PsyBSc 2
In Statistik I geht es um die erste Einführung in die Statistik im Psychologiestudium. Dafür betrachten wir die Grundstruktur von R, Datenimport, einfache Grafiken, Deskriptivstatistiken, Verteilungsfunktionen und einige Tests.
1 | R Crash-Kurs | Inhalte Aufgaben |
2 | Deskriptivstatistik für Nominal- und Ordinalskalen | Inhalte Aufgaben |
3 | Deskriptivstatistik für Intervallskalen | Inhalte Aufgaben |
4 | Verteilungen | Inhalte Aufgaben |
5 | Tests und Konfidenzintervalle | Inhalte Aufgaben |
6 | Tests für unabhängige Stichproben | Inhalte Aufgaben |
7 | Tests für abhängige Stichproben | Inhalte Aufgaben |
8 | Simulation und Poweranalyse | Inhalte Aufgaben |
9 | Korrelation | Inhalte Aufgaben |
10 | Matrixalgebra | Inhalte Aufgaben |
11 | Einfache Lineare Regression | Inhalte Aufgaben |
12 | Multiple Regression | Inhalte Aufgaben |
Zusatz | Gruppenprojekt | Inhalte Ergebnisbericht LIFOS |
PsyBSc 7
In Statistik II werden naheliegenderweise die Inhalte aus Statistik I vertieft. Behandelt werden u.a. Matrixalgebra, multiple Regression und Varianzanalysen. Außerdem gucken wir uns ein paar R-spezifische Dinge wie ggplot2
oder das Schreiben eigener Funktionen an.
1 | Wiederholung von Grundlagen in R | Inhalte |
2 | Grafiken mit ggplot2 | Inhalte |
3 | Scatterplots und interaktiven Grafiken mit ggplot2 | Inhalte Quizdaten |
4 | Inferenz und Modellauswahl in der multiplen Regression | Inhalte |
5 | Partial- & Semipartialkorrelation | Inhalte Quizdaten |
6 | Regressionsdiagnostik | Inhalte |
7 | Nichtlineare Regression | Inhalte |
8 | Einfaktorielle ANOVA | Inhalte |
9 | Zweifaktorielle ANOVA | Inhalte Quizdaten |
10 | Varianzanalyse mit Messwiederholung | Inhalte Quizdaten |
11 | Regression mit nominalskalierten Prädiktoren | Inhalte |
12 | Moderierte Regression | Inhalte Quizdaten |
13 | Gewichtete Regression | Inhalte |
Zusatz | Loops und Funktionen | Inhalte |
PsyMSc 1
Das Modul PsyMSc1 ist in zwei Teile untergliedert, Forschungsmethoden und Evaluation I und II. In F&E I geht es um multivariate Vorhersagemodelle, die als (multivariate) Erweiterung des Allgemeinen Linearen Modells angesehen werden können. Beispielsweise wird die Regressionsanalyse erweitert, um auch bestimmte Abhängigkeiten in den Daten modellieren zu können, sowie um auch dichotome abhängige Variablen vorhersagen zu können. Neben der multivariaten Erweiterung der Varianzanalyse (ANOVA) werden auch Datenvorbereitungsmaßnahmen vorgestellt, welche den/die Anwender/in beim Verstehen der Struktur in den Daten unterstützen sollen. Die inhaltlichen Sitzungen werden hierbei durch die Umsetzung in R
unterstützt
1 | Einleitung und Wiederholung | Inhalte Übungsdaten |
2 | Regression und Ausreißerdiagnostik | Inhalte Übungsdaten |
3 | Hierarchische Regression | Inhalte Übungsdaten |
4 | Logistische Regression | Inhalte Übungsdaten |
Zusatz | Hauptkomponentenanalyse | Inhalte Übungsdaten |
Zusatz | Multivariate Varianzanalyse | Inhalte |
Zusatz | Diskriminanzanalyse | Inhalte |
1 | Einführung in lavaan | Inhalte Übungsdaten |
2 | Exploratorische Faktorenanalyse | Inhalte Übungsdaten |
3 | Konfirmatorische Faktorenanalyse | Inhalte Übungsdaten |
4 | Pfadanalysen und Strukturgleichungsmodelle | Inhalte Übungsdaten |
5 | Modelle für Gruppenvergleiche | Inhalte Übungsdaten |
Zusatz | Modell-Fit, Stichprobengröße und Fehlspezifikation | Inhalte |
Zusatz | MSA - Invarianzstufen | Inhalte |
KliPPsMSc5a
Das Modul KliPPsMSc5 ist in zwei Teile untergliedert. Im ersten Semester besuchen Sie ein Seminar, im zweiten Semester eine Vorlesung. Die hier bereitgestellten Inhalte beziehen sich auf die Seminare im ersten Semester - also den Teil 5a des Moduls. In diesem Seminar werden wir die Analysen aus verschiedenen Artikeln aus der klinischen Forschung nachvollziehen und reproduzieren. Dabei unterteilen wir das Ganze in vier Blöcke - Regression, gemischte Modelle, Netzwerkanalyse und Meta-Analyse. Die Beiträge befassen sich vor allem mit der Umsetzung in R - theoretische Grundlagen vertiefen wir in der Sitzungen vor Ort.
I | 1 | Multiple Regression | Inhalte Artikel |
I | 2 | Logistische Regression | Inhalte Artikel |
I | 3 | ANCOVA und moderierte Regression | |
II | 4 | Latent State-Trait Modelle | |
II | 5 | Wachstumskurvenmodelle | |
II | 6 | Autoregressive Effekte | |
III | 7 | Netzwerkanalyse im Querschnitt | |
III | 8 | Idiografische Netzwerkmodellierung | |
III | 9 | Netzwerkmodelle für Panel-Daten | |
IV | 10 | Grundlagen der Meta-Analyse | |
IV | 11 | Meta-Analysen mit Zufallseffekten | |
IV | 12 | Netzwerk-Meta-Analysen |
1 | Itemanalyse | Inhalte |
2 | Exploratorische Faktorenanalyse | Inhalte |
1 | Simulationsstudien in R | Inhalte |
2 | Selektionseffekte | Inhalte |
1 | Meta-Analysen in R | Inhalte |
1 | The student’s guide to independence in R | Inhalte |