interpretacija diskriminativnih funkcija
7. Procjena pogreške pri individualnoj klasifikaciji i validacija rezultata diskriminativne analize
8. Logika kanoničke analize
9. Pretpostavke za provedbu kanoničke analize
10. Formiranje kanoničkih funkcija; kanonički ponderi, kanonička opterećenja i kros-opterećenja
11. Testiranje značajnosti i interpretacija kanoničkih funkcija
12. Odnos kanoničke analize i ostalih multivarijatnih tehnika
13. Klaster analiza - osnovna logika i način korištenja
14. Načini izračunavanja udaljenosti među slučajevima i formiranja klastera
15. Određivanje broja zadržanih klastera


Ocjenjivanje
Aktivnost na nastavi (predavanja i seminari) - 20%; seminari - 30%; pismeni ispit - 50%.
Jezici na kojima se održava nastava: - - -
Obavezna literatura:
1. Klecka, W. R. (1980) Discriminant Analysis, Sage 19, London. Harris, R. J. (1975) A Primer of Multivariate Analysis, Academic Press, New York. Overall J. E. & Klett C. J. (1972) Applied Multivariate Analysis, McGraw-Hill Book Inc. New York.
Preporučena literatura:
2. Hair, J.F, Anderson, R.E., Tatham, R.L. & Black, W.C., (1998) Multivariate Data Analysis, Prentice Hall, New Jersey.
Legenda
P - Predavanja
T - Terenske vježbe
KL - Kliničke vježbe
S - Seminar
A - Auditorne vježbe
PK - Vježbe u praktikumu
LK - Lektorske vježbe
M - Metodičke vježbe
E - Eksperimentalne vježbe
SJ - Vježbe iz stranog jezika
TJ - Vježbe tjelesnog odgoja
* - Predmet se ne polaže
Srce - Sveučilišni računski centar Sveučilišta u Zagrebu