Veranstaltungsdetails
Regressionen – Mehrebenen- und Panelmodelle in R
Inhalt
Empirische Datenstrukturen sind in vielen Fällen komplexer als die klassische Datenmatrix, in der Zeilen für Beobachtungen und Spalten für Variablen stehen. Beispiele umfassen Paneldaten (Mehrfachmessungen, etwa bei Wiederholungsbefragungen) oder hierarchisch organisierte Daten („Mehrebenenstrukturen“, etwa Schüler in Schulklassen in Schulen).
Mit einfachen linearen Regressionsmodellen lassen sich solche Daten dann auch nur eingeschränkt analysieren: Inhaltlich gesehen können nicht alle interessierenden Hypothesen angemessen beantwortet werden; technisch gesehen können solche Datenstrukturen zu Verletzungen wichtiger Modellannahmen und entsprechend verfälschten Ergebnissen führen.
Im Workshop werden Formen komplexer Datenstrukturen betrachtet: Wo tauchen solche Strukturen auf, welche speziellen Hypothesen könnten wir prüfen wollen? Welche Modellannahmen des einfachen linearen Modells werden verletzt, und mit welchen Konsequenzen ist für die Ergebnisse der Analysen zu rechnen? Es werden drei Verfahrenstypen vorgestellt, die das Modell der einfachen linearen Regression erweitern: Verfahren zur 1) Schätzung robuster Standardfehler versuchen, die Unsicherheiten durch die Verletzung der Modellannahmen explizit zu abzubilden. Mit 2) Mehrebenen-Regressionen (Multilevel Regression) können hierarchische Strukturen im Regressionsmodell berücksichtigt werden, während mit Methoden der 3) Panelregression zeitliche Zusammenhänge abgebildet werden können.
Der Workshop setzt Vorkenntnisse in der Bedienung von R voraus, sodass ein vorheriger Besuch der Workshops „Einführung in R“ und „Datenanalyse in R“ für Einsteiger empfohlen, aber nicht vorausgesetzt wird.
Zielgruppe
Studierende und Promovierende, die Mehrebenen- oder Panelregressionen in R für die eigene empirische Forschung einsetzen möchten.
Leitung
Sebastian Gerhartz
Termine
Freitag, 20.01.2023 09:00 bis 13:00 Uhr
CIP-Pool GD 2/208
Anmeldung
Bitte melden Sie sich in eCampus für die Veranstaltung an.