Напредни квантитативни методи у политиколошким истраживањима

Циљеви изучавања предмета

Сврха предмета је да студентима политикологије олакша стицање напредних вештина неопходних за спровођење квантитативних емпиријских истраживања у политичким наукама: тј. да савладају најчешће коришћене наоредне квантитативне методе и технике за анализу података, као и разумевање резултата квантитативних истраживања. . Ове вештине чине солидан темељ за било коју наредну детаљнију специјализацију истраживања, и преко су потребне политиколозима који се политичким феноменима баве на основама квантитативног приступа

Исходи учења (стечена знања)

1. Активни рад у статистичким софтверима
2. Креирање дизајна за квантитативна истраживања.
3. Овладавање напредним статистичким методама и техникама за анализу квантитативних података
4. Реализација квантитативне истраживачке студије и критичка процена резултата.
5. Интерпретација статистичких налаза у циљу тестирања хипотеза

Садржај теоријске наставе

1. Дизајнирање датотке и варијабли за потрбе тестирања специфичних хипотеза
2. Проблем ѓруписаних'опсервација
3. Хијерархијски линеарни модели
4. Биномијални и мултиномијални хијерархијски линеарни модели
5. Проблем модераторског ефекта и коришћење статистика за његову процену
6. Структурално моделирање: процена модраторског, директног и индиректног ефекта
7. Структурално моделирање: трагање за антецедентима и креирање целовитих експланаторних модела
8. Практични примери, специфичности и проблеми примене хијерархијских и линеарних модела приликом тестирања хипотеза

Садржај практичне наставе

Активан рад у статистичким софтверима: Р, СПСС и ексел

1. Рад са софтвером и припрема података за Хијерархијске, биномијалне и мултиномијалне моделе
2. Рад у софтверу: организација варијабли
3. Рад у софтверу: Извођење хијерархијскких регресионих анализа
4. Раду софтверу: Интерпреетација статистика добијених хијерархијским регресионим моделима
5. Рад у софтверу: Тестиранје хипотеза коришћењем Хијерархијских регресионих модела
6. Раду софтверу: Структурално моделирање: тестиранје модераторског, директног и индиректног ефекта
7. Рад у софтверу: Структурално моделиранје: изграднја потупних модела и идентификација антецедента
8. Интерпртација статистика и стандарди презентирања података у складу са АПА стандардима
9. Тестирање хипотеза применом хијерархијских регресионих и структуралних модела
10. Презентирање регреионих модела као саставни део полагања испита

1. Bickel, R. (2007). Multilevel analysis for applied research: It's just regression!. Guilford Press.

2. Hox, J. J., Moerbeek, M., & Van de Schoot, R. (2017). Multilevel analysis: Techniques and applications. Routledge.

3. Snijders, T. A., & Bosker, R. J. (2011). Multilevel analysis: An introduction to basic and advanced multilevel modeling. sage.

4. Diez, R. (2002). A glossary for multilevel analysis. Journal of epidemiology and community health, 56(8), 588.

5. Bowen, N. K., & Guo, S. (2011). Structural equation modeling. Oxford University Press.

6. Chou, C. P., & Bentler, P. M. (1995). Estimates and tests in structural equation modeling.

7. Blunch, N. (2012). Introduction to structural equation modeling using IBM SPSS statistics and AMOS. Sage.

Предавања, вежбе, консултације, испит