Veranstaltungsdetail

S Missing Data Analyse (AMS, Teil I / II)

Fehlende Werte treten bei allen empirischen Erhebungen auf und stellen bei Datenanalysen ein Problem dar. Die gängige Praxis, Fälle mit fehlenden Werten auf einzelnen untersuchungsrelevanten Merkmalen komplett aus der Analyse auszuschließen (listwise deletion) ist wenig effizient (Reduzierung der Fallzahl) und kann die Analyseergebnisse systematisch verzerren. Ausgehend von traditionellen Methoden des Umgangs mit fehlenden Werten werden statistische Methoden behandelt, die alle vorhandenen Daten zur Schätzung der substanzwissenschaftlich interessierenden Parameter berücksichtigten und dadurch auch unter weniger restriktiven Annahmen an den Datenausfall zu unverzerrten Analyseergebnissen führen (Full-Information-Maximum-Likelihood-Methoden, multiple Imputation). Ziel des Seminares ist es, die Teilnehmenden in die Lage zu versetzen, bei eigenen empirischen Analysen fortgeschrittene Methoden im Umgang mit fehlenden Werten anzuwenden.

Voraussetzungen für Studiennachweise / Modulprüfungen

Lektüre, regelmäßige Teilnahme und Bearbeitung von Übungsaufgaben. Modulprüfung zusätzlich Anfertigung einer schriftlichen Arbeit, in der eine der im Seminar behandelten Methoden auf eine sozialwissenschaftliche Fragestellung angewendet und die Methodik erläutert wird (ca. 12-15 Seiten).

Lehrende

Prof. Dr. Cornelia Weins

Termine

  • Dienstag, 08.10.2024 (1. Termin)
    16:00 bis 18:00 Uhr
    GD E2/208 CIP-Pool

Anmeldung

Bitte melden Sie sich in eCampus für die Veranstaltung an.