Workshops und Veranstaltungen des Methodenzentrums

Im Wintersemester 2020/2021 bot das Methodenzentrum folgende Workshops an:

  • Einführung in die Statistik mit R
  • Fortgeschrittene statistische Datenanalyse mit R

Über unsere Mailingliste erhalten Sie Informationen zu kommenden Workshops!

Informationen zu vergangenen Workshops finden Sie hier.


Wichtige Hinweise:

Die Workshops des Methodenzentrums richten sich primär an Bachelorstudierende der Geothe-Universität (insbesondere der Fachbereiche 2-5), daher werden die Plätze auch bevorzugt an diese vergeben. 

Wenn Sie sich also bereits in einem fortgeschrittenen Abschnitt ihre Studiums befinden (Master, Promotion etc.), dann erhalten zu zunächst einen Platz auf der Warteliste.

Personen die nicht an der Goethe-Univesität studieren, können leider nicht an den Workshops des Methodenzentrums teilnehmen!

Bitte beachten Sie: Die Anmeldebestätigung werden nicht automatisch erstellt, sodass es ein paar Tage dauern kann bis Sie eine Bestätigung erhalten. 


Einführung in die Statistik mit R

Referent: Ulrich Scholz

Termine: Freitag, 27.11.2020, 14-18 Uhr und Samstag, 28.11.2020, 12-16 Uhr sowie Freitag, 04.12.2020, 14-18 Uhr und Samstag, 05.12.2020, 12-16 Uhr (viertägig)

Der Kurs findet voraussichtlich online (per zoom) statt.

Der viertägige Kurs ist fachübergreifend konzipiert und richtet sich an alle, die wissen wollen, wie das Programm R bzw. die Benutzeroberfäche R-Studio aufgebaut ist und wie mit diesem Programm statistische Auswertungen erstellt und zuverlässig interpretiert werden können. Der Kurs ist besonders auf Studierende ausgerichtet, die einen Einstieg die statistische Datenanalyse mit R suchen oder auf diese Software umsteigen wollen. Es werden keine Vorkenntnisse mit R erwartet und die jeweils vorausgesetzten statistischen Konzepte werden sorgfältig rekapituliert.

Kursüberblick:

R ist eine sehr leistungsfähige, zuverlässige und kostenfreie Software für statistische Datenanalysen und Textanalysen, die die Möglichkeiten kommerzieller Programmpakete wie SPSS oder Stata insbesondere bei grafischen Darstellungen übersteigt. Einführend werden die grundlegenden Bausteine von R verständlich vorgestellt: Datentypen und Datenstruktur von R, zu der Vektoren, Faktoren, Data Frames, Funktionen, Einbezug von Paketen u.a. gehören.

Auf dieser Grundlage werden zunächst Auswertungen aus dem Bereich beschreibender Kennwerte wie Häufigkeiten, Mittelwerte und Streuungswerte sowie Analysen mit Teilgruppenvergleichen durchgeführt. Auf der Basis von Tabellen- und Zusammenhangsanalysen werden bivariate und multivariate Fragestellungen bearbeitet und die Ergebnisse zusätzlich grafisch dargestellt. Es  folgen grundlegende inferenzstatische Auswertungen.

Durchgehend praxisorientiert, auf typische Auswertungen aus den Fächern der Studierenden bezogen und erläutert an vielen Beispielen wird in die Verwendung dieses Programms grundlegend eingeführt.

Auf die Interpretation der Ergebnisse wird unter Beachtung der Fragestellung und des Datenerhebungsdesigns besonders geachtet und leicht mögliche statistische Fehlinterpretationen werden diskutiert.

Während des Kurses ist genügend Zeit für selbständige Übungen, um die erworbenen Kenntnisse zu festigen.

Kursunterlagen werden gestellt.

Kursziele:

Nach diesem Kurs kennen Sie das Grundkonzept von R und sind in der Lage, ausgehend von der Fragestellung alle Schritte von der Dateneingabe oder dem Datenimport über erste Auswertungsanalysen bis hin zur Präsentation der Ergebnisse mit R selbständig und kompetent durchzuführen und für andere verständlich darzustellen.

Level: Anfänger/-innen

Credit Points:

Für einen Leistungsnachweis erhalten Sie 3 Credit Points, welche Sie sich für das Methodenzertifikat anrechnen lassen können.

Empfohlene Literatur:

Alexandrowicz, Rainer W.: R in 10 Schritten. Einführung in die statistische Programmierumgebung. Stuttgart: UTB GmbH – facultas, 2013.

Field, Andy / Miles, Jeremy / Field, Zoe: Discovering Statistics Using R. London: Sage Publications Ltd., 2012.

Jann, Ben: Einführung in die Statistik. München, Wien, Oldenbourg: De Gruyter, 2., bearb. Aufl., 2005.

Kahnemann, Daniel: Schnelles Denken, langsames Denken. München: Penguin Verlag, 2017.

Krämer, Walter / Weihs, Claus (Hrsg.): Faszination Statistik: Einblicke in aktuelle Forschungsfragen und Erkenntnisse. Berlin: Springer Spektrum, 2019.

Luhmann, Maike: R für Einsteiger. Einführung in die Statistiksoftware für die Sozialwissenschaften. Mit Online-Material. Weinheim: Beltz, 4., vollst. Überab. u. erw. Aufl., 2015.

Manderscheid: Sozialwissenschaftliche Datenanalyse mit R: Eine Einführung. Wiesbaden: Springer VS, 2. Aufl. 2017.  

Sedlmeier, Peter / Renkewitz, Frank: Forschungsmethoden und Statistik. 3., aktualisierte und erweitere Aufl., 2018.

Tachtsoglou,  Sarantis / König, Johannes: Statistik für Erziehungswissenschaftlerinnen und Erziehungswissenschaftler. Konzepte, Beispiele und Anwendungen in SPSS und R. Wiesbaden: Springer Fachmedien, 2017.

Wollschläger, Daniel: Grundlagen der Datenanalyse mit R: Eine anwendungsorientierte Einführung. Berlin: Springer Spektrum, 4., überarb. u. erw. Aufl., 2017.

Zuckarelli, Joachim: Statistik mit R: Eine praxisorientierte Einführung in R. Heidelberg: O'Reilly, 2017.

Hinweis:

Die genannten Titel sind weit überwiegend (auch) online im Volltext über die UB Ffm. zugänglich.

Weitere Anmeldung sind nicht mehr möglich. Interessierende am Workshop, welche noch auf der Warteliste stehen, werden noch bis zum 23.11.2020 informiert. 

Wichtig: Bitte beachten Sie, dass für einen Teilnahmenachweis alle Kurstage besucht werden müssen!


Fortgeschrittene statistische Datenanalyse mit R

Referent: Ulrich Scholz

Termine: Freitag, 22.01.2021, 14-18 Uhr, Samstag 23.01.2021, 12-16 Uhr und Freitag, 29.01.2021, 14-18 Uhr (dreitägig).

Der Kurs findet voraussichtlich online (per zoom) statt.

In dieser dreitägigen Veranstaltung wird eine weiterführende, fachübergreifende Einführung in die Statistiksoft­ware R gegeben. Grundlegende Kenntnisse der Statistik aus einem Kurs „Einführung in die Statistik“ sowie in der Anwendung von R werden bei den Teilnehmenden vorausgesetzt. Dennoch werden die jeweils zugrunde liegenden statistischen Konzepte rekapituliert. Der Kurs setzt den Einführungskurs zu R inhaltlich fort, kann jedoch bei entsprechenden Vorkenntnissen unabhängig von diesem besucht werden.

R ist ein sehr leistungsfähiges Programmpaket, das die Möglichkeiten verschiedener kommerzieller Programmpakete wie SPSS und Stata besonders bei grafischen Auswertungen übersteigt und seine Stärken insbesondere bei tief verschachtelten Feinanalysen im Kontext sehr großer Datenmengen (Stichwort Big Data) zeigt.

Das Verständnis der Datenstruktur von R wird vertieft und auf dieser Grundlage wird die Erweiterung der bivariaten zur multivariaten Analyse im Kontext von Korrelationen mit R besprochen und mit Beispielen eingeübt. Es folgen einfache und multiple lineare Regressionsanalysen. Auf alle Anwendungsvoraussetzungen wird eingegangen und die Ergebnisse im R-Output werden sorgfältig interpretiert. Auf die große Bedeutung von Kontrollvariablen und Subgruppenanalysen wird eingegangen.

Die weitreichenden Möglichkeiten von R im Bereich der Inferenzstatistik sind ein weiteres Thema dieses Kurses. Auf Basis von Beispielen wird aufgezeigt, wie mit R von Stichprobenergebnissen auf Kennziffern, Unterschiede und Zusammenhänge in einer Grundgesamtheit im Rahmen von Fehlerwahrscheinlichkeiten geschlossen werden kann. Hypothesentests sowie Intervallschätzungen stehen dabei im Zentrum. Der entsprechende R-Output wird sorgfältig besprochen.

Einführend wird forschungslogisch aufgezeigt, wie die die jeweilige Fragestellung die Wahl sowohl eines zweckmäßigen Datenerhebungsdesigns als auch eines geeigneten Auswertungsverfahrens begründet und begrenzt.

Während des Kurses ist genügend Zeit für selbständige Übungen mit Themen aus den  beteiligten Studienfächern, um die erworbenen Kenntnisse zu festigen.

Kursunterlagen werden gestellt.

Leistungsnachweis:

Für einen Leistungsnachweis (Klausur) erhalten Sie 3 Credit Points, die Sie sich für das Methodenzertifikat anrechnen lassen können.

Level: Fortgeschrittene

Empfohlene Literatur:

Cumming, Geoff / Calin-Jageman, Robert: Introduction to the New Statistics: Estimation, Open Science and Beyond. Routledge, 2016.

Eid, Michael / Gollwitzer, Mario / Schmitt, Manfred: Statistik und Forschungsmethoden: Lehrbuch. Mit Online-Material. Weinheim: Beltz, 5., korr. Aufl., 2017.

Field, Andy / Miles, Jeremy / Field, Zoe: Discovering Statistics Using R.London: Sage Publications Ltd., 2012.

Kahnemann, Daniel: Schnelles Denken, langsames Denken. München: Penguin Verlag, 2017.

Krämer, Walter / Weihs, Claus (Hrsg.): Faszination Statistik: Einblicke in aktuelle Forschungsfragen und Erkenntnisse. Berlin: Springer Spektrum, 2019.

Manderscheid, Katharina: Sozialwissenschaftliche Datenanalyse mit R: Eine Einführung. Wiesbaden: Springer Fachmedien Wiesbaden, 2. Aufl., 2017.

Spiegelhalter, David: The Art of Statistics: Learning from Data. Pelican, 2019.

Wickham, Hadley: Advanced R. Routledge, Second Edition, 2019.

Wollschläger, Daniel: Grundlagen der Datenanalyse mit R: Eine anwendungsorientierte Einführung. Berlin: Springer Spektrum, 4., überarb. u. erw. Aufl., 2017.

Zuckarelli, Joachim: Statistik mit R: Eine praxisorientierte Einführung in R. Heidelberg: O'Reilly, 2017.

Wichtig: Bitte beachten Sie, dass für einen Teilnahmenachweis alle Kurstage besucht werden müssen!