230013 VO Multivariate Analyseverfahren (2020W)
Labels
An/Abmeldung
Details
Sprache: Deutsch
Prüfungstermine
Donnerstag
28.01.2021
09:45 - 11:45
Digital
Mittwoch
10.03.2021
15:00 - 17:00
Digital
N
Mittwoch
14.04.2021
15:00 - 17:00
Digital
Mittwoch
30.06.2021
15:00 - 17:00
Digital
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Donnerstag
15.10.
09:45 - 11:15
Digital
Donnerstag
22.10.
09:45 - 11:15
Digital
Donnerstag
29.10.
09:45 - 11:15
Digital
Donnerstag
05.11.
09:45 - 11:15
Digital
Donnerstag
12.11.
09:45 - 11:15
Digital
Donnerstag
19.11.
09:45 - 11:15
Digital
Donnerstag
26.11.
09:45 - 11:15
Digital
Donnerstag
03.12.
09:45 - 11:15
Digital
Donnerstag
10.12.
09:45 - 11:15
Digital
Donnerstag
17.12.
09:45 - 11:15
Digital
Donnerstag
07.01.
09:45 - 11:15
Digital
Donnerstag
14.01.
09:45 - 11:15
Digital
Donnerstag
21.01.
09:45 - 11:15
Digital
Donnerstag
28.01.
09:45 - 11:15
Digital
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Diese Online-Vorlesung behandelt multivariate statistische Analyseverfahren. Ziel ist es, denTeilnehmer*innen anwendungsorientiert solide Kenntnisse grundlegender Analyseverfahren (wie lineare & logistische Regressionsanalyse, Mediationsanalyse, Faktoren- und Clusteranalyse) zu vermitteln sowie einen Überblick über eine Auswahl an spezielleren Analyseverfahren und deren Anwendung zu bieten (zum Beispiel Mehrebenenanalyse, Paneldatenanalyse, Survivalanalyse). Die TeilnehmerInnen sollen in die Lage versetzt werden, zu ausgewählten Forschungsfragen und -designs das jeweils adäquate Analyseverfahren auszuwählen und anzuwenden. Anhand einer Reihe von praktischen Übungsbeispielen erhalten die TeilnehmerInnen die Möglichkeit, die in der Vorlesung vermittelten Inhalte im Rahmen von ‚Hausübungen‘ anzuwenden und zu vertiefen. Die in der Lehrveranstaltung präsentierten Analysebeispiele sowie die im Rahmen der vertiefenden Übungen zu bearbeitenden Fragestellungen basieren auf einem Datensatz (aktuelle Umfragedaten), der den Teilnehmer*innen zu Beginn des Semesters zur Verfügung gestellt wird. Die Daten werden mittels des Softwarepakets STATA analysiert/interpretiert (optional mit R, das lizenzfrei installiert werden kann).
Art der Leistungskontrolle und erlaubte Hilfsmittel
Die Prüfung wird nicht als Präsenzprüfung sondern Online (Multiple-Choice-Modus) durchgeführt. Details zu den Prüfungsmodalitäten werden auf Moodle zur Verfügung gestellt.Hinweis der SPL: Eine erschlichene Leistung (Schummeln) wird auf dem Sammelzeugnis als solche ausgewiesen und zählt als Prüfungsantritt.
Kommissionelle Wiederholungsprüfung: Im Fall eines vierten Prüfungsantritts ist eine persönliche Anmeldung in der Studienservicestelle Soziologie bis spätestens eine Woche vor dem Prüfungstermin erforderlich. Weitere Informationen zu kommissionellen Wiederholungsprüfungen finden Sie auf der Website der Studienprogrammleitung Soziologie.
Informationen zu digitalen Prüfungen: https://soziologie.univie.ac.at/info/digpruef/
Kommissionelle Wiederholungsprüfung: Im Fall eines vierten Prüfungsantritts ist eine persönliche Anmeldung in der Studienservicestelle Soziologie bis spätestens eine Woche vor dem Prüfungstermin erforderlich. Weitere Informationen zu kommissionellen Wiederholungsprüfungen finden Sie auf der Website der Studienprogrammleitung Soziologie.
Informationen zu digitalen Prüfungen: https://soziologie.univie.ac.at/info/digpruef/
Mindestanforderungen und Beurteilungsmaßstab
Von den bei der Multiple-Choice Prüfung erreichbaren maximalen Punkteanzahl müssen für ein positives Bestehen der Prüfung mindestens 50% erreicht werden. Die positiven Noten (1 bis 4) werden nach einem entsprechenden Bereichsschema aus der Punkteanzahl ermittelt.Hinweis der SPL: Eine erschlichene Leistung (Schummeln) wird auf dem Sammelzeugnis als solche ausgewiesen und zählt als Prüfungsantritt.
Prüfungsstoff
Inhalte der Vorlesung gemäß Foliensatz, Vortrag und Übungsbeispielen.
Literatur
Wird zu Semesterbeginn auf Moodle bereitgestellt.
Zuordnung im Vorlesungsverzeichnis
in 505: BA M4 VO Multivariate Verfahren
Letzte Änderung: Mi 27.01.2021 10:08