Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Advanced Regression Models - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Seminar Langtext
Veranstaltungsnummer Kurztext
Semester SoSe 2022 SWS 2
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen 30
Credits Belegung Belegpflicht
Zeitfenster
Hyperlink
Sprache Deutsch
Belegungsfristen
Einrichtung :
Fakultät für Gesellschaftswissenschaften

Einrichtung :
Fakultät für Gesellschaftswissenschaften
Termine Gruppe: [unbenannt] iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Status Bemerkung fällt aus am Max. Teilnehmer/-innen E-Learning
Einzeltermine anzeigen
iCalendar Export für Outlook
Mi. 16:00 bis 20:00 14-tgl. 06.04.2022 bis 29.06.2022  MC - MC 231   zusätzliche Plätze per Email-Anwendung bei Dozent (für nicht-UDE-Studierende)   20 Präsenzveranstaltung
Gruppe [unbenannt]:
Zur Zeit keine Belegung möglich
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Ziller, Conrad , Dr.
Zielgruppen/Studiengänge
Zielgruppe/Studiengang Semester Pflichtkennzeichen
PM M.A., Politikmanagement, Public Policy und öffentliche Verwaltung (Master of Arts) 2 - 2
IBEP M.A., Internationale Beziehungen und Entwicklungspolitik (Master of Arts) 2 - 2
TuV, Theorie und Vergleich politischer Systeme im Wandel 2 - 2
Zuordnung zu Einrichtungen
Fakultät für Gesellschaftswissenschaften
Inhalt
Kommentar

This seminar teaches the statistical foundations and practical applications of advanced regression models. Subsequently, to identify limitations of the classic OLS estimator, we focus on the General Linear Model with various link functions, Random Effects (a.k.a. Multilevel) models, Fixed Effects and Difference-in-Differences models, as well as Structural Equation Modeling. In addition to the technicalities, participants will learn how to deal in practice with these tools using real data examples in R. Participants will also have the possibility to discuss their own projects.

Knowledge of basic linear regression is useful, but not a prerequisite. The course will be held in English.

MA students register via LSF. Doctoral students should register directly with me via conrad.ziller@uni-due.de

 

 

Leistungsnachweis

To pass the course (and earn credits), participants are required to (1) actively participate in the course, (2) conduct their own data analysis using advanced regression models, and (3) document their methodological approach and empirical results.


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2022 , Aktuelles Semester: SoSe 2024