In diesem Beitrag erhalten Leserinnen und Leser zum einen Überblick in die Umsetzung von Moderationsanalysen in den Programmen SPSS und Stata. Zum zweiten geben wir in diesem Artikel einige hilfreiche Hinweise für die Interpretation von Interaktionseffekten.
Als angehende Data Scientists, Statistiker oder Python Programmierer macht man sich das Leben mit Jupyter Python Notebook wesentlich einfacher. Wie die nicht ganz einfache Installation und die ersten Schritte gelingen, lesen Sie in unserem Artikel zu Jupyter.
Python wird erst durch die Verwendung von ausgereiften Bibliotheken wirklich effizient und genial. In diesem Artikel stellen wir ihnen die grundlegenden Funktionen von zwei der wichtigsten Pakete vor: Python Pandas und Python Matplotlib.
Ist der Schreibprozess erledigt, steht die Veröffentlichung des wissenschaftliches Papers an. Dieser Prozess ist bei näherer Betrachtung gar nicht so einfach. Wir zeigen, wie eine Veröffentlichung am besten und einfach vorzunehmen ist, damit Sie ihr wissenschaftliches Renommee verbessern oder Ihre Abschlussarbeit einreichen können.
Ein wissenschaftliches Paper ist für Professoren ebenso relevant und wichtig wie für Studierende und auch Unternehmen. Für Professoren sind diese wichtig, um das eigene Renommee zu verbessern, Studierende nutzen wissenschaftliche Publikationen vor allem im Rahmen von Abschlussarbeiten und Unternehmen geben Einblick in aktuelle technische Entwicklungen. Mit diesem Artikel möchten wir einen Einblick geben, wie Sie fundiert einen wissenschaftlichen Artikel erstellen.
Moderationen sind Gegenstand vieler spannender sozialwissenschaftlicher Fragestellungen. Wir haben bereits gezeigt, wie Moderationsanalyse bequem und schnell in Stata mittels Berechnung von Interaktionseffekten umgesetzt werden kann. Aber auch andere Statistikpakete bieten hierfür gut anwendbare Lösungen. Dieser Beitrag erklärt die einfache Interaktion und ihre Berechnung in SPSS.
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!
