Statistik I

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.

1R Crash-KursInhalte Aufgaben
2Deskriptivstatistik für Nominal- und OrdinalskalenInhalte Aufgaben
3Deskriptivstatistik für IntervallskalenInhalte Aufgaben
4VerteilungenInhalte Aufgaben
5Tests und KonfidenzintervalleInhalte Aufgaben
6Tests für unabhängige StichprobenInhalte Aufgaben
7Tests für abhängige StichprobenInhalte Aufgaben
8Simulation und PoweranalyseInhalte Aufgaben
9KorrelationInhalte Aufgaben
10MatrixalgebraInhalte Aufgaben
11Einfache Lineare RegressionInhalte Aufgaben
12Multiple RegressionInhalte Aufgaben
ZusatzGruppenprojektInhalte Ergebnisbericht LIFOS
Die Umfrage aus der ersten Woche gibt es hier. Die Daten, die dabei in der ersten Sitzung entstanden sind, können Sie hier im RDA Format und hier im CSV Format herunterladen. Was welche Variablen in diesem Datensatz bedeutet, wird in der Variablenübersicht erläutert.

Statistik II

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.

1Wiederholung von Grundlagen in RInhalte
2Grafiken mit ggplot2Inhalte
3Scatterplots und interaktiven Grafiken mit ggplot2Inhalte Quizdaten
4Inferenz und Modellauswahl in der multiplen RegressionInhalte
5Partial- & SemipartialkorrelationInhalte Quizdaten
6RegressionsdiagnostikInhalte
7Nichtlineare RegressionInhalte
8Einfaktorielle ANOVAInhalte
9Zweifaktorielle ANOVAInhalte Quizdaten
10Varianzanalyse mit MesswiederholungInhalte Quizdaten
11Regression mit nominalskalierten PrädiktorenInhalte
12Moderierte RegressionInhalte Quizdaten
13Gewichtete RegressionInhalte
ZusatzLoops und FunktionenInhalte

Forschungsmethoden und Evaluation I & II

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

1Einleitung und WiederholungInhalte Übungsdaten
2Regression und AusreißerdiagnostikInhalte Übungsdaten
3Hierarchische RegressionInhalte Übungsdaten
4Logistische RegressionInhalte Übungsdaten
ZusatzHauptkomponentenanalyseInhalte Übungsdaten
ZusatzMultivariate VarianzanalyseInhalte
ZusatzDiskriminanzanalyseInhalte
Die zweite Hälfte des Moduls, F&E II, befasst sich vor allem mit Ansätzen zur Modellierung latenter Variablen und deren Beziehungen zueinander. Darunter fallen z.B. explorative und konfirmatorische Faktorenanalysen, die die Beziehung zwischen manifesten Variablen und den ihnen zugrundeliegenden latenten Variablen modellieren. Aber auch die Modellierung der Beziehung zwischen latenten psychologischen Konstrukten (Strukturgleichungsmodelle) und die Vergleiche von Modellen zwischen verschiedenen Gruppen, z.B. für interkulturelle Studien, ist Bestandteil dieses Semesters.

1Einführung in lavaanInhalte Übungsdaten
2Exploratorische FaktorenanalyseInhalte Übungsdaten
3Konfirmatorische FaktorenanalyseInhalte Übungsdaten
4Pfadanalysen und StrukturgleichungsmodelleInhalte Übungsdaten
5Modelle für GruppenvergleicheInhalte Übungsdaten
ZusatzModell-Fit, Stichprobengröße und FehlspezifikationInhalte
ZusatzMSA - InvarianzstufenInhalte
Zusatz-Abschnitte sollen als Ergänzung für Interessierte dienen und einige angesprochene Aspekte vertiefen. Hier werden keine neuen R-Inhalte vermittelt.

Methoden für Psychothera-peut*innen

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.

I1Multiple RegressionInhalte Artikel
I2Logistische RegressionInhalte Artikel
I3ANCOVA und moderierte Regression
II4Latent State-Trait Modelle
II5Wachstumskurvenmodelle
II6Autoregressive Effekte
III7Netzwerkanalyse im Querschnitt
III8Idiografische Netzwerkmodellierung
III9Netzwerkmodelle für Panel-Daten
IV10Grundlagen der Meta-Analyse
IV11Meta-Analysen mit Zufallseffekten
IV12Netzwerk-Meta-Analysen
Sollten Sie Unterlagen aus den vergangenen Semestern des Kurses suchen, werden Sie hier fündig.

Weitere Lehrinhalte

Diagnostik – Praktikum

In dem Modul Grundlagen der Diagnostik (PsyBSc8) lernt ihr im Praktikum ein psychologisches Testverfahren zu erstellen und empirisch zu überprüfen. In diesem Zusammenhang wird eine Itemanalyse und eine Exploratorische Faktorenanalyse durchgeführt. Hier könnt ihr erneut nachlesen, was im Praktikum vorgeführt wird.

1ItemanalyseInhalte
2Exploratorische FaktorenanalyseInhalte

Forschungsmodul Methoden

Das Forschungsmodul Methoden beschäftigt sich mit vertiefenden Analysen und Simulationsstudien und gibt dadurch Einblicke in die Welt der Analyse von statistischen Methoden.
1Simulationsstudien in RInhalte
2SelektionseffekteInhalte

Meta-Analyse im A&O-Kontext

Die hier präsentierten Unterlagen sind während des Forschungsmoduls A&O (SoSe 2020 und WiSe 2020/21) entstanden. Eine ergänzende Ressource zu Meta-Analysen im nicht-klinischen Bereich.

1Meta-Analysen in RInhalte

Independence in R

This is a guide, specifically designed for students, to help with your handling of R - especially when working with your own data. Here you will find detailed examples for working with R, data aggregation, descriptive and inferential statistics and much more.
1The student’s guide to independence in RInhalte