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.