Fortgeschrittene Verfahren der Querschnittsanalyse: Advanced Regression Analysis using Stata

Dozentinnen/Dozenten:

Paul Löwe, Peter Valet

Angaben:

Seminar, 4 SWS

Termine:

Do, 12:00 - 16:00, RZ/00.07

Voraussetzungen / Organisatorisches:

Requirements:
Students have to be familiar with the contents of the compulsory lecture “Research design". Moreover, students are required to be familiar with the statistics package Stata. These skills could either be acquired or refreshed in self-studies or by attending an online tutorial course. Link to Stata Tutorial: [https://vc.uni-bamberg.de/course/view.php?id=52524]

Registration:
Please register in the VC of the event until 21.04.2022. Only the persons who are registered in the VC will receive all information about the course. Link VC: [ https://vc.uni-bamberg.de/course/view.php?id=52526]

Type of instrutuction On-site teaching is planned. There will be no video recording. Changes are possible depending on the guidelines of the university.

Language of instruction:
English

Module exam:
Portfolio in English or German (time: 3 months).

Inhalt:

Course content: We will shortly repeat the foundations of bivariate and multiple linear regression analysis and, then, focus on advanced topics of multiple regression analysis. The course is structured around four key topics of cross-sectional data analysis using parametric regression techniques: (1) multiple linear regression, (2) binary logistic regression, (3) ordinal logistic regression, and (4) multinomial logistic regression.
In lab sessions, participants will learn how to implement regression analyses using the statistics package Stata. The lab sessions and the seminar theses will draw on sociological questions and data of the German Social Survey (ALLBUS).

Learning targets: The aim of this course is to empower participants:
-to critically discuss basic concepts and assumptions of multiple linear and logistic regression analyses,
-to choose the appropriate regression models following the ideas of modern causal analysis,
-to carry out regression analyses (multiple linear, binary logistic, ordinal logistic, and multinomial logistic) using the statistics package Stata,
-to interpret and present the results of regression analyses in tables and graphs.

Soziologisches Forschungspraktikum Teil II: Datenanalyse: Plenum

Dozent/in:

Paul Löwe

Angaben:

Forschungspraktikum, 2 SWS

Termine:

Mo, 10:00 - 14:00, KÄ7/01.06

Voraussetzungen / Organisatorisches:

Anmeldung:
Eine Voranmeldung zu den Veranstaltungen des Soziologischen Forschungspraktikums ist bis zum 11.April 2022 notwendig. Die Präferenzumfragen sind im VC Kurs zu finden: Link zur Anmeldung

• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Seminare (A, B, C) angeben.

• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Kurse in Datenanalyse am PC (A, B) angeben

Lernziele:
Die Studierenden sind nach dem Absolvieren des Moduls in der Lage Annahmen und grundlegende Ideen verschiedener multivariater statistischer Analyseverfahren zu erklären. In einem eigenständig durchgeführten Datenanalyseprojekt erwerben die Studierenden die Fähigkeit ausgehend von der jeweiligen Forschungsfrage adäquate Verfahren der Datenanalyse auszuwählen, diese Verfahren mit Hilfe von Stata anhand der Sekundärdaten des ALLBUS 2018 anzuwenden und die empirischen Ergebnisse vor dem Hintergrund der eigenen Forschungsfrage und postulierten Hypothesen richtig zu interpretieren und zu bewerten. Die Studierenden erlernen wie man Forschungsergebnisse für eine wissenschaftliche Veröffentlichung aufbereitet, darstellt, präsentiert und wissenschaftlich verteidigt.

Inhalt:

Lernziele:
Die Studierenden sind nach dem Absolvieren des Moduls in der Lage Annahmen und grundlegende Ideen verschiedener multivariater statistischer Analyseverfahren zu erklären. In einem eigenständig durchgeführten Datenanalyseprojekt erwerben die Studierenden die Fähigkeit ausgehend von der jeweiligen Forschungsfrage adäquate Verfahren der Datenanalyse auszuwählen, diese Verfahren mit Hilfe von Stata anhand der erhobenen Primärdaten (bzw. der alternativ zur Verfügung gestellten Sekundärdaten) anzuwenden und die empirischen Ergebnisse vor dem Hintergrund der eigenen Forschungsfrage und postulierten Hypothesen richtig zu interpretieren und zu bewerten. Die Studierenden erlernen wie man Forschungsergebnisse für eine wissenschaftliche Veröffentlichung aufbereitet, darstellt, präsentiert und wissenschaftlich verteidigt.

Lerninhalte:
Im Plenum werden die Grundprinzipien multivariater statistischer Analyseverfahren erläutert. Der Schwerpunkt liegt auf der linearen und der binär-logistischen Regressionsanalyse. In den begleitenden Seminaren wird ein Datenanalyseprojekt in Einzelarbeit umgesetzt. Ausgehend von einer selbst konzipierten Fragestellung und spezifischen Hypothesen erfolgen die Datenauswertung und die Aufbereitung und die Publikation der Befunde in Form eines wissenschaftlichen Forschungsberichts. Als Datengrundlage dient der ALLBUS. In der Veranstaltung Datenanalyse am PC wird die Umsetzung multivariater Verfahren der Datenanalyse mit dem Statistikprogramm Stata eingeübt.

Soziologisches Forschungspraktikum Teil II: Datenanalyse: Seminar (Gruppe B)

Dozent/in:

Paul Löwe

Angaben:

Seminar, 2 SWS

Termine:

Mi, 8:00 - 12:00, RZ/00.07

Voraussetzungen / Organisatorisches:

Anmeldung:
Eine Voranmeldung zu den Veranstaltungen des Soziologischen Forschungspraktikums ist bis zum 11.April 2022 notwendig. Die Präferenzumfragen sind im VC Kurs zu finden: Link zur Anmeldung

• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Seminare (A, B, C) angeben.

• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Kurse in Datenanalyse am PC (A, B) angeben

Lernziele:
Die Studierenden sind nach dem Absolvieren des Moduls in der Lage Annahmen und grundlegende Ideen verschiedener multivariater statistischer Analyseverfahren zu erklären. In einem eigenständig durchgeführten Datenanalyseprojekt erwerben die Studierenden die Fähigkeit ausgehend von der jeweiligen Forschungsfrage adäquate Verfahren der Datenanalyse auszuwählen, diese Verfahren mit Hilfe von Stata anhand der Sekundärdaten des ALLBUS 2018 anzuwenden und die empirischen Ergebnisse vor dem Hintergrund der eigenen Forschungsfrage und postulierten Hypothesen richtig zu interpretieren und zu bewerten. Die Studierenden erlernen wie man Forschungsergebnisse für eine wissenschaftliche Veröffentlichung aufbereitet, darstellt, präsentiert und wissenschaftlich verteidigt.

Inhalt:

Lernziele:
Die Studierenden sind nach dem Absolvieren des Moduls in der Lage Annahmen und grundlegende Ideen verschiedener multivariater statistischer Analyseverfahren zu erklären. In einem eigenständig durchgeführten Datenanalyseprojekt erwerben die Studierenden die Fähigkeit ausgehend von der jeweiligen Forschungsfrage adäquate Verfahren der Datenanalyse auszuwählen, diese Verfahren mit Hilfe von Stata anhand der erhobenen Primärdaten (bzw. der alternativ zur Verfügung gestellten Sekundärdaten) anzuwenden und die empirischen Ergebnisse vor dem Hintergrund der eigenen Forschungsfrage und postulierten Hypothesen richtig zu interpretieren und zu bewerten. Die Studierenden erlernen wie man Forschungsergebnisse für eine wissenschaftliche Veröffentlichung aufbereitet, darstellt, präsentiert und wissenschaftlich verteidigt.

Lerninhalte:
Im Plenum werden die Grundprinzipien multivariater statistischer Analyseverfahren erläutert. Der Schwerpunkt liegt auf der linearen und der binär-logistischen Regressionsanalyse. In den begleitenden Seminaren wird ein Datenanalyseprojekt in Einzelarbeit umgesetzt. Ausgehend von einer selbst konzipierten Fragestellung und spezifischen Hypothesen erfolgen die Datenauswertung und die Aufbereitung und die Publikation der Befunde in Form eines wissenschaftlichen Forschungsberichts. Als Datengrundlage dient der ALLBUS. In der Veranstaltung Datenanalyse am PC wird die Umsetzung multivariater Verfahren der Datenanalyse mit dem Statistikprogramm Stata eingeübt.