Научно-исследовательский семинар: Статистические модели в анализе психологических данных

Бакалавриат 2026/2027

Статус: Курс по выбору (Психология)

Кто читает: Департамент психологии

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 2, 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Козлов Дмитрий Дмитриевич

Язык: русский

Кредиты: 4

Контактные часы: 34

Дополнительные материалы в LMS Задать вопрос

Аннотация

Статистическая модель – это, по сути, формализация исследовательской гипотезы в математическом виде. Выбор статистической модели и анализ ее качества позволяют ответить на исследовательский вопрос. В ходе изучения курса студенты увидят, что за подавляющим большинством статистических методов лежит общая логика линейных моделей. Начав с общей модели для количественных переменных, которые будут рассматриваться подробно, мы распространим логику линейных моделей для случаев бинарных, номинативных и порядковых переменных. В каждом случае мы рассмотрим условия применимости соответствующих моделей и что можно сделать, если эти условия не выполняются; как анализировать качество модели и выбрать наилучшую из нескольких; как интерпретировать полученные результаты и представлять их в постерах и публикациях. Затем мы перейдем к рассмотрению немного более сложных, но в то же время более гибких вариантов: обобщенных и смешанных моделей. В ходе освоения курса студенты получат практический опыт анализа и представления результатов анализа данных с использованием языка R и соответствующих пакетов в нем.

Цель освоения дисциплины

формирование навыков формализации дизайна исследования в виде соответствующих ему линейных моделей для дальнейшего статистического анализа
формирование основных навыков для построения, оценки, сравнения и модификации линейных моделей при проверке гипотез и в поисковых исследованиях
освоение средств языка R для построения и диагностики общих, обобщенных и смешанных линейных моделей

Планируемые результаты обучения

вносит изменения в модель или преобразует исходные данные для соблюдения допущений применимости линейных моделей
формализует исследовательскую гипотезу в виде линейной модели для ее дальнейшей проверки
оценивает и интерпретирует доверительные интервалы для линейной регрессии
выбирает предикторы линейной модели на основании статистических и информационных критериев
проводит запланированные контрасты, соответствующие исследовательской гипотезе
оценивает соблюдение условий применимости линейной модели
задает и анализирует линейные модели, проверяющие гипотезы о модерации
проводит медиационный анализ с помощью регрессионных моделей
определяет необходимый размер выборки для линейных моделей с непрерывными и категориальными предикторами и их взаимодействием
анализирует качество линейных моделей, подобранных методом максимального правдоподобия
интерпретирует результаты логистической регрессии
анализирует качество и дает содержательную интерпретацию линейным моделям для счетных зависимых переменных
задает и анализирует смешанную линейную модель в соответствии с дизайном исследования
оценивает необходимый объем выборки для использования смешанных линейных моделей

Содержание учебной дисциплины

Тема 1. Линейная регрессия как простейшая линейная модель.
Тема 2. Общие линейные модели.
Тема 3. Обобщенные линейные модели.
Тема 4. Смешанные линейные модели.

Элементы контроля

Тест 1
Тест проверяет усвоение учащимися содержание первой темы курса. Тест проводится синхронно, дистанционно в смартЛМС и состоит из 15-20 вопросов. Вопросы теста могут быть трех типов: закрытые с одним вариантом ответа, закрытые с несколькими вариантами ответа, числовое значение.
Тест 2
Тест проверяет усвоение учащимися содержание второй темы курса. Тест проводится синхронно, дистанционно в смартЛМС и состоит из 15-20 вопросов. Вопросы теста могут быть трех типов: закрытые с одним вариантом ответа, закрытые с несколькими вариантами ответа, числовое значение.
Тест 3
Тест проверяет усвоение учащимися содержание третьей темы курса. Тест проводится синхронно, дистанционно в смартЛМС и состоит из 15-20 вопросов. Вопросы теста могут быть трех типов: закрытые с одним вариантом ответа, закрытые с несколькими вариантами ответа, числовое значение.
Тест 4
Тест проверяет усвоение учащимися содержание четвертой темы курса. Тест проводится синхронно, дистанционно в смартЛМС и состоит из 15-20 вопросов. Вопросы теста могут быть трех типов: закрытые с одним вариантом ответа, закрытые с несколькими вариантами ответа, числовое значение.
Домашнее задание
Домашнее задание выполняется в группах до 3 человек включительно. Студентам предлагается датасет, на материале которого необходимо ответить поставленные исследовательские вопросы с использованием общих линейных моделей. Задание выдается после того, как все разделы первых двух тем будут полностью рассмотрены. Домашнее задание сдается в виде документа R или Rmd, содержащим код анализа и подробные комментарии. Работа загружается в смартЛМС к дедлайну, обозначенному преподавателем во время выдачи задания. Время на выполнение задания - не менее одной недели, но не более 20 дней.
Курсовой проект
Курсовой проект выполняется в группах до 3 человек включительно. Студентам предлагается два датасета, для каждого из которых необходимо ответить на поставленные исследовательские вопросы. Первый датасет предполагает использование обобщенных линейных моделей, второй - смешанных линейных моделей. Проект сдается в виде документа .R или .Rmd, в котором содержится скрипт проведенного анализа, а также подробные комментарии к нему с ответами на поставленные вопросы. Сданные работы загружаются в смартЛМС за день до назначенной даты экзамена. Задание выдается не позднее, чем за неделю до начала сессии. На экзамене преподаватель вместе со студентами запускает представленный код и задает вопросы на понимание представленного скрипта и его результатов. В случае, если студенты затрудняются ответить, почему скрипт был написан именно так, или что означают полученные результаты, оценка по соответствующему критерию может быть снижена вплоть до 0 даже в том случае, если скрипт написан без ошибок, а результаты являются полными и содержат текстовые комментарии в коде.

Промежуточная аттестация

2026/2027 3rd module
0.125 * Тест 2 + 0.125 * Тест 1 + 0.15 * Тест 4 + 0.2 * Домашнее задание + 0.1 * Тест 3 + 0.3 * Курсовой проект

Список литературы

Авторы

Козлов Дмитрий Дмитриевич

Программа дисциплины