EKONOMSKI FAKULTET BEOGRAD MULTIVARIJACIONA ANALIZA
I CILJ I OSNOVNI SADRŽAJ PREDMETA, NJEGOVO MESTO I ZNACAJ U OBRAZOVANJU STUDENATA Osnovni cilj i sadržaj predmeta predstavlja kvantitativna statisticka analiza nad više promenljivih istovremeno, što znaci da se u analizu mora ukljuciti i njihovo medusobno (simultano) dejstvo. Poslednjih godina svedoci smo široke primene metoda multivarijacione analize podataka u skoro svim naucnim oblastima. Dva su osnovna razloga za tako nešto. Prvi, razvoj kompjuterske tehnike i softverskih proizvoda koji su omogucili relativno jednostavnu primenu metoda multivarijacione analize, i drugi, sagledavanje potrebe mnogih naucnih istraživanja da se analiziraju simultane meduzavisnosti izmedu tri ili više promenljivih. Metode multivarijacione analize primerene su svakom od sledecih ciljeva naucnog istraživanja: 1. Redukcija podataka ili strukturno pojednostavljenje. 2. Sortiranje i grupisanje. 3. Istraživanje zavisnosti izmedu promenljivih. 4. Predvidanje. 5. Konstrukcija hipoteza i testiranje.
II STRUKTURA ILI SADRŽAJ PREDMETA 1. Definicija i klasifikacija metoda multivarijacione analize, vrste podataka i merne skale. 2. Multivarijacioni generalni linearni model (ponovljenih merenja): Bartletov test sfericnosti, SSCP (skracenica za suma kvadrata i unakrsnih proizvoda) matrica izmedu grupa, Boksov test jednakosti kovarijacionih matrica, Mohlijev test sfericnosti, Test unutar grupa faktora, Koeficijenti transformacije (M matrica), Multivarijacioni testovi ocenjenih marginalnih sredina. 3. Klaster analiza: Hierarhijska klaster analiza (Principi grupisanja, Dendrogram, Postupak rasporeda ukrupnjavanja, Metoda kompletnog povezivanja, Žakardova mera odstojanja). K-sredina klaster analiza (Principi grupisanja, Inicijalni centri klastera, Finalni centri klastera, Mera rastojanja izmedu centara klastera). Dvostepena klaster analiza (Principi grupisanja, Postupak auto-grupisanja, Distribucija klastera, Profil klastera, Znacajnost promenljivih u klaserima). 4. Diskriminaciona analiza: Model diskriminacione analize, Kolinearnost promenljivih, Korelacija sredina i varijansi po grupama, Homogenost kovarijacione matrice, Znacajnost promenljivih u analizi, Matrica strukture, Stepenasta diskriminaciona analiza, Teritorijalna mapa. 5. Analiza glavnih komponenata: Metoda analize glavnih komponenata, Komunaliteti, Grafikon odrona, Objašnjenost ukupne varijanse, Matrica komponenti, Matrica roriranih komponenti 6. Faktorska analiza: Metode faktorske analize, Komunaliteti, Brtletov test, Kajzer-Majer-Olkinova mera adekvatnosti uzorka, Grafikon odrona, Objašnjenost ukupne varijanse, Matrica komponenti, Matrica roriranih komponenti. 7. Analiza kategorijskih glavnih komponenata: Kvatifikacija, Objašnjenost varijanse, Objektni skorovi, Korelacija promenljivih, Korelacija transformisanih promenljivih, Opterecenja komponenti, Projekcija centroida. 8. Nelinearna kanonicka korelaciona analiza: Marginalne frekvencije, Ponderi, Opterecenje komponenti, Ocenjivanje, Kvantifikacija, Centoidi, Objektni skorovi. 9. Korespodenciona analiza: Normalizacija, Tabela korespodencije, Dimenzionalnost, Dupli dijagram, Profili i odstojanja, Skorovi redova i skorovi kolona. 10. Višestruka korespodenciona analiza: Skorovi objekata, Mere diskriminacije, Kvantifikacije kategorija, Analiza grafikona objektnih skorova, Nestandardne opservacije. 11. Multidimenzionalno skaliranje: Odabiranje broja dimenzija, Mere stresa, Mere prilagodavanja, Finalne koordinate zajednickog prostora. 12. Analiza pouzdanosti: Deskriptivna statistika, Kronbahova alfa, Koeficijenti podeljenog uzorka, Gutmanove donje granice, Paralelni i strikno paralelni modeli
III PLAN RADA SA DINAMIKOM IZVOĐENJA NASTAVE PO TEMAMA (DATUMI PREDAVANJA I TEME) u školskoj 2006/2007. godini
IV OBLICI I NACIN RADA NA PREDMETU Na predavanjima se vrši upoznavanje sa principima i postupkom multivarijacionih analiza u racunskom centru uz upotrebu statistickog softvera SPSS. Na vežbama se vrši rešavanje složenih zadataka, uz pomoc primene naucene statisticke aparature, kako bi studenti razumeli dato gradivo, koje bi kasnije u praksi mogli da primene. Posebna pažnja se posvecuje rešavanju realnih primera iz poslovne prakse, gde se modeliranje vrši u racunskom centru pomocu statistickog softvera SPSS.
V NACIN OCENJIVANJA NA PREDMETU Ispit se polaže u racunskom centru gde se vrši modeliranje odgovarajuce multivarijacione analize. Na formiranje konacne ocene uzimaju se u obzir i aktivnosti studenata na predavanjima i vežbama, kao i prezentacije studije slucajeva (analiza primera iz prakse).
VI LITERATURA Zlatko Kovacic (1998). Multivarijaciona analiza . Beograd: Ekonomski fakultet.
VII PODACI O NASTAVNICIMA I SARADNICIMA NA PREDMETU dr Vladimir Vasic, docent prijem studenata: ponedeljak 10-12. kabinet 602, telefon 3021-150, e-mail: drvasic@yubc.net
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||