Ανάλυση κοινωνικών δεδομένων
50 βασικά θέματα
Analyzing Social Science Data : 50 Key Problems in Data Analysis (τίτλος πρωτοτύπου)
Επιμέλεια κειμένου: Κυριαζή, Νότα
Επιμέλεια σειράς: Κυριαζή, Νότα
Κυκλοφορεί
ISBN: 978-960-9552-69-1
Πεδίο, Αθήνα, 12/2011
Σειρά: Θεωρία και Έρευνα στην Κοινωνιολογία
Γλώσσα: Ελληνική, Νέα
Γλώσσα πρωτοτύπου: Αγγλικά
€ 34.74 (περ. ΦΠΑ 6%)
Βιβλίο, Χαρτόδετο
16 x 23 εκ., 523 σελ.
Περιγραφή

Το βιβλίο προσεγγίζει με έναν τελείως διαφορετικό και εξαιρετικά ενδιαφέροντα τρόπο την ανάλυση δεδομένων στις κοινωνικές επιστήμες. Ο συγγραφέας ξεφεύγει από τη συνήθη παρουσίαση και περιγραφή των ποσοτικών μεθόδων, για να επικεντρωθεί στην ίδια τη διαδικασία της ποσοτικής ανάλυσης και να αναδείξει τα σημαντικότερα προβλήματα που ανακύπτουν κατά την εφαρμογή της. Στα πενήντα κεφάλαια του βιβλίου παρουσιάζονται ισάριθμα βασικά θέματα που συνήθως απασχολούν τον κοινωνικό ερευνητή στο στάδιο της ανάλυσης. Ειδικότερα περιγράφονται οι ιδιαιτερότητες που ενδέχεται να χαρακτηρίζουν τα δεδομένα της έρευνας, καθώς και τα διαφορετικά προβλήματα που αυτές συνεπάγονται. Ο αναγνώστης, μέσα από απτά παραδείγματα πρακτικών εφαρμογών, οδηγείται στην κριτική αντιμετώπιση αυτών των προβλημάτων, η οποία τελικά τον βοηθά να έρθει σε επαφή με τις εναλλακτικές λύσεις που υπάρχουν και να επιλέγει κάθε φορά την καταλληλότερη. Ένα ανεκτίμητο εργαλείο για τους φοιτητές των κοινωνικών επιστημών και τους επαγγελματίες ερευνητές που θέλουν να αποκτήσουν τις απαραίτητες γνώσεις και την απαιτούμενη `ευαισθησία` απέναντι στα δεδομένα τους, έτσι ώστε η πολυσύνθετη διαδικασία της ποσοτικής ανάλυσης να διεξάγεται με όσο το δυνατόν πιο άρτιο και αποτελεσματικό τρόπο.


[Απόσπασμα από το κείμενο στο οπισθόφυλλο της έκδοσης]

Μέρος Πρώτο
ΠΩΣ ΠΡΟΕΤΟΙΜΑΖΟΥΜΕ ΤΑ ΔΕΔΟΜΕΝΑ ΓΙΑ ΑΝΑΛΥΣΗ
1. Πώς κωδικοποιούμε τα δεδομένα
2. Πώς κωδικοποιούμε ερωτήσεις με πολλαπλές απαντήσεις
3. Μπορούμε να θεωρήσουμε αξιόπιστες τις απαντήσεις των ερωτώμενων;
4. Πώς ελέγχουμε ότι μετρούμε αυτό που θέλουμε να μετρήσουμε
Μέρος Δεύτερο
ΠΩΣ ΠΡΟΕΤΟΙΜΑΖΟΥΜΕ ΤΙΣ ΜΕΤΑΒΛΗΤΕΣ ΓΙΑ ΑΝΑΛΥΣΗ
5. Πώς αντιμετωπίζουμε μεταβλητές με πολλές κατηγορίες
6. Πώς αναγνωρίζουμε και πώς αλλάζουμε το επίπεδο μέτρησης των μεταβλητών
7. Πώς αντιμετωπίζουμε ερωτήσεις που αποτυγχάνουν να εντοπίσουν πραγματικές διαφορές μεταξύ των περιπτώσεων
8. Πώς αναδιατάσσουμε τις κατηγορίες μιας μεταβλητής
9. Τι κάνουμε με τα κενά στα δεδομένα
10. Τι μπορούμε να κάνουμε με τις περιπτώσεις ατόμων που 'δεν γνωρίζουν', 'δεν έχουν άποψη' ή 'δεν μπορούν να αποφασίσουν'
11. Πώς μπορούμε να κρίνουμε αν η κατανομή είναι κανονική
12. Πώς μπορούμε να κρίνουμε αν η σχέση είναι γραμμική
13. Πώς μπορούμε να κρίνουμε αν οι ακραίες περιπτώσεις αποτελούν πρόβλημα
14. Τι κάνουμε αν η απαιτούμενη μεταβλητή δεν είναι διαθέσιμη
15. Πώς συγκρίνουμε ανόμοια πράγματα: σύγκριση βαθμολογιών σε διαφορετικές μεταβλητές
Μέρος Τρίτο
ΠΩΣ ΜΕΙΩΝΟΥΜΕ ΤΗΝ ΠΟΣΟΤΗΤΑ ΤΩΝ ΠΡΟΣ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
16. Πώς αντιμετωπίζουμε ποιες μεταβλητές θα χρησιμοποιήσουμε
17. Πώς συνδυάζουμε πληροφορίες από ένα σύνολο μεταβλητών σε ένα και μοναδικό μέτρο
18. Πώς δομούμε μια καλή κλίμακα Likert
19. Πώς δομούμε μια κλίμακα χρησιμοποιώντας την ανάλυση παραγόντων
Μέρος Τέταρτο
ΠΩΣ ΚΑΙ ΠΟΤΕ ΓΕΝΙΚΕΥΟΥΜΕ
20. Ποιο είναι το νόημα της γενίκευσης
21. Πώς εκτιμούμε το βαθμό και την επίδραση της μεροληπτικότητας του δείγματος
22. Πώς σταθμίζουμε τα δείγματα για τη διόρθωση της μεροληπτικότητας
23. Τι είναι οι έλεγχοι (τεστ) σημαντικότητας;
24. Πρέπει να χρησιμοποιούνται τα τεστ σημαντικότητας;
25. Ποιοι παράγοντες επηρεάζουν τα επίπεδα σημαντικότητας;
26. Είναι το δείγμα αρκετά μεγάλο για την επίτευξη στατιστικής σημαντικότητας;
27. Πρέπει να χρησιμοποιούνται τα διαστήματα εμπιστοσύνης;
Μέρος Πέμπτο
ΠΩΣ ΑΝΑΛΥΟΥΜΕ ΜΙΑ ΚΑΙ ΜΟΝΑΔΙΚΗ ΜΕΤΑΒΛΗΤΗ
28. Πώς χρησιμοποιούμε αποτελεσματικά τους πίνακες για να παρουσιάσουμε την κατανομή μίας και μοναδικής μεταβλητής;
29. Πώς χρησιμοποιούμε γραφήματα για μεμονωμένες μεταβλητές
30. Ποια συνοπτική στατιστική να χρησιμοποιήσουμε για να περιγράψουμε μια μεμονωμένη μεταβλητή;
31. Ποια στατιστική να χρησιμοποιήσουμε για να γενικεύσουμε σχετικά με μια μεμονωμένη μεταβλητή;
Μέρος Έκτο
ΠΩΣ ΑΝΑΛΥΟΥΜΕ ΔΥΟ ΜΕΤΑΒΛΗΤΕΣ
32. Πώς και πότε χρησιμοποιούμε πίνακες διασταύρωσης
33. Ποιο γράφημα να χρησιμοποιήσουμε
34. Πώς περιορίζουμε τον αριθμό των διαθέσιμων επιλογών όταν αποφασίζουμε ποιες συνοπτικές στατιστικές θα χρησιμοποιήσουμε
35. Πώς ερμηνεύουμε ένα συντελεστή συσχέτισης
36. Ποιο συντελεστή συσχέτισης;
37. Πόση επίδραση έχει μια μεταβλητή;
38. Πώς αποφασίζουμε για το αν διαφέρουν οι ομάδες;
39. Ποιο τεστ σημαντικότητας;
40. Πώς χρησιμοποιούνται τα διαστήματα εμπιστοσύνης στη διμεταβλητή ανάλυση;
Μέρος Έβδομο
ΠΩΣ ΔΙΕΞΑΓΟΥΜΕ ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΑΝΑΛΥΣΗ
41. Ερμηνεία των διμεταβλητών σχέσεων: η λογική της αναλυτικής διερεύνησης του μοντέλου
42. Πίνακες υπό συνθήκες ως μέθοδος αναλυτικής διερεύνησης του μοντέλου
43. Χρήση συσχετίσεων υπό συνθήκες για την αναλυτική διερεύνηση του μοντέλου
44. Μερικοί πίνακες ως μέθοδος αναλυτικής διερεύνησης του μοντέλου
45. Χρήση μερικών συσχετίσεων για την αναλυτική διερεύνηση του μοντέλου
46. Τι είδους δεδομένα απαιτούνται για την πολλαπλή παλινδρόμηση;
47. Πώς διεξάγεται μια πολλαπλή παλινδρόμηση
48. Πώς χρησιμοποιούμε στην πολλαπλή παλινδρόμηση μεταβλητές που δεν μετριούνται σε επίπεδο διαστήματος
49. Τι σημαίνουν τα αποτελέσματα που παράγει η πολλαπλή παλινδρόμηση;
50. Ποιες άλλες μέθοδοι πολυμεταβλητής ανάλυσης υπάρχουν στη διάθεσή μας;

Add: 2014-01-01 00:00:00 - Upd: 2021-03-17 18:28:50