Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
400018 SE Hierarchical Modeling for Social Scientists' (2017W)
Seminar für DissertantInnen: Methoden
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Fr 01.09.2017 08:00 bis Mi 27.09.2017 17:00
- Anmeldung von Mi 10.01.2018 08:00 bis Mo 15.01.2018 13:00
- Abmeldung bis So 21.01.2018 13:00
Details
max. 15 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 22.01. 09:00 - 12:00 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Montag 22.01. 14:00 - 16:30 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Dienstag 23.01. 09:00 - 12:00 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Dienstag 23.01. 13:00 - 15:00 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Mittwoch 24.01. 09:00 - 12:00 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Mittwoch 24.01. 14:00 - 16:30 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Donnerstag 25.01. 09:00 - 12:00 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Donnerstag 25.01. 15:15 - 17:45 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
- Freitag 26.01. 09:00 - 12:00 C0628A Besprechung SoWi, NIG Universitätsstraße 7/Stg. III/6. Stock, 1010 Wien
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mindestanforderungen und Beurteilungsmaßstab
Abschlusstest (70%) und laufende Mitarbeit (30%)
Prüfungsstoff
Literatur
Gelman and Hill, Data Analysis Using Regression and Multilevel/Hierarchical Models
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:47
- Interactions with dichotomous variables.
- Binary models.• Lab I- Introduction to RStudio.
- Reading in data and manipulating it.
- Estimating linear models.• 2.. Linear Hierarchical Modeling- What ate random effects?
- Varying intercept models.
- Models with systematically varying intercepts.
- Measures of model quality.• Lab II
- Implementing all learned concepts from part 2 in RStudio
• 3. Hierarchical Modeling with Cross-Level Interactions- Hierarchical modeling with cross-level interactions.
- Hierarchical modeling with binary models.
- Non-nested models.• Lab III- Implementing all learned concepts from part 3 in R• 4. Advanced Topics - Multilevel Regression and Post-Stratification (MrP)- Survey methods for sample selection.
- How hierarchical modeling can help (--+ MrP).
- Further developments: Deep interactions, synthetic post-stratification (MrsP).• Lab IV- Estimating response rriodels.- Weighting predicted probabilities for ideal types.
- Generating small sample measurements.• 5. Advanced Topics - Bayesian Hierarchical Modeling- Quick theoretical introduction to Bayesian statistics.
- How and when can a Bayesian model outperform frequentist apporaches?• Lab V- Setting up a model in Stan.
- Re-estimating prior models with convergence problems.