Hochschule München

HM Business School (FK 10)

Modulbeschreibung

Stand: SoSe 2025

Name Varianzanalyse
Katalog-Nummer FK 10#QM#6.1.8
Zugehörigkeit zu Curriculum
Bachelor Betriebswirtschaft | 6.1 | 5 Leistungspunkte
Modulverantwortung
Augustin, Rita ( )
Lehrende
Augustin, Rita ( )
Prüfung(en)
Prüfungsform: ModA
Detailangaben: Schriftliche Prüfung (60 Minuten)
Hildsmittel: Taschenrechner, eigene Notizen
Prüfende: Augustin, Rita ( ) , Kopf, Julia (Prof. Dr. )
Lehr- und Lernform(en)
| 4 SWS | S - 1 Angebot(e)
Arbeitsaufwand
Präsenzzeit: 0 Stunden
Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
Voraussetzungen
Verwendbarkeit
Inhalt / Lernziele 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
English Version
Name Variance Analysis
Katalog-Nummer FK 10#QM#6.1.8
Zugehörigkeit zu Curriculum
Bachelor Betriebswirtschaft | 6.1 | 5 Leistungspunkte
Modulverantwortung
Augustin, Rita ( )
Lehrende
Augustin, Rita ( )
Prüfung(en)
Prüfungsform: ModA
Detailangaben: Schriftliche Prüfung (60 Minuten)
Hildsmittel: Taschenrechner, eigene Notizen
Prüfende: Augustin, Rita ( ) , Kopf, Julia (Prof. Dr. )
Lehr- und Lernform(en)
| 4 SWS | S - 1 Angebot(e)
Arbeitsaufwand
Präsenzzeit: 0 Stunden
Selbststudium, Vor- und Nachbereitung, Prüfungsvorbereitung: 0 Stunden
Voraussetzungen
Verwendbarkeit
Inhalt / Lernziele
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