invisible header

Dies ist eure zentrale Lernressource für die Grundausbildung in R. In den einzelnen Lektionen findet ihr die Folien aus den Tutoraten, hilfreiche Links, sowie die Übungsaufgaben und deren Musterlösung. An diese Basiseinführung wird in den Tutoraten zur Vorlesung Statistik 2, die insbesondere auf die Technik der Regressionsanalyse ausgerichtet ist, angeknüpft. Diesen zweiten Teil der Lernressource findet ihr hier.

Bei technischen Problem wendet euch bitte an Sebastian und Marco. Bei inhaltlichen Fragen kontaktiert Eure TutorIn oder nutzt das Forum zum Kurs auf OLAT.

Tutorate im HS2022 (ab 3.10.)

Termine und Räume: siehe Vorlesungsverzeichnis

Das Tutorat zur Veranstaltung Statistik I ist dem Statistikprogramm R gewidment. R und RStudio haben sich zu beliebten Analyseprogrammen in mehreren Bereichen der Sozialwissenschaften entwickelt und können lizenzfrei erworben werden. Mir R werdet ihr Daten analysieren und visualisieren. Das Programm wird euch dazu dienen, Statistiken zu erstellen, zu veranschaulichen und dementsprechend greifbar zu machen. Solche statistischen Anwendungskompetenzen sind zentral für Euer weiteres Studium und stärken auch darüber hinaus Euer Qualifikationsportfolio substanziell: In datenbezogenen Berufen, der amtlichen Statistik, der Markt- und Meinungsforschung sowie vielen weiteren öffentlichen und privaten Forschungsinstitutionen werden Programmierkenntnisse in R nachgefragt und entfalten dort folglich eine starke Signalwirkung.

Wie beim Erlernen einer Sprache gibt es auch beim Kompetenzerwerb von R kein Geheimnis: Es braucht Engagement, Geduld und Hartnäckigkeit. Jeder Lerneinheit werden zwei Sitzungen gewidmet, um die Materie durch ausreichend praktische Übungen festigen zu können. Je mehr geübt wird, umso freier kann man sich in der Datenwelt bewegen, Daten modifizieren, Zusammenhänge grafisch darstellen und Hypothesen prüfen.

Das Tutorat ist zwar nicht präsenzpflichtig, wir raten euch dennoch an, es regelmäßig zu besuchen und die Zeit für Fragen zu nutzen. Schließlich standen auch wir TutorInnen einst vor derselben Herausforderung. Also dranbleiben, es lohnt sich!

Materialien

Wir verwenden zwei Datensätze zur Erarbeitung der verschiedenen Einheiten. Für Einführungslektionen arbeiten wir mit dem Kursdatensatz. Es handelt sich dabei um eine Studierendenumfrage, die im Kurs durchgeführt wurde. Die Daten werden anonymisiert zur Verfügung gestellt. Klicke hier link um den Datensatz kursdata_anon herunterzuladen.
Für die Übungslektionen werden wir mit den Daten des European Social Surveys aus dem Jahr 2016 arbeiten. Hierfür können die Daten direkt von der ESS-Homepage heruntergeladen werden: https://www.europeansocialsurvey.org/.

Literatur

BCP: Beckerman, A.P., Childs, D.Z., Petchey, O.L. (2017): Getting Started with R. Oxford: University Press.

GW: Wickham, Hadley und Garrett Grolemund (2018): R for Data Science. Import, Tidy, Transform, Visualize, and Model Data..

SVS: Marco R. Steenbergen, Kushtrim Veseli, Benjamin Schlegel (2015): Working with Descriptive and Inferential Statistics in R. Script

Semesterplan

Lerneinheit I: Organisatorisches und R-Basics
Lektüre: BCP 1, GW 1-4, SVS1

Lerneinheit II: Datenintegration
Lektüre: BCP 2, GW 9-11, SVS I.2 & I.3

Lerneinheit III: Datenmanagement: Generieren, Modifizieren, Selektieren
Lektüre: BCP 3, GW 5, SVS I.2 & I.3

Lerneinheit IV: Univariate Statistiken
Lektüre: BCP 4b, GW 7, SVS II.4 & II.5

Lerneinheit V: Tabellenanalyse
Lektüre: BCP 5.1, SVS II.6

Lerneinheit VI: Mittelwertvergleich
Lektüre: BCP 5.2, SVS IV.9

In der Statistik 2 geht es dann anschliessend hier mit der Regressionsanalyse weiter.

logo.knit