Das Lehrbuch bietet eine Einführung in die Programmiersprache R. Mit dieser Open-Source-Software werden in der quantitativen Forschung große strukturierte und unstrukturierte Datenmengen für Analysen erschlossen. Lernvideos und digitale Musterlösungen ergänzen das Lehrbuch. Es ist der ideale Einstieg für Bachelor- und Masterstudierende in die Statistik ¿ insbesondere Ökonometrie, empirische Kausalanalyse und Machine Learning. Das Buch enthält forschungsmethodische sowie statistischeGrundlagen und eine Einführung in die anwendungsorientierte Programmiersprache, wobei die Vorteile von R gegenüber einer proprietären Statistiksoftware deutlich werden. Moderne Ökonometrie in der Forschungspraxis steht im Mittelpunkt des dritten Teils. Neben der Einführung in die wichtigsten Methoden der empirischen Wirtschafts- undSozialforschung werden Musteraufgaben und -lösungen mit R präsentiert.Die Autoren beschreiben den R-basierten Einstieg in die gängigsten Machine Learning Verfahren, verweisen auf Anwendungskontexte in der quantitativen Forschung und ziehen Parallelen zur Statistik.

Schnelleinstieg in R 7Teil 1: Grundlagen der Forschungsmethoden 91 Einführung in die Forschungsmethoden 92 Ziele der empirischen Forschung 123 Grundlegende Begriffe und Definitionen 14Forschungsfragen und Hypothesen 14Operationalisierung zur Beantwortung von Hypothesen 16Variablen und Konstanten in Datensätzen 17Skalenniveaus 204 Wissenschaftliche Gütekriterien 23Objektivität 23Reliabilität 24Validität 245 Daten als Grundlage der Analyse 27Datengenerierung 27Stichprobenziehung 28Herausforderungen der Datengewinnung 32Teil 2: Quantitative Datenanalyse 396 Deskriptive Analyse 39Beispieldatensatz für die deskriptive Analyse 39Lagemaße der deskriptiven Statistik 40Minimum, Maximum sowie weitere Lagemaße 43Boxplot zur grafischen Darstellung von Verteilungen 45Verteilung der Merkmalsausprägungen 47Varianz und Standardabweichung 51Vergleich von z-Werten 567 Bivariate Analyse 58Beispieldatensatz für die bivariate Analyse 58Empirische Kovarianz 60Korrelationskoeffizienten 61Bivariate Datenstruktur visualisieren 66Chi-Quadrat-Test 68t-Test 728 Multivariate Analyse 77Beispieldatensatz für die multivariate Analyse 78Deskriptive und bivariate Analyse vor der multivariaten Analyse 79Grundlagen der linearen Regressionsanalyse 81Einfache lineare Regression 82Multiple lineare Regression 86Zusammenfassung der Voraussetzungen für lineare Regressionsanalysen 92Grundlagen der logistischen Regressionsanalyse 93Teil 3: Empirische Kausalanalyse 999 Das fundamentale Evaluationsproblem und kausale Effekte 9910 Randomisierte Experimente zur Lösung des fundamentalen Evaluationsproblems 102Einführung in randomisierte Experimente 102Identifizierungsstrategie bei randomisierten Experimenten 11111 Lösung des fundamentalen Evaluationsproblemsbei fehlender Randomisierung 115Kontrollvariablen in der Regressionsanalys 115Praxisbeispiel: Evaluation eines Weiterbildungsprogramms ohne Randomisierung 11812 Erster Lösungsansatz: Regression Discontinuity Design 120Grundidee des 120Kausaler Effekt eines fiktiven Weiterbildungsprogramms 121RDD Praxisbeispiel 12213 Zweiter Lösungsansatz: Differenz-von-Differenzen-Schätzung 125Grundidee des Designs 125DiD und Regressionsmethode 126DiD-Regressionsmodelle in R 127Grenzen der DiD-Methode 12914 Dritter Lösungsansatz: Instrumentvariablen-Schätzung 133Grundidee des Designs 133Mincer-Gleichung in R 134Diskussion der identifizierenden Annahme 137Instrumentvariablenschätzung und 2SLS 13715 Wichtige Konzepte und Unterscheidungen 141Arten von Experimenten 141Arten von kausalen Effekten 142Messung von Effekten 146Teststärke 147Externe Validität 148Ausblick 149Teil 4: Machine Learning 15116 Einführung in das Machine Learning 15117 Statistische Formeln als Grundlage des Machine Learnings 153Datenaufbereitung und Modellierung 153Training und Validierung 15418 Anwendung von Machine Learning-Algorithmen 158Beispieldatensatz für das Machine Learning 158Supervised Machine Learning 163Unsupervised Machine Learning 171Teil 5: Weitere Materialien 179Video-Tutorials (YouTube) 179Programmierbeispiele (GitHub) 181Ausgewiesene Literaturempfehlungen 182Sachwortverzeichnis 185