Module

PDF-Export
General information
Angewandte Statistik - Multivariate Verfahren
Applied Statistics - multivariate analysis procedures
WM:ASt
AngewStatMul-01-BA-M
Beinhauer, Stefanie (stefanie.beinhauer@haw-kiel.de)
Beinhauer, Stefanie (stefanie.beinhauer@haw-kiel.de)
Wintersemester 2025/26
1 Semester
In der Regel im Wintersemester
Deutsch
Curricular relevance (according to examination regulations)
Study Subject Study Specialization Study Focus Module type Semester
B.Eng. - WIVE - Wirtschaftsingenieurwesen Internationaler Vertrieb und Einkauf Wahlmodul
B.Eng. - IVE - Internationales Vertriebs- und Einkaufsingenieurwesen Wahlmodul
B.Eng. - MB - Maschinenbau Wahlmodul
Qualification outcome
Areas of Competence: Knowledge and Understanding; Use, application and generation of knowledge; Communication and cooperation; Scientific self-understanding / professionalism.
Nach erfolgreicher Teilnahme an dem Modul kennen die Studierenden multivariate statistische Verfahren, um entscheidungsrelevante Informationen zu gewinnen und zu analysieren. Insbesondere können sie
• den Beziehungszusammenhang von Variablen, Messniveau und Art des untersuchten Problems erkennen,
• die Bedeutung der statistischen Versuchsplanung einschätzen,
• homogene Teilmengen in einer heterogenen Grundgesamtheit identifizieren,
• Gruppenunterschiede anhand mehrerer Merkmale analysieren,
• datenanalytisch-strukturprüfend Mittelwertunterschiede mehrerer Gruppen testen.

Sie kennen das Anwendungspotenzial quantitativer Methoden und sind in der Lage, diese - nach entsprechender Einarbeitung in die Problemstellung - auf weitere wirtschaftswissenschaftliche und ingenieurwissenschaftliche Zusammenhänge zu übertragen. Die Studierenden beherrschen die in der Lehrveranstaltung eingesetzte Statistik-Software und interpretieren die entsprechenden Outputs.
Sie setzen dabei das Instrument der rechnerunterstützten Datenanalyse insbesondere im Hinblick auf Manipulationsmöglichkeiten verantwortungsvoll ein und sind auch als Adressat von Informationen als Ergebnis statistischer Analysen in der Lage, diese kritisch zu hinterfragen.
Die Studierenden können zu einem gewählten Themenschwerpunkt recherchieren, Informationen sammeln, bewerten und wissenschaftlich belegen.
Sie sind in der Lage, Recherche- und Analyseergebnisse adäquat zu präsentieren und auch fachfremden Personen verständlich zu explizieren.
Content information
In der Lehrveranstaltung erfolgt eine Einführung in folgende grundlegende Verfahren der multivariaten Analyse wie
- Clusteranalyse
- Diskriminanzanalyse
- Faktorenanalyse
- multivariate Regressionsanalyse
- Strukturgleichungsmodelle
- mehrfaktorielle Varianzanalyse
- Conjoint-Analyse
unter exemplarischer Verwendung der Statistik-Software Minitab und der freien Programmiersprache R. Darüberhinaus wird weitere Software zur Analyse statistischer Daten vorgestellt und ggf. verwendet.
Backhaus, Klaus et al. (2021): Multivariate Analysemethoden - eine anwendungsorientierte Einführung. Berlin: Springer.  
Fahrmeir, Ludwig et al. (2007): Multivariate statistische Verfahren. Berlin: DeGruyter.
Fahrmeir, Ludwig et al. (2007): Regression: Modelle, Methoden und Anwendungen. Berlin: Springer.
Raab, Gerhard et al. (2018): Methoden der Marketing-Forschung – Grundlagen und Praxisbeispiele. Wiesbaden: Gabler.
Sauer, Sebastian (2019): Moderne Datenanalyse mit R. Wiesbaden: Springer Fachmedien.
Teaching formats of the courses
Teaching format SWS
Lehrvortrag 2
Übung 2
Workload
4 SWS
5,0 Credits
48 Hours
102 Hours
Module Examination
Method of Examination Duration Weighting wird angerechnet gem. § 11 Satz 2 PVO Graded Remark
Portfolioprüfung 100 %
Miscellaneous
Vorausgesetzt wird die Teilnahme an der Lehrveranstaltung 1.2 Wirtschaftsmathematik (IVE) oder 1.2 Mathematik II (M)
Das Prüfungsportfolio besteht aus semesterbegleitenden Bestandteilen, die sich wie folgt zusammensetzen:
- selbständiges Verfassen von Beiträgen zu einem lehrveranstaltungsbegleitenden Wiki, Blog oder Forum (20%, unbenotet)
- Recherche, Verschriftlichung und Präsentation von Anwendungsbeispielen multivariater statistischer Analysemethoden (30%, benotet)
- Bearbeitung mehrerer datenanalytischer Projekte in unterschiedlich zusammengesetzten Gruppen sowie Präsentation der Ergebnisse mit Diskurs (50%, benotet)
PDF-Export