MULTIVARIJATNE STATISTIČKE METODE

# MULTIVARIJATNE STATISTIČKE METODE
## Upute za izradu empirijskog projekta
### dr.sc. Luka Šikić
### Fakultet hrvatskih studija | <a href="https://lusiki.github.io/WebMultiVar/">Github MV</a>

---

/* custom.css */
.left-code {
 color: #777;
 width: 38%;
 height: 92%;
 float: left;
}
.right-plot {
 width: 60%;
 float: right;
 padding-left: 1%;
}
.plot-callout {
 height: 225px;
 width: 450px;
 bottom: 5%;
 right: 5%;
 position: absolute;
 padding: 0px;
 z-index: 100;
}
.plot-callout img {
 width: 100%;
 border: 4px solid #23373B;
}
</style>

# Pregled predavanja

1. [Formuliranje pitanja](#q)

2. [Pregled literature](#rew)

3. [Prikupljanje podataka](#dta)

4. [Empirijska analiza](#stat)

5. [Pisanje empirijskog eseja](#es)

6. [Objava analize (OpenSource)](#os)

---

# Formuliranje pitanja

(Kreativno polazište)

---

# Motivacija

- Testiranje teorije o društvu
 
- Evaluacija programa ili politike
 
- Predviđanje ishoda
 
- Procjena za poslovnu ili akademsku analizu
 
- za *zabavu*

---

# Dobro istraživačko pitanje

- Specifično
 
- Mora se moći odgovoriti na osnovi podataka
 
- Zanimljivo
 
- Korisno

---

# Za manje kreativne

- Proširi postojeći model sa novom varijablom
 
- "Osvježi" postojeću analizu sa novim podatcima
 
- Dodaj nove podatke (npr. zemlje) u uzorak
 
- Repliciraj postojeću studiju

---

# Pregled literature

(Postojeće spoznaje)

---

# Razlozi
 
 
- Pregled postojećeg znanja o temi
 
- Jasna slika o doprinosu analize
 
- Specifičnosti na koje treba obratiti pozornost u analizi
 
- Kako specificirati varijable
 
- Opravdanje za izbor modela
 
- Okvir za određivanje opsega teme (~20 radova na temu)

---

# Prikupljanje podataka

(Ključni dio analize)

---

# Kriteriji za odabir
 
 
- Koji bi bili *idealni* podatci za izabranu analizu?
 
- Postoje li dobri alternativni podatci?
 
- Postoji li repozitorij (baza) podataka ili je potrebno prikupiti podatke?
 
- Koje podatke su koristili drugi?
 
- Longitudinalni i/ili prostorni podatci
 
- Razina agregacije podataka (pojedinci/tvrtke, subkulture/zanimanja/sektori, zemlje/regije/kontinenti)

---

# Priprema podataka

- Pohrana podataka (lokalno, eksterna baza, internet)
 
- Uređivanje, čišćenje i prilagodba podataka (vrlo zahtijevan dio analize)
 
- Izrada i upoznavanje sa varijablama

---

# Empirijska analiza

(Kreativno polazište)

---

# Izbor modela 
 
 
- Neki od modela koje smo obradili u okviru kolegija
 
- Novi/sličan model 
 
- Može li se primijeniti OLS?
 
- Što su koristili drugi?

---

# Primjena modela
 
 
- Da li su podatci prilagođeni za model?
 
- Deskriptivna statistika (numerička + vizualna)
 
- Robusnost modela (post-specifikacijski testovi)
 
- Interpretacija rezulatata

---

# Pisanje empirijskog eseja

(Poveži analizu i tekst)

---

# Elementi
 
 
- Uvod
 
- Pregled literature
 
- Konceptualni okvir
 
- Podatci i metode
 
- Rezultati
 
- Zaključak

---

# Uvod
 
 
- Zašto je tema relevantna?
 
- Postoje li politike vezane uz temu?
 
- Što se istražuje?
 
- Uvod ne bi trebao biti duži od 1 stranice.

---

# Pregled literature
 
 
- Kontekst analize
 
- Što znamo o temi?
 
- Što ne znamo i koji je doprinos analize?

---

# Konceptualni okvir
 
 
- Koje su teoretske implikacije izabrane teme?
 
- Objasni ključne pojmove koji će se koristiti u analizi

---

# Podatci i metode
 
 
- Navedi izvore i objasni proces prikupljanja podataka
 
- Objasni proces uređivanja i prilagodbe podataka
 
- Opiši model i glavne karakteristike
 
- Objasni proces procjene modela
 
- Koje su pretpostavke modela

---

# Rezultati 
 
 
- Prikaži rezultate u tablicama i grafički
 
- Komentiraj rezultate i njihove implikacije
 
- Kakva je signifikantnost rezultata?
 
- Da li koeficijenti imaju očekivani predznak?
 
- Da li su rezultati robusni?
 
- Postoje li ograničenja u analizi?

---

# Zaključak
 
 
- Koji su glavni nalazi istraživanja?
 
- Što je bitno zapamtiti?
 
- Što bi trebalo istražiti u budućnosti?

---

# Objava analize (OpenSource)

(Komunikacija rezultata)

---

# Reproducibilna analiza
 
 
- Uvjerjivost
 
- Mogućnost nadogradnje
 
- Suradnja
 
- Tehnološki standard

---

# R Markdown
 
 
- Sugerira se korištenje R Markdown ili srodne platforme
 
- Integracija sa Version Control sutavom (GitHub)
 
- Prilagodba formata analize u odgovarajući format

---

# Korist
 
 
- Upoznavanje sa teorijom
 
- Upoznavanje sa empirijskom analizom
 
- Znanstveni pristup društvenim znaostima
 
- Poboljšanje analitičkih vještina
 
- Korištenje software-a i tehničke vještine
 
- Komunikacija rezultata korištenjem riječi i brojeva
 
- Rad na tehnološkoj granici (budi u trendu!)
 
- Općenite vještine rješavanja problema

---

# Hvala na pažnji