Podcast
Questions and Answers
Vorwissen in deskriptiver und Inferenzstatistik ist für die Klausur nicht erforderlich.
Vorwissen in deskriptiver und Inferenzstatistik ist für die Klausur nicht erforderlich.
False
Nennen Sie zwei statistische Tests, die für die Klausur wichtig sind.
Nennen Sie zwei statistische Tests, die für die Klausur wichtig sind.
t-Tests und Varianzanalysen
Ordnen Sie die folgenden statistischen Begriffe ihren Definitionen zu:
Ordnen Sie die folgenden statistischen Begriffe ihren Definitionen zu:
Mittelwert = Durchschnittswert einer Datenreihe Standardabweichung = Maß der Streuung einer Datenreihe Effektgröße = Größe des Unterschieds zwischen Gruppen Power = Wahrscheinlichkeit, einen Effekt zu finden
Ordne die folgenden Elemente den entsprechenden Aufgaben zu:
Ordne die folgenden Elemente den entsprechenden Aufgaben zu:
Signup and view all the answers
Die Logistische Regression I und II behandeln die ______ der Modellparameter.
Die Logistische Regression I und II behandeln die ______ der Modellparameter.
Signup and view all the answers
Ordnen Sie die Module den Themen zu:
Ordnen Sie die Module den Themen zu:
Signup and view all the answers
Um Daten in R einzulesen, wird der Befehl ______ verwendet.
Um Daten in R einzulesen, wird der Befehl ______ verwendet.
Signup and view all the answers
Was wird mit dem allgemeinen linearen Modell vorhersagt?
Was wird mit dem allgemeinen linearen Modell vorhersagt?
Signup and view all the answers
Die logistische Regression wird verwendet, um eine metrische Variable vorherzusagen.
Die logistische Regression wird verwendet, um eine metrische Variable vorherzusagen.
Signup and view all the answers
Was sind latente Variablen in der Faktorenanalyse?
Was sind latente Variablen in der Faktorenanalyse?
Signup and view all the answers
Das ____________ Modell wird für mehrebenenanalytische Strukturen verwendet.
Das ____________ Modell wird für mehrebenenanalytische Strukturen verwendet.
Signup and view all the answers
Ordne die folgenden Themen mit den entsprechenden Daten zu:
Ordne die folgenden Themen mit den entsprechenden Daten zu:
Signup and view all the answers
Study Notes
Vorlesung: Multivariate Statistik und Datenanalyse (Wintersemester 2024/25)
- Dozent: Florian Scharf
- Datum der Einführung: 22. Oktober 2024
- Modul: Forschungsmethoden (Modul 1) im Master Klinische Psychologie und Psychotherapie, sowie im Master Psychologie.
Modulaufbau
- Vorlesung: Multivariate Statistik und Datenanalyse
- Klausur: Bestandteil des Moduls
- Seminar: Evaluations- und Interventionsforschung
- Hausaufgaben: Bestandteil des Moduls; Lösungen auf Moodle
- Tutorium: Zur Vorlesung; Vorbereitung für Klausur
- Studienleistung: Bestehen bei mindestens 50% der Punkte (Bearbeitung von 3 Aufgabenblöcken)
Klausur
- Format: E-Klausur
- Hilfsmittel: R-Studio und Formelsammlung
-
Termine:
- Ersttermin: 18.02.2025, 11:00 Uhr
- Zweittermin: 14.04.2025, 14:00 Uhr
- Bearbeitungszeit: 90 Minuten
- Inhalt: Offene Fragen, Vorlesungs- und Seminarinhalte, Interpretation von Ergebnissen und Outputs, Verständisfragen, R: Modellsyntax, Outputs erzeugen, Modelle schätzen
- Empfehlung: Sammlung mit klausurähnlichen Aufgaben am Ende der Vorlesung
Materialien
- Moodle-Kurse: Materialien für Vorlesung und Seminar sind in den Moodle-Kursen verfügbar (VL_PsyMeth_Master_24_1; Psy_Master_Methoden_Seminar_24_1)
- Bereitstellung: Material i.d.R. bis zum Abend vor den Veranstaltungen.
Voraussetzungen für die Vorlesung
- Statistik-Wissen: Gute Kenntnisse der deskriptiven und inferenziellen Statistik (Bachelor-Vorlesungen Psychologie)
- Kenntnisse: Mittelwert, Varianz, Standardabweichung, z-Transformation, lineare Regression, t-Tests, Varianzanalysen, a- und β-Fehler, Effektgröße, Power
- Zusatzangebot: freiwilliges E-Repetitorium "Statistik" in Moodle-Kurs Psy_Master_Wdh
Themen der Vorlesung
- Allgemeines Lineares Modell: Vorhersage metrischer Variablen durch metrische und/oder kategoriale Prädiktoren
-
Modellerweiterungen:
- Generalisiertes Lineares Modell (Logistische Regression): Vorhersage kategorialer Variablen durch metrische und/oder kategoriale Prädiktoren
- Lineare Gemischte Modelle (Mehrebenen-Modelle): Vorhersage metrischer Variablen durch metrische bzw. kategoriale Prädiktoren bei abhängigen Beobachtungen
- Faktorenanalyse und Strukturgleichungsmodelle: Vorhersage beobachteter Variablen durch latente Variablen bzw. Faktoren
Detaillierte Themen der Vorlesung (aus Folie 8)
- Eine Liste mit genauen Datumsangaben der Themen der Vorlesung steht auf Folie 8
Literatur
- Bortz, J. & Schuster, C. (2010). Statistik für Sozialwissenschaftler (7. Aufl.). Heidelberg: Springer.
- Eid, M., Gollwitzer, M., & Schmitt, M. (2017). Statistik und Forschungsmethoden (5. Aufl.). Beltz: Weinheim, Basel.
Tutorium
- Tutor*innen: Amelie Jägersberg, Maria Kießler, Klara Sogl, Natascha Stahl
- Inhalte: Klärung von Verständnisproblemen, Besprechung der Hausaufgaben
- Termine und Räume: Eine Liste mit Terminen und Räumen ist auf Folie 10 und 11 aufgeführt.
Seminar
- Dozent*innen: Kim-Laura Speck, Salomé Li Keintzel
- Ort und Termin: 3 Gruppen, vgl. Zuteilung im HISPOS
- Inhalt: Umsetzung der statistischen Verfahren in der Software R, Evaluationsforschung und Meta-Analysen.
- Klausurrelevanz: Die Inhalte der Seminare sind klausurrelevant.
- Material: Bitte immer einen Laptop mit R und Rstudio (aktuelle Versionen!) mitbringen.
- Weitere Hinweise: Eine Liste mit detaillierten Terminen und Inhalten steht auf Seite 14
Voraussetzungen für das Seminar
- Grundkenntnisse in R: RStudio-Oberfläche, Skripte, Pakete, Arbeitsverzeichnis, Text-Daten einlesen, R als Taschenrechner.
- Unterstützung: Moodle: Psy_Master_R_Einfuehrung; Studentisches Methodenberatung, falls notwendig
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
Related Documents
Description
Teste dein Wissen zur multivariaten Statistik und Datenanalyse im Rahmen des Masterstudiums Klinische Psychologie. Diese Prüfung umfasst Inhalte aus Vorlesungen und Seminaren, einschließlich der Interpretation von Ergebnissen und Methoden der Forschung. Bereite dich auf die E-Klausur mit Hilfe von R-Studio vor.
