Lehrende/r: Dr. Daniel Vorgrimler
Veranstaltungsart: Seminar
Anzeige im Stundenplan: S.quali quanti FG1
Semesterwochenstunden: 2
Credits: 4,0
Unterrichtssprache: Deutsch
Min. | Max. Teilnehmerzahl: - | 24
Prioritätsschema: Senatsrichtlinie Zulassung gemäß Richtlinie über den Zugang zu teilnahmebeschränkten Lehrveranstaltungen vom 07. März 2007. Nähere Informationen hierzu entnehmen Sie bitte www.info.jogustine.uni-mainz.de/senatsrichtlinie
Voraussetzungen / Organisatorisches: - Grundkenntnisse in Regressionsanalyse - Kenntnisse in SPSS hilfreich aber nicht zwingend notwendig
Inhalt: Die Regressionsanalyse gehört zu den am häufigsten eingesetzten statistischen Analyseverfahren. Moderne Statistiksoftware – wie SPSS– haben verschiedene Methoden der Regressionsanalyse in ihren Standardpaketen implementiert, so dass die Verfahren für eine breitere Gruppe an Anwendern zur Verfügung stehen. Die Veranstaltung vermittelt aufbauend auf den Inhalten der Veranstaltung "Einführung in Statistik" weitergehende Kenntnisse der Regressionsanalyse und ihrer Umsetzung in SPSS. Zunächst wird auf die Korrelationsanalyse eingegangen, mit einem Fokus auf deren Voraussetzungen (Linearität, Scheinkorrelation und Alphafehler-Kumulation). Anschließend steht die eigentliche Regressionsanalyse im Mittelpunkt. Zunächst wird das einfache lineare Modell betrachtet und darauf aufbauend das multiple Regressionsmodell beleuchtet. Begriffe wie Mulitkollinearität und Heteroskedastizität und der Umgang mit Ihnen werden geklärt. Weiterhin werden nichtlineare Modelle Thema der Veranstaltung sein und es wird in die Welt der logistischen und ordinalen Regression eingeführt
Empfohlene Literatur: Baur, Nina; Fromm, Sabine (Hrsg.) 2008: Datenanalyse mit SPSS für Fortgeschrittene, 2. Auflage Wiesbaden: Verlag für Sozialwissenschaften Schendera, Christian 2008: Regressionsanalyse mit SPSS, München: Oldenbourg