Multivariate Auswertungstools mit Köpfchen (Multiköpfchen) - Demoversion

Im Verlauf des Studiums wird es zunehmend wichtiger, multivariate Verfahren selbst anwenden und die Ergebnisse kritisch nutzen bzw. darstellen zu können. Langjährige Erfahrung im Bereich der Statistik-Tutorien zeigt, dass dies ein Thema ist, dem sich viele Studierende gerne entziehen bzw. anstehende Berechnungen inadäquat durchführen, da sie sich der Komplexität dieser Verfahren nicht gewachsen fühlen. Erschwerend kommt hinzu, dass die Vielzahl von statistischen Analyseprogrammen, die zur Auswertung der Daten verwendet werden können, unterschiedliche Bedienkonzeptionen aufweisen. Dies hat oftmals zur Folge, dass Studierende schon beim Importieren der Daten überfordert sind und somit grundlegende Herangehensweisen nicht mehr differenziert und vor allem korrekt ausführen können.
Erschwerend kommt hinzu, dass jede Software eine unterschiedliche Darstellungsweise der Ergebnisse hat, sodass Studierende für eine Interpretation nicht mehr wissen, wo sie welche Kennwerte ablesen sollen. Es scheint daher von äußerster Wichtigkeit, Studierenden ein Gesamtkonzept vorzustellen, das sie grundlegend durch das Verständnis verschiedener statistischer Verfahren mit der jeweiligen Analysesoftware führt.
 
Ziel dieses Kurses ist es, Studierende mit statistischen Vorkenntnissen zu befähigen, multivariate Berechnungen für die eigene wissenschaftliche Abschlussarbeit (und auch für eine eventuelle spätere wissenschaftliche Tätigkeit) auf zumindest solidem Niveau durchzuführen und die Ergebnisse wissenschaftlich korrekt zu nutzen. Hierzu soll in verständlicher Sprache vermittelt werden, wo die Stärken und Schwächen verschiedener Software (SPSS, Matlab, R) im Vergleich liegen und wie deren Berechnungen genutzt werden. Vordergründig soll in diesem Kurs dabei die aktive Auseinandersetzung mit SPSS –einer Statistiksoftware, die aufgrund ihres übersichtlichen Interfaces für Studierende sehr geeignet ist – liegen, um so eine solide Basis für das eigenständige Berechnen multivariater Verfahren zu schaffen. In diesem Kontext sollen sie verstehen, welche Daten sinnvollerweise in die Datenanalyse eingehen sollten, welche Verfahren überhaupt für welche Fragestellungen sinnvoll sind, was bei den Berechnungen beachtet werden sollte und welche Fehler passieren können. Weiterhin ist zu üben, wie die Ergebnisse der jeweiligen Programme ausgewählt, interpretiert und in einer fiktiven wissenschaftlichen Arbeit dargestellt werden können, wobei besonders das kritische Verständnis im Vordergrund stehen wird.

Für einen Leistungsnachweis sind die vorgestellten Verfahren an einem Beispiel selbst zu berechnen und zu interpretieren.