Στόχοι

Ο κύριος στόχος του συγκεκριμένου μαθήματος είναι να βοηθήσει τους φοιτητές να αναπτύξουν πρακτικές δεξιότητες στην ανάλυση και ερμηνεία στατιστικών δεδομένων με τη βοήθεια στατιστικών πακέτων όπως το SPSS. Δεν θα στηριχθεί σε μαθηματικές πράξεις και υπολογισμούς γιατί δεν είναι ένα μάθημα μαθηματικών ή στατιστικής, αντίθετα θα προσανατολιστεί στο να αναπτύξει ο/η φοιτητής/ρια «στατιστική σκέψη». Η στατιστική σκέψη αναφέρεται στην ικανότητα να εξάγουμε λογικά συμπεράσματα από διαφόρων ειδών στατιστικά δεδομένα με τη βοήθεια στατιστικών μεθόδων και τεχνικών. 
Πιο συγκεκριμένα, ο/η φοιτητής/ρια, αφού κατανοήσει τις βασικές αρχές που διέπουν τη στατιστική στα πλαίσια των κοινωνικών επιστημών, και τις βασικές έννοιες της έρευνας θα μάθει αρχικά να εισάγει δεδομένα στον ηλεκτρονικό υπολογιστή, και στην συνέχεια θα μάθει βασικές στατιστικές αναλύσεις με τη βοήθεια των οποίων θα ερμηνεύει τα αποτελέσματα που προκύπτουν από την χρήση ενός ειδικού στατιστικού λογισμικού (SPSS), τόσο στην προσπάθειά του να περιγράψει και να οργανώσει τα δεδομένα που συλλέγει (περιγραφική στατιστική) όσο και στον έλεγχο υποθέσεων που πραγματοποιεί (επαγωγική στατιστική).

Τρόποι αξιολόγησης / εξέτασης

Η αξιολόγηση του μαθήματος θα βασιστεί σε δύο κριτήρια:

  • Πραγματοποίηση τεσσάρων (4) εργαστηριακών ασκήσεων (40%)
  • Τελική Εξέταση (60%).  

Η τελική εξέταση θα είναι γραπτή και θα περιλαμβάνει τα αποτελέσματα στατιστικών αναλύσεων ενός σετ δεδομένων, πάνω στα οποία οι φοιτητές/ριες θα αναλύσουν και θα ερμηνεύσουν τις αντίστοιχες ερευνητικές υποθέσεις.

Οι εργαστηριακές ασκήσεις: Κατά τη διάρκεια του εξαμήνου οι φοιτητές/ριες θα πραγματοποιήσουν 3-4 εργαστηριακές ασκήσεις με τη βοήθεια του ηλεκτρονικού υπολογιστή, οι οποίες θα αναφέρονται τόσο στην περιγραφική στατιστική  όσο και στην επαγωγική στατιστική.

ΠΡΟΣΟΧΗ: Θα πρέπει να έχετε βαθμό τουλάχιστον 5.0 στις τελικές εξετάσεις για να είστε προβιβάσιμοι και για να ενεργοποιηθούν τα ποσοστά των ασκήσεων.

Φοιτητές και φοιτήτριες παρελθόντων εξαμήνων μπορούν :

να συμμετέχουν κανονικά στη διαδικασία του μαθήματος (παράδοση των εργαστηριακών ασκήσεων, συμμετοχή στην τελική γραπτή εξέταση με τα αντίστοιχα ποσοστά βαθμολογίας).να συμμετάσχουν μόνο στην τελική γραπτή εξέταση με ποσοστό βαθμολογίας 100%.

Ανθρώπινο Δυναμικό 

Διδάσκων: Αγγελίδης Βασίλης

Επικοινωνία: vangelid@pme.duth.gr

Εργαστηριακές ασκήσεις

Οι εργαστηριακές ασκήσεις είναι ατομικές και έχουν σαν στόχο να δώσουν στους φοιτητές επιπλέον κίνητρα να δουλέψουν παράλληλα με την διεξαγωγή του μαθήματος έτσι ώστε να επιλύσουν τις απορίες τους κατά την διάρκεια των εργαστηριακών διαλέξεων. 
Η παράδοση των εργαστηριακών ασκήσεων θα γίνει σε μορφή συμπιεσμένου αρχείου (zip ή rar) μέσωe-mail (vangelid@pme.duth.gr) ή διαμέσου της παρούσας δικτυακής τοποθεσίας. Το όνομα του συμπιεσμένου αρχείου πρέπει να περιέχει το επώνυμο (αγγλικούς χαρακτήρες) του φοιτητή και τον αριθμό μητρώου του. 
Σε κάθε εργαστηριακή άσκηση στην πρώτη σελίδα θα αναγράφεται το ονοματεπώνυμο και ο αριθμός μητρώου του φοιτητή καθώς και το τμήμα φοίτησης. Στην δεύτερη σελίδα θα αναγράφεται η εκφώνηση της άσκησης καθώς και ο χαρακτηρισμός των μεταβλητών υπό εξέταση. Στην συνέχεια θα ξεκινά η περιγραφή της εκάστοτε στατιστικής ανάλυσης με τους απαραίτητους πίνακες και γραφικά έτσι ώστε αυτά να είναι ευανάγνωστα. (Συμβουλή: δημιουργήστε δικούς συγκεντρωτικούς πίνακες για να παρουσιάσετε τα αποτελέσματα και τροποποιήστε κατάλληλα τα αντίστοιχα γραφικά). Στο τέλος θα παρουσιάζονται τα δικά σας συμπεράσματα από την ανάλυση και μπορεί να ακολουθεί παράρτημα το οποίο να περιέχει τους πίνακες της ανάλυσης όπως αυτοί διαμορφώνονται από το στατιστικό πακέτο. 
Η εργασία θα πρέπει να είναι γραμμένη έτσι ώστε: 
Αφενός να μπορεί κάποιος που δεν είναι ειδικός στη Στατιστική, να καταλάβει τα συμπεράσματα της εργασίας (παρακάμπτοντας σημεία που χρησιμοποιούν στατιστική ορολογία ή παρουσιάζουν αποτελέσματα και διαγράμματα),
Αφετέρου να μπορεί να την διαβάσει ολόκληρη ένας στατιστικός Προφανώς δεν αρκεί μία «ξερή» παράθεση αποτελεσμάτων αναλύσεων και διαγραμμάτων χωρίς ερμηνεία τους. 
Οι ασκήσεις πρέπει να παραδίδονται εμπρόθεσμα. Εκπρόθεσμη παράδοση ασκήσεων δεν θα γίνεται δεκτή. (Περισσότερες λεπτομέρειες για τις εργαστηριακές ασκήσεις θα πληροφορηθείτε στη διάρκεια του εξαμήνου, αλλά και από την τοποθεσία αυτού του δικτυακού τόπου με τον τίτλο Έγγραφα èΕργασίες ). 

Διεξαγωγή Μαθήματος

Το μάθημα διεξάγεται κάθε Πέμπτη από 16:00 έως 20:00 στην αίθουσα υπολογιστών και περιλαμβάνει δύο ειδών δραστηριότητες:

  • Διαλέξεις
  • Εργαστήρια

Στη διάρκεια των διαλέξεων θα παρουσιάζονται θεωρητικά η ύλη κάθε στατιστικής διαδικασίας υπό εξέταση, ενώ κατά την διάρκεια των εργαστηρίων θα γίνεται πρακτική εφαρμογή των θεμάτων που συζητήθηκαν στην τάξη με τη βοήθεια του ειδικού στατιστικού λογισμικού (SPSS).
Παράλληλα, μέσα από αυτής της τοποθεσίας θα υποστηρίζεται η εκπαιδευτική διαδικασία με τις παρουσιάσεις τόσο της θεωρητικής όσο και της πρακτικής ενότητας καθώς και με την διοχέτευση διαφόρων πληροφοριών (όπως διάφοροι ενδιαφέροντες σύνδεσμοι, ασκήσεις, αποτελέσματα εργασιών, κ.λ.π.) οι  οποίες έχουν σαν στόχο την καλύτερη ενημέρωση και κατανόηση της ύλης του μαθήματος. Στα πλαίσια αυτού του μαθήματος θα χρησιμοποιήσουμε το στατιστικό λογισμικό SPSS for Windows, καθώς και το AMOS το οποίο πραγματεύεται τα συστήματα δομικών εξισώσεων και την επιβεβαιωτική παραγοντική ανάλυση και εμπεριέχεται στο SPSS από την 15η έκδοση.

Περιεχόμενο Μαθήματος

Το Μάθημα αποτελείτε από τέσσερις Θεωρητικές ενότητες με τις αντίστοιχες Εργαστηριακές όπου θα γίνεται η πρακτική εφαρμογή της θεωρίας με την χρήση του SPSS :

Ενότητα Πρώτη (Βήματα για την διεξαγωγή και  διεκπεραίωση μιας έρευνας): 
Το μάθημα αυτό είναι εισαγωγικό και έχει σκοπό να βοηθήσει το φοιτητή να κατανοήσει βασικές έννοιες της έρευνας (Ορολογία που χρησιμοποιείται στην έρευνα, στάδια οργάνωσης και διεξαγωγής μιας έρευνας, είδη ερευνών, ταξινόμηση ερευνών, βασικές  έννοιες της Στατιστικής, βήματα συγγραφής μιας ερευνητικής μελέτης)

Ενότητα Δεύτερη (Περιγραφική Στατιστική – Έλεγχος Υποθέσεων – Συσχετίσεις): 
Περιγραφική ανάλυση, παρουσίαση αποτελεσμάτων, διαγραμματική απεικόνιση, διαστήματα εμπιστοσύνης, στατιστικές υποθέσεις, έλεγχοι υποθέσεων για παραμέτρους πληθυσμών όπως μέσες τιμές, αναλογίες, διακυμάνσεις, σύγκριση παραμέτρων σε δύο πληθυσμούς, επίπεδο στατιστικής σημαντικότητας, παρατηρούμενο επίπεδο στατιστικής σημαντικότητας (p-τιμή), ισχύς ενός στατιστικού ελέγχου, έλεγχος κανονικής κατανομής, μη παραμετρικοί έλεγχοι, ανάλυση διασποράς, ανάλυση διακύμανσης, έλεγχος συσχετίσεων.

Ενότητα Τρίτη (Απλή και Πολλαπλή Παλινδρόμηση – Πολυμεταβλητή ανάλυση διακύμανσης – Παραγοντική Ανάλυση): 
Γραμμικά Μοντέλα και γραμμική παλινδρόμηση (εκτιμήσεις, έλεγχοι υποθέσεων, διαστήματα εμπιστοσύνης και πρόβλεψης, συντελεστής προσδιορισμού, συντελεστής συσχέτισης, σειριακός συντελεστής συσχέτισης, έλεγχος Durbin – Watson, παλινδρόμηση τάξης μεγέθους, γενικό γραμμικό μοντέλο, συμπερασματολογία στη γραμμική συσχέτιση). Πολλαπλή παλινδρόμηση (γενική εισαγωγή στην πολλαπλή παλινδρόμηση, επιλογή μοντέλου με την μέθοδο αποκλεισμού μεταβλητών, επιλογή μοντέλου με την μέθοδο της προοδευτικής προσθήκης μεταβλητών, μέθοδος της βηματικής παλινδρόμησης). Πολυμεταβλητή Ανάλυση Διακύμανσης (ΜΑNOVA ως προς έναν Παράγοντα, έλεγχοι υποθέσεων, πίνακας ανάλυσης διακύμανσης). Παραγοντική Ανάλυση (ορθογώνιο μοντέλο, υποθέσεις του ορθογώνιου μοντέλου, έλεγχος συσχετίσεων, αριθμός παραγόντων και εκτίμηση των παραγόντων, εκτίμηση με τη μέθοδο κύριων συνιστωσών, εκτίμηση με τη μέθοδο μέγιστης πιθανοφάνειας, κριτήρια επιλογής μοντέλου, περιστροφή,  υπολογισμός των σκορ των παραγόντων, καταλληλότητα των δεδομένων, επιλογή αριθμού παραγόντων, εκτίμηση των παραμέτρων, αξιολόγηση του μοντέλου, δημιουργία των factor scores, χρήση των σκορ).

Ενότητα Τέταρτη (Συστήματα Δομικών Εξισώσεων – Επικυρωτική Παραγοντική Ανάλυση):
Συστήματα Δομικών Εξισώσεων:(εισαγωγή στα συστήματα δομικών εξισώσεων, ορολογία, περιγραφή μοντέλων, υποθέσεις, μέγεθος δείγματος, σχεδιασμός δομικών μοντέλων με την χρήση του AMOS, ανάγνωση και κατανόηση των αποτελεσμάτων, εκτίμηση αξιοπιστίας και εγκυρότητας μοντέλων, παραγοντική ανάλυση και επιβεβαιωτική παραγοντική ανάλυση, εκτίμηση του μοντέλου, προσαρμογή μετρικού – δομικού – συνολικού μοντέλου, δείκτες προσαρμογής, εκτίμηση, αξιολόγηση και ερμηνεία αποτελεσμάτων). Επικυρωτική Παραγοντική Ανάλυση:( επικυρωτική παραγοντική ανάλυση με έναν παράγοντα, επικυρωτική παραγοντική ανάλυση με δύο παράγοντες).