Multivariat analyse og kategoriserede data
Kursusindhold
Kursets første halvdel omhandler faktoranalysemodeller og lisrelmodeller i flerdimensionale datamaterialer, hvor afhængigheden mellem kontinuerte variable beskrives ved deres kovarians/korrelation. Det teoretiske grundlag for kursets anden halvdel er de log-lineære modeller, ved hjælp af hvilke man kan gennemføre en samlet beskrivelse af samvariationen eller afhængighederne mellem flere diskrete variable. Teorien for de log-lineære modeller for tabeller af højere dimension gennemgås med hovedvægten lagt på modeludvælgelse og fortolkning af den model, der udvælges til beskrivelse af materialet.
Som en introduktion gives en kort repetition af de vigtigste matrixoperationer, herunder dekomponering i egenværdier og egenvektorer, herunder også brug af SAS. Herefter gennemgås i første halvdel af kurset de grundlæggende modeller for multivariat analyse: Faktoranalyse, herunder principalkomponentmetoden, og LISREL-modeller (Structural Equation Modelling). I disse modeller indgår de variable på lige fod og ikke i form af responsvariable og forklarende variable som i regressionsmodeller.
For diskrete variable analyseres i kursets anden halvdel større datasæt med flere kategoriserede variable, der ligeledes indgår simultant på lige fod i modellen. Det skal ses som en modsætning til fx logistiske regressionsmodeller, hvori visse variable er responsvariable (altså specielt interessante), mens andre er forklarende variable.
Som en introduktion til modellerne for sådanne kategoriserede variable tales om likelihoodteori og eksponentielle familier, der anvendes for de log-lineære modeller, der anvendes i analyserne. Alle de praktiske analyser i kurset afvikles ved brug af SAS.
I hele kurset anvendes AI som en naturlig hjælp ved programmeringen og fortolkningen af resultaterne.
Multivariate Analysis and Categorised Data
Bacheloruddannelsen
i økonomi - valgfag efter 2. år
Kandidatuddannelsen
i økonomi - valgfag.
Kurset er åbent for:
- studerende fra danske universiteter
- Studerende fra Åbent Universitet
Efter endt kursus forventes den studerende at kunne:
Viden:
- Redegøre for teorien for faktoranalysemodeller, for lisrelmodeller for korrelationsstrukturer og for log-lineære modeller for kategoriserede data
- Beskrive formålet med analyser med disse modeller
- Beskrive SAS-procedurerne til estimation af disse modeller.
- Diskutere teorierne for fagets emner.
Færdigheder:
- Analysere data på korrelationsdata og kategoriserede data, så mest muligt informationen i data bringes frem i lyset og at kunne fortolke disse resultater i forhold til emnefeltet.
- Analysere data ved hjælp af modellerne, så mest muligt information i dataene brunges frem i lyseet og at kunne relatere resultaterne til den virkelighed dataene stammer fra.
- Brug af chatrobotter som hjælp til analyserne
Kompetencer:
- Samarbejde med andre faggrupper herunder statistikere, om modellerne for data og ved brug af den praktiske ansalyse.
- Erfaring med brug af chatrobotter som hjælp til analyserne
Kursets skriftlige pensum gennemgås med optagede film. Denne pensumgennemgang følges op af nye eksempler og mindre opgaver, der gennemgås online/filmet. Desuden arrangeres individuel vejledning (valgfrit fysisk eller online), der naturligt også vil omhandle de to afleveringsopgaver. Der kommer en plan for semesteret, der sikrer en jævn arbejdsbelastning igennem de 14 uger af semesteret.
- Erling B. Andersen: Noter til Multivariate Statistiske Metoder med SAS, Revideres og opdateres løbende af Anders Milhøj. Ca 150 sider.
- Erling B. Andersen og Anders Milhøj: Introduction to the Analysis of Categorical Data. Heidelberg. Revideres og opdateres løbende af Anders Milhøj. Ca 150 sider
Pensum skaffes via henvendelse til underviseren.
Kurset forudsætter viden svarende til faget
'Sandsynlighedsregning og Statistik' på Bacheloruddannelsen
i Økonomi, Københavns Universitet
Kurset forudsætter viden svarende til faget "Økonometri
I" på Bacheloruddannelsen i Økonomi, Københavns Universitet og
som minimum skal følges sideløbende med "Multivariat analyse
og kategoriserede data"
For udefra kommende forudsættes et matematisk orienteret statistik
kursus.
Forhåndskendskab til programpakken SAS er ikke
nødvendigt.
De studerende modtager feedback på de obligatoriske afleveringsopgaver.
for indskrevne studerende: Mere information kan findes på bachelorstuderende og kandidatstuderende.
Ved tilmelding til undervisning bliver du desuden automatisk tilmeldt eksamen.
- Fuldtidsstuderende: Tilmeld dig via selvbetjeningen på KUnet.
- Udvekslings- og gæstestuderende fra udlandet: Tilmeld dig via Mobility Online og selvbetjeningen - læs mere på denne hjemmeside.
- Meritstuderende fra danske universiteter: Tilmeld dig via denne hjemmeside.
- Åbent Universitet-studerende: Tilmeld dig via denne hjemmeside.
Eksamensdatoerne findes her: Eksamensplaner – Københavns Universitet
Vær opmærksom på, at det er dit eget ansvar at tjekke for eksamenssammenfald.
- ECTS
- 7,5 ECTS
- Prøveform
-
Hjemmeopgave , 6 timer
- Prøveformsdetaljer
- Individuel.
Hver eksaminand får et individuelt stillet datasæt, hvorved opgaven skal besvares og afleveres individuelt. I besvarelsen skal brug af AI beskrives ved citater fra prompts. - Eksamensforudsætninger
-
2 ud af de 2 afleveringsopgaver skal være godkendte for at den studerende kan deltage i eksamen.
- Hjælpemidler
- Alle hjælpemidler tilladt
Brug af AI-værktøjer er tilladt. Du skal forklare, hvordan du har brugt værktøjerne. Når tekst udelukkende eller primært er genereret af et AI-værktøj, skal værktøjet citeres som en kilde.
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
- Eksamensperiode
-
Eksamensoplysninger:
Eksamensdatoerne findes her: Eksamensplaner – Københavns Universitet
Flere informationer oplyses i Digital Eksamen midt i semesteret.
Læs om eksamensregler, hjælpemidler, eksamensdatoer mm på eksamenssiderne for Master(DK) and Bachelor(DK).
- Reeksamen
-
Samme som ordinær eksamen.
Forudsætninger for at gå til reeksamen:
- Aflevere og have godkendt 2 ud af 2 obligatoriske afleveringsopgaver.
Reeksamensdatoen/perioden kan ses i eksamensplanen, som ligger her: Eksamensplaner – Københavns Universitet
Kriterier for bedømmelse
Bedømmelseskriterierne er baseret på indholdet i målbeskrivelsen.
For at opnå den højeste karakter ”12” skal den studerende med en fremragende præsentation og med ingen eller få uvæsentlige mangler, demonstrere at den studerende udtømmende opfylder fagets målbeskrivelse og de opstillede punkter for viden, færdigheder og kompetencer.
For at bestå eller opnå karakteren 02 skal den studerende med en tilstrækkelig præstation, demonstrere minimalt acceptable grad af opfyldelse af fagets målbeskrivelse og de opstillede punkter for viden, færdigheder og kompetencer.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 42
- Forberedelse (anslået)
- 158
- Eksamen
- 6
- Total
- 206
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- AØKA08070U
- ECTS
- 7,5 ECTS
- Niveau
- Kandidat
Bachelor
- Varighed
-
1 semester
- Placering
- Efterår
- Pris
-
Information om priser mm for enkelfag, efteruddannelse og Åbent Universitet se Uddannelse på Økonomisk Institut
- Studienævn
- Økonomisk Studienævn
Udbydende institut
- Økonomisk Institut
Udbydende fakultet
- Det Samfundsvidenskabelige Fakultet
Kursusansvarlig
- Anders Milhøj (13-437066677475304f6b6e6a716c4267657170306d7730666d)
Underviser
Se "Kursusansvarlige"
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende