Veranstaltungsdetail

S Methoden der Datenrepräsentation und Klassifikation (VSD, Teil II)

Ein der herausragenden Aufgaben der Statistik ist die Reduktion der Komplexität von Daten, um Muster und Regelmäßigkeiten überhaupt erkennbar zu machen. Zu diesem Zweck nutzt die empirische Sozialforschung fortgeschrittene statistische Methoden, mit denen sich Untersuchungsobjekte präzise klassifizieren, typologisieren und in homogenen Gruppen zusammenfassen lassen.

Dieses Seminar vermittelt sowohl die theoretischen Grundlagen fortgeschrittener Klassifikationsverfahren als auch deren praktische Umsetzung mit der Statistiksoftware R. Die behandelten Verfahren und Methoden werden dabei im Seminar anhand eines konkreten Beispiels aus der Regionalforschung erarbeitet und angewendet.

Die geplanten Themen der Veranstaltung sind:

- Grundlagen: Ziele von Klassifikationsverfahren und Gütekriterien für Klassifikationen und Distanz- und Ähnlichkeitsmaße

- Dimensionenreduktion: Multidimensionale Skalierung

- Clusteranalysen: Hierarchische und nicht-hierarchische Clusteranalyseverfahren

- Modellbasierte Ansätze: Latente Klassenanalyse (LCA) und mixture models

- Machine Learning: Klassifikationsbäume (Decision Trees) und algorithmische Ansätze

- Evaluation: Validierung und Interpretation von Klassifikationslösungen

Die praktischen Übungen und Auswertungen werden mit der kostenlosen Open-Source-Software R (www.r-project.org) durchgeführt. R ist der aktuelle Standard in der akademischen Forschung und gewinnt auch in der privatwirtschaftlichen Datenanalyse (z. B. in der Markt- und Meinungsforschung oder Politikberatung) rasant an Bedeutung. Vorkenntnisse in R sind von Vorteil, aber keine zwingende Voraussetzung.

Lehrende

Sebastian Jeworutzki

Termine

  • Dienstag, 13.10.2026 (1. Termin)
    14:00 bis 16:00 Uhr
    GD E2/208 CIP-Pool

Anmeldung

Bitte melden Sie sich in eCampus für die Veranstaltung an.