Damit die ersten Schritte in die Welt der Python Programmierung reibungslos verlaufen, haben wir in diesem Tutorial die wichtigsten Grundlagen von Python zusammengefasst. Dieser Artikel ist daher perfekt, wenn man Python selbst lernen will oder eine Python Einführung sucht.
Ziel von Data Science ist die Generierung von Wissen aus großen Datenmengen, um bessere Unternehmensentscheidungen zu treffen oder um die Unternehmenssteuerung zu verbessern. Zu diesem Zweck lassen sich Dashboards mithilfe der Programmiersprache R erstellen. Mit der R Shiny App und dem Shiny Dashboard präsentieren wir Tools, die Sie für die Visualisierung von Datenanalysen nutzen und mit denen Sie Analysen auf Ihrer Webseite durchführen können.
Empirische Methoden dienen in der Wissenschaft dazu, Erkenntnisse zu gewinnen bzw. Forschungsfragen zu beantworten. Nur wenn Methoden „richtig“ angewendet werden, kann das Ergebnis als wissenschaftlich valide angesehen werden. Ein Mixed Methods Design ist eine Möglichkeit, qualitative Methoden und quantitative Methoden zu kombinieren, um so das Forschungsziel bestmöglich zu erreichen.
Transkriptionen von Daten sind die Grundlage zahlreicher wissenschaftlicher Forschungen. Ohne eine Verschriftlichung von Informationen ist es oft nicht möglich, weiterführende Forschungen anzustellen. Wie das geht und welche Punkte Sie unbedingt beachten sollten, zeigen wir Ihnen hier!
Statistikprogramme wie SPSS bieten eine nahezu unüberblickbare Auswahl an statistischen (multivariaten) Verfahren. Die vielen Optionen sind folglich auch mit dem Anspruch verbunden, die beste Methode für das eigene Projekt zu finden. Dieser Beitrag hat zum Ziel, einen Überblick über relevante (multivariate) lineare Modelle in SPSS zu geben.
Viele Befragungsdesigns beinhalten Fragen zu Werten und Einstellungen in Abhängigkeit definierter Einflussgrößen. Das bekannteste Beispiel sind Panels, wenn dieselben Personen mehrfach über eine Zeitspanne hinweg befragt werden. Dieser Beitrag erklärt, wie man mithilfe eines gemischten Modells (mixed model), genauer mit einem random effects model, eine solche komplexe Datenstruktur berücksichtigen und entsprechende Analysen leicht eigenständig in SPSS umsetzen kann.
In diesem Blogbeitrag geht es um die qualitative Analyse von Texten. Wir zeigen Ihnen, wie das mit der Grounded Theory Methode geht und wie Sie aus vorhandenem Datenmaterial eine neue Theorie entwickeln können.
In diesem Artikel stellen wie Ihnen die Bayessche Regel und ein einfaches Beispiel im Detail vor. Wir zeigen Ihnen, wann und wie der Satz von Bayes angewendet wird. Und Sie lernen das Handwerkszeug, um in Ihren Auswertungen das Prinzip des Satz von Bayes erfolgreich einzusetzen!
Sie haben schon öfter von der Bayes Statistik gehört und wollen verstehen, was das konkret ist und ob sie sich für Ihre Untersuchungen eignet? Dann ist dieser Artikel genau das richtige für Sie: Wir erklären Ihnen einfach und verständlich wo die Stärken und Schwächen der Bayes Statistik liegen. Außerdem beleuchten wir die Unterschiede in zwischen frequentistischer Statistik und Bayes Statistik.
Die Faktorenanalyse gehört zu den beliebtesten und meist angewandten Methoden der multivariaten Statistik. Sie reduziert die Datenlast und berechnet wichtige Maße für weitere Analysen. Faktorenanalyse SPSS bietet hier ein gutes Anwendungstool auch für wenig erfahrene Nutzer. Dieser Beitrag skizziert wichtige Punkte, die Sie in Bezug auf die Faktorenanalyse wissen sollten und gibt eine kleine Einführung in die Umsetzung in SPSS.
