Методы сбора количественной информации. Выборочные исследования. Выборочные социально-демографические обследования в России. Основные пакеты статистических прикладных программ для социальных исследований. Функции специальных ППП (Statistica, SPSS) в обработке данных выборочных исследований. Структура, модули SPSS. Направления обработки данных. Подготовка данных. Ввод и сохранение данных. Шкалы измерений (количественная, порядковая, номинальная). Свойства шкал и их допустимые преобразования. Типы категоризации данных.

Выбор наблюдений. Сортировка наблюдений. Разделение наблюдений на группы. Модификация данных. Вычисление новых переменных.  Вычисление новых переменных в соответствии с определенными условиями. Формулировка условий. Агрегирование данных. Ранговые преобразования. Веса случаев. Причины и механизмы порождения пропусков данных. Возможности игнорирования пропусков. Методы заполнения пропущенных значений. Методы выявления аномальных значений. Применение устойчивых процедур оценивания. Анализ множественных ответов

Роль статистики в обработке результатов выборочных обследований.  Микро- и метаданные. Области применения и границы применимости математико-статистических методов. Сводка наблюдений. Описательная статистика. Одномерные распределения. Показатели вариации. Дисперсия, вариационный размах,  среднее  абсолютное отклонение, квантильные размахи. Построение таблиц сопряженности. Графическое представление таблиц сопряженности.

Анализ взаимосвязи между признаками. Независимость переменных. Основные характеристики связи. Непараметрические и параметрические критерии. Критерий независимости (критерий согласия χ2). Сравнение двух и нескольких выборок (зависимых и независимых).  t-критерий.  Статистические критерии для таблиц сопряженности. Коэффициенты корреляции (для номинальных и ранговых шкал). Меры тесноты связи между переменными.  Простейшие меры тесноты связи (для дихотомических переменных). Меры связи для таблиц с порядковыми данными. t-меры Кендэла и их свойства. d-меры Сомерса. Мера Гудмена-Краскала и ее свойства. Дисперсионный анализ

Сущность и задачи корреляционного анализа. Диаграммы рассеяния. Парные коэффициенты корреляции. Измерение степени тесноты статистической связи, «очищенной» от влияния посторонних признаков с помощью частных коэффициентов корреляции. Проверка существенности связи признаков. Доверительные интервалы для коэффициентов корреляции. Множественный коэффициент корреляции. Коэффициент детерминации. Двухмерная модель регрессионного анализа: линейная и нелинейная модели регрессии. Кривые роста в задачах прогнозирования, «фиктивные» переменные и их применение. Множественная линейная модель регрессии. Нелинейная регрессия (бинарная логистическая регрессия, мультиноминальная логистическая регрессия, порядковая регрессия, пробит-анализ, приближение с помощью кривых).

Статистический подход в методе главных компонентов. Вычисление главных компонентов и их графическая интерпретация. Информативность редуцированного признакового пространства. Регрессия на главные компоненты. Роль и место непараметрических методов в структурном моделировании. Иерархический кластерный анализ. Метрики признакового пространства. Принципы измерения расстояния между группами объектов. Алгоритмы быстрого кластерного анализа, метод k-средних. Двухэтапный кластерный анализ. Построение дерева целей