Dieser Kurs bietet einen Rahmen dafür, wie Analysten quantitative Messgrößen erstellen und bewerten können. Denken Sie an die vielen kniffligen Konzepte, die für Analysten oft von Interesse sind, wie z.B. Gesundheit, Bildungsniveau und Vertrauen in die Regierung. In diesem Kurs werden verschiedene Ansätze zur Quantifizierung dieser Konzepte untersucht. Der Kurs beginnt mit einem Überblick über die verschiedenen Ebenen der Messung und die Möglichkeiten zur Transformation von Variablen. Anschließend besprechen wir, wie man ein Messmodell konstruiert und aufbaut. Als nächstes werden wir uns mit Umfragen befassen, da sie eines der am häufigsten verwendeten Messinstrumente sind. Im Rahmen dieser Diskussion werden wir die Stichprobenziehung, den Entwurf und die Auswertung von Umfragen behandeln. Schließlich werden wir uns mit den verschiedenen Möglichkeiten befassen, die Qualität einer Messung zu beurteilen, z. B. anhand ihrer Zuverlässigkeit oder Gültigkeit. Am Ende dieses Kurses sollten Sie in der Lage sein, Messgrößen für untersuchungswürdige Konzepte zu entwickeln und kritisch zu bewerten. Schließlich basiert eine gute Analyse auf guten Messgrößen.

Dieser Kurs führt Sie in das lineare Regressionsmodell ein, ein leistungsfähiges Instrument, das Forscher zur Messung der Beziehung zwischen mehreren Variablen verwenden können. Wir beginnen mit den Komponenten eines bivariaten Regressionsmodells, mit dem die Beziehung zwischen einer unabhängigen und einer abhängigen Variable geschätzt wird. Darauf aufbauend werden wir dann erörtern, wie man ein multivariates Modell, ein Modell mit binären abhängigen Variablen und ein interaktives Modell erstellt und interpretiert. Wir werden auch darauf eingehen, wie verschiedene Arten von Variablen, z.B. kategorische und Dummy-Variablen, angemessen in ein Modell einbezogen werden können. Insgesamt werden wir einige der vielen verschiedenen Möglichkeiten erörtern, wie ein Regressionsmodell sowohl für deskriptive als auch für kausale Schlussfolgerungen verwendet werden kann, und auch die Grenzen dieses Analyseinstruments. Am Ende des Kurses sollten Sie in der Lage sein, eine multivariate Regressionsanalyse zu interpretieren und kritisch zu bewerten.

In diesem Kurs geht es darum, wie Analysten das Vertrauen, das sie in ihre Ergebnisse haben, messen und beschreiben können. Der Kurs beginnt mit einem Überblick über die wichtigsten Wahrscheinlichkeitsregeln und Konzepte, die die Berechnung von Unsicherheitsmaßen bestimmen. Anschließend werden wir diese Ideen auf Variablen (die die Bausteine der Statistik sind) und die damit verbundenen Wahrscheinlichkeitsverteilungen anwenden. In der zweiten Hälfte des Kurses werden wir uns mit der Berechnung und Interpretation von Unsicherheiten befassen. Wir werden besprechen, wie man einen Hypothesentest durchführt und dabei sowohl Teststatistiken als auch Konfidenzintervalle verwendet. Schließlich werden wir die Rolle von Hypothesentests in einem Regressionskontext betrachten, einschließlich der Frage, was wir aus der statistischen Signifikanz eines Koeffizienten lernen können und was nicht. Am Ende des Kurses sollten Sie in der Lage sein, statistische Ergebnisse in probabilistischen Begriffen zu diskutieren und die Unsicherheit einer bestimmten Schätzung zu interpretieren.

Dies ist der letzte Kurs der Data Literacy Specialization. In diesem Abschlusskurs wenden Sie die Fähigkeiten und Kenntnisse, die Sie in der Specialization erworben haben, auf die kritische Bewertung einer quantitativen Originalanalyse an. Das Projekt erfordert zunächst, dass Sie eine qualitativ hochwertige, originale, quantitative Forschungsarbeit zu einem Thema Ihrer Wahl identifizieren und lesen. Anschließend interpretieren und bewerten Sie die Ergebnisse sowie den methodischen Ansatz. Im Rahmen des Projekts werden Sie auch die Beiträge anderer Studenten überprüfen. Am Ende des Projekts sollten Sie in der Lage sein, quantitative Forschung kritisch zu lesen und zu nutzen.