Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle.

Regelungen zum Lehrbetrieb vor Ort inkl. Eintrittstests finden Sie unter https://studieren.univie.ac.at/info.

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

290138 VU Statistische Datenanalyse mit SPSS (2020S)

5.00 ECTS (2.00 SWS), SPL 29 - Geographie
Prüfungsimmanente Lehrveranstaltung

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine

LV-Start am 26.03.2020

DO 26.03.2020 11.30-15.00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33 (Bestätigt)
DO 23.04.2020 11.30-15.00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33 (Bestätigt)
DO 07.05.2020 11.30-15.00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33 (Bestätigt)
DO 28.05.2020 11.30-15.00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33 (Bestätigt)
DO 18.06.2020 11.30-15.00 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33 (Bestätigt)

Tutoriumstermine:
MI 29.04.2020 11.30-12.30 Class Room 4 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-33 (Bestätigt)
DI 19.05.2020 11.00-12.30 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25 (Bestätigt)
DI 09.06.2020 11.00-12.30 Class Room 3 ZID UniCampus Hof 7 Eingang 7.1 2H-O1-25 (Bestätigt)

Update 15. 3. 2020: Durch die Umstellung auf home-learning kommt auch Online-Lehre zum Einsatz. Zu den LV-Zeiten wird ein Link zu einer Online-Meeting Software (Jitsi) über Moodle zur Verfügung gestellt, um interaktive Fernlehre zu ermöglichen.


Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziele:
- Tieferes Verständnis für deskriptiv- und inferenzstatistische sowie multivariate statistische Methoden entwickeln
- Richtige Auswahl der richtigen statistischen Methode für eine konkrete quantitative Fragestellung treffen
- Eigenständiges Durchführen von deskriptiven, inferenzstatistischen und multivariaten Analysen mit der Statistiksoftware SPSS
- Eigenständige Interpretation von Ergebnissen statistischer Analysen (SPSS-Output)
- Fachliteratur lesen und kritisch bewerten können

Inhalte:
- Datenquellen für insb. humangeografische Fragestellungen
- Kurze Wiederholung von Grundbegriffen der Statistik
- Einführung in die Statistiksoftware SPSS inkl. Durchführung von Berechnungen, Umkodierungen, Sortierungen, Aggregationen etc.
- Deskriptive statistische Analysen mit SPSS: Häufigkeitsbegriff, Lage- und Streuungsmaße, einfache Diagramme (Säulen- und Kreisdiagramm, Histogramm, Streudiagramm)
- Verteilungsanalyse mit SPSS: (Standard)Normalverteilung, Verteilungsmaße, Box-Plots, zusätzliche Prüfverfahren auf Normalverteilung (QQ-Plots, KS-Test)
- Grundbegriffe der Inferenzstatistik (schließende Statistik): Stichproben (abhängige und unabhängige), Unterschieds- und Zusammenhangshypothesen, Null- und Alternativhypothese, Fehler 1. Art und Fehler 2. Art, Signifikanzniveau, Teststärke (power), p-Wert, Standardfehler und Konfidenzintervalle
- Inferenzstatistische Analysen mit SPSS:
o Unterschiedshypothesen: 2 und >2 Gruppenvergleich für abhängige und unabhängige Stichproben: parametrisch und nicht-parametrisch (T-Test unabhängig, U-Test, T-Test abhängig, Wilcoxon-Test, Varianzanalyse (ANOVA), Kruskal-Wallis-Test, ANOVA mit Messwiederholungen, Friedman-Test)
o Zusammenhangshypothesen (kategoriale Variable): Kreuztabellen, Test für abhängige und unabhängige Stichproben (McNemar, Chi-Quadrat), Assoziationsmaße; Zusammenhangshypothesen (metrische Variable): Korrelation (Pearson und Spearman), partielle Korrelation
- Bi- und multivariate Methoden mit SPSS: Einfache und multiple lineare Regression, logistische Regression, multinomiale und ordinale logistische Regression, komplexere varianzanalytische Modelle, Kovarianzanalyse, Reliabilitätsanalyse, Clusteranalyse (Grundkenntnisse)

Die Erarbeitung der oben genannten Inhalte erfolgt unter Zuhilfenahme von Datensätzen aus EUROSTAT und ESS; diese werden zur Verfügung gestellt.

Methode (Update 21.03.2020):
- LV-Inhalte für das Selbststudium werden mittels Vortragsfolien und Audio-Erläuterungen aufbereitet
- Tutorials zur Handhabung von SPSS werden zur Verfügung gestellt
- Vorlesungsteile und Übungen wechseln einander ab
- Interaktion zwischen dem Vortragenden und den Studierenden mittels Online-Meetings (Jitsi)
- Selbstständiges Lösen von Aufgabenstellungen

Art der Leistungskontrolle und erlaubte Hilfsmittel

mehrere Arbeitsaufträge im Lauf des Semesters
Schriftliche Prüfung (Moodle)

Mindestanforderungen und Beurteilungsmaßstab

Arbeitsaufträge (50%)
Prüfung (50%)

Prüfungsstoff

Lehrveranstaltungsunterlagen: ppt-Folien und Tutorials via Moodle
Konzeptionelle Verständnisfragen und Interpretation von Ergebnissen (SPSS-Output)

Literatur

Bortz J, Schuster C (2016): Statistik für Human- und Sozialwissenschaftler, Springer.
Brosius F (2013): SPSS 21, mitp.
Hartung J (2009): Statistik: Lehr- und Handbuch der angewandten Statistik, Oldenburg.
Field A (2018): Discovering Statistics Using SPSS

Zuordnung im Vorlesungsverzeichnis

(BA GG 5.2) (MA UF GW 02)

Letzte Änderung: Di 31.03.2020 11:28