Lineare Modelle und Strukturglei­chungs­modelle in R

• Statistische Grundkenntnisse
• Ein eigenes Notebook mit Windows, MacOS oder Linux-Derivaten und ausreichenden Benutzerrechten zur Installation von Programmen (bitte Netzteil nicht vergessen)
• Software R und RStudio
• Eine Teilnahme an vorherigen R-Kursen wird nicht vorausgesetzt

Graduierte und Doktoranden stehen oft vor der Herausforderung, in Dissertationen, Projekten und Seminaren eigene Daten erheben und auswerten zu müssen. Um die dafür nötigen Kompetenzen zu erwerben, soll in dieser Veranstaltung ein Einblick in grundlegende und erweiterte statistische Analyseverfahren mit Fokus auf lineare Modelle und Strukturgleichungsmodelle gegeben werden. Hierzu werden die unten aufgelisteten Verfahren in ihrem Ansatz besprochen und mit Beispieldatensätzen anhand der freien statistischen Software R angewendet. Grundkenntnisse der Statistik wie Verteilungen, Schätzen und Testen werden vorausgesetzt.

Behandelte Inhalte:

• Grundlagen: Datenaufbereitung in R, Korrelation, Kontingenzanalyse und Chi-Quadrat-Test, t-Test und weitere Mittelwertvergleiche, Faktoren- und Reliabilitätsanalyse
• Lineare Modelle: Regression, Varianzanalyse, gemischte Modelle
• Strukturgleichungsmodelle: Kovarianzbasiert und varianzbasiert (PLS)

Ein Leistungsnachweis kann in Form einer Hausarbeit (Auswerten eines teilnehmerspezifischen Datensatzes) erbracht werden. Die Abgabe der Hausarbeit und die vollständige Teilnahme am Kurs ist Voraussetzung für die Ausstellung des Leistungsnachweises.