grapevine | Modulbeschreibung

Varianzanalyse

Variance Analysis

Angaben gemäß SPO

Zugehörigkeit zu Curriculum

Bachelor Betriebswirtschaft | 6.1 | 5 Leistungspunkte

Modulverantwortung

Rita Augustin

Prüfungsformen

schrP 50 % und ModA 50 %. oder

schrP 50 % und Präs 50 %. oder

schrP 50 % und mdlP 50 %. oder

ModA 50 % und Präs 50 %. oder

ModA 50 % und mdlP 50 %. oder

mdlP 50 % und Präs 50 %.

Lehr- und Lernformen

S | 4 SWS

Lehrangebote SoSe 2025

S | 4 SWS

Varianzanalyse (6.1.8) BWB:6 allgemein

Prüfungsangebote SoSe 2025

Erstprüfer:in

Rita Augustin

Zweitprüfer:in

Prof. Dr. Julia Kopf

Prüfungsform

schrP 50 % und ModA 50 %.

Details zur Prüfung

Schriftliche Prüfung (60 Minuten)

Hilfsmittel

Taschenrechner, eigene Notizen, beliebige Literatur

Voraussetzungen und Verwendbarkeit

Voraussetzungen für die Teilnahme

Verwendbarkeit

Inhalte und Qualifikationsziele

verabschiedet am 14.04.2025

Lernziele / Kompetenzen:

Die Studierenden sind in der Lage, betriebswirtschaftliche Fragestellungen in geeignete Versuchspläne zu übertragen, mit geeigneter Software zu modellieren und auszuwerten sowie die Ergebnisse in Bezug auf die Anwendung zu interpretieren. Sie bearbeiten Problemstellungen in Kleingruppen eigenständig mit geeigneter Software (R, Jamovi, SPSS) und stellen ihre Ergebnisse kurz vor. Durch den Besuch dieses Moduls erkennen die Studierenden, dass das Verständnis quantitativer Aspekte hinter betriebswirtschaftlichen Fragestellungen notwendig ist.

Inhalte:

Wiederholung des Konzepts statistischer Tests
Doppelter t-Test, t-Test für verbundene Stichproben, Kruskal-Wallis-Test
Streuungszerlegung, interne und externe Varianz
Normalverteilung, t-Verteilung, χ2-Verteilung, F-Verteilung und Zusammenhänge zwischen den Verteilungen
Varianzanalyse mit einem und mit mehreren Faktoren und Interaktionen
Blockpläne, Messwiederholungen
Zufällige und feste Effekte
Multiple Mittelwertsvergleiche
Verletzung der Modellannahmen, insbesondere Residuenanalyse

Eingesetzte Methoden der Betriebswirtschaftslehre:
Modelle und Methoden der Analyse (Forschungs- und Analysemodelle):
Wahl des geeigneten Versuchsplans
Quantitativ-Empirische Methoden (Vergleichende – statistische, mathematische Methode, Datenanalysen):
Signifikanztests
Qualitativ-Interpretative Methoden (Experteninterview, Umfragen, standardisierte Erhebungen):
Interpretation der Ergebnisse

Lehr-und Lernmethoden:

Seminaristischer Unterricht
Selbstgesteuertes Lernen

Literatur:

Galata, Wessler, Augustin, Scheid (2013), Empirische Wirtschaftsforschung, Hanser
Scheid, Vogl (2012), Data Science. Grundlagen, Methoden und Modelle der Statistik, Hanser
Fahrmeir, Künstler, Pigeot, Tutz (2011), Statistik. Der Weg zur Datenanalyse, Springer
Montgomery (2013), Design and Analysis of Experiments, Wiley

Learning objectives / skills:

After completing this module, students are able to transfer business/management-related questions into suitable experimental designs, to model and evaluate them using appropriate software and to interpret the results with regard to the application. They work on problems independently in small groups using statistical software (R, Jamovi, SPSS) and briefly present their results. After completing this module, students recognize the necessity of an understanding of the quantitative aspects behind business management issues.

Contents:

Repetition of the concept of statistical tests
Two-sample t-test, paired t-test, Kruskal-Wallis test
Decomposition of total variance, internal and external variance
Normal distribution, t-distribution, chi-squared distribution, F-distribution and relations between distributions
One-way and factorial ANOVA
Blocking factors, repeated measures
Random and fixed effects
Post hoc tests
Model adequacy checking, in particular residual analysis

Teaching and learning methods:

Seminar-based teaching
Self-directed learning