STATISTIK-FORUM.de

[SvenSc]

Hallo Forum,

ich studiere derzeit Soziologie im Master und habe während meines Studiums schon recht viel theoretische und praktische Erfahrung im Bereich Statistik sammeln dürfen.
Dazu gehören die Themengebiete Univariate Analysen, Bivariate Analysen, Schätzen & Testen, Multiple lineare Regressionen und logistische Regressionen

Mich würde interessieren, inwiefern sich mein Studium nun von dem eines Statistikers unterscheidet (ich hatte jetzt insgesamt "nur" 5 Seminare zu dem Thema), bzw. in welche zusätzlichen Themengebiete der Statistik ich mich noch zur Vertiefung einlesen kann. Vielleicht habt ihr da ja auch gleich noch ein paar Buchempfehlungen für mich?

MfG,
Sven

[SvenSc]

Okay, hab nach einiger Recherche selbst etwas gefunden das ich als sehr gut erachte:
Backhaus, K./ Erichson, B./ Plinke, W./ Weiber, R. (Hg.), Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 15. Auflage, Berlin 2018: Springer Gabler

In dem Buch finden sich nicht nur einige grundlegende Verfahren der multivariaten Analyse, die mir noch nicht bekannt waren, sondern auch fortgeschrittene Verfahren.
Mathematisch sehr schön und anschaulich erklärt.
Also falls sich noch jemand nach geeigneter Literatur umsieht kann ich das nur empfehlen

[bele]

Hallo Sven,

ich weiß auch nichts über das Studium eines Statistikers, ich denke aber das Deine Frage bislang unbeantwortet geblieben ist, weil sie so offen ist, dass sie fast keine Grenzen kennt. Es gibt unglaublich viele Richtungen, in die Du Dich entwickeln kannst und zu lesen gibt es bis ans Ende Deiner Tage immer neues.
Du schreibst logistische Regression -- das ist ja nur das Einstiegsbeispiel in die Gruppe der generalisierten linearen Modelle (GLM). Dann gibt es die große Welt nicht-linearer Modelle. Dann gibt es fixed effects/random effects und mixed effects und ganz viele Spezialmodelle für Zeitreihen, bevor man dann die Welt der linearen Modelle verlassen und sich beispielsweise auf die vielfältige Welt der nicht-linearen und der nicht-parametrischen Modelle machen kann. Beispiele für nicht-lineare Modelle finden sich reichlich in der faszinierende Welt des Maschinellen Lernens mit Entscheidungsbäumen, Random Forests, Vector Support Machines und Neuronalen Netzen aber auch Dinge wie Spline-Regression und Generalisierte Additive Modelle und zero-inflated Modelle und ... . Parametrisch hast Du einen Test zum Vergleich der Mittelwerte und einen anderen zum Vergleich der Varianzen gelernt, nicht-parametrisch kannst Du mit Monte Carlo-Methoden wie den Permutationstests und dem Bootstrapping auf einmal Tests für beliebige Statistiken selbst basteln.
Wenn Du irgendwann dahinter kommst, wie absurd die Idee einer Nullhyptothese meistens ist und wie irreführend p-Werte sein können, dann kannst Du die Welt der Konfidenzintervalle für Dich nochmal neu entdecken oder Du kannst Dich der Bayes-Statistik zuwenden. Und wenn Bayes und Monte Carlo zu Markov-Ketten zusammen kommen, dann hast Du noch viel mehr Freiheitsgrade, Deine eigenen Modelle fast nach Belieben zu stricken (ich mag das Beispiel von Andrew Gelman in diesem Video https://youtu.be/T1gYvX5c2sM?t=2835 ; ab der verlinkten Stelle stellt er ein Beispiel vor, indem er ein Spezialmodell nur für das Einputten von Golfbällen erarbeitet).

Was will ich sagen? Wenn das Backhaus Buch Dir derzeit Spaß macht dann freut mich das. Ich habe nie so richtig Freude daran gefunden, aber Geschmäcker dürfen verschieden sein. Bezüglich Deiner Frage oben würde ich sagen: Frag nochmal konkreter, wenn Du eine Idee hast, in welche Richtung Du Dich entwickeln willst.

Was hier im Forum schon öfter gelobt worden ist ist das Buch von Holger Steinmetz zu Strukturgleichungsmodellen - der Autor war auch vor dem Erscheinen hier im Forum unterwegs und hat Fragen zu Strukturgleichungsmodellen beantwortet und tut das immer noch. Kein Wunder, dass er weiß, wo den Lernenden der Schuh drückt. Ist aber zunächst einmal völlig uninteressant, solange Du keine Strukturgleichungsmodelle aufstellen willst.

LG,
Bernhard

[forenthomas]

Hallo,

der Backhaus (bzw. die Backhäuser, wenn man so will, sind ja zwei) hat sicher seine Vorteile. Sehr strukturiert mit einem noch vernünftigen Maß an Mathematik und liefert auch so eine Art Checkliste, die man dann abarbeiten kann. Freunde sind wir beiden aber trotzdem nie geworden.

Meine Favorit ist nach wie vor Andy Field. Einfach toll geschrieben. Darüber hinaus würde ich im Bereich der Moderation und Mediation, ohne welche die lineare Regression meiner Ansicht nach stumpf bleibt, das Original empfehlen, also Hayes, den "Erfinder" des process-Makros. Alternativ gibt es von Baltes-Götz von der Uni-Trier ein wirklich sehr umfangreiches Skript im Netz.

Und dann habe ich in diesem Sommer Ellis gelesen, The Essential Guide to Effect Size. SEHR empfehlenswert. Gibt noch einmal einen neuen Blick auf die Gewichtung von Alpha und Beta bzw. Signifikant und Power und ist, Gruß an Bernhard, auch kein Freund des p-Wertes. Und das Buch ist wirklich gut geschrieben! Im letzten Drittel bekommt man dann noch eine Einführung in die Meta-Analyse. Auch ein spannendes Feld.

Bei allen darf man natürlich keine Angst vor der englischen Sprache haben. Aber allgemein finde ich die englischen Bücher oft besser als die deutschen, da nicht so formal.

Den Steinmetz werde ich mir mal angucken. Kannte ich zugegeben noch nicht. Immer wieder gut, Empfehlungen zu bekommen.

Gruß, Thomas

[statgeek43]

Hey Sven
du hast ja einige tolle Buchempfehlungen erhalten. Ich möchte dir kein spezielles Buch empfehlen, aber etwas, das mir das Lesen total erleichtert hat.
Meinen geliebten eReader! Ich kann jedes Buch zu jeder Zeit lesen, muss keine schweren Klopfer mit mir herumschleppen. Für mich eine der besten Erfindungen. Vielleicht findest du ja auch gefallen daran.

Liebe Grüße

[felix92]

Gibt eine Reihe von Büchern. Diaz-Bohne Einfürung in die Statistik, Backhaus, Von Auer, Jann, Kohler, um nur ein paar wenige zu nennen

[tomm]

ich kann "Die Kunst der Statistik: Was uns Daten wirklich sagen und wie wir dies im Alltag nutzen können"
von David Spiegelhalter und Nikolas Bertheau empfehlen.