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.