Die Plattform fu:stat:thesis wird von der Statistischen Beratungseinheit fu:stat betrieben, um Doktorandinnen und Doktoranden an der Freien Universität Berlin mit Rat und Tat beim Start des Empirieteils ihrer Promotion zu unterstützen. Zu den verschiedenen Themen werden Hinweise gegeben auf Software-Dokumentationen und Videos im Web sowie auf Lehrbücher, die FU-Studierenden als E-Book zur Verfügung stehen. Die Hinweise umfassen alle Statistik-Pakete, die hauptsächlich an der FU genutzt werden: JMP, R, SAS, SPSS und STATA.
Im Vordergrund stehen zunächst Fragestellungen in der Anfangsphase der emirischen Arbeiten. Fortgeschrittene Fragestellungen sollen weiterhin durch eine individuelle Beratung bei fu:stat geklärt werden.
Motivation
Immer mehr Dissertationen enthalten einen empirischen Teil. Die Analyse eines realen Datensatzes stellt den Verfasser bzw. die Verfasserin vor eine Aufgabe, für die sie schlecht gerüstet sind: Die Einführungsveranstaltungen in Statistik liegen schon lange zurück und in der Frühphase des Studiums hat man eher daran gedacht, den ''Schein'' zu erwerben, um sich dann der nächsten Vorlesung zu widmen.
Im Regelfall kann der Doktorand nur auf ein verschüttetes Statistikwissen auf elementarem Level zurückgreifen. Eigenes empirisches Arbeiten mit einem Datensatz ist vorher nie geübt worden. Datenmanagement, Umgang mit fehlenden Werten, Value Labels: Schulterzucken! Hinzu kommt Zeitdruck: Die Projektabgabe steht bevor oder der eigene Vertrag läuft bald aus. Schließlich noch die Ansprüche des Doktorvaters, der auf die empirische Unerfahrenheit des Kandidaten kaum Rücksicht nimmt.
Allerdings verfügen die Doktoranden über eine weitaus höhere Arbeitsroutine als bei Studienbeginn. Auch ist die Arbeitsmotivation – die Anfertigung der Doktorarbeit – um ein Vielfaches höher als wenn es nur darum geht, eine Klausur zu bestehen.
In dieser schwierigen Startsituation möchte fu:stat:thesis Hilfestellungen geben, die den Doktoranden in die Lage versetzen, den empirischen Teil der ''Diss'' anzugehen. Gerade in der Anfangsphase treten einige Standardsituationen auf, die sich gut eingrenzen lassen, so dass der Hilfe suchende Student gut beraten werden kann.
Es ist das Ziel von fu:stat:thesis, Doktoranden in die Lage zu bringen, die empirischen Arbeiten einer Dissertation zu beginnen. Bei einem fortgeschrittenen Arbeitsstand werden auch komplexere Methoden und Modelle zum Einsatz kommen. Allerdings ist es unmöglich, hier auf begrenztem Raum einen Überblick zu geben. Eine empirische Beratung von einzelnen Dissertationsvorhaben sollte dann im Rahmen der Statistischen Beratungseinheit fu:stat durchgeführt werden. Umgekehrt fließen in einzelne Teilabschnitte viele Erfahrungen aus der Tätigkeit von fu:stat ein.
Im Einzelnen gibt fu:stat:thesis Hilfestellungen in den folgenden Bereichen:
Die Gliederung einer empirischen Arbeit
- Was gehört in die Gliederung?
- Formvorgaben für Ergebnisse (Tabellen, Graphiken, zitieren von fremden Datenquellen etc)
- Praktische Hinweise für das empirische Arbeiten (Ordnerstruktur, Einbindung von Statistikprogrammen, Kommentaren, Anzahl der parallel genutzten Datensätze, etc. )
Datenmanagement
- nötiges Datenformat für eine Auswertung
- Variablenmanipulation
- Zusammenführen von Datensätzen
- Herausfiltern von Untergruppen
Das passende Statistik-Paket finden
- Das Datenformat
- Das Niveau des eigenen Statistikverständnisses
- Spezielle Erfordernisse der gewünschten Analyse
- Benutzerfreundlichkeit
- Lizenzgebühren
- Schulungen
Beschreibung der Statistik-Pakete
Die erste Bekanntschaft mit dem Datensatz
- Erste deskriptive Auswertungen
- Graphische Übersichten
Modellauswahl und Modellgüte
- Wahl der Modellklasse: lin. Reg., Logit etc.
- Modellselektion
- Residuenplots
- Bestimmtheitsmaß R²/AIC/BIC
Standardauswertungen
- Das Lineare Regressionsmodel
- Varianzanalyse (ANOVA)
- ANOVA als Verallgemeinerung des T-Tests auf Mehr-Gruppen-Vergleiche
- Annahmen, Durchführung und Graphische Darstellung
- Omnibus-F-Test und Post-Hoc-Tests
- Kruskal-Wallis-Test als Alternative zur ANOVA
- Statistische Tests für Kontingenztabellen (Chi-Quadrat Test, FET, McNemar)
- Multiples Testen
- Was ist multiples Testen und warum ist es ein Problem?
- Korrekturmöglichkeiten
- Konzept der FWER und FDR
- Modelle für Cluster- und Paneldaten
- Die Datenformate Long und Wide
- Lineare Modelle mit festen und zufälligen Koeffizienten (gemischte Modelle)
- Umsetzung in Statistik-Paketen
Die Gestaltung von Umfragen und ihre Auswertung
- Fragebogengestaltung: Fehler und Tipps zur Fehlervermeidung
- Vom Umgang mit fehlenden Werten
- Von der Stichprobe zur Grundgesamtheit: Die Methodik der Stichprobentheorie
Studiendesign
- Hypothesenbildung
- Studientyp
- Gesamtpopulation
- Studienpopulation
- Stichprobenplan
