| Department of Social Sciences |
6 KP |
|
| Module components |
Semester courses Sommersemester 2019 |
Examination |
|
Lecture
|
-
1.07.031 - Statistik I
- Prof. Dr. Sebastian Schnettler, Ph.D.
Tuesday: 16:00 - 18:00, weekly (from 02/04/19), Location: A07 0-030 (Hörsaal G)
Dates on Tuesday, 16.07.2019 16:00 - 18:00, Tuesday, 27.08.2019 08:00 - 10:00, Location: A11 1-101 (Hörsaal B), A07 0-030 (Hörsaal G)
Ziele des Moduls / Kompetenzen:
Nicht zuletzt durch die zunehmende Verfügbarkeit elektronischer Daten in fast allen Lebens- und Arbeitskontexten („Big Data“) gewinnt eine solide statistische Grundausbildung in vielen Berufen an Relevanz. Aber auch für die interessierte Allgemeinheit und - im Sinne ihrer Multiplikatorfunktion - für angehende Lehrkräfte an Schulen sind statistische Kenntnisse zunehmend relevant, um Zusammenhänge zu verstehen, Risiken einzuschätzen und politische Argumente richtig einzuordnen. Dieses Modul vermittelt die Fähigkeit, quantitative Daten für die wissenschaftliche Analyse aufzubereiten und auszuwerten sowie existierende empirische Analysenvon anderen, z.B. aus Forschungsbeiträgen oder den Medien, kritisch zu hinterfragen.
Inhalte des Moduls:
Der erste Teil der Vorlesung führt in die deskriptive Statistik ein. Diese beschäftigt sich mit der Beschreibung und Zusammenfassung von Daten mittels numerischer Kennwerte (Mittelwerte und Streuungsmaße) sowie tabellarischer und grafischer Methoden mit dem Ziel, einen Überblick über die Daten zu erlangen und interessante Muster herauszuarbeiten. Vorgestellt werden sowohl Methoden für die Beschreibung einzelner Variablen als auch für die Beschreibung des Zusammenhangs zweier - ggf. unterschiedlich skalierter - Variablen (u.a. Chi-Quadrat-Wert, Cramers V, Pearsons r). Im zweiten Teil der Veranstaltung erfolgt eine Einführung in die induktive Statistik, die sich auf Grundlage der Wahrscheinlichkeitstheorie mit dem Testen der Allgemeingültigkeit der aus einer Stichprobe gewonnenen Ergebnisse für eine interessierende Grundgesamtheit beschäftigt. Dazu werden verschiedene Testverfahren vorgestellt, die diesen Schluss für verschiedene Datenarten ermöglichen. Im dritten Teil wird in die einfache und multiple lineare Regressionsanalyse eingeführt, die neben der Zusammenhangsanalyse für zwei und mehr Variablen auch Vorhersagen ermöglicht. Am Ende der Veranstaltung wird ein kurzer Ausblick auf komplexere Regressionsverfahren gegeben, die die einfache lineare Regression für den Zusammenhang mehrerer und unterschiedlich skalierter Variablen erweitern. Die in der Vorlesung anschaulich anhand zahlreicher empirischer Beispiele vermittelten Inhalte zur einführenden Statistik werden in der Begleitübung durch praktische Übungen mit Beispieldaten und mittels gängiger Statistik-Software (Stata/R) vertieft.
Literatur:
Jann, B. (2005). Einführung in die Statistik (2. Auflage). München: Oldenbourg.
Kohler, U. und F. Kreuter (2012) Datenanalyse mit Stata: allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung (4. Auflage). München: Oldenbourg.
Kühnel, S. M. und D. Krebs (2012). Statistik für die Sozialwissenschaften. Grundlagen, Methoden, Anwendungen (6. Aufl.). Reinbek: Rowohlt.
Kronthaler, F. (2016). Statistik Angewandt. Berlin: Springer.
|
|
|
Exercises
|
-
1.07.032 - Statistik I
Tuesday: 12:00 - 14:00, weekly (from 02/04/19)
-
1.07.033 - Statistik I
Wednesday: 12:00 - 14:00, weekly (from 03/04/19)
-
1.07.034 - Statistik I
Monday: 10:00 - 12:00, weekly (from 01/04/19)
-
1.07.035 - Statistik I
Monday: 12:00 - 14:00, weekly (from 01/04/19)
-
1.07.036 - Statistik I
Wednesday: 14:00 - 16:00, weekly (from 03/04/19)
-
1.07.037Z - Zusatzangebot: "(Quantitative) Datenwerkstatt für R und Stata"
Tuesday: 16:00 - 18:00, weekly (from 02/04/19)
Diese Veranstaltung ist ein offenes Angebot an alle, die Hilfe zur Selbsthilfe für quantitative Datenauswertungen im Rahmen von Qualifikations- (PA, BA, MA) und Seminararbeiten suchen oder generell ihre praktischen Kenntnisse in quantitativer Datenanalyse vertiefen möchten.
Die Veranstaltung soll eine Ergänzung zu Sprechstundenterminen etc. mit den jeweiligen Betreuenden sein, um Daten- und Statistikprobleme zu diskutieren und zu lösen. Anhand ihrer Projekte und Probleme werden wir uns den verschiedenen Aspekten quantitativer Datenanalyse widmen. Die Themen werden sich am Interesse der Teilnehmenden orientieren: mögliche Inhalte könnten Datenaufbereitung, -restrukturierung oder -verknüpfung sowie die Visualierung von Ergebnissen sein. Darüber hinaus soll die Datenwerkstatt auch ein Raum sein, Fragen zu Analysemodellen zu klären. Je nach Präferenz der Teilnehmenden werden wir mit R, Stata oder beiden Programmen arbeiten.
-
1.07.038Z - Zusatzangebot: "studentisch organisierte Methodenwerkstatt"
- Svenja Heinecke, M.A.
- Florian Erlbruch
Monday: 16:00 - 18:00, weekly (from 29/04/19)
Dates on Monday, 15.07.2019, Monday, 22.07.2019, Monday, 29.07.2019, Monday, 05.08.2019, Monday, 12.08.2019, Monday, 19.08.2019, Monday, 26.08.2019, Monday, 02.09.2019 16:00 - 18:00
Die nächste Haus-, Projekt- oder Qualifikationsarbeit steht an und ihr sollt eine quantitative Datenanalyse durchführen, wisst aber noch nicht richtig wie und das Statistikprogramm spuckt ständig Fehlermeldungen aus? Die Dozierenden sind schlecht erreichbar oder eigentlich ist das Nachfragen schon peinlich?
Dann seid ihr bei uns genau richtig: Wir, Florian und Svenja, sind selbst noch Studenten und kennen all diese Sorgen und Probleme aus unserer eigenen Anfangszeit. Gerne möchten wir euch anhand dieses Formates unterstützen und ein Umfeld bieten in dem die Herausforderungen im Umgang mit Statistiksoftware (R, Stata, SPSS) bewältigt werden können.
Am Anfang der Labor-Zeit (Mo 16-18Uhr, A6 3-313) ist jeweils ein kleines Impuls-Referat von uns zu einem ausgewählten Thema vorgesehen. Danach bietet sich Raum für eure individuellen Fragen, Wünsche, Probleme und Analysen. Ab 18Uhr geht es mit unserer offenen Sprechstunde weiter in A6 3-318. Weitere Termine auf Anfrage!
|
|
|
Hinweise zum Modul |
| Module examination |
KL |
| Skills to be acquired in this module |
Nicht zuletzt durch die zunehmende Verfügbarkeit elektronischer Daten in fast allen Lebens- und Arbeitskontexten („Big Data“) gewinnt eine solide statistische Grundausbildung in vielen Berufen an Relevanz. Aber auch für die interessierte Allgemeinheit und - im Sinne ihrer Multiplikatorfunktion - für angehende Lehrkräfte an Schulen sind statistische Kenntnisse zunehmend relevant, um Zusammenhänge zu verstehen, Risiken einzuschätzen und politische Argumente richtig einzuordnen.
Dieses Modul vermittelt die Fähigkeit, quantitative Daten für die wissenschaftliche Analyse aufzubereiten und auszuwerten sowie existierende empirische Analysenvon anderen, z.B. aus Forschungsbeiträgen oder den Medien, kritisch zu hinterfragen. |
|
