AØKA08178U Summerschool 2018: Videregående statistik

Årgang 2017/2018
Engelsk titel

Summerschool 2018: Advanced Statistics

Uddannelse

Bacheloruddannelsen i økonomi - sommerskolefag efter 3. semester
Kandidatuddannelsen i økonomi - sommerskolefag

Sidefagsuddannelsen i Økonomi-Erhvervsøkonomi - valgfag på KA delen

Kursusindhold

Kurset fokuserer på de praktiske dele af emnekredsene. Det betyder, at de matematiske udledninger bag metoderne kun sporadisk berøres, mens de praktiske aspekter prioriteres højt.

Praktisk Regressionsanalyse: Indflydelsesrige observationer, Logistisk regression, Fortolkninger af den fundne model 

Stikprøver: Bedømmelse af usikkerhed, Opvejning, Fortolkning af resultater, Muligheder for videre analyse

Korrelationsanalyse: Korrelationskoefficient, Principal komponenter, Todimensionale værdikort

Imputation: Metoder til udfyldning af manglende observationer i et datasæt

I undervisningen anvendes datasæt om økonomi, sociologi og samfundsforhold. Disse data kan indeholde få observationer, men kan også have karakter af "big data". Som eksempler kan nævnes:

Datasæt der beskriver forhold i europæiske storbyer, alle biblioteksudlån på københavnske folkebiblioteker i et år eller alle parkometertransaktioner i København i en flerårig periode.

PISA datasættet, der udover data om skoleelevers faglige kompetencer indeholder et væld at socioøkonomiske oplysninger.

Datasættet European Social Survey, ESS, der beskriver og sammenholder sociologiske forhold i de europæiske lande

Arbejdsmiljø og helbred 2012 og 2014, som er to stikprøver af befolkningen på ca. 50.000 beskæftigede lønmodtagere i Danmark mellem 18 og 64 år.

 

Målbeskrivelser

Efter afsluttet kursus skal den studerende kunne

Viden:

  • Viden om betydningen af de enkelte datapunkter i den lineære regressionsmodel og i den logistiske regressionsmodel
  • Kendskab til robust regressionsanalyse
  • Et indledende kendskab til faktormodeller; specielt med henblik på værdikort
  • Et indledende kendskab til beregning af stikprøveusikkerhed
  • Indsigt i problemstillingerne omkring imputation af manglede observationer
  • Kendskab til SAS herunder til procedurerne for de statistiske modeller og metoder i kurset

 

Færdigheder:

  • Evne til at vurdere enkeltobservationers indflydelse på regressionsanalysers resultater
  • Evne til at udføre en robust regressionsanalyse
  • Evne til vurdere usikkerheden i simple stikprøveanalyser og til at rette eventuelle skævheder
  • Evne til at konstruere et værdikort
  • Evne til udfylde manglende observationer i et datasæt og til at vurdere konsekvenserne heraf
  • Evne til at anvende udvalgte SAS-procedurer

 

Kompetencer:

  • Evne til at læse videnskabelig litteratur, der bygger på indsamlede stikprøver eller multipel lineær regression
  • Erhverve et tilstrækkeligt kendskab til stikprøver og den multiple regressionsmodel, så den studerende efter kurset kan samarbejde med andre faggrupper, herunder statistikere
  • Evne til selv at analysere data
  • Evne til at relatere resultaterne til den virkelighed, data stammer fra.

 

Kurset sætter deltageren i stand til at udføre en statistisk analyse i praksis med specielt fokus på at kunne fortolke analysens resultater ind i en faglig sammenhæng og til at vurdere kvaliteten og validiteten af de anvendte observationer.

Hovedpunkterne i pensum er uddrag lærebøgerne:

  • Anders Milhøj: Anvendt regressionsanalyse for Samfundsvidenskaberne, Akademisk Forlag
  • Anders Milhøj: Stikprøveteori for Økonomi og Erhverv, Akademisk Forlag
  • Andersen, Feilberg, Jakobsen og Milhøj: Statistik med SAS Akademisk Forlag/Statistikforlaget


Alle bøger er for længst udsolgt fra forlaget, men er i stærkt revideret og opdateret form stillet til rådighed på kursets Absalonside. Hertil kommer en lang række noter.

Kurset bygger videre på et grundlæggende statistikkursus, fx "Sandsynlighedsteori og Statistik" (Økonometri A) og Econometrics I (Økonometri I/Økonometri B) på politstudiet. For deltagere fra andre studier kræves et grundlæggende teoretisk statistikkursus samt matematik på A niveau fra gymnasiet.
På sommerskolen vil undervisningen bestå af forelæsninger, der mest består af praktisk gennemgang af metoderne. Hertil kommer øvelser med opgaveregning på egen medbragt PC. Det foregår samlet under opsyn af en eller flere lærere.
Undervisningsplan:

SAS-Introduktion:
Før kursuset start afholdes en SAS- introduktion på 3 timer. Der gives en kort gennemgang (indføring og eller genopfriskning) af programpakken SAS, der anvendes igennem forløbet herunder hjælp til installation af SAS på egen medbragt PC. I forlængelse af denne undervisningsdel stilles en opgave, der skal afleveres senest 5. juli 2018 kl 23.59 og bliver rettet før selve undervisningens start i juli.

SAS-introduktionerne gentages 3 gange med ens indhold. Der kan pt vælges mellem én af følgende dage (foreløbige tider):

Onsdag 18/4 kl 15-18

Torsdag 17/5 kl 15-18

Torsdag 28/6 kl 15-18

Tilmelding til SAS introduktionerne sker ved at skrive til Anders Milhøj, anders.milhoj@econ.ku.dk. Se nærmere information på http:/​/​web.econ.ku.dk/​milhoj/​

Tid og sted for sommerskolen:
Der er 3 timers forelæsninger hver formiddag og 3½ timers øvelser hver eftermiddag.
Tirsdag d 10. juli: Forelæsning kl 9-16.30
Onsdag d. 11. juli: Forelæsning kl 9-12, øvelse 13-16.30
Torsdag d. 12. juli: Forelæsning kl 9-12, øvelse 13-16.30
Fredag d. 13. juli: Øvelse 9-16.30
Ugen d 16. - 20. juli: Forelæsning kl 9-12, øvelse 13-16.30

Hertil kommer et begrænset hjemmearbejde, der måske med fordel kan foregå i forlængelse af øvelsesundervisningen. Kurset strækker sig dermed over hvad der svarer til to ugers fuldtidsstudium.

Skema og lokaler for undervisning er tilgængelig i løbet af april 2018
  • Kategori
  • Timer
  • Forberedelse
  • 144,5
  • Forelæsninger
  • 30
  • Øvelseshold
  • 31,5
  • I alt
  • 206,0
Point
7,5 ECTS
Prøveform
Løbende bedømmelse
Evalueringsformen er aktiv undervisningsdeltagelse dokumenteret med tilstedeværelse både ved forelæsninger og øvelser i juli samt aflevering af opgaver hver dag startende med SAS-introduktionsopgaven før kursusstart. Tilstedeværelsen dokumenteres ved underskrifter, men begrundet fravær, fx pga kortvarig sygdom eller deltagelse i begravelse, kan naturligvis godtages. To opgaver i juli samt SAS-introduktionsopgaven rettes med skriftlig tilbagemelding, mens de øvrige stikprøvekontrolleres.
____
Krav til indstilling til eksamen

Der er mødepligt og krav om aktiv deltagelse til alle dele af sommerskolen, med undtagelse af SAS-introduktionen før sommerskolens kursusstart.

____

Hjælpemidler
Alle hjælpemidler tilladt
Bedømmelsesform
bestået/ikke bestået
Censurform
Ingen ekstern censur
Eksamensperiode

Sommerskolens varrighed.

Indskrevne studerende kan læse mere om eksamen, regler, hjælpemidler og se listen af eksamensdatoer mm på eksamenssiderne for bachelorstuderende og kandidatstuderende.

___

Reeksamen

Reeksamen i tilfælde af en ikke godkendt samlet opgaveaflevering foregår ved aflevering to nye opgaver, der stilles i august. Manglende godkendelse pga udeblivelse kan ikke erstattes med opgaveaflevering og den studerende vil blive tilmeldt faget i det efterfølgende semester.

Kriterier for bedømmelse

Bedømmelseskriterierne er baseret på indholdet i målbeskrivelsen.

For at opnå den højeste karakter skal den studerende med en fremragende præsentation og med ingen eller få uvæsentlige mangler, demonstrere at han/hun lever op til fagets målbeskrivelse og de opstillede punkter for viden, færdigheder og kompetencer.

For at kunne bestå dette fag skal den studerende som minimum:

  • Kunne gennemføre en regressionsanalyse og en vurdering af en stikprøveindsamling uden væsentlige fejl
  • Fortolke resultaterne i forhold til emnefeltet, dvs. den virkelige verden
  • Beskrive fremgangsmåden klart og tydeligt

 

For at opnå karakteren "Bestået" skal den studerende skal på tilfredsstillende måde godtgøre, at han/hun lever op til kursets målbeskrivelse. Det foregår ved overvågning af opgaveregning, så det sikres, at den studerende kan gennemføre en de statistiske analyser uden væsentlige fejl; herunder vurdere kvaliteten af datamaterialet, fortolke resultaterne i forhold til emnefeltet, dvs. den virkelige verden, samt beskrive fremgangsmåden