c:ma:2023:schedule
This is an old revision of the document!
Table of Contents
Week01
(Sep 4, 7)
regression lecture note
ideas and concepts
Using theories
- 연구문제와 가설 and
- making hypotheses
- 가설 예1
Installing R
Using a data set: mtcars
Assignment
Week02
(Sep 11, 14)
Concepts and ideas
동영상 시청. 아래 동영상은 교재의 2장 이후를 다루는 내용이면서 계산적인 통계에 대해서 공부하기 위해서 꼭 필요한 내용이므로 숙지하시기 바랍니다. 동영상이 길어서 이 부분은 3주차에도 계속 시청합니다.
- 간단한 예로서의 평균 (mean)
- 제곱합 (오차의제곱합, 혹은 이탈의제곱합 혹은 deviation score의제곱합)
-
- 모집단 추정을 위해서 n-1 사용을 하는 이유
- 샘플평균들의 집합
- Sampling Distribution 혹은 Distribution of Sample Means
- Standard Deviation of Sample Means
- Standard Error, 표준오차
- Central Limit Theorem (Central Limit Theorem)
- 예측에서의 (평균이 어디에서 나올까의 예측) 신뢰구간
- 검정통계
$$ \text{Inferential Statistics} = \frac {\text{Effects}} {\text{Error}} $$
실제차이를 랜덤차이로 나눈 비율
\begin{eqnarray*}
s^2 & = \frac {SS}{df} \\
\sqrt{s^2} & = s
\end{eqnarray*}
Activities
Group forming
- random assignment?
- voluntary formation?
Assignment
Week03
(Sep 18, 21)
Activities
Grouping (꼭 할 것)
Group self-registration at ABB
Group membership adjustment
Concepts and ideas
영상
Knowledge to understand hypothesis testing
- Sampling distribution or Distribution of the sample mean or Distsribution of sample means
-
Assignment
Group Assignment
가설 만들어 보기
- SNS에서의 그룹극화는 (Group Polarization) 어떻게 일어날까?
- Youtube에서의 콘텐츠노출은 어떻게 극화가 될까?
- filter bubble: Search engine or curating algorithm leads an individual to intellectual or ideological isolation because they feed them information one would agree. (see https://reutersinstitute.politics.ox.ac.uk/news/truth-behind-filter-bubbles-bursting-some-myths)
- 그러나, 검색엔진이나 추천알고리즘이 선택을 정해준다기 보다는
- 다양한 내용의 선택에도 자신의 선호경향의 내용만을 선택하기 때문에 일어나지 않을까?
- 그렇다면, 이를 어떻게 알아볼가 (검증할까?)
- 극화된 의견만 표출되는 경향으로 대중의 공공의견이 (public opinion) 왜곡되는 경향이 있다.
- 의견이 불분명하거나 아직 확실하지 않은 사람은 의견표출이 없는 경향을 갖고 있으며
- 극단치의 의견만이 표면에 들어나게 된다.
Week04
(Sep 25, 28)
영상
문서 + 텍스트
Class Activity
out of class
- intervene –
- inter + ven(e) = between + come
- prevent
- convention
- convene
- revenue
- venue : place people to come
- convenient : to come together → suit → fit
- adventure : things about to happen (곧 일어날 일)
- invention : into + come : about to know : discovered
- event
—-
Hypothesis
- 가설 만들어 보기
- No need to read theories
-
- 원 이론은 사람들은 다른 사람들의 생각, 의견에 대한 파악이
- 무의식적이지만 체계적으로 혼돈없이 잘 일어날 것을 가정한다.
- 그렇다면 이것이 온라인에서는 어떨까?
- 온라인에서 소수의 아이디어를 가진 사람이나 집단이
- 다수인 양 한다면 이것이 오프라인에 일어날 때 보다
- 더 효과적이지 않을까?
- 위의 생각에 기반한 가설은 어떻게 세울 수 있을까?
- Read hypothesis
- how to write hypothesis at behavioral science writing.
- One sample hypothesis Hypothesis at www.socialresearchmethods.net
from https://www.verywellmind.com/what-is-a-hypothesis-2795239
kinds of hypothesis
- Students who eat breakfast will perform better on a math exam than students who do not eat breakfast
- Identify and its level of measurement (lom, 측정수준):
- IV
- IV's lom
- DV
- DV's lom
Concepts and ideas
Assignment
Assignment for all
- Read 커뮤니케이션_연구문제_제기와_가설
- Read research question
- Read hypothesis
Group assignment 1 (ma.22.w04.ga.id.var)
- 파일로 과제를 제출할 경우, ma.22.w04.ga.id.g그룹번호.docx 와 (예, ma.21.w04.ga.id.g02.odc) 같이 제출하세요.
- Hypothesis 문서의 예의 “제3자 효과이론과 침묵의 나선이론 연계성” 논문을 읽고 가설을 기술하시오.
- 각 가설의 독립변인(Independent variables), 종속변인 (dependent variables) 등을 나열하시오.
- 이 논문에 사용된 이론은 무엇인지 기술하고 설명하시오.
Group assignment 2 (ma.22.w04.ga.making.ttest.h)
가설 만들어 보기
t-test (ma.22.w04.ga.making.ttest.h) – t-test 동영상 시청을 마치고 하세요.
- 파일제출시에는 ma.22.w04.ga.making.ttest.h.g10.docx와 같이 하세요.
- 모든 가설은 자기 조의 관심사와 관련이 있어야 합니다.
- 모집단 평균과 표준편차를 알고 있을 경우의 가설
- 두번째 종류는 생략
- 모집단의 파라미터를 모르는 두 집단의 평균과 표준편차만을 알고 있을 경우의 가설
- 반복측정 가설
Week05
(Oct 2, 5)
ideas and concepts
영상 시청 (8주차까지 볼 동영상입니다)
ideas and concepts
correlation
regression
multiple regression
이하는 다음 주에
Partial and semipartial correlation
using dummy variables
Statistical Regression Methods
Sequential Regression
Assignment
Week06
ideas and concepts
Assignment
- Public opinion in online environments 1)
- etc. 여론형성과 관련된 사회학적 혹은 사회심리학적 이론을 찾아보고 소개하기, 예로 위의 세가지. 얼마전 사회현상을 어떻게 설명하면 좋을까에 대해서 논의정리하기? 정확한 온라인 환경에서의 여론파악을 위해서 어떤 것이 필요할까?
- 혹은 다른 문제에 대해서 (. . . 조에 따른 . . .)
- Hypotheses
- Multiple regression hypotheses.
- Google Survey Questions
Week07
(Oct 16, 19)
- standardized coefficient in r (beta coefficient in mr)
- lm.beta(model)
lm.beta(m.sa.ytfbnp)
Activity
- 데이터 불러오기
dat <- read.csv("http://commres.net/wiki/_media/regression01-bankaccount.csv")
- 살피기
str(dat) - 가설만들기 : 독립변인으로 fammember를, 종속변인으로 account를 (통장갯수를)
- ?
- 변인관련 실습
- DV의 SS 값은 무엇인가?
- DV의 df 값은 무엇인가?
- DV의 Variance는 무엇인가?
- IV와 DV의 Covariance 구하기
- SP?
- df?
- correlation coefficient값은?
- SSreg 값은?
- SSres 값은?
- r square 값은?
- F test 값은?
- Regression test
dat.lm <- lm(account~fammember, data=dat)
Assignment
Week08
(Oct 23, 26)
Mid-term period
한 연구자가 Performance와 각성(arousal) 간의 관계에 대한 연구를 하였다. 연구자는 문제를 해결하는 능력을 측정하는 실험을 아래와 같이 하여, 정리하였다.
Week09
(Oct 30, Nov 2)
ideas and concepts
영상
- Partial and Semipartial Correlation in Multiple Regression
- Semipartial Correlation in Multiple Regression
- Dummy Variables in Multiple Regression
- Beta Coefficient in Multiple Regression
correlation
regression
multiple regression
Partial and semipartial correlation
using dummy variables
Statistical Regression Methods
Sequential Regression
Activity
Assignment
Week10
Assignment
Week11
Assignment
Week12
(Nov 20, 23)
ideas and concepts
Assignment
Week13
(Nov 27, 30)
ideas and concepts
social network analysis
social network analysis tutorial
sna in r
Stanford University egs.
announcement
Assignment
Week14
(Dec 4, 7)
insurance.csv
Week15
(Dec 11, 14)
Mediation Analysis
Week16
(Dec 18, 21)
Final-term covers:
계산문제를 제외하고 어떤 상황에서 어떤 통계방법을 써야하는지에 대해서와 아웃풋을 해석하거나 아웃풋에서 답을 유추하는 문제 등은 아래 범위에서 나올 수 있습니다.
t-test, ANOVA, Factorial ANOVA
그 외에 수업시간에 다룬 부분은 또한 포함합니다.
correlation
regression
multiple regression
partial and semipartial correlation
using dummy variables
factor analysis
social network analysis
sna tutorial
sna in r
SNA e.g. lab 06
Some R outputs will be used to ask the related concepts and ideas (the above).
c/ma/2023/schedule.1698412512.txt.gz · Last modified: 2023/10/27 22:15 by hkimscil