Regressions- und Mehrebenenanalysen mit R und Mplus
Seminar
In Köln
Sie werden es nicht bereuen!
-
Kursart
Praktisches Seminar
-
Ort
Köln
-
Unterrichtsstunden
40h
-
Dauer
5 Tage
-
Beginn
Dezember
Emagister bietet Ihnen die Schulung auf Mehrebenenanalyse (englisch Multilevel Analysis, MLA), auch als Hierarchisch Lineare Modellierung (englisch Hierarchical Linear Modeling, HLM) bezeichnet, ist eine Gruppe multivariater statistischer Verfahren zur Analyse hierarchisch strukturierter bzw. gruppierter Daten, die ursprünglich in der empirischen Sozialforschung Anwendung fand, um Abhängigkeiten zwischen Daten aufgrund ihrer Hierarchisierung bzw. Gruppierung zu modellieren. Daten enthalten hierarchische Abhängigkeiten, sobald sie clusterweise erhoben werden, was sehr häufig der Fall ist. Aufgrund ihrer Überlegenheit gegenüber den herkömmlichen Verfahren – die unabhängige Daten voraussetzen und damit nicht in der Lage sind, Abhängigkeiten zwischen Daten zu berücksichtigen, was zu verzerrten Ergebnissen führt – sollten Mehrebenenanalysen in allen Bereichen eingesetzte werden, in denen Daten in unterschiedlichen Gruppen an unterschiedlichen Orten zu unterschiedlichen Zeiten erhoben werden.
Die meisten Daten sind hierarchisch strukturiert, d.h. man kann sie Gruppen oder Clustern zuordnen, z.B. Kinder zu Familien, Personen zu Wohnorten, Patienten zu Kliniken, Käufer zu Marktsegmenten etc. Wenn eine Untersuchung Probanden zu unterschiedlichen Zeitpunkten an verschiedenen Orten zieht, wie beispielsweise die Passanten zu verschiedenen Uhrzeiten in einer Einkaufspassage, die Mitarbeiter in verschiedenen Abteilungen eines Unternehmens oder die Patienten in verschiedenen Kliniken, dann sind die Daten innerhalb einer Erhebungsstichprobe untereinander abhängig. Dies trifft auch zu, wenn gleichartige Messwerte von ein und derselben Person erhoben werden wie beispielsweise die Bewertungen von verschiedenen Produkten oder die medizinischen Ergebnisse von Patienten über einen längeren Zeitraum.
Um mehr über den Kurs zu erfahren, klicken Sie bitte auf "Weitere Informationen anfragen"
Standorte und Zeitplan
Lage
Beginn
Beginn
Hinweise zu diesem Kurs
Hierarchische Abhängigkeiten in den Daten erkennen und modellieren können, verschiedene Klassen von Mehrebenenmodellen unterscheiden und einsetzen können, Ergebnisse von Mehrebenenanalysen grafisch darstellen, erläutern und interpretieren können. Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben erfolgen mit den Statistikprogrammen R und Mplus.
Anwender aus den Bereichen der Sozial- und Marktforschung und der psychologischen, pädagogischen, soziologischen und klinischen Forschung
die Inhalte der Seminare Grundlagen der Statistik mit R, Multivariate Datenanalyse mit R und Praxiserfahrungen mit der statistischen Programmiersprache R und der grafischen Benutzeroberfläche RStudio.
Meinungen
Themen
- Statistik
- Mehrebenenanalyse
- Forschung
- R
- RStudio
- Mplus
- Modelle
- Modellgüte
- Regressionsanalyse
- Strukturgleichungsmodelle
Dozenten
Dr. Haug Leuschner
Methodik und Statistik
Weiterbildungsexperte für Statistik in der Erwachsenenbildung staatlich geprüfter mathematisch-technischer Assistenten, Studium der Wirtschaftspsychologie Danach Lehrauftrag für Methodenlehre und Statistik und Dozentenausbildung an der Universität zu Köln Danach Mitarbeiter in zahlreichen Projekten an der Universität zu Köln und Datenanalyst bei größeren Unternehmen mehrere wissenschaftliche Publikationen im Bereich der Social Cognition Promotionsarbeit: Entwicklung einer computergestützten Erhebungsmethode für Kommunikationsdaten Berater in einer Vielzahl von Projekten für Datenanalyse
Inhalte
- Multilevel-Analysen mit Schwerpunkt auf Zwei-Ebenen-Modellen
- Modelle ohne Level-2-Prädiktoren (Random-Intercept-Modelle)
- Modelle mit Level-2-Prädiktoren (Random-Intercept-and-Slope-Modelle)
- Berücksichtigung von Modelltermen:
- Modelle mit kontinuierlichen Prädiktoren
- Modelle mit kategorialen Prädiktoren
- Modelle mit Moderator- und Interaktionstermen
- Modelle mit nichtlinearen polynomialen Termen
- Modelle mit Cross-Level-Interaktionen
- Beurteilung der Modellgüte und Regressionsdiagnostik
Regressions- und Mehrebenenanalysen mit R und Mplus