Universität Wien FIND
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

230069 UE Spezielle multivariate Analyseverfahren in den Sozialwissenschaften (2017W)

4.00 ECTS (2.00 SWS), SPL 23 - Soziologie
Prüfungsimmanente Lehrveranstaltung

Details

max. 25 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Donnerstag 05.10. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 12.10. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 19.10. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 09.11. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 16.11. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 23.11. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 30.11. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 07.12. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 14.12. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 11.01. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 18.01. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25
Donnerstag 25.01. 18:30 - 20:15 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die soziale Realität ist komplex - und die Komplexität der Phänomene und der Zusammenhänge ist sowohl bei der Erhebung und Messung, als auch bei der Analyse quantitativer Daten so weit wie (praktisch) möglich zu berücksichtigen. Soziale Phänomene haben meist nicht eine einzelne Ursache und speziell für die Analyse von Daten aus nicht-experimentellen Untersuchungen ist der Einsatz multivariater Verfahren unerlässlich.

In multiplen Regressionsanalysen werden die Effekte der einzelnen Merkmale gemeinsam und kontrolliert für den Einfluss der anderen Variablen im Modell geschätzt und getestet. Die Wahl des Regressionsverfahrens ist dabei vom Skalenniveau und der Verteilung des zu erklärenden Merkmals abhängig. Multivariate Verfahren können auch eingesetzt werden um Zusammenhänge zwischen Variablen und Objekten zu entdecken: mittels explorativer Faktorenanalyse kann eine Menge von korrelierenden Variablen auf eine kleinere Anzahl von Faktoren verdichtet werden, was z.B. bei der Messung komplexer Phänomene mittels mehrerer Indikatoren von Nutzen ist. Mittels Clusteranalyse wiederum ist es möglich Objekte (z.B. Befragten) nach ihrer Ähnlichkeit bei einer Reihe von Merkmalen (z.B. Einstellungsdimensionen) zu Gruppen zusammenzufassen.

Durch die Anwendung von Statistiksoftware ist es sehr einfach zu Ergebnissen zu kommen - allerdings: um gültige Ergebnisse zu erhalten und diese auch korrekt interpretieren und berichten zu können, benötigen die AnwenderInnen fundiertes Wissen über die Idee, die Einsatzmöglichkeiten, die Voraussetzungen und die Rechen- und Funktionsweise der Verfahren, sowie über die Interpretierbarkeit und Interpretation der Ergebnisse, die möglichen Aussagen (und die Aussagereichweite), und jene Teile der Analyse und der Ergebnisse, die zu berichten sind, damit die KollegInnen der "scientific community" die Qualität der Untersuchung einschätzen können.

In der LV wird eine Auswahl multivariater Analyseverfahren besprochen und praktisch angewendet. Der Schwerpunkt der LV liegt auf unterschiedlichen regressionsanalytischen Verfahren (lineare, logistische Regression), deren Grundlagen und deren praktischer Anwendung. Behandelt werden weiters Hauptkomponenten- und Faktorenanalyse, sowie Reliabilitätsanalysen für die Skalierung - und, sofern dann noch Zeit bleibt, auch Grundlagen der Clusteranalyse.

Datengrundlage sind unterschiedliche, für wissenschaftliche Zwecke frei verfügbare Datensätze wie z.B. der European Social Survey (ESS). Die praktische Arbeit erfolgt mit der Statistiksoftware R. Um die Reproduzierbarkeit der Ergebnisse sicherzustellen wird, wie in der (guten) Praxis üblich, nicht mit Maus und Menü, sondern mittels Programmierung gearbeitet: so erfolgt der Vortrag anhand von Beispielen, die per R Programmcode ausgeführt werden, und bei den Übungsaufgaben ist auch der entsprechende R Code mit abzugeben. Eine Einführung in diese Arbeitsweise ist Inhalt der ersten Einheiten.

Ziel der LV ist es, die TeilnehmerInnen in die Lage zu versetzen zu einer Fragestellung das jeweils passende multivariate Verfahren auszuwählen, korrekt und nachvollziehbar anzuwenden, und die Ergebnisse inhaltlich und formal korrekt sowie hinreichend genau zu berichten. Die TeilnehmerInnen sollen nach der LV auch in der Lage sein, die Anwendung der vorgestellten Verfahren in der Fachliteratur zu beurteilen und fehlerhafte Analysen oder Interpretationen fundiert und konstruktiv zu kritisieren.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Die LV Einheiten gliedern sich jeweils in einen Vorlesungs-/Diskussionsteil, in dem die jeweiligen Inhalte besprochen werden und einen Übungsteil, in dem das Besprochene praktisch umgesetzt wird. Zwischen den LV-Einheiten sind zur Vertiefung Übungsbeispiele auszuarbeiten und vorgegebene Pflichtliteratur zu lesen. Die TeilnehmerInnen sollten auch in der Lage sein, die Ergebnisse der Analysen in der LV kurz zu präsentieren und Fragen zur Literatur zu beantworten oder zu stellen. Eine der Übungen, die Anwendung der behandelten Verfahren auf eine selbst zu entwickelnde Fragestellung, zieht sich durch das gesamte Semester und ist in der Gruppe zu bearbeiten. Zu Mitte und zum Ende des Semesters gibt es jeweils eine schriftliche Wiederholung mit theoretischen Fragen und praktischen Beispielen (z.B. Interpretation von Ergebnissen). In die Benotung fließt sowohl die Leistung bei den schriftlichen Wiederholungen, als auch die Beurteilung der Übungsbeispiele ein.

In der LV wird die Statistiksoftware R mit Programmierung benutzt, wobei die Benutzung zu Beginn der LV erklärt und in den einzelnen Übungen vertieft wird. Durch die Arbeit mit Programmcode kann die Reproduzierbarkeit der Ergebnisse sichergestellt werden.

Hinweis der SPL: bei Feststellung einer erschlichenen Teilleistung (Abschreiben, Plagiieren, Ghostwriting, etc.) muss die gesamte Lehrveranstaltung als geschummelt gewertet und als Antritt gezählt werden.

Mindestanforderungen und Beurteilungsmaßstab

Für die Beurteilung werden die Ergebnisse der Übungsbeispiele (Gewicht: 40%) und der schriftl. Wiederholungen (60%) herangezogen. Die Übungsbeispiele sind pünktlich zu den jeweils angegebenen Fristen abzugeben; die schriftlichen Wiederholungen folgen jeweils auf den Abschluss eines Themas. Für eine positive Benotung sind Übungsbeispiele und schriftl. Wiederholungen in Summe jeweils positiv zu absolvieren, d.h. es muss jeweils zumind. die Hälfte der möglichen Punkte erreicht werden. Weiters sind für eine positive Beurteilung maximal zwei Fehltermine zulässig.

Prüfungsstoff

Literatur

- Urban, Mayerl (2011) Regressionsanalyse: Theorie, Technik und Anwendung. 4., überarb. und erw. Aufl. Wiesbaden: VS, Verl. für Sozialwiss. http://link.springer.com/book/10.1007/978-3-531-93114-2
- Behnke (2015) Logistische Regressionsanalyse. Wiesbaden: Springer Fachmedien Wiesbaden http://link.springer.com/10.1007/978-3-658-05082-5
- Backhaus et al. (2016) Multivariate Analysemethoden: Eine anwendungsorientierte Einführung (14. Aufl.), Berlin: Springer Gabler, http://www.springer.com/de/book/9783662460757
- Windzio (2013) Regressionsmodelle für Zustände und Ereignisse. Wiesbaden: Springer Fachmedien Wiesbaden http://link.springer.com/10.1007/978-3-531-18852-2
- Kopp, Lois (2012) Sozialwissenschaftliche Datenanalyse. Wiesbaden: VS Verlag für Sozialwissenschaften http://link.springer.com/10.1007/978-3-531-93258-3
- Akremi, Baur, Fromm (Hg.) (2010) Datenanalyse mit SPSS für Fortgeschrittene 1: Datenaufbereitung und uni- und bivariate Statistik. 3. Aufl. Wiesbaden: VS Verlag für Sozialwissenschaften http://www.springer.com/de/book/9783531170152
- Fromm (2012. Datenanalyse mit SPSS für Fortgeschrittene 2: Multivariate Verfahren für Querschnittsdaten. 2. Aufl. Wiesbaden: VS Verlag für Sozialwissenschaften http://www.springer.com/de/book/9783531187938
- Field (2009). Discovering statistics using SPSS, Sage Publications
- Hardy (1993) Regression with dummy variables, Sage Publications

weitere Literatur, speziell auch zu R, wird in der LV bekanntgegeben.

Zuordnung im Vorlesungsverzeichnis

in 905: Ausschließlich für das Pflichtmodul MA M Methoden

Letzte Änderung: Fr 31.08.2018 08:43