SOZ.06346.02 - Methoden der multivariaten Datenanalyse (SM1) (Vollständige Modulbeschreibung)

SOZ.06346.02 - Methoden der multivariaten Datenanalyse (SM1) (Vollständige Modulbeschreibung)

Originalfassung Englisch
SOZ.06346.02 10 CP
Modulbezeichnung Methoden der multivariaten Datenanalyse (SM1)
Modulcode SOZ.06346.02
Semester der erstmaligen Durchführung
Fachbereich/Institut Institut für Soziologie
Verwendet in Studiengängen / Semestern
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Quantitative und qualitative Sozialforschung
  • Soziologie (MA120 LP) (Master) > Soziologie SoziologieMA120, Akkreditierungsfassung gültig ab WS 2021/22 > Pflichtmodule
  • Soziologie (MA120 LP) (Master) > Soziologie SoziologieMA120, Akkreditierungsfassung (WS 2017/18 - SS 2021) > Pflichtmodule
  • Soziologie (MA45/75 LP) (Master) > Soziologie SoziologieMA45/75, Akkreditierungsfassung gültig ab WS 2021/22 > Pflichtmodule
  • Soziologie (MA45/75 LP) (Master) > Soziologie SoziologieMA45/75, Akkreditierungsfassung (WS 2017/18 - SS 2021) > Pflichtmodule
Modulverantwortliche/r
Weitere verantwortliche Personen
Prof. Dr. Oliver Arránz Becker
Teilnahmevoraussetzungen
Kompetenzziele
- Fähigkeit und praktische Fertigkeit, die spezifischen Techniken der multivariaten Datenanalyse in ihren Voraussetzungen, Grundlagen und Anwendungsmöglichkeiten zu verstehen, diese korrekt anzuwenden und die Ergebnisse zu interpretieren
- Technische Fertigkeiten im Einsatz von Computern und mindestens einem statistischen Programmpaket für die Programmhandhabung, Datenaufbereitung, Schätzung und Ergebnispräsentation der multivariaten Analysemodelle
- Vergleichende Evaluation der Stärken und Schwächen alternativer Analysemethoden für eigene Fragestellungen
- Entwicklung von Programmcode zur Datenaufbereitung und zur Lösung von spezifischen Analysefragestellungen
Modulinhalte
  • Die Vorlesung vermittelt die grundlegenden Konzepte, Anwendungsvoraussetzungen und Einsatzmöglichkeiten multivariater Analyseverfahren. Dazu gehören das verallgemeinerte lineare Regressionsmodell und Verfahren der Datenreduktion und -klassifizierung. Deren praktische Anwendung wird in den Übungen unter Zuhilfenahme entsprechender Computer-Software (wie Stata) trainiert und erprobt. Dabei werden verschiedene Datensätze aus der Umfrageforschung und aus anderen Quellen herangezogen.
Schwerpunkte bilden hierbei das verallgemeinerte lineare Modell (inkl.logistischer Regression), die Pfadanalyse zur Bestimmung von Mediatoreffekten sowie das Hierarchisch-Lineare Modell der Mehrebenenanalyse.
Lehrveranstaltungsformen Vorlesung (2 SWS)
Übung (2 SWS)
Kursus
Kursus
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester Semester
Angebotsrhythmus Modul jedes Wintersemester
Aufnahmekapazität Modul unbegrenzt
Prüfungsebene
Credit-Points 10 CP
Modulabschlussnote LV 1: %; LV 2: %; LV 3: %; LV 4: %.
Faktor der Modulnote für die Endnote des Studiengangs 1
Modulveran­staltung Lehrveranstaltungs­form Veranstaltungs­titel SWS Workload Präsenz Workload Vor- / Nach­bereitung Workload selbstge­staltete Arbeit Workload Prüfung incl. Vorbereitung Workload Summe
LV 1 Vorlesung Vorlesung 2 0
LV 2 Übung Übung 2 0
LV 3 Kursus Selbststudium (Vor- und Nachbereitung der LV) 0
LV 4 Kursus Klausurvorbereitung 0
Workload modulbezogen 300 300
Workload Modul insgesamt 300
Prüfung Prüfungsvorleistung Prüfungsform
LV 1
LV 2
LV 3
LV 4
Gesamtmodul
Klausur
Wiederholungsprüfung
Regularien Teilnahme­voraussetzungen Angebots­rhythmus Anwesenheits­pflicht Gewicht an Modulnote in %
LV 1 Wintersemester Nein %
LV 2 Wintersemester Nein %
LV 3 Wintersemester Nein %
LV 4 Wintersemester Nein %