Semester: Sommer 2025
Belegnummer: 300252
Dozent: Marvin Bürmann
Ort: X-D2-105
Zeit: dienstags 14-16h c.t.
Hinweis:
Dieser Syllabus wird ggf. im Laufe der Veranstaltung angepasst. Die aktuelle Fassung des Syllabus finden Sie immer hier unter dieser Adresse.
URL (mit “http://”" oder ohne “www.”): lehre.mbuermann.de/syllabus_meme25.html
Die Anpassungen werden ganz unten auf dieser Seite dokumentiert.
Inhalt:
Das Seminar vermittelt Kompetenzen zur Analyse hierarchischer Datensätze. In den Sozialwissenschaften wird von hierarchischen Daten gesprochen, wenn Befragte unterschiedlichen Kontexten zugeordnet werden können. Das können beispielsweise (Bundes-)Länder, aber auch Schulen und Schulklassen sein. Hierarchische Datensätze können mit sogenannten Mehrebenenmodellen dahingehend untersucht werden, welchen Einfluss der betrachtete Kontext auf die Individuen hat. Im Fokus des Seminars steht diesbezüglich das European Social Survey (ESS) als eine europäische Befragung, mit der Effekte auf Länderebene untersucht werden können.
Grundsätzlicher Ablauf und Anforderungen:
Das Seminar wird abwechselnd aus vorlesungsähnlichen Sitzungen und praktischen Übungen bestehen. In den vorlesungsähnlichen Sitzungen werden zunächst Aspekte des Datenmanagements von hierarchischen Daten und später die mathematisch statistischen Grundlagen von Mehrebenenmodellen sowie die üblichen Analyseschritte erläutert. Bei den Erläuterungen der Modelle wird die Kenntnis des linearen Regressionsmodells (OLS) vorausgesetzt. Darauf aufbauend werden Random Intercept und Random Slopes Mehrebenenmodelle vorgestellt. Nach diesen vorlesungsähnlichen Inputs werden die dargestellten Vorgehensweisen und Modelle praktisch am Computer mit Hilfe des Statistikprogramms ‘Stata’ anhand des ESS eingeübt.
Studierende sollen die Kompetenzen erlangen, hierarchische Datensätze adäquat zu analysieren. Dazu zählt die korrekte Modellierung hierarchischer Daten im Rahmen von Mehrebenenmodellen sowie der einer spezifischen Forschungsfrage entsprechende Modellaufbau (Auswahl der Analyseschritte und Darstellung der zentralen Ergebnisse).
Kenntnisse der linearen Regression (OLS) sowie Kenntnisse der syntaxbasierten Nutzung des Statistikprogramms “Stata” oder alternativ die Bereitschaft, sich dies im Selbststudium anzueignen.
Der Moodle Kurs der Veranstaltung ist das zentrale Tool der Veranstaltung. Er ist beispielsweise über folgende URL erreichbar: https://moodle.uni-bielefeld.de/course/view.php?id=9695. Im Moodle Kurs werden die Folien zu den Sitzungen (nach den Sitzungen) sowie die Übungsblätter zu den jeweiligen praktischen Sitzungen (zu Beginn der Sitzungen) bereitgestellt. Auch die Dofiles für die Erbringung der Studienleistung sind hier einzureichen.
Viele Services der Universität stehen nur innerhalb des Uninetzes zur Verfügung. Dazu gehört insbesondere der Zugriff auf die Rechner des CIP-Pools und der Zugang zu kostenpflichtiger Literatur. Entsprechende Anleitungen zur Einreichtung des Zugangs finden sich auf folgender Seite der Universität: https://www.uni-bielefeld.de/einrichtungen/bits/services/netzzugang/vpn/
Die Daten des ESS sowie die Lösungsdofiles werden in einem Veranstaltungsordner auf dem Laufwerk “CIPUX_veranstaltungen” (üblicherweise das “K”-Laufwerk) bereitgestellt. In dem Ordner (wahrscheinlich “buermann_mem4”) wird es einen “readonly”- und einen “public”-Ordner geben. In dem “readonly”-Ordner werden die Daten sowie die Lösungsdofiles zur Verfügung gestellt. Im “public”-Ordner können Sie sich ihren eigenen Unterordner anlegen (z.B. mit dem Namen Ihres Zugangskürzel), in dem Sie während der praktischen Sitzungen arbeiten. Als Unterordner für diesen Ordner empfehle ich: “do”, “log”, “derived” & “results”. Der Zugang zu dem Laufwerk ist auch über die remote-access Lösung möglich (siehe nächster Punkt).
Der Zugriff auf Stata und das Veranstaltungslaufwerk ist auch von Zuhause über eine Lösung namens “Solabor” möglich. Sobald Sie Zugriff auf das Veranstaltungslaufwerk haben sollten Sie auch für Solabor freigeschaltet sein. Sie brauchen sich also nicht separat für Solabor anmelden. Weitere Informationen zur Nutzung von Solabor finden Sie auf dieser Seite der IT der Fakultät füpr Soziologie: https://www.uni-bielefeld.de/fakultaeten/soziologie/fakultaet/soz-it/distance-learning/.
Die Studienleistung besteht aus dem Einreichen von Lösungsdofiles zur den Übungszetteln. Die Anzahl der einzureichenden Lösungsdofiles zum Erlangen der Studienleistung kann durch einen Vortrag zu einem wissenschaftlichen Papier, in dem hierarchische Daten wie das ESS analysiert werden, reduziert werden. Ohne einen solchen Vortrag sind mindestens 4 der 6 Übungszettel zu bearbeiten. Durch einen Vortrag (10-15 Minuten) kann die Anzahl der einzureichenden Lösungsdofiles auf 2 reduziert werden. Die erarbeiteten Lösungsdofiles zu den Übungszetteln sind spätestens am Montagabend vor dem Seminar im entsprechenden Abgabeordner des Moodle-Kurses hochzuladen (nach 23:59 Uhr schließt der Abgabeordner!).
Die Prüfungsleistung besteht aus einer Hausarbeit zu einer eigenen Forschungsfrage unter Anwendung von im Seminar behandelten Analysemethoden.
Als Datengrundlage soll hierbei der ESS dienen. Die Daten sind selbst aufzubereiten und zu analysieren. Hinweise zur Anfertigung von Hausarbeiten bei Lehrenden der AG Kroh finden sich unter http://www.uni-bielefeld.de/soz/personen/kroh/lehre.html
Sitzung | Inhalt & Material | Studien- leistung |
---|---|---|
08.04.2025 Sitzung 1 |
Organisatorisches, Prüfungsleistungen, Seminarplan, Wiederholung der Regressionsanalyse | - |
15.04.2025 Sitzung 2 |
Präsentation Dozent: Hierarchische Daten, das ESS & die LSDV-Regression Limitationen der linearen Regression bei hierarchischen Daten |
- |
22.04.2025 Sitzung 3 |
Praktische Übung: Übung zu Sitzung 2 LSDV-Regression mit dem ESS Berechnung anhand eigener AV oder entlang des Übungszettels |
Übungsblatt 1/6 |
29.04.2025 Sitzung 4 |
Präsentation Dozent: Nullmodelle und Random Intercept Modelle Nutzen und Anwendungsfälle |
- |
06.05.2025 Sitzung 5 |
Praktische Übung: Übung zu Sitzung 4 Nullmodelle und Random Intercept Modelle Berechnung anhand eigener AV oder entlang des Übungszettels |
Übungsblatt 2/6 |
13.05.2025 Sitzung 6 |
Präsentation Dozent: Random Intercept Random Slope Modelle Nutzen und Anwendungsfälle |
- |
20.05.2025 Sitzung 7 |
Praktische Übung: Übung zu Sitzung 6 Random Intercept Random Slope Modelle Berechnung anhand eigener AV oder entlang des Übungszettels |
Übungsblatt 3/6 |
27.05.2025 Sitzung 8 |
Präsentation Dozent: Nested Multilevel Models Nutzen und Anwendungsfälle |
- |
03.06.2025 Sitzung 9 |
Praktische Übung: Übung zu Sitzung 8 Nested Multilevel Models Berechnung anhand eigener AV oder entlang des Übungszettels |
Übungsblatt 4/6 |
10.06.2025 Sitzung 10 |
fällt planmäßig aus (Lesewoche) | - |
17.06.2025 Sitzung 11 |
Präsentation Dozent: Hybrid-Mehrebenenmodelle Nutzen und Anwendungsfälle |
- |
24.06.2025 Sitzung 12 |
Praktische Übung: Übung zu Sitzung 11 Hybrid-Mehrebenenmodelle Berechnung anhand eigener AV oder entlang des Übungszettels |
Übungsblatt 5/6 |
01.07.2025 Sitzung 13 |
Präsentation Dozent: Mittelwertzentrierungen Nutzen und Anwendungsfälle |
- |
08.07.2025 Sitzung 14 |
Praktische Übung: Übung zu Sitzung 13 Mittelwertzentrierungen Berechnung anhand eigener AV oder entlang des Übungszettels |
Übungsblatt 6/6 |
15.07.2025 Sitzung 15 |
Zusammenfassung, Feedback zum Seminar, Rückmeldung zu Hausarbeitsideen | - |
(Verfügbarkeit nicht geprüft)
Hox, Joop J.; Moerbeek, Mirjam; van de Schoot, Rens (2010): Multilevel analysis: Techniques and applications: Routledge.
Hox, Joop J.; Roberts, J. Kyle (Hg.) (2011): Handbook of advanced multilevel analysis. ebrary, Inc. New York: Routledge (European Association of Methodology Series).
Rabe-Hesketh, Sophia; Skrondal, Anders (2008): Multilevel and longitudinal modeling using Stata: Stata Press.
Snijders, Tom; Bosker, Roel (1999): Multilevel analysis. An introduction to basic and applied multilevel analy-sis: London: Sage.
Schmidt-Catran, Alexander W.; Fairbrother, Malcolm (2015): The random effects in multilevel models: getting them wrong and getting them right. In: European Sociological Review, jcv090.(Download über Uni-VPN)
Kohler, Ulrich, und Frauke Kreuter. 2012. Datenanalyse mit Stata. Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. 4., aktualisierte und überarbeitete Auflage. München: Oldenbourg, R. (Download über Uni-VPN)
Kopp, Johannes, und Daniel Lois. 2014. Sozialwissenschaftliche Datenanalyse. Eine Einführung. 2., überarb. u. aktualisierte Aufl. 2014. Wiesbaden: Imprint: Springer VS. (Download über Uni-VPN)
Bortz, Jürgen, und Christof Schuster. 2010. Statistik für Human- und Sozialwissenschaftler. Berlin, Heidelberg: Springer Berlin Heidelberg. (Download über Uni-VPN)
Backhaus, Klaus. 2011. Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. 13., überarb. Aufl. Berlin [u.a.]: Springer. (Download über Uni-VPN)
Wolf, Christof, und Henning Best, Hrsg. 2010. Handbuch der sozialwissenschaftlichen Datenanalyse. 1. Aufl. Wiesbaden: VS, Verl. für Sozialwiss. (Download über Uni-VPN)
Aktualisierungshistorie der Website seit Start der Veranstaltung:
08.04.2025: Zweiten Abgabetermin für die PL in Übereinstimmung mit den Folien auf den existierenden 30. September geändert