Dieses Buch erklärt ausgewählte Techniken der fortgeschrittenen Datenanalyse. In 10 eigenständigen Kapiteln werden dazu einführende und komplexe Datenbeispiele in R analysiert und interpretiert.

Dieses Buch erklärt, wie man mit R fortgeschrittene statistische Analysen durchführt. Die Techniken wurden dabei so ausgewählt, dass sie den Stoff im Masterstudiengang Psychologie und ähnlicher Studiengänge abdecken. In 10 eigenständigen Kapiteln werden die statistischen Verfahren anhand einführender und komplexer Datenbeispiele erläutert. Die Analyseergebnisse werden ausführlich interpretiert. Dabei legt das Buch besonderen Wert auf illustrative grafische Ergebnisdarstellungen. Auch die Voraussetzungen der Verfahren werden diskutiert und, soweit möglich, in R geprüft. Zu jedem Kapitel stehen Datendateien und ein R Script zur Verfügung, damit die Analyse schnell und unkompliziert nachvollzogen werden kann. Das Buch setzt Grundkenntnisse in R voraus und gibt ergänzende Literatur für die theoretischen Grundlagen und die Vertiefung für die fortgeschrittene Datenanalyse an.

Autorentext

MARKUS BURKHARDT ist wissenschaftlicher Mitarbeiter an der Professur für Forschungsmethodik und Evaluation in der Psychologie an der Technischen Universität Chemnitz.

JOHANNES TITZ ist wissenschaftlicher Mitarbeiter an der Professur für Forschungsmethodik und Evaluation in der Psychologie an der Technischen Universität Chemnitz.

PETER SEDLMEIER ist Professor für Forschungsmethodik und Evaluation in der Psychologie an der Technischen Universität Chemnitz.

Zusammenfassung

Dieses Buch erklärt, wie man mit R fortgeschrittene statistische Analysen durchführt. Die Techniken wurden dabei so ausgewählt, dass sie den Stoff im Masterstudiengang Psychologie und ähnlicher Studiengänge abdecken. In 10 eigenständigen Kapiteln werden die statistischen Verfahren anhand einführender und komplexer Datenbeispiele erläutert. Die Analyseergebnisse werden ausführlich interpretiert. Dabei legt das Buch besonderen Wert auf illustrative grafische Ergebnisdarstellungen. Auch die Voraussetzungen der Verfahren werden diskutiert und, soweit möglich, in R geprüft. Zu jedem Kapitel stehen Datendateien und ein R Script zur Verfügung, damit die Analyse schnell und unkompliziert nachvollzogen werden kann. Das Buch setzt Grundkenntnisse in R voraus und gibt ergänzende Literatur für die theoretischen Grundlagen und die Vertiefung für die fortgeschrittene Datenanalyse an. 

Inhalt

Kapitel 1 Fehlende Werte
Kapitel 2 Resampling Verfahren: Bootstrap und Randomisierungstests
Kapitel 3 Pfadanalyse
Kapitel 4 Strukturgleichungsmodelle
Kapitel 5 Mehrere Ebenen analysieren mit Hilfe gemischter Modelle
Kapitel 6 Conjoint-Analyse
Kapitel 7 Multidimensionala Skalierung
Kapitel 8 Metaanalysen
Kapitel 9 Einzelfallanalyse
Kapitel 10 Monte-Carlo Simulationen