課程資訊
課程名稱
研究方法與資料處理
Research Methods and Data Analysis 
開課學期
111-1 
授課對象
社會科學院  社會學系  
授課教師
蘇國賢 
課號
Soc4017 
課程識別碼
305 48900 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期四2,3,4(9:10~12:10) 
上課地點
社科501 
備註
限學士班學生
總人數上限:30人
外系人數限制:6人 
 
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

本課程為社科院「學士班跨域專長」及社會系榮譽學程的選修課程,也是社會系大學部之量化資料處理的進階課程。延續一、二年級的初級統計及研究方法的課程訓練,本課程將進一步訓練學生運用資料分析來從事科學研究。適合大三、大四以上,有志於從事量化研究的同學選修。課程內容主要包含社會學計量模型的介紹及stata語言的訓練。程式語言的訓練將以STATA的語法為主,本課程前半部訓練同學從資料的整理、除誤、變數測量、資料結構的轉換、及報表的整理及迴歸分析等。課程後半部為類別資料統計模型的介紹,主要以介紹各種類別資料分析的應用為主。 

課程目標
本課程主要為培訓使用統計計量方法來研究行為科學的能力,為認識科學研究及數據科學的中級課程。為奠定日後同學從事高階量化課程學習的基礎,課程將同時強調數理理論與語言程式的訓練。以培養同學使用調查資料及次級資料進行分析的實作能力。修課同學將學習如何運用資料分析的技術來解決實際及學術問題。本課程適合對於未來想要從事數據科學及人工智慧相關領域的同學、或是有志於從事學術工作的同學,幫助打好資料分析及程式撰寫的基礎,也透過實際資料分析來理解資料科學目前遇到的困難與侷限。 
課程要求
本課程的課程要求,是在期末時獨立完成一篇完整的學術論文報告,包含文獻的回顧、假設的提出、方法的說明、資料分析及對於結果的詮釋。修課同學除了每週參與課程討論之外,也需要定期回報資料分析結果與論文進度,於期中與期末分別進行一次口頭報告。本課程歡迎所有願意接受挑戰的社科院同學,只要對初級統計及資料分析有簡略的基礎,且有志於從事資料分析研究工作者,都歡迎來選讀。本課程過去每年都有同學因為交不出報告而沒有通過,建議同學「非誠勿試」,以免徒增雙方的困擾。 
預期每週課後學習時數
4-6小時 
Office Hours
每週四 13:30~15:30 
指定閱讀
Mitchell, Michael H. (2021) Interpreting and Visualizing Regression Models Using Stata, Second Edition. Stata Press.

Long, Scott, and Jeremy Freese. 2014. Regression Models for Categorical Dependent Variables Using Stata, Third Edition. Stata Press. 
參考書目
Ulrich Kohler and Frauke Kreuter. 2012. Data analysis using stata (3rd ed.)

Christopher F. Baum. 2016. An Introduction to Stata Programming, Second Edition

Michael N. Mitchell. 2020. Data Management Using Stata: A Practical Handbook (2nd ed.). Stata Press 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
class exercisesrcise 
20% 
Weekly in-class exercises 
2. 
midterm oral presentation 
20% 
Presenting research idea and initial finding 
3. 
Final exam 
30% 
in-class exam (using stata to conduct real data analysis) 
4. 
Final project 
30% 
Final report 
 
針對學生困難提供學生調整方式
 
上課形式
作業繳交方式
考試形式
其他
由師生雙方議定
課程進度
週次
日期
單元主題
第1週
9/09  Research writing in Sociology 
第2週
9/15  Review of Stata command 
第3週
9/22  Introduciton to DAG
with notes on variable and model selection 
第4週
9/29  Introduction to estimation, testing, and fit
Methods for interpretation 
第5週
10/06  Regression model - continuous predictors 
第6週
10/13  Regression model - categorical predictors 
第7週
10/20  Continous predictors: piecewise models 
第8週
10/27  Midterm exam (oral presentation of research project) 
第9週
11/03  Interaction effects 
第10週
11/10  Introduction to categorical data analysis 
第11週
11/17  Linear probability model and logistic regression 
第12週
11/24  Ordinal logit, multinomial logit, count model 
第13週
12/01  Introduction to trend analysis and longitudinal analysis 
第14週
12/08  Introduction to causal inferences 
第15週
12/15  Oral presentation - final project 
第16週
12/22  Final exam (in class Stata lab)