Unternehmensführung VZ
Apply Icon
Jetzt
Bewerben

Statistische Methoden & Datenanalyse

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Bachelor

Lernergebnisse der Lehrveranstaltung/des Moduls

Die Studierenden
• besitzen grundlegende Kenntnisse über quantitative Methoden der Wirtschaftswissenschaften und grundlegende Kenntnisse über statistische Methoden und Verfahren zur Beschreibung und Analyse von Wirtschaftsdaten.
• sind in der Lage, beschreibende Statistiken (empirische Verteilung, Mittelwerte, Streuungsmaße), Wahrscheinlichkeitsrechnungen, ein- und zweidimensionale Zufallsvariablen, theoretische Verteilungen, Stichproben und Stichprobenverteilungen sowie Schätzverfahren (Konfidenzintervalle) und Testverfahren (Parametertests, Varianzanalyse, Verteilungstests) und Regressionsanalysen (lineare Einfach- und Mehrfachregression) zu beurteilen und durchzuführen.
• sind in der Lage, größere Datensätze zu strukturieren und zusammen zu stellen.

Voraussetzungen laut Lehrplan

Keine

Lehrinhalte

Teil A: Grundlagen der Statistik:
• Einführung in die deskriptive Statistik (grafische Darstellung von Daten und Verteilungen, Berechnungen statistischer Zentral- und Streuungsmaße, Test auf Normalverteilung von Daten) und Dateninterpretation
• Einführung in die schließende Statistik (Differenzentest für nominal, ordinal und kardinal skalierte Daten)
• Einführung in die Korrelations- und Faktorenanalyse

Teil B: Aufbau eines Datensatzes und Variablendeklaration:
• Aufbau und Struktur eines Datensatzes für statistische Analysen unter Anwendung von Software
• Bestimmung und Entwicklung von Variablen (abhängige, unabhängige, Dummy, Interaktion) und Skalierung (nominal, ordinal, Intervall, kardinal)

Teil C: Grundlagen der Regressionsanalyse:
• Einführung in die lineare Regression (Grundmodell, Schätzverfahren, Integration nicht-linearer Variablen, statistische Signifikanz, Bewertungsmaße der Schätzqualität) inkl. Interpretation der Ergebnisse

Die Vertiefung der (theoretischen) Inhalte erfolgt über praktische Beispiele inkl. Softwareunterstützung.

• Einführung in die deskriptive Statistik (grafische Darstellung von Daten und Verteilungen, Berechnungen statistischer Zentral- und Streuungsmaße, Test auf Normalverteilung von Daten) und Dateninterpretation
• Einführung in die schließende Statistik (Differenzentest für nominal, ordinal und kardinal skalierte Daten)
• Einführung in die Korrelations- und Faktorenanalyse

Teil B: Aufbau eines Datensatzes und Variablendeklaration:
• Aufbau und Struktur eines Datensatzes für statistische Analysen unter Anwendung von Software
• Bestimmung und Entwicklung von Variablen (abhängige, unabhängige, Dummy, Interaktion) und Skalierung (nominal, ordinal, Intervall, kardinal)

Teil C: Grundlagen der Regressionsanalyse:
• Einführung in die lineare Regression (Grundmodell, Schätzverfahren, Integration nicht-linearer Variablen, statistische Signifikanz, Bewertungsmaße der Schätzqualität) inkl. Interpretation der Ergebnisse

Die Vertiefung der (theoretischen) Inhalte erfolgt über praktische Beispiele inkl. Softwareunterstützung.

empfohlene Fachliteratur

Bamberg, G., Baur, F., & Krapp, M. (2017). Statistik: Eine Einführung für Wirtschafts- und Sozialwissenschaftler. Berlin: Walter de Gruyter.
Cleff, T. (2015). Deskriptive Statistik und Explorative Datenanalyse: Eine computergestützte Einführung mit Excel, SPSS und STATA. Wiesbaden: Springer Verlag.
Kohn, W., & Öztürk, R. (2017). Statistik für Ökonomen: Datenanalyse mit R und SPSS. Wiesbaden: Springer Verlag.
Leohnhart, R. (2017). Lehrbuch Statistik: Einstieg und Vertiefung. Bern: Hogrefe Verlag.
Steland, A. (2016). Basiswissen Statistik: Kompaktkurs für Anwender aus Wirtschaft, Information und Technik. Berlin-Heidelberg: Springer Verlag.
Zwerenz, K. (2015). Statistik: Einführung in die computergestützte Datenanalyse. Berlin: Walter de Gruyter.

Bewertungsmethoden und -kriterien

• Seminararbeit
• Abschlussklausur

Unterrichtssprache

Deutsch

Anzahl der zugewiesenen ECTS-Credits

2

geplante Lehr- und Lernmethoden

• 25 % der Veranstaltung wird über eLearning abgedeckt. Hierbei wird eine Kombination zwischen Online Phasen (induktive Methode zum eigenständigen Erarbeiten von Wissen und zum Üben von Aufgabenstellungen) und Präsenzphasen (deduktive Methode, bei welcher Hilfestellungen im Lernprozess gegeben werden als auch über Frontalvorträge Wissen vermittelt wird) eingesetzt.

Semester/Trimester, in dem die Lehrveranstaltung/das Modul angeboten wird

1

Name des/der Vortragenden

Prof. (FH) Dr. Dr. Mario Situm

Kennzahl der Lehrveranstaltungen/des Moduls

FIN 2

Art der Lehrveranstaltung/des Moduls

Integrierte Lehrveranstaltung

Art der Lehrveranstaltung

Pflichtfach

Praktikum/Praktika

nicht zutreffend