Suchergebnisse

Die explorative Datenanalyse (EDA) umfasst eine Reihe meist grafischer oder semigrafischer Verfahren, die es ermöglichen, Daten und Ergebnisse besser zu verstehen. Das Ziel der EDA ist es Muster, Auffälligkeiten oder Zusammenhänge in Daten zu entdecken. Im Hauptteil des Buches werden die Grundtechniken zur Exploration von Verteilungen, Zusammenhängen und multivariaten Beziehungen vorgestellt. Die Grenzen zwischen der explorativen und der deskriptiven Datenanalyse sind fließend und für eine vernünftige Datenanalyse (und auch zur Kommunikation von Ergebnissen) sind beide unabdingbar. Deswegen behandelt das Buch beide Arten von Verfahren. Zudem enthält es ein Kapitel über Effektgrößen und eines zu Grafiken in der Inferenzstatistik. Alle Verfahren werden mit Hilfe von Beispielen illustriert und können unter Verwendung der frei erhältlichen Programmiersprache R von jedermann leicht nachvollzogen werden. Ergänzend werden alle R-Skripte auch online angeboten (http://www.r-stutorials.de/eda). Da keinerlei Programmierkenntnisse vorausgesetzt werden, eignet sich dieses Buch auch zum Einstieg in R. Markus Burkhardt ist wissenschaftlicher Mitarbeiter an der Professur für Forschungsmethoden und Evaluation am Institut für Psychologie der TU-Chemnitz. / Peter Sedlmeier ist Professor für Forschungsmethoden und Evaluation am Institut für Psychologie der TU Chemnitz.

Verlagsbeschreibung: Dieses Lehrbuch bietet eine übersichtliche und umfassende Einführung in die statistische Methodenlehre und Datenanalyse mit Excel und SPSS.Zur Anwendung und weiteren Vertiefung der statistischen Methoden ist, in Ergänzung zu diesem Lehrbuch, das Buch ?Statistik verstehen mit Excel IBM Interaktiv lernen und anwenden? mit kostenlosen Zusatzmaterialien in Form von Übungen erschienen

'Das größer werdende Interesse an Netzwerkanalysen hat zur Suche nach effizienten Routinen zur Organisation und Analyse von Netzwerkdaten geführt. Im Rahmen dieses Aufsatzes wird aufgezeigt, wie Daten egozentrierter Netzwerke mit Hilfe sozialwissenschaftlicher Standardsoftware wie SPSS-PC ohne größere Mühen auf Dyaden- und Netzwerkebene organisiert werden können. Die vorgeschlagenen Verfahren setzen nur ein Minimum an Vorkenntnissen in computerunterstützter quantitativer Datenanalyse voraus. Exemplarisch wird die Vorgehensweise anhand des ALLBUS 1990 demonstriert. Gleichzeitig werden einige empirische Analysen durchgeführt, die den Gebrauch egozentrierter Netzwerkdaten auf verschiedenen Analyseeebenen illustrieren sollen.' (Autorenreferat)