|
Lehrende: Johannes Weidinger
Veranstaltungsart:
Übung
Anzeige im Stundenplan:
Semesterwochenstunden:
2
Credits:
4,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
- | -
Weitere Informationen:
Diese Übung muss wegen der zu geringen Zahl an Anmeldungen abgesagt werden - bitte melden Sie sich nicht mehr an bzw. wieder ab.
Kommentare/ Inhalte:
Die frei verfügbare Statistiksoftware R ist ein Werkzeug zur statistischen Datenanalyse und (räumlichen) grafischen Darstellung von Daten und Ergebnissen. R ist eine Standardsoftware für statistische Auswertungen im wissenschaftlichen Bereich und in Unternehmen.
Zur Vorbereitung auf den Blockkurs wird ca. zwei Wochen vor dem Kurs eine Nachricht über STiNE verschickt, die vor Veranstaltungsbeginn zu erledigende Aufgaben enthält (Installation und Einrichtung der Software). Weitere Informationen finden Sie unterhalb bei „Vorgehen“.
Lernziel:
Die Teilnehmenden wiederholen Statistik- und R-Grundlagen und vertiefen diese im Anschluss anhand von räumlichen Vegetationsdaten. Bei der Vertiefung verstehen sie das Prinzip der Regressionsanalyse und dessen Interpretation. Sie analysieren dazu biogeographische Datensätze und nutzen dabei R zur Berechnung von linearen Regressionsmodellen, multiplen linearen Regressionen und verallgemeinerten linearen Modellen. Darüber hinaus werden die Studierenden die GIS-Funktionalitäten von R kennen lernen. Sie erarbeiten sich anhand von praxisnahen Übungen den Einstieg in statistische Analyseverfahren mit biogeographischen Schwerpunkten.
Es wird Selbstsicherheit beim Umgang mit quantitativen Methoden und R-Funktionen erreicht. Die Übertragbarkeit der Methoden auf andere, z.B. von den Teilnehmenden selbst erhobene oder gemessene Datensätze werden diskutiert. Somit sind sie in der Lage, eigene Analysen selbstständig durchzuführen. Damit kann dieser Kurs als Ausgangspunkt für den weitergehenden Einsatz von R in individuellen Fragestellungen (z.B. Abschlussarbeiten, Praktika, Projekte, …) dienen.
Vorgehen:
Die Veranstaltung findet synchron digital statt. Die Teilnahme am digital-synchronen Format und die Bearbeitung von Haus- und Abschlussaufgabe gelingt am besten mit einem PC oder Notebook mit Windows 7 oder 10. Für andere Betriebssysteme kann keine Unterstützung garantiert werden. Die Inhalte bauen aufeinander auf, daher sollten Sie unbedingt, wie bei einem Blockkurs üblich, alle Tage vollständig für die Teilnahme frei halten.
Zunächst werden Grundlagen der Bedienung von R und die praktische Anwendung einfacher deskriptiver quantitativer Methoden wiederholt. Aus den Grundlagen-Kursen bekannte statistischen Verfahren und R-Funktionen werden zur Auffrischung gemeinsam diskutiert und angewendet. Als Schwerpunkt der Übung entwickeln die Teilnehmenden ausgehend von Korrelationsanalysen lineare Regressionsmodelle in R. Der Blockkurs umfasst die Themen:
- Grundlagen von R, Installation des Basispakets sowie dessen Erweiterungen (Wiederholung)
- Graphische Benutzeroberflächen für R, insbes. R Studio, Nutzung der internen Hilfe-Funktionen, Hilfen im Internet (Wiederholung)
- Datenimport und -manipulation, Interaktion mit Tabellenkalkulationsprogrammen, z.B. MS Excel (Wiederholung)
- Berechnung von deskriptiven Statistiken wie Mittelwert, Standardabweichung, Median, Quantile, Häufigkeitsverteilungen (Wiederholung)
- Visualisierung der Daten mittels einfacher Grafiken: Histogramme, Boxplots, Balken- und Streudiagramme (Wiederholung)
- Korrelationsanalyse
- Regressionsanalyse: einfache und multiple lineare Modelle (LM), verallgemeinerte lineare Modelle (GLM)
- visuelle und numerische Prüfung der Modellgüte anhand von unterschiedlichen Evaluationskriterien (R2, AIC, BIC)
- Interpretation der Modelle: Beschreibung der Beziehung zwischen der abhängigen und den unabhängigen Variablen
- R als Geographisches Informationssystem (GIS), SAGA GIS und R
Bitte unbedingt beachten:
- Ca. zwei Wochen vor dem Kurs wird eine Nachricht über Stine verschickt, die Aufgaben zur Vorbereitung auf den Kurs enthält. Diese Aufgaben umfassen die Installation und Einrichtung der Software auf einem USB-Stick, mit dem Sie während des Kurses arbeiten.
- Bitte prüfen Sie in dieser Zeit Ihren Stine-Account oder richten Sie eine Weiterleitung der Nachrichten zu Ihrem E-Mail-Postfach ein.
- Diese Aufgaben sind unbedingt vor dem Kurs durchzuführen. Der Zeitaufwand beträgt etwa eine Stunde.
Melden Sie sich gerne, wenn Sie Fragen zu der Veranstaltung haben (maria.bobrowski@uni-hamburg.de).
Literatur:
- Alexandrowicz, R. W. (2013). R in 10 Schritten. Einführung in die statistische Programmierumgebung. Wien: facultas wuv / UTB.
- Dormann, C.F. (2017): Parametrische Statistik. Springer Spektrum, Berlin Heidelberg
- Hatzinger, R., Hornik, K., Nagel, H. & Maier, M. (2014). R: Einführung durch angewandte Statistik. 2. Auflage, Hallbergmoos: Pearson
- Herrmann, L. (2018): Bodenkunde Xpress. Ulmer / UTB, Stuttgart
- Martin, K. & Sauerborn, J. (2006): Agrarökologie. Ulmer / UTB, Stuttgart
- Oestreich, M., Romberg, O. (2014): Keine Panik vor Statistik! Erfolg und Spaß im Horrorfach nichttechnischer Studiengänge. Springer Spektrum, Wiesbaden
- Schwab, N., Conradt, J., Gottschalk, R., Jentsch, H., Kaul, N., Werner, M., Bobrowski, M., Weidinger, J., Blender, R., Fischer, E., Oldeland, J., Otto, S. A., Böhner, J. (2017 - 2021): RLab - Skriptbasierte modulare Umweltstatistik. Lehrlabor, Universitätskolleg 2.0, Universität Hamburg. https://rlab.blogs.uni-hamburg.de. CC BY-SA
- Stahr, K., Kandeler, E., Herrmann, L. & Streck, T. (2016): Bodenkunde und Standortlehre. Ulmer / UTB, Stuttgart
- Wollschläger, D. (2016): R kompakt: der schnelle Einstieg in die Datenanalyse. Springer Spektrum, Berlin Heidelberg
- Zuur, A. F., Ieno, E. N. & Meesters, E. (2009). A beginner's guide to R. New York: Springer.
Zusätzliche Hinweise zu Prüfungen:
- aktive Mitarbeit, Übungsaufgaben während der Veranstaltung
- Benotung anhand einer Hausaufgabe und einer Abschlussaufgabe
|
