1. Einführung

—> Statistik als Hilfsmittel für die Generierung aozialwissenschaftlichen, gesellschaftlich relevanten Wissens

Das wichtigste ist…

Abbildung:

Sozialwissenschafter:innen generieren und nutzen statistische Ergebnisse, um auf Grundlage von Daten Schlussfolgerungen für gesellschaftlich relevante Probleme zu ziehen

1. Deskription: Was beobachten wir in den vorliegenden Daten?

2. Zusammenhänge: Was steht in den Daten in Beziehung miteinander?

3. Inferenz: Wie können wir auf Basis vorliegender Daten verallgemeinern?

Im fortgeschrittenen Studium

4. Kausalität: Was sind die Ursachen?

5. Vorhersagen: Was wird in Zukunft der Fall sein?

Abbildung:

• Europaweite Erhebung (mehr als 30 Länder)

• Seit 2002, alle zwei Jahre

• Personen im Alter von +15, die in Privathaushalten wohnen

• Zufallsstichprobe (über Register der Einwohnermeldeämter)

• Computergestützte persönliche Befragung (CAPI) mit vollstrukturiertem Fragebogen

• Wir nutzen die gekürzte Fassung der 10.Runde des ESS

global wdir “Mypath”

Mypath: Datenpfad

• Globals sagen Stata für das gesamte Do-File, wo sie etwas speichern oder laden sollen

• In Stata kann man Pfade zu Unterordner “global“ speichern • Sparen Zeit

•global daten "$wdir/0_daten"

•global do-files "$wdir/1_do-files"

•use "$daten/ESS10SC_short.dta", clear

•save “$daten/my_data.dta”, replace

•save “$DoFile/my_dofile.do”, replace

• Drei Farben helfen bei der Orientierung:

• Blau: Befehle (lassen das Programm rechnen, Grafiken erstellen...)

• Rot: Titel/Benennung (in "..." eingefasst, beschriften Variablen, Grafiken...)

• Grün: Kommentare (für Titel und Erklärung eigener Arbeitsschritte)

• Es gibt mehrere Möglichkeiten eure Arbeit zu kommentieren

• EinzeiligeKommentare:*Text

• MehrzeiligeKommentare:/*Text*/

• Hinter einem Befehl: // Text

• browse

= öffnet den Datenbrowser und zeigt alle Beobachtungen und Variablen

• describe

= beschreibt den gesamten Datensatz, inkl. aller Variablen (unübersichtlich)

•describe, short

= beschreibt den Datensatz in Kurzform

•lookfor variable

= zeigt Variablen mit dem jeweiligen Suchstichwort im Namen an

• tab variable zeigt Häufigkeitstabelle der Variable

• tab variable, m zeigt Häufigkeitstabelle der Variable mit Missings

Abbildung

Abbildung

erstellt Histogramm mit Angabe von Prozentwerten der Variable

Abbildung:

Weitere Angaben!

Abbildung:

• Generate variable = 0 erschafft “leere“ neue Variable

• Bsp: generate Hallo = 0 variable “Hallo“ die für alle Befragten den Wert 0 hat

• Generate kann mit “gen“ abgekürzt werden

• recode variable (Regel 1)(Regel 2), gen (variable_new)

• 1. Beispiel: Alle Befragten unter 60 sollen den Wert 0 haben und alle ab 60 sollen den Wert 1 haben

recode age (min/59=0) (60/max=1) (.=.), gen (age_new)

• 2. Beispiel: Ausprägungen von metrop soll nur noch anzeigen ob eine Person in einer Großstadt lebt oder nicht

recode metrop (0/1=0) (2/3=1) (.=.), gen (bigcity)

• (.=.) bedeutet Missings bleiben Missings

• Falls ein Fehler passiert ist, Möglichkeit über drop variable_new neue Variable zu löschen

• label variable Variablenname "..." • BenenntdieVariable

• label define Variablenname_lbl 0"..." 1"..." • Erstellt Label für die Ausprägungen der Variable

• label value Variablenname Variablenname_lbl • VerbindetLabelmitVariable

• numlabel Variablenname_lbl, add • Fügt zusätzlich ein numerisches Label hinzu

Abbildung

• Erstellt Kreuztabelle von zwei Variablen (unabhängige Variable in der Regel in den Spalten)

• tab var1 var2 , chi2 col row

• Optionen zeigen chi2-Wert (inkl. Signifikanz), Spalten- und Zeilenprozente an

• zeigt Pearsons Korrelationskoeffizient von beiden gewünschten Variablen

Abbildung:

• zeigt einen Scatterplot der beiden Variablen

Abbildung: