Methods of duration data analysis
Informacje ogólne
Kod przedmiotu: | 2400-ZEWW844 |
Kod Erasmus / ISCED: |
14.3
|
Nazwa przedmiotu: | Methods of duration data analysis |
Jednostka: | Wydział Nauk Ekonomicznych |
Grupy: |
Anglojęzyczna oferta zajęć WNE UW Przedmioty kierunkowe dla Data Science |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | angielski |
Rodzaj przedmiotu: | nieobowiązkowe |
Skrócony opis: |
Kurs wprowadzi dwie metody analizy danych wzdłużnych: analizę sekwencji i analizę historii zdarzeń (analizę przeżycia). Metody te są powszechnie wykorzystywane w demografii, epidemiologii lub ekonomii (np. ekonomii rynku pracy czy ocenie ryzyka) i pozwalają na udzielenie odpowiedzi na takie pytania jak: jak rozwijają się kariery zawodowe kobiet i mężczyzn w cyklu życia, jakie czynniki determinują ryzyko utraty pracy czy bankructwa firmy oraz jakie są determinanty momentu urodzenia pierwszego dziecka. Kurs będzie się składał z wykładów i laboratoriów komputerowych, w czasie których studenci nauczą się jak przygotować dane, przeprowadzić proste analizy opisowe na danych wzdłużnych oraz oszacować modele hazardu w Stacie. Na zakończenie kursu, studenci będą mieli za zadanie przygotować mini-projekt. |
Pełny opis: |
Kurs wprowadzi dwie metody analizy danych wzdłużnych: analizę sekwencji i analizę historii zdarzeń (analizę przeżycia). Metody te są powszechnie wykorzystywane w demografii, epidemiologii lub ekonomii (np. ekonomii rynku pracy czy ocenie ryzyka) i pozwalają na udzielenie odpowiedzi na takie pytania jak: jak rozwijają się kariery zawodowe kobiet i mężczyzn w cyklu życia, jakie czynniki determinują ryzyko utraty pracy czy bankructwa firmy oraz jakie są determinanty momentu urodzenia pierwszego dziecka. Kurs będzie się składał z wykładów i laboratoriów komputerowych, w czasie których studenci nauczą się jak przygotować dane, przeprowadzić proste analizy opisowe na danych wzdłużnych oraz oszacować modele hazardu w Stacie. Na zakończenie kursu, studenci będą mieli za zadanie przygotować mini-projekt z wykorzystaniem mikrodanych. Kurs obejmie następujące tematy: 1. Co to są dane wzdłużne oraz analiza danych wzdłużnych? Przykłady wykorzystania w demografii i ekonomii 2. Analiza sekwencji: ogólna idea, wizualizacja sekwencji, ocena podobieństw i różnic między sekwencjami, grupowanie sekwencji, interpretacja wyników, zastosowania praktyczne, wprowadzenie do analizy sekwencji w Stacie 3. Wstęp do analizy historii zdarzeń: 4. Modele analizy historii zdarzeń: wykładnicze i przedziałami stałe, parametryczne, model Coxa 5. Specyfikacja modeli hazardu, zmienne zmienne w czasie, interakcje, analiza antycypacyjna, diagnostyka 6. Analiza historii zdarzeń z czasem dyskretnym i ciągłym 7. Ćwiczenia praktyczne: programowanie w Stacie, przygotowanie danych, modelowanie, diagnostyka, prezentacja wyników modeli, interpretacja. |
Literatura: |
Blossfeld, H-P., Rohwer, G.,Schneider, T. 2019. Event History Analysis With Stata. 2nd Edition. Routledge Mills, M. 2011. Introducing Survival and Event History Analysis 1st Edition. SAGE Publications Box-Steffensmeier, J.M., Bradford, J.S., 2004, Event History Modeling: A Guide for Social Scientists. Cambdridge University Press |
Efekty uczenia się: |
Po zakończeniu kursu student powinien być w stanie: • Sformułować pytania badawcze, na które będzie mógł udzielić odpowiedzi z wykorzystaniem nauczanych metod • Wybrać odpowiednią metodę analiz, aby odpowiedzieć na postawione pytanie badawcze • Przygotować dane do analiz • Znać podstawowe komendy w Stacie niezbędne do przeprowadzenia analizy historii zdarzeń i analizy sekwencji • Oszacować modele historii zdarzeń • Zinterpretować wyniki i zaprezentować je |
Metody i kryteria oceniania: |
Oceniane będą następujące umiejętności: • Umiejętność przygotowania danych • Umiejętność doboru odpowiedniej metody analizy danych i jej zaaplikowanie w Stacie • Umiejętność interpretacji uzyskanych wyników i udzielenia odpowiedzi na pytania • Umiejętność prezentacji uzyskanych wyników • Ogólne zrozumienie metod nauczanych w czasie kursu i ich zastosowania Studenci będą mieli za zadanie przygotować mini-projekt z wykorzystaniem danych przygotowanych przez wykładowców i zaprezentowanie uzyskanych wyników. Ich zadaniem będzie przygotowanie danych i przeprowadzenie analiz na danych z wykorzystaniem poznanych metod w celu udzielenia odpowiedzi na postawione pytania badawcze. Studenci będą mogli także przygotować mini-projekt z wykorzystaniem własnych danych (np. do pracy magisterskiej). |
Właścicielem praw autorskich jest Uniwersytet Warszawski.