230084 VO+UE Analyse kategorialer Daten (2009S)

6.00 ECTS (3.00 SWS), SPL 23 - Soziologie

Prüfungsimmanente Lehrveranstaltung

AAKH, EDV Raum 2,
09.03., 10.03., 20.04., 21.04., 22.06., 23.06., 09:00-16:00

Details

Sprache: Deutsch

Lehrende

Florian Pichler

Termine

Zur Zeit sind keine Termine bekannt.

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Nach einer kurzen Darstellung von grundlegenden Begriffen (Lage- und Streuungsmaße von kategorialen Daten, Unterschiede zu kontinuierlichen Daten,...) sowie Analysemethoden (allgemein) werden erste Methoden zur Auswertung kategorialer Daten (bivariat und trivariat, tabellarisch sowie graphisch) beschrieben. Im Anschluss daran wird die logistische Regression im Detail behandelt. Dabei handelt es sich um ein Regressionsmodell, bei welchem die abhängige Variable kategorialer Natur ist. Die Verwandtschaft zur linearen Regression wird betrachtet sowie Varianten der logistischen Regression (binär, multinomial und ordinal) aufgezeigt. Anhand von Beispielen aus der gegenwärtigen Forschung (forschungsgeleitete Lehre) wird veranschaulicht, welche Ergebnisse logistische Regressionen liefern und wie diese zu interpretieren sind. Weiters wird gezeigt, wie logistische Regressionen im SPSS durchzuführen sind damit Studierende eigene Fragestellungen erarbeiten können. Neben der logistischen Regression beschäftigt sich die Lehrveranstaltung auch noch mit Logit und Loglinearen Modellen, sowie Latent Class Analysis. Diese Methoden werden jedoch in weniger Detail behandelt um den Studierenden einen Gesmatüberblick über die Vielfältigkeit von Methoden zur Auswertung kategorialer Daten zu geben. Im Abschluss werden auch noch allgemeine Methoden (zb Faktoranalyse, Clusteranalyse...) anhand von kategorialen Daten präsentiert. Da nicht alle dieser Methoden im SPSS berechnen werden können, wird alternative Software vorgestellt.
Studierende haben die Aufgabe selbst eine Analyse kategorialer Daten durchzuführen. Dabei steht der methodische Aspekt im Vordergrund, allerdings wird großer Wert auf die theoretische Fundierung der Forschungsfrage gelegt. Diesbezüglich vermittelt die Lehrveranstaltung auch Kenntnisse über die Recherche von aktueller Literatur (va im Internet via Datenbasen [zB Sociological Abstracts], Online Journals, sowie anderen Quellen) sowie Datenquellen (erhältliche Datensätze). Im Rahmen der LV sollen Studierende ihre eigene Forschungsfrage entwickeln, mit Literatur belegen, Hypothesen formulieren, Operationalisierungen durchführen sowie Auswertungen (kategoriale Daten) dazu liefern. Abschließend sollen Studierende ihre Auswertungen den Kollegen präsentieren, gemeinsam diskutieren und darüber eine schriftliche Arbeit (ca. 5000 Wörter) verfassen.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Mindestanforderungen und Beurteilungsmaßstab

Die Lehrveranstaltung vermittelt grundlegende und fortgeschrittene Kenntnisse der Analyse von kategorialen Daten mit Schwerpunkt auf logistischer Regression (binär, multinomial sowie ordinal). Ähnlichkeiten mit Methoden zur Analyse kontinuierlicher Variablen werden aufgezeigt. Studierende sollen in der Lage sein, eigenständig Analysen mit kategorialen Daten durchzuführen und diese zu interpretieren/präsentieren. Dabei werden Studierende besonders auf die Wichtigkeit der Verknüpfung von Theorie und empirischer Analyse aufmerksam gemacht. Nach erfolgreichen Abschluss dieser Lehrveranstaltung sind Studierende in der Lage
" Die Parallelen ziwschen der Analyse kategorialer und koninuilerlicher Daten zu erkennen
" Kategoriale Variablen korrekt in statistischen Analysen einzubauen
" Ergebnisser verschiedenster Methoden korrekt zu interpretieren
" Auswertungen von kategorialen Daten selbst korrekt durchzuführen, darzustellen und zu interpretieren
" Theoretisch-konzeptionelle Überlegungen mit empirischen Analysen zu verbinden
" Neue Medien (Internet) erfolgreich zur Suche von neuester Ltieratur zu verwenden
" Eigenständig am Design von Studien und Auswertung kategorialer Daten zu arbeiten
" Inhalte der kategorialen Datenanalyse effizient zu präsentieren

Prüfungsstoff

Die Lehrveranstaltung alterniert zwischen Vorlesungs- und Praxiseinheiten (EDV Schulungsraum). Im Vorlesungsteil widmet sich die Lehrveranstaltung vor allem der logistischen Regression in allen Varianten. Desweiteren werden andere (wenig bekanntere) Methoden zur Analyse kategorialer Daten (Latent Class, Logit und Loglineare Modelle) sowie allgemeine Methoden (zb Faktor- oder Clusteranalysen) mit kategorialen Daten beschrieben und anhand von Beispielen im SPSS (und anderer Software) veranschaulicht. Im Praxisteil wird gezeigt wie anhand vorhandener Software (SPSS) kategoriale Daten auszuwerten sind. Im Sinne von forschungsgeleitetem Lernen werden Beispiele aus der aktuellen Forschung zur Illustration herangezogen. Kleinere Übungen sollen helfen, das Erlernte auch praktisch anzuwenden. Studierende werden anhand von Sekundärdaten (zB ESS) selbst Datensätze auswerten und ihre Ergebnisse (sowie Vorgehensweise) präsentieren und verschriftlichen. Die Lehrveranstaltung erweist sich als interaktiv und versucht die Studierenden auf verschiedene Arten und Weisen in das Geschehen miteinzubinden.

Literatur

Agresti, A.: 2002, Categorical Data Analysis, 2 edn, Wiley, Hoboken, NJ.
Andersen, E. B.: 1990, The Statistical Analaysis of Categorical Data, Springer-Verlag, Berlin, Heidelberg, New York and Tokyo.
Andreß, H. J., Hagenaars, J. A. and Kühnel, S.: 1997, Analyse von Tabellen und kategorialen Daten. Log-lineare Modelle, latente Klassenanalyse, logistische Regression und der GSK-Ansatz, Springer, Berlin.
Hosmer, D. W. and S. Lemeshow. Applied Logistic Regression. Wiley, Hoboken, NJ.
Uebersax, J. S.: 2005, Latent Class Analysis. Frequently Asked Questions, World Wide Web. Retrieved March 13. *http://ourworld.compuserve.com/homepages/jsuebersax/faq.htm.
Vermunt, J. K.: 1997, ?em: A general program for the analysis of categorical data, Tilburg University, World Wide Web. Retrieved March 13, 2005. *http://spitswww.uvt.nl/web/mto/lem/manual.pdf.
Vermunt, J. K. and Magidson, J.: 2005, Latent Class Analysis, World Wide Web. Retrieved March 13. *http://www.statisticalinnovations.com/articles/Latclass.pdf.
Weitere Literatur wird in der Lehrveranstaltung bekanntgegeben bzw. Selbst gesucht werden.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 31.08.2018 08:54