課程名稱 |
社會統計下 Social Statistics (2) |
開課學期 |
105-2 |
授課對象 |
社會科學院 社會學系 |
授課教師 |
郭貞蘭 |
課號 |
Soc1015 |
課程識別碼 |
305 21202 |
班次 |
|
學分 |
3.0 |
全/半年 |
全年 |
必/選修 |
必帶 |
上課時間 |
星期五2,3,4,6,7(9:10~15:10) |
上課地點 |
社101 |
備註 |
週五6,7節為實習課。實習地點:社科501。 限本系所學生(含輔系、雙修生) 總人數上限:70人 |
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/1052Soc1015_socsts |
課程簡介影片 |
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
課程大綱
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
課程概述 |
本課程包含統計原理導論與資料分析兩方面的訓練,透過統計學基本知識的介紹與實際的資料分析操作,來幫助學生了解社會科學知識建構的基本邏輯與分析取向。除了培養學生建立複雜因果模型來解釋社會現象的能力之外,也透過統計學的知識讓學生瞭解自然科學的思考邏輯與分析方法應用在社會科學上所產生的相關問題及侷限。
本門課的上課方式包括講授與課堂討論。實習課由助教帶領研習及討論。這學期的課程主要接續上學期的內容,並把重點放在推論統計中的假設檢定原理與實作、變異量分析、以及迴歸分析方法的介紹與應用。所擬的課程單元內容與進度會依照學生的學習狀況有所調整。本學期繼續使用上學期的Elementary Statistics in Social Research¸ 2nd ed.為指定閱讀書目,並搭配上課使用之教材。同學可自行參考其他統計學教科書,以進一步瞭解本課程教授之內容。 |
課程目標 |
本課程的具體的目標有以下四大項:(1) 培養以系統性的方式觀察、蒐集、整理、分析、詮釋社會學經驗現象的能力。(2)培養從事量化資料分析所需之基本數理知識。(3) 培養使用資訊科技來從事資料分析的能力。(4)培養應用量化方法來評估證據及進行決策分析的能力。
本課程透過統計學的基本分析邏輯的介紹,訓練學生從資料分析中來觀察社會宏觀結構對於社會行動者的影響。課程強調如何從抽樣資料的蒐集、整理、分析中,以有系統方式來呈現在個別行動者身上不易觀察到「社會結構」面向。從社會學實證研究的分析案例中,學生有機會認識社會學研究的基本發現,並從分析模型與方法的介紹中,去理解實證發現的爭論點,以訓練學生批判反省資料的能力。本課程培養學生如何透過量化資料的蒐集、分析與詮釋方法,來呈現社會現象的能力。本課程所舉之研究案例,大多為社會學研究相關之重要議題,如貧窮、教育、犯罪、健康、性別種族歧視等社會問題,讓學生從實際的研究發現中去分析這些社會問題發生的原因,並思考可能的解決方案。資料分析的實際操作也同時訓練學生運用大規模調查資料來回答具有政策意涵的議題。本課程所實際操作的資料,都是以台灣社會學的大型調查為主,課堂所舉的實例也大多從本土的角度來關照台灣社會的變化,透過經驗研究的閱讀與分析讓學生瞭解台灣社會所發生的重要社會現象,以及分析詮釋這些現象可能的方式。
|
課程要求 |
-基本要求-
(1)課程出席
(2)定期繳交作業
(3)參與期中、期末考試(包括上機考)
同學若有任何問題,務必提早與老師或助教討論。平常的作業繳交是個評估每位學生的課程學習情況以及配分參考的重要依據之一。歡迎學生將本課程的學習應用在自己有興趣的研究議題,並與老師或助教討論。 |
預期每週課後學習時數 |
|
Office Hours |
|
指定閱讀 |
Elementary Statistics in Social Research¸2nd ed. By Levin, J, Fox, J.A., and Ford, D.R.(2015 Adapted version) |
參考書目 |
林惠玲、陳正倉合著。<<統計學:方法與應用(上)(下)>>第四版。雙葉書廊有限公司。
Agresti, Alan & Chris Franklin. 2009. Statistics: The Art and Science of
Learning from Data, 2/E. New York: Prentice Hall.
Long, J. Scott. 2009. The Workflow of Data Analysis Using Stata. Texas: Stata
Press. |
評量方式 (僅供參考) |
|
週次 |
日期 |
單元主題 |
第1週 |
2/24 |
Overview
Review statistical inference and introduce hypothesis testing |
第2週 |
3/03 |
Hypothesis testing for single sample tests (means & proportions) and how interval estimation works here |
第3週 |
3/10 |
Inferences about population means: 2 sample tests (means & proportions) I |
第4週 |
3/17 |
Inferences about population means: 2 sample tests (means & proportions) II |
第5週 |
3/24 |
Contingency tables: Association-when two categorical variables hook up and Chi-square tests (as goodness of fit, non-parametric). |
第6週 |
3/31 |
Association: Variance Analysis (I) |
第7週 |
4/07 |
Association: Variance Analysis (II) |
第8週 |
4/14 |
Review for midterm |
第9週 |
4/21 |
Midterm |
第10週 |
4/28 |
Association:
Correlation and Simple OLS Regression (I) |
第11週 |
5/05 |
Association:
Correlation and Simple OLS Regression (II) |
第12週 |
5/12 |
Partial Multiple regression (I) |
第13週 |
5/19 |
Partial Multiple regression (II) |
第14週 |
5/26 |
More Topics in Regression (III):
Categorical independent variables, dummy variables, and Interaction terms |
第15週 |
6/02 |
More Topics in Regression (IV) |
第16週 |
6/09 |
Logistic Regression |
第17週 |
6/16 |
Review for final |
第18週 |
6/23 |
Final exam |
|