Wenngleich bei der letzten Evaluation nur sieben Studierenden teilgenommen haben, so ließen sich doch einige Schwächen meiner Veranstaltung identifizieren. Interessant ist nun der Vergleich zur aktuellen Evaluation — wenngleich auch hier wegen der geringen Fallzahlen (N=13) den Unterschieden keine allzu große Bedeutung zukommt!

Zu “Inhalt und Präsentation” schrieb ich beim letzten Mal:

Wie verteilen sich die Bewertungen auf die einzelnen Kategorien? Für “Inhalt und Präsentation” zeigt sich, dass es mir (wieder einmal) nicht gelungen ist, das “Ziel der Einzelsitzung[en] deutlich” zu machen. Das Item “Interesse geweckt/vertieft” bewegt sich auch schon gefährlich nah an Ende des gelben Balkens. Auch “Stoffumfang zu bewältigen” und “Hohe Leistungsanforderungen” wurden eher negativ bewertet. Dazu passt, dass auch das Tempo der Lehrveranstaltung eher zu hoch war (“Tempo ist angemessen”). Erfreulich ist, dass ich bei den Items “Interesse am Lernerfolg” und “LP [Lehrperson] auch bei Fragen verfügbar” überdurchschnittlich gut abgeschnitten habe.

Insgesamt habe ich mich (auf deskriptiver) Ebene leicht verbessern können. Erfreulich ist, dass das “Ziel der LV insgesamt deutlich” geworden ist (M=1,46). Auch die Punkte “Interesse geweckt” (M=2,31), “Stoffumfang” (2,08) und “Hohe Leistungsanforderungen” (2,08) wurden etwas besser beurteilt. Schön ist auch, dass “Interesse am Lernerfolg” (M=1,46) und “LP auch bei Fragen verfügbar” (M=1,38) gewürdigt wurden (als Frühaufsteher fällt es mir leicht, auch Sonntags um 5 Uhr Mails zu beantworten .

Was die Kategorie “Studierendenverhalten” betrifft, so schrieb ich damals:

Die Kategorie “Studienverhalten” enthält in meinen Augen keine dramatischen Ausschläge nach unten. Erbaulich ist, dass die Teilnahme diesmal unter anderem in 86% der Fälle durch die sympathische Lehrperson motiviert wurde.

In der aktuellen Evaluation zeigt sich, dass die Studierenden das “Lernklima” schätzen (M=1,69) und sich kontinuierlich auf die Sitzungen vorbereitet haben (M=1,85). Die tatsächlich aufgebrachte Wochenarbeitszeit für die Lehrveranstaltung ist von 104 Minuten auf 146 Minuten gestiegen; was ganz schön viel ist. Leider sind meine Sympathiewerte dramatisch gesunken; das heißt, haben zuvor 86% der Studierenden ihre Teilnahme auch durch die “sympathische LP” begründet, sind es aktuell nur noch 46%.

Insgesamt hat sich die Bewertung der Veranstaltung von 2,14 auf 1,96 verbessert; ist also immer noch eine glatte Zwei.

Weitere, etwas unsortierte Überlegungen:

• Begeistert haben mich die Forschritte einiger Studierender. Dachte ich zu Beginn des Semesters noch, dass der eine oder die andere eine gewisse Herausforderung sein würde, so muss ich im Rückblick sagen, dass es eine gute und produktive Mitarbeit gab — damit einhergehend auch entsprechend (sehr) gute Klausurleistungen.
• Wiederum haben ich darauf bestanden, dass sämtliche statistischen Analysen mit R durchgeführt werden… und auch hier muss ich sagen, dass es erstaunlich gut geklappt hat. Zumindest besser als in den vorangegangenen Veranstaltungen.
• In der Abschlussdiskussion wurde kritisch angemerkt, dass meine Unterlagen (im wesentlichen Folien) bereits zu Beginn des Semesters vorliegen sollten; es sei schwierig, die eigenen Notizen und nachträglich vorgenommene Änderungen meinerseits zu synchronisieren. Wenn ich Teilnehmer wäre, würde ich das auch so sehen. Auch wenn diese Veranstaltung bereits zum dritten Mal durchgeführt wurde, bin ich mit meinen Folien (immer noch) nicht zufrieden und versuche mich ständig daran, sie zu verbessern. Dass ich das nicht bereits in der vorlesungsfreien Zeit abschließen konnte, liegt schlicht an den sonstigen (dringenderen) Arbeiten; Lehre zählt nicht viel im Lebenslauf. Ein weiterer Grund ist immer noch das Fehlen eines einschlägigen Lehrbuchs, so dass ich gezwungen war, viele Beispiele und Rechenübungen selbst zu konzipieren.
• Anlässlich der Evaluation im Sommersemester 2009 schrieb ich auch, dass ich in der Ausschreibung stärker auf die für diese Veranstaltung notwenigen (statistischen und methodischen) Grundlagen eingehen muss, um eine stärkere Selektivität der Studierenden zu erreichen. Das ist mir leider (wieder) nicht gelungen. Das Selbstbild der Studierenden mit Blick auf die Kenntnis bestimmter statistischer Konzepte (Inferenzstatistik, Regression, …) und das tatsächliche Wissen sind nicht besonders stark korreliert. In Zukunft wird es vermutlich zielführender sein, den Studierenden (kleinere) Aufgaben vorzulegen und diese müssen selbsttätig abschätzen, ob sie in der Lage sind, diese Aufgaben zu lösen.
• Dass ich “Lernen-durch-Lehren” stärker eingesetzt hätte, kann ich leider auch nicht sagen. Gefallen habe ich daran gefunden, die Studierenden (kurze) Präsentation über ihre Probleme (z.B. beim Lesen von Texten) erstellen zu lassen.
• Weniger gut scheint meine Idee funktioniert zu haben, bestimmte statistische Konzepte (Standardfehler, Konfidenzintervall, Unterschied zwischen fixed und random effects model, Zwischenstudienvarianz) mit Hilfe von Simulationen zu illustrieren. Ein Grund ist wohl der Tatsache geschuldet, dass ich immer auch gleich den R-Code präsentiert habe. Es ist nicht einfach, sowohl die Idee der Simulation zu verstehen und dann noch durch den (nicht immer trivialen) R-Code durchzusteigen. Gleichwohl denke ich, dass Simulationen im Rahmen der Statistikausbildung hilfreich sein können.

Der folgende kritische Einwand aus der Rezension findet aber meine volle Zustimmung:

“Ein kritischer Leser, der Nutzer von TeX-Software zum Textsatz ist und professionelle Grafikprogramme zur Diagrammdarstellung verwendet, wird vermutlich den gesamten praktischen Ansatz des Buches samt der erkennbar der Microsoftfamilie entstammenden Schriften und Grafiken ablehnen. Und in der Tat kann man über die Qualität der Abbildungen bisweilen geteilter Meinung sein. So stört, dass der Autor alle Abbildungen generell einrahmt, da er dies für Geschmacksache hält. In der Praxis wissenschaftlicher Publikationen sollten die meisten Abbildungstypen aber in aller Regel freistehen. Auch fehlen Hinweise auf die durchgehende Einheitlichkeit von Abbildungen in einem Textdokument bzw. einer Publikation. Die Wahl der Parameter der Abbildung (wie Schriftgröße, Farb- oder Graustufenspektrum sowie Anordnung) sollte nicht für eine Abbildung alleine gelten, sondern sich wenn möglich im Sinne eines einheitlichen Designs durch eine Publikation ziehen” (280).

Auf den Scienceblogs berichtet Emanuel Heitlinger auf seinem Blog “Alles was lebt” über seinen 3-wöchigen R-Kurs (anders formuliert: URlaub ). Der Kurs wird von Mick Crawley geleitet, der u.a. “The R Book” geschrieben hat. Mit bewundernswerter Disziplin macht Emanuel sich seine Notizen und veröffentlich diese als PDF sowie als R+Sweave-Quelldatei (um den R-Code nachvollziehen zu können). Bislang wurden u.a. die folgenden Themen behandelt: Ancova und ANOVA sowie das (lineare) Regressionsmodelle, m.a.W.: das allgemeine lineare Modell.

We aim to provide a platform for exchanging expertise on Bayesian methods and to build up a network for European scholars who share common methodological interests.

The conference is based on a workshop-format. Each participant has a 30 minute slot available at his/her disposal to present and discuss his/her research paper. This provides the framework for constructive feedback in a friendly and inspiring atmosphere. Please note that we do not expect you to submit polished papers, but we really welcome work in
progress!

Please register by 28th February 2010 at bayes(at)uni-mannheim.de. The participation fee is 15 Euros for workshop materials and snacks. Funding for accommodation can be provided upon approval of a pending grant application.

More information can be found here: http://www.fis.uni-koeln.de/findingthetas.html

We hope to welcome you all in Mannheim in spring 2010!

Best, the Bayes Conference Team

• (Sozial-)Wissenschaftliches Publizieren mit LaTeX (farbig)
• (Sozial-)Wissenschaftliches Publizieren mit LaTeX (einfarbig, Druckfassung)

Im nachfolgenden Text versuche ich relativ einfach und nicht auf Fachartikel-Niveau die für mich relevanten Punkte der statistischen Datenanalyse darzulegen. Die Idee zu einem solchen Blogbeitrag besteht schon länger und es gab auch schon Textfragmente. Die Motivation, den Artikel fertig zu stellen, habe ich durch den Beitrag “Ich plotte – also bin ich” auf dem Blog “Hinterm Mond gleich links” erhalten. Die dort sowohl im Artikel als auch in den Kommentaren vorgebrachten Einstellungen provozieren den Puristen in mir. Konkret ging es um das Nachbearbeiten einer Grafik, das heißt der Visualisierung von Daten. Dort ist dann von “nachträglich im Bild [d.h. der Grafik, BW] rumzupfuschen” oder “Diagramme meistens in Corel Draw” nachbauen die Rede. Der Pragmatiker (das ist der Gegenspieler des Puristen, s.o) in mir weiß natürlich auch, dass es Situationen geben kann, wo es zu einem solchen Vorgehen keine Alternative gibt (1 Stunde vor einer deadline o.ä.). Insofern wird nachfolgend ein idealisiertes Vorgehen beschrieben, dem auch ich nicht immer vollständig entsprechen kann und das natürlich über meine Kritik an “Ich plotte – also bin ich” weit hinausgeht.

(Übrigens: Weitere Überlegungen zu meinen Arbeitsabläufen finden sich in einem Artikel mit dem Titel “Denkwerk braucht Werkzeug“.)

Eine (zu) knappe Antwort auf die Frage “Woher kommen die Daten?”

(Angewandte) Soziologie befasst sich unter anderem mit der empirischen Prüfung von Theorien. Empirisch bedeutet hier, dass theoretische Überlegungen mit Daten kontrastiert werden. Sofern Theorien passende Annahmen über menschliches Handeln bereit halten, sollten sich diese Annahmen anhand des Datenmaterials belegen lassen. Grob lassen sich zwei Arten von Daten unterscheiden, qualitative und quantitative/statistische Daten. Quantitative Daten sind etwa das Ergebnis von standardisierten (Personen-)Befragungen. Zentrales Merkmal dieses Befragungstyps ist, dass den Befragten nur die Möglichkeit gegeben wird, zwischen bestimmten Antwortmöglichkeiten zu entscheiden. In einer solchen Befragungssituation darf die Frage “Wie häufig kommt es in Ihrer Partnerschaft bei dem Thema „Aufteilung der Hausarbeit“ zu Konflikten? ” etwa nur mit “nie”, “sehr selten”, “gelegentlich”, “häufig”, “sehr häufig” beantwortet werden. Antworten wie “Lassen Sie mich mal überlegen… Also letzte Woche hatten wir einen recht heftigen Streit. Es ging um meine Schwiegermutter. Weiß nicht, insgesamt ein paar Mal” lassen sich (a) nur schwer mit den Antworten anderer Befragten vergleichen und (b) nur schwer in eindeutige Zahlencodes überführen. Gerade aber das ist Gegenstand der quantitativen Soziologie, menschliches Handeln und menschliche Einstellungen zu messen, indem standardisierte Befragungen durchgeführt werden und die erfassten Antworten der Befragten in Zahlenkolonnen überführt werden, die dann wiederum mathematischen/statistischen Verfahren zugänglich sind.

Statistische Datenanalyse ist ein Handwerk

Wenn man die Daten einmal gesammelt hat (diesen Schritt nennt man Datenerhebung) und sicher ist, dass keine Fehler mehr in den Befragungsdaten enthalten sind (Datenbereinigung), dann kann man sich an die statistische Auswertung der Daten machen. Statistische Datenanalyse ist manchmal eine Kunst, in den meisten Fällen jedoch ein erlernbares Handwerk, das bestimmten Regeln (oder Prinzipien) folgt. Im Laufe der letzten Jahre habe ich für mich deren drei erschlossen: Transparenz und Nachvollziehbarkeit, Modularität und Lesbarkeit. Grundlage dieser drei Prinzipien ist eine ‘Philosophie’, die von den Autoren des “Emacs Speaks Statistics”-Mode als “The source code is real” umschrieben wird.

Es gibt keine Geheimnisse (Transparenz)

In Köln werden Studierende der Soziologie früher oder später mit einem der gängigen Statistikprogramme konfrontiert, früher war das SPSS, inzwischen verstärkt Stata (und wenn sie es mir zu tun bekommen, dann auch noch R). Solche Programme (zumindest SPSS und größtenteils auch Stata) lassen sich auf zweierlei Weisen bedienen: (1) Über eine graphische Benutzeroberfläche (Graphical User Interface = GUI) klickt man sich die Befehle zusammen, sinngemäß etwa “Berechne den Mittelwert”, “Erstelle eine Kreuztabelle”, “Zeichne ein Säulendiagramm”. (2) SPSS, Stata wie auch R lassen sich aber auch durch eigene, selbstgeschriebene Programme steuern. Ja, das heißt, dass man etwas Programmieren muss, wobei man sich (meistens) auf wenige Programmbefehle beschränken kann.

Es ist verständlich, dass man sich im Angesicht des Neuen (neue, häufig wenig intuitive Statistiksoftware) und Ungeliebten (Statistik) die eigene Arbeit so einfach wie möglich machen möchte. Im Fall der statistischen Datenanalyse bedeutet das, der graphischen Benutzeroberfläche den Vorzug zu geben und sich die Analyse ‘zusammenzuklicken’. Ein solches Vorgehen hat mehrere Nachteile. Zentrale Schwäche ist jedoch, dass sich damit die Datenanalyse der Überprüfbarkeit durch Dritte entzieht — oder anders formuliert: sie ist nicht transparent. Sofern der Programmcode vorliegt, lässt sich detailliert nachvollziehen, wie die Analyse durchgeführt wurde. Welche Variablen wurden verändert? Bezogen sich die Analysen vielleicht nur auf einen Teildatensatz? Wurden während der Analysen Gewichtungsfaktoren berücksichtigt? Man sollte immer damit rechnen, dass Fragen zu den eigenen Analysen kommen — und zumindest im wissenschaftlichen Kontext wäre es eine grobe Verletzung von Wissenschaftlichkeit, wenn nicht mehr belegt werden kann, wie bestimmte Ergebnisse erstellt wurden. Beispielhaft ist diesbezüglich das Vorgehen von Ulrich Kohler, der für sämtliche seiner Publikationen den entsprechenden Stataprogrammcode öffentlich verfügbar hält, so das es interessierten Wissenschaftlern jederzeit möglich ist, seine Analysen zu replizieren.

Teile und herrsche (Modularität)

Statistische Analysen können sehr schnell sehr komplex werden. Dieser Umstand bezieht sich gar nicht einmal (nur) auf die eingesetzten Verfahren, sondern allein auf die Menge an Programmcode. Für die Analysen im Rahmen meiner Dissertation wurden sicherlich mehr als 5000 Zeilen Programmcode erstellt. Dieser lässt sich (am einfachsten) danach unterscheiden, ob er der Datenaufbereitung (Daten einlesen, neue Variablen erstellen, vorhandene Variablen ändern etc.) oder der Datenanalyse dient. Dementsprechend verwende ich immer mindestens zwei verschiedene Dateien, nämlich initXXX.X (etwa initMeta.R, initGGS.do, initPairfam.sps etc.) und anaXXX.X. Die initXXX.X-Dateien enthalten sämtlichen Code, um Daten für die späteren Analysen aufzubereiten. Folglich enthalten anaXXX.X-Dateien den eigentlichen Analysecode. Ab und an gibt es auch noch funcXXX.X-Dateien, in denen eigene Funktionen definiert werden. Am Anfang der anaXXX.X-Datei wird die initXXX.X-Datei aufgerufen, wenn vorhanden, auch die funcXXX.X-Date. Mit anderen Worten: Vor jedem Analyselauf werden die Daten erneut aufbereitet und so etwas wie ein Analysedatensatz in Form einer einzigen Datei existiert bei mir nicht. So ein Vorgehen ist natürlich nur möglich, wenn der Durchlauf der initXXX.X-Datei nicht mehr als 10 Minuten dauert. Hat aber den Vorteil, dass man ganz sicher immer mit der aktuellen (laut initXXX.X) Datei arbeitet.

Lesbarkeit durch Kommentare

Sofern man nicht mit einem photographischen Gedächtnis gesegnet ist, hat man spätestens in einem halben Jahr vergessen, was etwa die folgende Befehlssequenz bewirken sollte (ich habe das auch schon früher vergessen):

replace f030100m = 0 if (missing(f030100m))
generate zuziehdat = ((f030100j - 1900)*12) + f030100m
generate zuswohn = intdatum - zuziehdat
replace zuswohn = 2 if (zuswohn == 0 | zuswohn == 1)

Deshalb sollte dort ein (oder mehrere Kommentare) Kommentar eingefügt werden, der mindestens erläutert, was die Variablen f030100m und f030100j inhaltlich bedeuten und welche Transformationen zu welchem Zweck vorgenommen werden. Dass diese Kommentare (die sind echt, nicht didaktisch aufbereitet) nicht immer den grammatikalischen Gepflogenheiten der deutschen Sprache genügen, ist eine andere Sache (in Stata können Kommentare u.a. durch “//” eingeleitet werden).

// Dauer des Zusammenlebens = Erhebungszeitpunkt - Zeitpunkt des Zusammenzugs
replace f030100m = 0 if (missing(f030100m))
generate zuziehdat = ((f030100j - 1900)*12) + f030100m
generate zuswohn = intdatum - zuziehdat
// Problem: wenn Interview später intdatum durchgeführt wurde,
//kann zuswohn < 0 sein, deshalb min auf 2 Monate festlegen:
replace zuswohn = 2 if (zuswohn == 0 | zuswohn == 1)

Kommentare können auch dazu dienen, umfassenderen Analysecode zu strukturieren, ihn in einzelne Kapitel zu unterteilen (etwa: deskriptive, psychometrische und multivariate Analysen).

The source code is real

Hinter dem zuvor geschriebenen verbirgt sich ein “The source code is real”-Ansatz. Ausgehend von den ursprünglichen Daten sollte für sämtliche Analyseschritte der entsprechende Programmcode vorhanden sein. Ein kurzer Hinweis auf diese Prinzip findet sich in Folien von Sven Hartenstein; ich bin im Rahmen des ESS-Projektes (Emacs Speaks Statistics) darauf gestoßen. In Abschnitt “6.4 Philosophies for using ESS[S]” heißt es

“The source code is real. The objects are realizations of the source code. Source for EVERY user modified object is placed in a particular directory or directories, for later editing and retrieval.”

Zur eigenen Immunisierung: Ich halte mich nicht für einen großen Stata-Experten; also, wie immer im WWW gilt, dass die Nutzung auf eigene Gefahr geschieht. Feedback ist natürlich willkommen.

Unter dieser Rubrik werden zumeist Detailprobleme aus dem weiten Feld der empirischen Sozialforschung aufgegriffen. So mache ich mir beispielsweise “Spontane und eher kritische Gedanken zum Scholarz.survey” — doch es gilt auch die anschließenden Reaktionen der von mir kritisierten Befragung zu beachten.

Was ist ein ökologischer Fehlschluss? “Das ist ein ökologischer Fehlschluss“.  Was ist das Problem mit dem klassischen Signifikanztest? “The Earth Is round (p < .05)“.

Eines meiner Lieblingsthemen: Visualisierung. Wie das etwa mit GGobi aussehen kann, demonstriere ich in “Interaktive und explorative Datenanalyse mit GGobi“. Manchmal sind Grafiken mehr und Tabellen weniger: “Using Graphs Instead of Tables“.

The basic premise of this book is that scientists are required to perform many tasks with data other than statistical analyses. A lot of time and effort is usually invested in getting data ready for analysis: collecting the data, storing the data, transforming and subsetting the data, and transferring the data between different operating systems and applications.

Many scientists acquire data management skills in an ad hoc manner, as problems arise in practice. In most cases, skills are self-taught or passed down, guild-like, from master to apprentice. This book aims to provide a more structured and more complete introduction to the skills required for managing data.

The focus of this book is on computational tools that make the management of data faster, more accurate, and more efficient. The intention is to improve the awareness of what sorts of tasks can be achieved and to describe the correct approach to performing these tasks and there is an emphasis on working with data technologies via written computer languages.

Ich bin über das Blog von Andrew Gelman darauf gestoßen, der sich an dem Begriff “data technologies” stört und den Begriff “data management” bevorzugt. Wie auch immer, schaut man sich die zentralen Kapitel an, dann wird schnell klar, wohin die Reise geht: Writing computer code, HTML, CSS, Data Entry, HTML Forms, Data Storage, XML, Data Queries, SQL, Data Crunching, R, Regular Expressions.

Paul Murrell ist mir unter anderem als Autor des Buches “R Graphics” bekannt.

Some of you know I have a new penchant for tool-building. Well, the latest creation of the QDAP lab is a blog scraping tool. The tool is designed to allow you to set up accounts to automatically capture blog posts on one or several blogs and to archive the data in a plain text format “ready-to-be-coded” inside QDAP’s Coding Analysis Toolkit.

For anyone who ever wanted to study blogs, this is a big step forward. The emphasis here is on a user-friendly interface and a seamless system for capturing and coding blog data. Now, this is a brand new tool and probably a bit buggy. However, it works well enough that we invite you to set up an account and start capturing blog data. No doubt there are some of you interested in the blogs and Election 08. To create a new blog scraping account, please visit:

https://surveyweb2.ucsur.pitt.edu/qblog/page_login.php

To learn more about the Coding Analysis Toolkit, please visit:

http://www.qdap.pitt.edu/cat.htm

To learn about my lab, please visit:

http://www.qdap.pitt.edu/

pdfcrop ist ein nützliches Tool, um bei PDF-Abbildungen, wie sie etwa mit R erzeugt werden, den überflüssigen weißen Rand zu entfernen. Spätestens ab Version 1.8 stellt pdfcrop die Arbeit unter Windows (XP und Vista) mit folgender Fehlermeldung ein:

PDFCROP 1.8, 2008/01/09 – Copyright (c) 2002-2008 by Heiko Oberdiek.
Der Befehl “-” ist entweder falsch geschrieben oder
konnte nicht gefunden werden.
!!! Error: Execution of ghostscript failed: 256

Nach einigen Recherchen musste ich feststellen, dass ich nicht der einzige bin, dem das aufgefallen ist. Es scheint mit der von Activestate vertriebenen Perl-Variante zusammenzuhängen; mit der aber das packages-Bauen für R gut funktioniert. Zwei verschiedene Perl-Versionen auf einem Rechner (etwa cygwin und Activestate) sind keine Lösung. Nicht astrein, aber wenigstens löst es mein Problem, ist es, die Version 1.5 von pdfcrop herunterzuladen, die sich (noch) hier finden lässt. Das cap-Archive lassen sich einfach unter MS-Windows entpacken.

Nachtrag: Anscheinend hat sich das Problem mit der Version 1.13 von pdfcrop erledigt, sieh dazu den Beitrag im mrunix.de-Forum.

Nachfolgend Auszüge einer Rezension von “Methoden der Politikwissenschaft. Neuere qualitative und quantitative Analyseverfahren“, herausgegeben von Joachim Behnke, Thomas Gschwend, Delia Schindler und Kai-Uwe Schnapp. Der Text wird voraussichtlich in einer der folgenden Ausgaben der MDA erscheinen. Kürzungen meinerseits gegenüber der Fassung für die MDA werden mit “[...]” gekennzeichnet. Eine weitere, ebenfalls positive Rezension wurde von Henrik Flor verfasst.

Die Herausgeber des Bandes „Methoden der Politikwissenschaft. Neuere qualitative und quantitative Analyseverfahren“ haben sich in mehrerer Hinsicht viel vorgenommen. Wie der Untertitel bereits andeutet, sollen qualitative und quantitative Zugänge zur Analyse empirischer Materialien in einer Publikation vereint vorgestellt werden. Ihnen liegt ebenfalls daran, der Leserin/dem Leser einen Eindruck von neueren Ansätzen zur Analyse sozialwissenschaftlicher Fragestellungen zu vermitteln. [...] Ausdrücklich vertreten sie dabei den Anspruch, dass ihr Werk denjenigen, die vor allem passiv mit der Rezeption wissenschaftlicher Verfahren befasst sind, eine „allgemeine Lesefähigkeit“ (9) vermitteln soll. Anders formuliert: Die Beiträge sollen vor allem einen einführenden Charakter haben. Schließlich bieten eine ausführliche Einleitung der Herausgeber sowie die folgenden 29 Kapitel des Buches ausreichend Lesestoff.

[...]

Wie oben angesprochen, umfasst die Darstellung neuerer qualitativer und quantitativer Verfahren insgesamt 29 Kapitel. [...] Auf quantitativer Seite lassen sich exemplarisch Kapitel zu „Bayesianische Datenanalyse“ (Andreas Broscheid), „Item-Response Modellierung“ (Daniel Finke), „Nichtparametrische und semiparametrische Verfahren (Martin Elff)“, “Ökologische Inferenz” (Thomas Gschwend), “Propensity Score Matching” (Markus Gangl) nennen. Die Auswahl qualitativer Verfahren umfasst etwa „Biographieforschung“ (Bettina Dausien), „Prozessanalyse“ (Frank Schimmelfennig) oder “Qualitative Comparative Analysis and Fuzzy Sets” (Carsten Q. Schneider). Eine Aufzählung aller Analyseverfahren würde an dieser Stelle zu weit führen und stattdessen wird auf die folgende Website verwiesen, die genau das leistet: <http://www.nomos-extra.de/ne/Behnke_2225-2_start.lasso>.

[...]

Trotz der genannten Kritikpunkte ist es den Herausgebern gelungen, eine gut lesbare und informative Sammlung von Beiträgen zu neueren qualitativen und quantitativen Analyseverfahren der empirischen Sozialwissenschaften zusammenzustellen. Personen mit einem gezielten Interesse an einem der beschriebenen Verfahren wird ein guter Einstieg vermittelt. An Methoden interessierte Leserinnen und Leser ohne spezielle Fragestellungen lädt der Band zum Schmökern ein und erlaubt auf angenehme Art und Weise, den eigenen Horizont zu erweitern.

“The R translation teams have done a great job in making R usable for people who do not have English as their mother tongue. However, even within English speaking countries, there are groups which have trouble with the language, and it may be valuable to support the Sociolects of these groups too.

Thanks to a generous contribution from Lars Polifo, these features will be made available in an upcoming version of R. As it turns out, there are some particularly interesting challenges that needs to be addressed. Consider for instance the translation of the t-test in the locale en_SF_US.UTF8 (notice the interjection of the code “SF” to denote “San Fernando Valley“)

t.test(extra ~ group, oh, baby, data = sleep)

Welch Two Sample t-test

data:  extra by group

t = -1.8608, like, df = 17.776, like, wow, p-value = 0.0794

alternative hypothesis: true difference in means is like, ya know, not equal to 0

95 percent confidence interval:

-3.3654832  0.2054832

sample estimates:

mean in group 1 mean in group 2

0.75            2.33

Notice that in addition to the simple message string modifications, it has been necessary to modify the parser so as to delete obviously superfluous arguments such as “oh” or “baby” (a particular issue here is that the argument “like” might actually be intended to mean likelihood). Similarly, for se_KC_SE.UTF8 (KC for “kitchen”) we have alternate spellings of arguments like “data”:

t.test(ixtra ~ gruoop, deta = sleep)

Velch Tvu Semple-a t-test

deta:  ixtra by gruoop

t = -1.8608, dff = 17.776, p-felooe-a = 0.0794

elterneteefe-a hypuzeesees: trooe-a deefffference-a in meuns is nut iqooel tu 0

95 percent cunffeedence-a interfel:

-3.3654832  0.2054832

semple-a isteemetes:

meun in gruoop 1 meun in gruoop 2

0.75            2.33

Canadian English poses particular problems, which have not yet been resolved. If we are to do it properly, it would entail modifications to the R language itself. For instance we’d have to introduce a “four” loop and change the end-brace to the four-character string “eh?}”.

(Das ist Beitrag Nr. 50 im Quanti|Soz|Blog!)

• “So you’ve submitted to a sociology journal. Why not share your experience with it here?” Das ist die Idee des SciJournals-Wiki. Bislang liegen allerdings erst ein paar Erfahrungsberichte vor (etwa zum American Sociological Review oder Journal of Marriage and the Family). (via wicked anomie)
  
• Dataninja ist kein Blog im eigentlichen Sinne, denn es werden keine Kommentare zugelassen. Gleichwohl läuft die Seite unter/mit WordPress. Die Themenauswahl ist allerdings sehr ansprechend: R, LaTeX, Stata, Data etc. pp. Aufmerksam geworden bin ich durch den Artikel “Initialize variables to missing!“, der die tückische missing values Problematik in Stata beleuchtet. In Stata werden missing values mit +Unendlich ($+\infty$) belegt und eine Anweisung wie replace y=0 if c>2 sorgt dafür, dass auch die fehlenden Werte überschrieben werden.
• Wensui’s Blog in Statistical Computung liefert eine interessante Auswahl an SAS und R basierten Fallbeispielen; aktuell etwa zu Generalized Additive Model (um nicht-lineare Zusammenhänge via Splines & Co. zu modellieren).
• Gut lesbar ist “Von Ideen verweht” von Zelle mit Ausblick– so etwas wie eine Ideensozialisationsgeschichte (inkl. Primär- und Sekundärsozialisation). Zitate von Husserl sind ein weiterer Pluspunkt. (via Odradek)
• Max Weber jenseits des Atlantik ist das Thema des Videos, das Homo Sociologicus vorstellt. Er schreibt dazu: “Als Max Weber die Vereinigten Staaten besuchte, lachten einige über ihn. Er trug Knickerbockerhosen, die damals (1904) in den USA eigentlich nur von Kindern getragen wurden. Andere hielten ihn für einen deutschen Spion, schließlich sprach er fast nur deutsch und das Mißtrauen gegenüber den Deutschen hatte Konjunktur. Von diesen und anderen Kuriositäten erzählt uns dieses von der North Carolina Sociological Society zusammengestellte, von Larry Keeter und Stephen Hall moderierte Video über den Besuch Webers in Amerika, insbesondere in North Carolina.”

(Zum obigen Photo: Auf dem Heiligenberg, Höxter/Ovenhausen)

Inhaltlicher Ausgangspunkt ist die familiensoziologische Frage, inwieweit Konflikthäufigkeit zwischen zwei Partnern, Partnerschaftszufriedenheit sowie Partnerschaftsstabilität zusammenhängen. Vor allem interessiert uns im Moment, warum es keinen direkten Effekten von Konflikthäufigkeit auf Partnerschaftsstabilität gibt. Mit anderen Worten: Häufig streitende Paare trennen sich nicht häufiger (zumindest innerhalb des Beobachtungszeitraums). Darauf gebe ich hier allerdings keine Antwort. Die Daten entstammten der Kölner Paarbefragung sowie dem Pairfam-Projekt (für eine halbwegs ordentliche Beschreibung der Datengrundlage). Konflikthäufigkeit sowie Partnerschaftszufriedenheit wurden in der ersten Befragungswelle erhoben, der Trennungsstatus (Paar getrennt (=1) bzw. nicht getrennt (= 0)) dann in der zweiten Welle.

Im folgenden Film wird eine Parallelkoordinatendarstellung (siehe obere Abbildung des screenshot) mit dem sogenannten brushing kombiniert. Hierbei werden die Teile/Elemente einer Graphik (des PCP) beziehungsweise Subgruppen eines Datensatzes (hier in gelber Farbe) hervorgehoben, die mit den Merkmalsausprägungen einer weiteren Variablen (hier verheiratet ja/nein) korrespondieren.

Der screencast wurde mit Hilfe von Wink erstellt; start nach dem Klick auf das Bild.

Um genau zu sein, habe ich GGobi in Kombination mit R genutzt; als Schnittstelle zwischen beiden Programmen diente dabei das rggobi-package. Eine weitere Software, die ähnliche Funktionalitäten wie GGobi bietet, ist das komplett für R erstellte iPlots-package.

1. Würde der Einsatz von R Studierende der Soziologie überfordern?
2. Welche Ansprüche stellt der einschlägige Arbeitsmarkt an die Absolventen?

Ad hoc zwei Antworten:

Ad 1: Ich werde im WS08 Statistik I (“Deskriptive Statistik”) unterrichten. Gucken wir mal, was passiert…

Ad 2: Ein Blick auf die Stellenanzeigen des ADM Arbeitskreis Deutscher Markt- und Sozialforschungsinstitute macht deutlich, dass SP** (noch?) den Markt dominiert. Ich glaube aber, dass diese Dominanz nicht von Dauer sein wird.

Paul Gilbert hat recht, wenn er schreibt: “Not being a teacher, I usually follow these discussions with a bit of amusement and some befuddlement. We hire young people hoping they will bring in bright new ideas from academia, and academics are training the students based on what they think are the old things we use.”

1. Eine gelungene Zusammenfassung von Sutton und Higgins zum aktuellen (Methoden)Stand der Meta-Analyse aus (bio/medizin)statistischer Sicht: “Recent developments in meta-analysis“. Wie zu erwarten, werden Meta-Analysen auf Grundlage von individual patient data eine immer gewichtigere Rolle spielen.
2. Die Ankündigung der Tagung “Uneindeutigkeit als Herausforderung. Risiko, amtliche Statistik und Wahrscheinlichkeit” klingt spannend und müsste ich nicht meine Diss zu einem (hoffentlich) guten Ende bringen, hätte es mich in den Süden der Republik verschlagen (ich hätte vor allem gerne die Vorträge von Götz Rohwer, Friedrich Leisch und Thomas Augustin angeschaut). Definitiv ein Thema, dem ich mich nach der Diss widmen werde.
3. Unabhängig von einander und mit unterschiedlicher Stoßrichtung machen sich Gary King sowie Rainer Böhme und Andreas Pfitzmann (via Bamblog) Gedanken über die zukünftige(n) Datengrundlage(n) in den Sozialwissenschaften.
4. R ist in der Version 2.6.0 erschienen. Ich musste lernen, dass die Deinstallation der vorherige Version von R (2.5.1) und das Behalten der alten R-Pakete zu Konflikten führen kann. Aber es gibt wie immer einen Ausweg. Oder sogar noch einen besseren.

[1] Hat nur 108 Minuten gedauert.

Ich bin beileibe keine ESS-Experte, wenn ich das aber richtig verstanden habe, dann gibt es zwei Varianten, nämlich das Anzeigen der Argumentenliste im minibuffer oder als tooltip. Bevor überhaupt irgendetwas funktioniert, muss eine R-Instanz laufen und entweder mindestens ein Befehl an R geschickt oder das Verhalten mit C-c C-s aktiviert worden sein (siehe auch Beitrag von Martin Mächler: “In an *.R buffer, type C-c C-s to activate the feature”).

Im minibuffer sieht das etwa für die Funktion lm (= OLS-Regression) wie folgt aus:

Um die Anzeige als tooltip zu aktivieren, muss in der Emacs-Konfigurationsdatei _emacs folgende Zeile stehen: (setq ess-r-args-show-as 'tooltip). Default ist (setq ess-r-args-show-as nil) . Das Ergebnis sieht dann wie folgt aus:

Schließlich gibt es noch die Funktion ess-r-args-insert, mit der sich sämtliche angezeigten Argument in den eigenen Code einfügen lassen.

Der letzte Hinweis betrifft einige Maßnahmen zur Arbeitserleichterung. Sven Hartenstein hält freundlicherweise einige Lisp-Funktionen (unter “Usage”) bereit, mit denen sich die oben genannten Aufrufe etwa mit den Tasten F2 und F3 verknüpfen lassen (keybinding). Auch diese Änderungen werden in der Datei _emacs vorgenommen.

Zu den Folien der Veranstaltung…