02.129.072 KG Statistik II

Veranstaltungsdetails

Lehrende/r: Fabio Best; Lutz Ickstadt; Dr. Holger Reinermann; Robert Welz

Veranstaltungsart: online: Kleingruppe

Anzeige im Stundenplan: KG Stat II

Semesterwochenstunden: 2

Unterrichtssprache: Deutsch

Min. | Max. Teilnehmerzahl: - | 132

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:
Bereich: Methoden
Besuch der Vorlesung Statistik II

Inhalt:
Die Veranstaltung unterstützt mit praktischen Übungen die Veranstaltung Statistik II von Prof. Dr. Sascha Huber. Im Zentrum stehen Ergänzungen und Erweiterungen der aus Statistik I bekannten Analyseverfahren. Daneben werden weitere fortgeschrittene Verfahren behandelt und vertieft. Kern der Übung ist die Implementation dieser Verfahren in Stata und die Veranschaulichung an Beispielen.

Empfohlene Literatur:
Agresti, A./Finlay, B.: Statistical Methods for the Social Sciences. Pearson 2009
Fox, John: A mathematical primer for social statistics. Sage 2008.
Fox, John: Applied regression analysis, linear models, and related methods. Sage 1997
Gelman, A., Hill. J.: Data Analysis Using Regression and Multilevel/Hierarchical Models. CUP 2006
Gill, J.: Essential Mathematics for Political and Social Research. Cambridge 2006.
Kohler, U. / Kreuter, F.: Datenanalyse mit Stata. Oldenbourg 2008.

Digitale Lehre:
Die Materialien der Übungen Statistik 2 werden u.a. in Form von Lehrvideos und Übungsblättern online über den Moodle (lms.uni-mainz.de/moodle) bereitgestellt, sodass eine asynchrone Teilnahme an den Übungen möglich ist. Zusätzlich besteht die Möglichkeit zum Austausch mit den Dozierenden u.a. in Foren und Telefon-/Videokonrenzen

Kleingruppe(n)
Die Veranstaltung ist in die folgenden Kleingruppen aufgeteilt:
Termine
Datum Von Bis Raum Lehrende/r
Es liegen keine Termine vor.
Übersicht der Kurstermine
Lehrende/r
Dr. Holger Reinermann
Robert Welz
Fabio Best
Lutz Ickstadt