Statistik och dataanalys II, 7.5 hp

Statistics and Data Science II, 7.5 credits

771A18

Huvudområde

Computational Social Science

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående kurs

Examinator

Maria Brandén

Kursansvarig

Maria Brandén

Studierektor eller motsvarande

Erik Liss

Tillgänglig för utbytesstudenter

Ja

Kontaktinformation

Jonas Johansson, study adviser

Madelene Töpfer, course administrator

Maria Brandén, course director

VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort/Campus VOF
Fristående kurs (Halvfart, Dagtid) HT 2024 202444-202503 Engelska Norrköping, Norrköping
Fristående kurs (Halvfart, Dagtid) HT 2024 202444-202503 Engelska Norrköping, Norrköping

Huvudområde

Computational Social Science

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1N

Förkunskapskrav

  • 180 hp godkända varav 90 hp inom något av områdena humaniora, samhällskunskap, kulturvetenskap, beteendevetenskap, naturvetenskap, datorvetenskap eller ingenjörsvetenskap
  • 15 hp godkända inom ett eller flera av följande ämnen:
    Statistik
    Matematik
    ​Datavetenskap
  • Engelska 6
    Undantag ges för svenska

Lärandemål

Efter avslutad kurs ska den studerande på avancerad nivå kunna:

  • Använda statistisk programvara för att estimera linjära regressionsmodeller för tvärsnitts- och paneldata samt redogöra för de statistiska principer som ligger till grund för dessa modeller.
  • Använda statistisk programvara för att transformera data till ett format som är lämpligt för att estimera regressionsmodeller och göra robusthetskontroller.
  • Tolka parametrarna i linjära regressionsmodeller, predicera utfall och utvärdera ”goodness of fit.”
  • Beskriva logiken bakom kausal inferens, förstå skillnaden mellan orsakssamband och korrelation och hur detta är relaterat till regressionsmodeller.
  • Identifiera vanliga problem vid kausala tolkningar av linjära modeller, samt kunna bedöma och förklara hur olika modelleringstekniker kan bidra till att lösa dessa problem.
  • Utvärdera validiteten och robustheten i kausala inferenser under olika antaganden om hur data har genererats.

Kursinnehåll

Kursen introducerar principerna bakom och den praktiska tillämpningen av linjär regressionsanalys. Underliggande modellantaganden diskuteras och granskas. I intensiva datorlaborationer lär sig studenten använda statistiska verktyg för att transformera samhällsvetenskapliga data till lämpliga format, att estimera statistiska modeller, samt att tolka modellparametrar. Resterande del av kursen fokuserar på kausal inferens. Paneldatamodeller och statistiska verktyg för att estimera sådana presenteras och deras betydelse för att fastställa orsakssamband diskuteras. Kursen behandlar även hur naturliga experiment och instrumentella variabler kan användas för att fastställa orsakssamband. Estimatens känslighet för inkorrekta modellantaganden utvärderas och särskild uppmärksamhet ges åt metoder baserade på datasimuleringar.

Undervisnings- och arbetsformer

Undervisningen sker i form av litteraturstudier, föreläsningar, seminarier och interaktiva datorlaborationer. Därutöver ska den studerande utöva självstudier.
Undervisningsspråk: engelska.

Examination

Kursen examineras genom skriftliga inlämningsuppgifter, datorlaborationer och en avslutande individuell skriftlig uppgift. Detaljerad information om examinationen finns i kursens studiehandledning.

Om det finns särskilda skäl, och om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift. 

Om LiU: s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det.

Om koordinatorn har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.

Examinator får också besluta om anpassad examination eller alternativ examinationsform om examinator bedömer att det finns synnerliga skäl och examinator bedömer det möjligt utifrån kursens mål.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

ECTS, EC

Övrig information

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att likvärdiga villkor råder med avseende på kön, könsöverskridande identitet eller uttryck, etnisk tillhörighet, religion eller annan trosuppfattning, funktionsnedsättning, sexuell läggning och ålder.

Om det föreligger synnerliga skäl får rektor i särskilt beslut ange förutsättningarna för, och delegera rätten att besluta om, tillfälliga avsteg från denna kursplan. 

Institution

Institutionen för ekonomisk och industriell utveckling
Kod Benämning Omfattning Betygsskala
OBL1 Obligatoriska seminarier 1 hp EC
OPPO Opponentskap 1 hp EC
PRO1 Projekt 3.5 hp EC
ASS1 Uppgifter 2 hp EC

Böcker

Angrist, Joshua David, Pischke, Jörn-Steffen, (2009) Mostly harmless econometrics : an empiricist's companion. Princeton : Princeton University Press,

https://www.researchgate.net/publication/51992844_Mostly_Harmless_Econometrics_An_Empiricis t's_Companion/download

Gelman, Andrew, Hill, Jennifer, Data analysis using regression and multilevel/hierarchical models. Cambridge : Cambridge University Press

Övrigt

See information about articles under additional documents

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida. Klicka på filen för att spara ner och öppna den.

Namn Filnamn Beskrivning
Readling list Readling list.pdf