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

230070 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

Mittwoch 25.10. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 08.11. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 15.11. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 22.11. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 29.11. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 06.12. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 13.12. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 10.01. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 17.01. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 24.01. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33
Mittwoch 31.01. 09:00 - 11:00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die soziale Realität ist komplex. Diese Komplexität der Phänomene und ihrer 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.

Der Schwerpunkt der LV liegt auf der linearen Regressionsanalyse sowie der explorativen Faktorenanalyse, deren Grundlagen und deren praktischer Anwendung. Darüber hinaus wird eine Auswahl multivariater Analyseverfahren (z.B. logistische Regression, Clusteranalyse) kurz besprochen.

Datengrundlage ist der European Social Survey (ESS). Die praktische Arbeit erfolgt mit der Statistiksoftware Stata. Um die Reproduzierbarkeit der Ergebnisse sicherzustellen wird mittels Stata Syntax gearbeitet. Auch Stata-Neulinge sind willkommen, eine Einführung in Stata ist der Inhalt des ersten Teils der LV.

Ziel der LV ist es, die TeilnehmerInnen in die Lage zu versetzen zu einer Fragestellung das jeweils passende multivariate Verfahren auszuwählen. Sie sollen lineare Regressionsmodelle sowie explorative Faktorenanalyse selbständig, sicher, korrekt und nachvollziehbar anwenden (mittels Stata und Syntax Programmierung), und die Ergebnisse inhaltlich und formal korrekt sowie hinreichend genau berichten können. 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 dabei in der Lage sein, die Ergebnisse der Analysen in der LV kurz zu präsentieren und Fragen zur Literatur zu beantworten oder zu stellen. Zum Abschluss jedes Kapitels gibt es 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 Stata mit Syntaxprogrammierung benutzt, wobei die Verwendung der Syntax zu Beginn der LV erklärt wird. Durch die Arbeit mit Syntax kann die Reproduzierbarkeit der Ergebnisse sichergestellt werden. Für die einzelnen Aufgaben ist daher auch ein Stata Syntax File abzugeben.

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: 60%) und der schriftl. Wiederholungen (40%) 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

- Agresti, Alan und Finlay, Barbara (2014). Statistical methods for the social sciences (4. Auflage). Pearson, https://www.pearson.com/us/higher-education/program/Agresti-Statistical-Methods-for-the-Social-Sciences-5th-Edition/PGM334444.html
- Backhaus, Klaus et al. (2016). Multivariate Analysemethoden: Eine anwendungsorientierte Einführung (14. Auflage). Berlin: Springer, http://www.springer.com/de/book/9783662460757
- Kohler, Ulrich und Kreuter, Frauke (2012). Datenanalyse mit Stata: Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung (4. Auflage). München: Oldenbourg Verlag
- Treiman, Donald J. (2009). Quantitative data analysis: doing social research to test ideas. San Francisco: Wiley, http://eu.wiley.com/WileyCDA/WileyTitle/productCd-0470380039.html

Weitere Literatur wird in der LV bekannt gegeben.

Zuordnung im Vorlesungsverzeichnis

in 905: Pflichtmodul MA M Methoden

Letzte Änderung: Fr 31.08.2018 08:43