Die Studierenden erwerben vertiefte Kenntnisse zu multivariaten statistischen Verfahren, sodass sie sie in angemessener Weise anwenden können.

keine

Multivariate Verfahren sind dadurch ausgezeichnet, dass sie die gemeinsame, gleichzeitige Analyse mehrerer Merkmale von Individuen erlauben. Der Vorteil gegenüber einzelnen, univariaten Analysen für jedes Merkmal besteht darin, dass die Abhängigkeiten zwischen den beobachteten Merkmalen berücksichtigt werden. Der Zusammenhang zwischen mehreren Zielvariablen und mehreren Einflussvariablen wird mittels multivariaten Regressionsmodellen behandelt. Weitere behandelte multivariate Verfahren stellen die Cluster- und Diskriminanzanalyse dar. Dabei besteht das Ziel der Clusteranalyse darin, die interessierenden Objekte in Klassen so einzuteilen, dass die Objekte, die zur selben Klasse gehören, einander möglichst ähnlich sind und Objekte aus verschiedenen Klassen sich möglichst stark unterscheiden. Auf derGrundlage einer bekannten Klasseneinteilung möchte man mittels der Diskriminanzanalyse eine Klassifikationsregel finden, mit der eine neue Beobachtung einer der Klassen zugeordnet werden kann.

• Bühl A. (2016): SPSS 23: Einführung in die moderne Datenanalyse. 15., aktualisierte Auflage. Pearson Studium.
• Bortz J./ Schuster C. (2010): Statistik für Human- und Sozialwissenschaftler: Limitierte Sonderausgabe. 7. Auflage. Springer.

Vorlesung, Übungen

Bewertung der Übungen 30%, schriftliche Abschlussprüfung 70%