Übungen

Übung 1

Für diese Übungssitzung analysieren wir den Datensatz Faehnrich_2020.sav, in dem Posts von verschiedenen Universitäts-Facebook-Seiten, einige Inhaltsvariablen und deren Resonanz-Metriken enthalten sind.

Aufgabe 1

  1. Analysieren Sie, welche Universität (uni) im Mittel die meisten Kommentare pro Post (comments_count) erhält (nur deskriptiv).
  2. Berichten Sie, wieviel Varianz in der Kommentarzahl auf Unterschiede zwischen den Uni-Facebook-Pages zurückzuführen sind.

Aufgabe 2

Die Posts sind verschiedenen Inhalts-Typen (type) zugeordnet (Link, Video, Foto, Status, Event und Note).

  1. Analysieren Sie deskriptiv, wie häufig die verschiedenen Typen von Posts in der Stichprobe sind.
  2. Analysieren Sie, ob und wie die Anzahl der Likes (likes_count) durch den Typ des Posts beeinflusst wird. Welcher Post-Typ hat den stärksten Einfluss, welche Typen unterscheiden sich statistisch signifikant in den Likes?
  3. Visualisieren Sie das Ergebnis.

Aufgabe 3

  1. Prüfen Sie die Hypothese: “Immer wenn wir kürzere Posts als üblich schreiben, bekommen wir auch mehr Likes als sonst.” (word_count)
  2. Prüfen Sie die Vermutung, dass dieser Zusammenhang nur bzw. besonders für Posts mit dem Thema Forschung gilt. (topic_research)
  3. Visualisieren Sie das Ergebnis.

Für alle Aufgaben gilt:

  • Geben Sie als Kommentar (mit # beginnend) an, welche Frage Sie bearbeiten, darunter folgt der zugehörige Code.
  • Die Antwortsätze folgen darunter, ebenfalls als Kommentar (mit # beginnend).
  • Der R-Code muss (wenigstens) komplett durchlaufen im Projekt, d.h. nicht funktionierenden Code auskommentieren und Frage als Kommentar dazu.

Übung 2

Für diese Übungssitzung analysieren wir den Datensatz gewohnheiten.xlsx, den wir schon aus verschiedenen Sitzungen kennen und der u.a. Skalen zur Messung der Gewohnheitsstärke bei der Nutzung von Fernsehen, Computer und Smartphone enthält.

Codebuch

Das Codebuch für den Datensatz gewohnheiten.xlsx finden Sie hier: Bachelor Kursmaterialien

Aufgabe 1

  1. Testen Sie die folgende Annahme mit dem geeigneten Verfahren: „Je stärker die empfundene Kompetenz bzgl. der Smartphonenutzung (s_komp) ist, desto höher ist die Nutzungsintensität (i1_smartphone). Dieser Zusammenhang wird von der Gewohnheitsstärke (s_srhi_ges) mediiert: Je höher die empfundene Kompetenz, desto höher die Gewohnheitsstärke, und je höher die Gewohnheitsstärke, desto höher die Nutzungsintensität.
  2. Gibt es Aspekte, die gegen ihre gewählte Vorgehensweise sprechen?

Aufgabe 2

Sie möchten wissen, ob und welche latenten Faktoren hinter den Trait-Selbstkonrolle-Items stehen. Die Items sind in den 13 Variablen p_scx enthalten. Wählen Sie eine geeignete Vorgehensweise und prüfen Sie, ob sich die Items für die Analyse eignen und benennen Sie die latenten Faktoren.

Aufgabe 3

Testen Sie, ob das Geschlecht (p_2) der Proband:innen einen Einfluss auf den Wiederholungscharakter bei der Smartphone-Nutzung hat. Modellieren Sie den Wiederholungscharakter als latenten Faktor basierend auf dem Items (s_srhi_r1:s_srhi_r3).

Für alle Aufgaben gilt:

  • Geben Sie als Kommentar (mit # beginnend) an, welche Frage Sie bearbeiten, darunter folgt der zugehörige Code.
  • Die Antwortsätze folgen darunter, ebenfalls als Kommentar (mit # beginnend).
  • Der R-Code muss (wenigstens) komplett durchlaufen im Projekt, d.h. nicht funktionierenden Code auskommentieren und Frage als Kommentar dazu.