本课程为分析人员如何创建和评估定量指标提供了一个框架。 考虑分析人员经常感兴趣的许多棘手概念，如健康、教育程度和对政府的信任。 本课程将探讨量化这些概念的各种方法。 课程首先概述了不同的测量水平和变量转换方法。 然后，我们将讨论如何构建和建立测量模型。 接下来，我们将研究调查，因为调查是最常用的测量工具之一。 作为讨论的一部分，我们将介绍调查的抽样、设计和评估。 最后，我们将考虑判断测量质量的不同方法，如可靠性或有效性水平。 在本课程结束时，您应该能够为值得研究的概念制定并批判性地评估测量方法。 毕竟，好的分析建立在好的测量之上。

本课程将向您介绍线性回归模型，它是研究人员用来测量多个变量之间关系的强大工具。 首先，我们将探讨双变量回归模型的组成部分，该模型用于估计自变量和因变量之间的关系。 在此基础上，我们将讨论如何创建和解释多元模型、二元因变量模型和交互模型。 我们还将考虑如何将分类变量和虚拟变量等不同类型的变量恰当地纳入模型。 总之，我们将讨论回归模型用于描述性推断和因果推断的多种不同方法，以及这种分析工具的局限性。 课程结束时，您应该能够解释并批判性地评估多元回归分析。

本课程的重点是分析人员如何衡量和描述他们对研究结果的信心。 课程首先概述了计算不确定性度量的关键概率规则和概念。 然后，我们将把这些概念应用到变量（统计学的基石）及其相关概率分布中。 课程的后半部分将深入探讨不确定性的计算和解释。 我们将讨论如何使用检验统计量和置信区间进行假设检验。 最后，我们将考虑假设检验在回归中的作用，包括我们能从系数的统计意义中学到什么，不能学到什么。 课程结束时，您应该能够用概率术语讨论统计结果，并解释特定估计值的不确定性。

这是数据扫盲专业的最后一门课程。 在这门顶点课程中，您将运用在专业课程中获得的技能和知识，对一项原创定量分析进行批判性评估。 该项目首先要求您确定并阅读一篇关于您所选主题的高质量原创定量研究文章。 然后，您将对研究结果和方法进行解释和评估。 作为项目的一部分，您还将审阅其他学生提交的材料。 项目结束时，您将成为定量研究的批判性消费者和使用者。