230134 UE Spezielle multivariate Analyseverfahren in den Sozialwissenschaften (2023W)

Inhalt der Lehrveranstaltung ist eine Einführung in 1) eine Reihe zentraler multivariater statistischer Auswertungsverfahren, 2) die Anwendung mit der freien Statistiksoftware R und 3) die wissenschaftliche reproduzierbare Arbeitsweise bei der Analyse und Berichtserstellung.

Multivariate Verfahren sind speziell für die Analyse von Daten aus nicht-experimentellen Untersuchungen unerlässlich und fester Bestandteil der quantitativ-statistischen sozialwissenschaftlichen Werkzeugkiste. Komplexe soziale Phänomene lassen sich nicht einfach messen und und erklären. Entsprechend braucht es bei der Erhebung mehrere Indikatoren um diese zu erheben und bei der Analyse mehrerer/vieler aus theoretischer Sicht erklärender Merkmale. Multivariate Verfahren können zur Messung von Phänomenen eingesetzt werden: Mittels explorativer Faktorenanalyse kann eine Menge korrelierender Indikatoren auf eine kleinere Anzahl von Faktoren verdichtet werden, was z.B. bei der Messung komplexer Phänomene mittels mehrerer Indikatoren genützt wird. In multiplen Regressionsmodellen kann untersucht werden, wie sich mehrere Einflussgrößen auf die Variation einer bestimmten abhängigen Größe auswirken. Die Effekte der einzelnen erklärenden Variablen werden dabei gemeinsam und kontrolliert für den Einfluss der jeweils anderen Variablen im Modell geschätzt und getestet. Die Wahl des Regressionsverfahrens ist u.a. vom Skalenniveau und der Verteilung des zu erklärenden Merkmals abhängig, wobei sich auf Seiten der erklärenden Merkmale alle Skalenniveaus in die Modelle integrieren lassen und auch auch komplexe Interaktionen zwischen Merkmalen modelliert werden können.

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 regressionsanalytischen Verfahren (lineare, logistische Regression), deren Grundlagen und deren praktischer Anwendung. Behandelt werden weiters Hauptkomponenten- und Faktorenanalyse, sowie Reliabilitätsanalysen für die Skalierung.

Datengrundlage sind unterschiedliche, für wissenschaftliche Zwecke frei verfügbare Datensätze wie z.B. der European Social Survey (ESS). Um die Reproduzierbarkeit der Ergebnisse sicherzustellen wird, wie in der (guten) wissenschaftlichen Praxis üblich, nicht mit Maus und Menü, sondern mittels Programmierung gearbeitet: so erfolgt der Vortrag anhand von Beispielen, die per Programmcode ausgeführt werden, und bei den Übungsaufgaben ist auch der entsprechende Programmcode abzugeben. Die Einführung in diese Arbeitsweise ist Inhalt der ersten Einheiten. Die praktische Arbeit erfolgt mit der Statistiksoftware R, die als Programmiersprache sehr flexibel ist und eine Reihe von Vorteilen gegenüber anderen Programmen aufweist, aber auch einen etwas höheren Einarbeitungsaufwand. Die Benutzung wird im Laufe der LV an Beispielen erklärt und in Übungen und im Selbststudium außerhalb der LV-Einheiten vertieft.

Ziel der LV ist es, die TeilnehmerInnen in die Lage zu versetzen zu einer Fragestellung das jeweils passende 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 und die Ergebnisse der vorgestellten Verfahren in der Fachliteratur kritisch zu beurteilen.