230078 UE Advanced Quantitative Methods: Data Analysis with R (2019W)

4.00 ECTS (2.00 SWS), SPL 23 - Soziologie

Continuous assessment of course work

Moodle

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Registration is open from Mo 19.08.2019 13:00 to Th 19.09.2019 13:00
Deregistration possible until Su 20.10.2019 23:59

Details

max. 25 participants

Language: German

Lecturers

David Johann

Classes (iCal) - next class is marked with N

    
    Saturday
    05.10.
    09:45 - 13:45
    Class Room 4 ZID  UniCampus Hof 7 Eingang 7.1 2H-O1-33
    
    Saturday
    12.10.
    09:45 - 13:45
    Class Room 4 ZID  UniCampus Hof 7 Eingang 7.1 2H-O1-33
    
    Saturday
    19.10.
    09:45 - 13:45
    Class Room 4 ZID  UniCampus Hof 7 Eingang 7.1 2H-O1-33
    
    Saturday
    09.11.
    09:45 - 13:45
    Class Room 4 ZID  UniCampus Hof 7 Eingang 7.1 2H-O1-33
    
    Saturday
    30.11.
    09:45 - 13:45
    Class Room 4 ZID  UniCampus Hof 7 Eingang 7.1 2H-O1-33
    
    Saturday
    11.01.
    09:45 - 13:45
    Class Room 4 ZID  UniCampus Hof 7 Eingang 7.1 2H-O1-33
    
    Saturday
    25.01.
    09:45 - 13:45
    Class Room 4 ZID  UniCampus Hof 7 Eingang 7.1 2H-O1-33

Information

Aims, contents and method of the course

Das Seminar beginnt mit einer Einführung in R, bei der den Teilnehmer*innen Techniken des Datenmanagements sowie Möglichkeiten der univariaten Datenanalyse nähergebracht werden. Anschließend wird an praktischen Beispielen und unter Rückgriff auf Daten des Sozialen Surveys Österreich (SSÖ) bzw. des International Social Survey Programme (ISSP) geübt, wie mit R bivariate und multivariate Analysen durchgeführt werden können. Eingegangen wird dabei u.a. auf verschiedene Regressionsverfahren (lineare Regression, binäre und multinomiale logistische Regression, Mehrebenenanalyse) als auch auf Verfahren der Faktorenanalyse. Auch verschiedene Formen der grafischen Datenanalyse und Ergebnisdarstellung werden besprochen.
Ziel ist es, die Teilnehmer*innen anhand praktischer Beispiele dazu zu befähigen, eigenständig Forschungsfragen mit R zu beantworten.
Themenvorschläge der Teilnehmer*innen sind jederzeit willkommen und können in die Veranstaltung integriert werden. Statistische Grundkenntnisse werden vorausgesetzt.

Assessment and permitted materials

Die Leistungskontrolle setzt sich aus fünf Hausübungen (praktische Übungen am PC, die pünktlich zu vorher festgelegten Terminen abgegeben werden müssen) zusammen (je Hausübung 20% der Endnote).

Hinweis der SPL:
Die Erbringung aller Teilleistungen ist Voraussetzung für eine positive Beurteilung, wenn nicht explizit etwas anderes vermerkt wurde.
Werden einzelne verpflichtende Teilleistungen nicht erbracht, gilt die Lehrveranstaltung als abgebrochen. Falls dem Nichterbringen der Leistung kein wichtiger und unvorhersehbarer Grund seitens des/der Studierenden vorliegt, wird die LV negativ beurteilt.
Bei Vorliegen eines solchen Grundes (zB eine längere Erkrankung) kann der/die Studierende auch nach Ablauf der Frist von der LV abgemeldet werden. Über das Vorliegen eines wichtigen Grundes entscheidet die Lehrveranstaltungsleitung. Der Antrag auf Abmeldung ist unverzüglich nach Eintreten des Grundes zu stellen.
Wurde eine Teilleistung erschlichen, d.h. etwa bei einer Prüfung oder einem Test geschummelt, bei einer schriftlichen Arbeit plagiiert oder auch Unterschriften auf Anwesenheitslisten gefälscht, wird die gesamte Lehrveranstaltung als "nicht beurteilt" gewertet und mit dem Vermerk "geschummelt/erschlichen" in das Notenerfassungssystem eingetragen.
Im Zuge der Beurteilung kann eine Plagiatssoftware (Turnitin in Moodle) zur Anwendung kommen: Details werden von den Lehrenden in der Lehrveranstaltung bekanntgeben.

Minimum requirements and assessment criteria

(1) Regelmäßige und aktive Teilnahme (bei 6 Einheiten/Blöcken maximal eine unentschuldigte Fehleinheit).
(2) Die Note ergibt sich aus den Teilleistungen, d.h. aus den fünf Hausübungen, wobei jede Teilleistung/Hausübung zu 20% in die Endnote einfließt.

Examination topics

Reading list

Chang, Winston (2013): R Graphics Cookbook. O'Reilly.
Luhmann, M. (2013) R für Einsteiger. Einführung in die Statistiksoftware für die Sozialwissenschaften. Weinheim/Basel: Beltz Verlag.
Manderscheid, Katharina (2017): Sozialwissenschaftliche Datenanalyse mit R. Eine Einführung. Springer VS.

Association in the course directory

Last modified: Mo 07.09.2020 15:21