Statistische Modelle
Modulbezeichnung in Englisch: Statistical Models
Prüfungsnummer: 6019
Semester: ab 4. Semester (Schwerpunktbildung)
Dauer des Moduls: Ein Semester
Art des Moduls (Pflicht, Wahl, etc.): Wahlpflicht
Häufigkeit des Angebots des Moduls: Bis einschließlich Sommersemester 2017, jedes Sommersemester. Danach jedes Wintersemester.
Zugangsvoraussetzungen: "Angewandte Statistik (Statistik 2)" wünschenswert. Abgeschlossene Grundlagenausbildung empfohlen.
Verwendbarkeit des Moduls für andere Studiengänge:
Pflicht- bzw. Wahlmodul für andere Studiengänge. Das Nähere regeln die Bestimmungen des entsprechenden Studiengangs.
Modulverantwortlicher/Modulverantwortliche: Prof. Dr. Wolfgang Schmid
Name der/des Hochschullehrer/s: Prof. Dr. Wolfgang Schmid
Lehrsprache: Deutsch
Zahl der zugeteilten ECTS-Credits: 6
Gesamtworkload und ihre Zusammensetzung (z.B. Selbststudium + Kontaktzeit):
Kontaktzeit (Vorlesung, Übung, Seminar etc.) 33,75 Std.; Selbststudium: 146,25 Std.
Lehrveranstaltungsstunden (LVS): 4
Art der Prüfung/ Voraussetzung für die Vergabe von Leistungspunkten:
Erfolgreiche Teilnahme an der mündlichen Prüfung (ca. 25 min)
Gewichtung der Note in der Gesamtnote: Regeln die Bestimmungen des entsprechenden Studiengangs
Qualifikationsziele des Moduls:
Fachliche Kompetenzen:
Die Studierenden sollen lernen und verstehen
- weiterführende statistische Methoden
- Interpretation der Ergebnisse einer statistischen Analyse
- Analyse von Fallstudien
- Anwendung von Statistik-Software-Programmen zur Datenanalyse
Sie erwerben die Fähigkeiten
- empirische Datenanalysen durchzuführen
- ausgewählte statistische Methoden anzuwenden
- Umgang und Einsatz der Statistik-Software R
Außerfachliche und überfachliche Kompetenzen:
- Selbstreflexion, Lernstandsanalyse
- Erarbeitung wissenschaftlicher Fragestellungen
- Erstellung schriftlicher Arbeiten
- Erstellung von Referaten und Vorträgen
- Akademischer Diskurs und wissenschaftliche Diskussion mündlich/schriftlich
Inhalte des Moduls:
1. Einführung in das Software-Paket R
2. Explorative Datenanalyse
3. Parametrische und nichtparametrische Tests für univariate und bivariate Daten
4. Multiple lineare Regression
5. Varianzanalyse
6. Diskriminanzanalyse und Clusteranalyse
Lehr- und Lernmethoden des Moduls:
Vorlesung, Übung, Einsatz von Beispielen aus der Praxis, Analyse von Fallstudien, Durchführung statistischer Datenanalysen, Präsentationen
Besonderes (z.B. Online-Anteil, Praxisbesuch, Gastvorträge, etc.):
Gastvorträge
Literatur (Pflichtlektüre/zusätzlich empfohlene Literatur):
Fahrmeir, W. H.: Regression: Modelle, Methoden und Anwendungen (Statistik und ihre Anwendungen, Springer, 2007.
Hartung, J., Elpelt, B. und K.-H. Klösener: Statistik. Oldenbourg Verlag, 2012.
Fahrmeir, L. und A. Hamerle: Multivariate statistische Verfahren. de Gruyter, 1996.
Greene, W. H.: Econometric Analysis. Prentice Hall, 2012.
Weitere Informationen:
Registrierung in Moodle Viadrina erforderlich.