230068 UE Spezielle multivariate Analyseverfahren in den Sozialwissenschaften (2020S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 03.02.2020 10:00 bis Fr 21.02.2020 10:00
- Anmeldung von Do 27.02.2020 10:00 bis Fr 28.02.2020 10:00
- Abmeldung bis Do 30.04.2020 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 02.03. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 09.03. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 16.03. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 23.03. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 30.03. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 20.04. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 27.04. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 04.05. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 11.05. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 18.05. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 25.05. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 08.06. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 15.06. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 22.06. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
- Montag 29.06. 17:15 - 18:45 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Im Laufe des Semesters gibt es zwei praktische Übungsaufgaben (Einzelarbeiten). Zum Ende des Semesters erfolgt in Gruppenarbeit eine schriftliche Ausarbeitung einer Regressionsanalyse, d.h. Regressionsschätzung zu einer Fragestellung, schriftliche Darstellung des Vorgehens und der Ergebnisse. Übungsaufgaben und schriftliche Ausarbeitung fließen in die Benotung ein.Hinweis der SPL:
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde.
Werden einzelne verpflichtende Teilleistungen nicht erbracht, gilt die Lehrveranstaltung als abgebrochen. Falls dem Nichterbringen der Leistung kein wichtiger und unvorhersehbarer Grund seitens des/der Studierenden vorliegt, wird die LV negativ beurteilt.
Bei Vorliegen eines solchen Grundes (zB eine längere Erkrankung) kann der/die Studierende auch nach Ablauf der Frist von der LV abgemeldet werden. Über das Vorliegen eines wichtigen Grundes entscheidet die Lehrveranstaltungsleitung. Der Antrag auf Abmeldung ist unverzüglich nach Eintreten des Grundes zu stellen.
Wurde eine Teilleistung erschlichen, d.h. etwa bei einer Prüfung oder einem Test geschummelt, bei einer schriftlichen Arbeit plagiiert oder auch Unterschriften auf Anwesenheitslisten gefälscht, wird die gesamte Lehrveranstaltung als "nicht beurteilt" gewertet und mit dem Vermerk "geschummelt/erschlichen" in das Notenerfassungssystem eingetragen.
Im Zuge der Beurteilung kann eine Plagiatssoftware (Turnitin in Moodle) zur Anwendung kommen: Details werden von den Lehrenden in der Lehrveranstaltung bekanntgeben.
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde.
Werden einzelne verpflichtende Teilleistungen nicht erbracht, gilt die Lehrveranstaltung als abgebrochen. Falls dem Nichterbringen der Leistung kein wichtiger und unvorhersehbarer Grund seitens des/der Studierenden vorliegt, wird die LV negativ beurteilt.
Bei Vorliegen eines solchen Grundes (zB eine längere Erkrankung) kann der/die Studierende auch nach Ablauf der Frist von der LV abgemeldet werden. Über das Vorliegen eines wichtigen Grundes entscheidet die Lehrveranstaltungsleitung. Der Antrag auf Abmeldung ist unverzüglich nach Eintreten des Grundes zu stellen.
Wurde eine Teilleistung erschlichen, d.h. etwa bei einer Prüfung oder einem Test geschummelt, bei einer schriftlichen Arbeit plagiiert oder auch Unterschriften auf Anwesenheitslisten gefälscht, wird die gesamte Lehrveranstaltung als "nicht beurteilt" gewertet und mit dem Vermerk "geschummelt/erschlichen" in das Notenerfassungssystem eingetragen.
Im Zuge der Beurteilung kann eine Plagiatssoftware (Turnitin in Moodle) zur Anwendung kommen: Details werden von den Lehrenden in der Lehrveranstaltung bekanntgeben.
Mindestanforderungen und Beurteilungsmaßstab
In der Lehrveranstaltung wird mit der Statistiksoftware STATA gearbeitet. Eine Einführung in das Statistikprogramm ist Teil der Lehrveranstaltung. Vorkenntnisse im Umgang von Statistikprogrammen mit Syntax sind von Vorteil.Für die Beurteilung werden die Ergebnisse von zwei Übungsaufgaben (Einzelarbeit, Gewicht: 40%) und einer schriftlichen Ausarbeitung einer Regressionsanalyse (Gruppenarbeit, 60%) herangezogen. Die Übungsaufgaben und die schriftliche Ausarbeitung sind pünktlich zu den jeweils angegebenen Fristen abzugeben.
Es besteht Anwesenheitspflicht, maximal zwei Fehltermine sind zulässig.
Es besteht Anwesenheitspflicht, maximal zwei Fehltermine sind zulässig.
Prüfungsstoff
Prüfungsstoff sind alle die in der Lehrveranstaltung erarbeiteten Verfahren der Regressionsanalyse und deren praktischen Anwendung mit der Statistiksoftware STATA. Dies umfasst die Prüfung der Voraussetzungen, Schätzung und inhaltliche Interpretation der Ergebnisse.
Literatur
Grundlagenliteratur
Kohler, U., & Kreuter, F. (2016). Datenanalyse mit Stata: allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. Walter de Gruyter GmbH & Co KG..Urban, D., & Mayerl, J. (2006). Regressionsanalyse: Theorie, Technik und Anwendung (Vol. 2). Wiesbaden: VS Verlag für Sozialwissenschaften.Daten
Jonas Beste, Corinna Frodermann (2019): Panel "Arbeitsmarkt und soziale Sicherung" (PASS), Campus File (PASS-CF_0617_v1), Version 1. FDZ-Datenreport, 08/2019 (de), Nürnberg. DOI: 10.5164/IAB.FDZD.1908.de.v1Weiterführend
Best, H., & Wolf, C. (2012). Modellvergleich und Ergebnisinterpretation in Logit-und Probit-Regressionen. KZfSS Kölner Zeitschrift für Soziologie und Sozialpsychologie, 64(2), 377-395.Mayerl, J., & Urban, D. (2019). Vorsicht (!) bei Regressionsanalysen mit Interaktionsvariablen. KZfSS Kölner Zeitschrift für Soziologie und Sozialpsychologie, 71(1), 135-156.Mood, C. (2010). Logistic regression: Why we cannot do what we think we can do, and what we can do about it. European sociological review, 26(1), 67-82.Angrist, J. D., & Pischke, J. S. (2008). Mostly harmless econometrics: An empiricist's companion. Princeton university press.
Kohler, U., & Kreuter, F. (2016). Datenanalyse mit Stata: allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. Walter de Gruyter GmbH & Co KG..Urban, D., & Mayerl, J. (2006). Regressionsanalyse: Theorie, Technik und Anwendung (Vol. 2). Wiesbaden: VS Verlag für Sozialwissenschaften.Daten
Jonas Beste, Corinna Frodermann (2019): Panel "Arbeitsmarkt und soziale Sicherung" (PASS), Campus File (PASS-CF_0617_v1), Version 1. FDZ-Datenreport, 08/2019 (de), Nürnberg. DOI: 10.5164/IAB.FDZD.1908.de.v1Weiterführend
Best, H., & Wolf, C. (2012). Modellvergleich und Ergebnisinterpretation in Logit-und Probit-Regressionen. KZfSS Kölner Zeitschrift für Soziologie und Sozialpsychologie, 64(2), 377-395.Mayerl, J., & Urban, D. (2019). Vorsicht (!) bei Regressionsanalysen mit Interaktionsvariablen. KZfSS Kölner Zeitschrift für Soziologie und Sozialpsychologie, 71(1), 135-156.Mood, C. (2010). Logistic regression: Why we cannot do what we think we can do, and what we can do about it. European sociological review, 26(1), 67-82.Angrist, J. D., & Pischke, J. S. (2008). Mostly harmless econometrics: An empiricist's companion. Princeton university press.
Zuordnung im Vorlesungsverzeichnis
in 905: Ausschließlich für das Pflichtmodul MA M Methoden
Letzte Änderung: Mo 07.09.2020 15:21
Ziel der Lehrveranstaltung ist, dass die Teilnehmer und Teilnehmerinnen für eine Fragestellung das adäquate Analyseverfahren auswählen, umsetzen, Befunde interpretieren und kritisch hinterfragen können. Im Vordergrund steht daher neben den statistischen Grundlagen insbesondere die praktische Arbeit mit Daten des Panels Arbeitsmarkt- und soziale Sicherheit (PASS), mit dem ein frei verfügbares Campus File für die Lehre bereitsteht. In den Daten sind u.a. Informationen zu Lebenszufriedenheit, Einkommen, Armut, materieller Deprivation, Erwerbsbeteiligung, Familie und Haushaltskontext vorhanden, mit denen Analysen zu ausgewählten Fragestellungen durchgeführt werden können.In der Lehrveranstaltung wird mit der Statistiksoftware STATA gearbeitet. Eine Einführung in das Statistikprogramm ist Teil der Lehrveranstaltung. Vorkenntnisse im Umgang von Statistikprogrammen mit Syntax sind von Vorteil.