Für Psychologie-Studenten im Master: Statistik-Nachhilfe für die Freie Universität Berlin
Dir fällt Statistik schwer und du hast Sorge, dass du deine Klausur nicht gut bestehst? Ich helfe dir! Ich kenne die Besonderheiten und Schwierigkeiten der Klausuren und weiß, was nötig ist, um sie sicher zu bestehen.
Oder schreibe eine Nachricht per E-Mail.
2-stündige Seminare
- klar abgesteckte Lernthemen
- nur die nötige Theorie
- Aufgaben aus Altklausuren
- viele einfache Übersichten
Maximal 5 Lernende
- kleine Lerngruppen
- alle schreiben dieselbe Klausur
- Termine werden gemeinsam abgestimmt
- Einzelunterricht ist auch möglich
Flexibel und individuell
- zusätzliche Begleitung zwischen den Seminaren über WhatsApp
- dich bindet kein Vertrag
- Online-Unterricht über Zoom ist auch möglich
Hallo, Ich bin Tilo 👋️
Mein Ziel ist es, dass es schnell klick macht und du Statistik wirklich verstehst. Ich zeige dir genau das, was dein Dozent von dir erwartet, damit du deine Prüfung sicher bestehst!
„Ich kann Tilo nur empfehlen, er kann super erklären. In meinem Bachelorstudium hatte ich keine Statistik und fühlte mich erst wirklich verloren aber er hat mir in kürzester Zeit alle wichtigen Dinge für die Klausur im Master beigebracht, die ich dann sogar mit einer 1 vor dem Komma bestanden habe!“
— Antonia, FU Master 2024
„Tilo ist Gold wert- der beste Lehrer den ich in meiner langen Zeit als Mathemuffel kennengelernt habe. Strukturierte, individuelle, professionelle Statistik Nachhilfe für mein Psychologie Studium. Der Humor kommt dabei auch nicht zu kurz 🙂
— Silvia Master Psychologie
„Dank Tilo habe ich Statistik 1-3 erfolgreich bestanden. Nicht nur, dass Tilo super verständnisreich erklärt sondern auch total auf jede einzelne Person eingeht. Ich persönlich habe noch nie so gut lernen können wie mit Tilo und verstanden habe ich es bisher auch noch nie so gut!“
— Teresa – FU-Psychologie Master 2025
„Herzlichen Dank Tilo, dass du mich jeweils beim ersten Versuch erfolgreich durch Statistik I & II begleitet hast! Deine entspannte und rücksichtsvolle Art haben das Lernen sehr angenehm gestaltet- die Zeit bei dir ist jedes Mal wie im Flug vergangen. Dank deiner klaren und nachvollziehbaren Vermittlung, hast du es geschafft, dass ich das neue Wissen wirklich verstehen und verinnerlichen konnte. Vielen Dank für all die Motivation und Leichtigkeit!“
— Virginia FU Master Psychologie 2023
Sicher durch deine Statistik-Klausur
Genau für deine Uni. Genau für deine Dozent*in. Genau für deine Klausur.
Multivariate Datenanalyse
Klausurvorbereitung
Die Inhalte der Vorlesungen bauen auf die Themen von Statistik I und II aus dem Bachelorstudium auf. Da bei den meisten Student*innen dieses Wissen wieder ein bisschen in den Hintergrund gerutscht ist, lassen wir uns ganz besonders für die ersten Themen soviel Zeit, dass ihr ein tiefes Verständnis für die Logik der Regression aufbaut und genau versteht , warum wann welche Interpretation angebracht ist.
Sehr ausführlich erarbeiten wir uns die R-Outputs, so, dass du wirklich jedes Wort und jede Zahl verstehst und merkst, dass diesen Output interpretieren dem gleichkommt, als würdest du eine Geschichte mit vielen Details erzählen.
Wir erarbeiten uns die Grundlogik am Sonderfall der multiplen Regression mit dem Sonderfall: 2 Prädiktoren, metrische Prädiktoren und metrisches Kriterium, ohne Interaktion, linearer Zusammenhang , unabhängige Residuen. Du wirst dann verstehen, dass jedes weitere Modell als eine Erweiterung dieses Sonderfalles verstanden werden kann und an einem dieser Punkte anknüpft. Und so wird der Stoff, obwohl immer komplexer werdend für dich immer eine Mischung von Wiederholung, Erweiterung und verständlicher Vertiefung sein und dir nicht schwer fallen.
Im zweiten Teil des Kurses lernst du mit uns Umgang und Interpretation der hierarchischen Modelle. Aus der Perspektive von praktischen Forschungsfragen erarbeiten wir uns eine Übersicht der 5 Modelle, die du kennen musst. Viel Zeit lassen wir uns, bis ihr den zuerst unübersichtlichen „Buchstaben- und Zahlensalat“ geschafft habt. Wenn ihr das geknackt habt, dann schafft ihr den Rest mit Links :).
Themenübersicht
- Bivariate Regression
Korrelation, Schätzung der Regressionskoeffizienten, t- und F-Test, Determinationskoeffizient, Zentrierung, Standardisierung - Multiple Regression I
Additives Modell, Moderatoreffekt, Moderatorvariable, Modellvergleich, Nützlichkeit eines Prädiktors - Multiple Regression II
Multikollinearität, Redundanz und Suppression, visuelle Modelldiagnostik, non-lineare Regression - Ancova
Dummykodierung, Interpretation mit kategorialen Prädiktor, Kovariate, generalisierte Ancova - logistische Regression bedingte Wahrscheinlichkeit, logit link Inverse, Odds Ratio, multiple logistische Regression mit Interaktion und kategorialem Prädiktor, Wald Test, maximum likelihood Methode
- Clusteranlalyse (nicht klausurrelevant)
- Hierarchische Modelle
Intraklassenkorrelation, Intercept only, Random slopes, Kontextmodell, Cross-Level-Interaction, Modellvergleiche, Längsschnittmodelle, Modellvergleiche, Pseudo-R² - Klausurtraining
Evaluationsforschung
Klausurvorbereitung
In der Klausur bekommst du als die beiden größten Aufgaben jeweils eine zur Ancova und eine Aufgabe zum Matchen. Außerdem musst du „per Hand“ einen geschätzten kausalen Effekt berechnen. Als kleine Aufgaben bekommst du jeweils zu den PS- Methoden, zur Regression discontinuity und zum Non compliance-Ansatz eine Teilaufgabe mit einem Output.
Die Ancova war schon Thema von Statistik 1, deshalb setzen wir genau da an. Das ist auch die technisch anspruchvollste Aufgabe. Wir lernen das Aufstellen der Effektfunktion aus den verschieden Outputs zur Ancova kennen, schätzen damit die kausalen Effekte und interpretieren diese. Alle späteren Interpretationen bauen auf diesen auf. Hauptschwerpunkt liegt auf dem sehr komplexen Output zum effectLite()- Befehl.
Das Schlimmste ist geschafft! Wir gehen in die Theorie (Vorlesung 3,4) und Klären das Problem von Selektionseffekten, die Idee der Adjustierung der Kovariaten und das Konzept der unverfälschten Schätzung von kausalen Effekten. Das theoretische Wissen wenden wir beim Matchen an und bei den PS – Methoden an.
Nach den PS – Methoden gehen gibt es die beiden Themen der discontinuity regression und des non compliance- Ansatz, die dir nicht mehr schwerfallen werden, sie bauen auf den vorherigen Methoden auf und sind jeweils für sich logisch und übersichtlich, also gute Themen für die Klausur.
Wenn du die Vorlesungen von Frau Professor Pohl anschaust, wirst du über alle Vorlesungen hinweg verschiedene Formeln und Verfahren finden, wie du kausale Effekte „per Hand“ schätzen kannst. Du bekommst bei uns einen Überblick über diese Verfahren und lernst, wann du sie auf einfache Weise anwenden kannst.
Themenübersicht
- Evaluation Einführung
Korrelation, Schätzung der Regressionskoeffizienten, t- und F-Test, Determinationskoeffizient, Zentrierung, Standardisierung - Kausale Effekte und Treatmenteffekte
Definition und Berechnung kausaler Effekte, Wahrscheinlichkeit der Treatmentzuweisung, Schätzung der Effekte aus empirischen Daten - Ancova
Idee Ancova, traditionelle Ancova, generalisierte Ancova, bedingte Regressionsgleichungen, Effektschätzung, lm()- Befehl, effectLite()- Befehl - Kovariatenmatching
Balancieren als Möglichkeit der Kovariatenkontrolle, machit()- Befehl, Mahalanobis Distanz,exaktes Matchen, SMD und Varianzenverhältnis, Verteilungsfunktionen, ATE of matched sample - PS – Methoden
logistische Regression, PS Schätzung, PS Matching, overlap, Respezifikation, Ps- Stratifizierung, PS- Gewichtung, PS – Regression - Praktische Überlegungen
Methodenvergleich, Methodenkombination, Sensitivitätsanalyse, Wahl der Kovariaten, Messfehler, - Diskontinuierliche Regression
forcing covariate, Schätzung vom LATE, Modellspezifikationen, optimaler Tolleranzbereich, RDestimate()- Befehl, Interpretationsvarianten - Non Compliance
As-treaded- Analyse, Per-Protocol- Analyse, Intention-to-Treat-Analyse, IV- Ansatz, Effektschätzung mit Intrumental-Variable
Melde dich, damit wir gemeinsam schauen können, ob es aktuell Lerngruppen gibt und welche zu dir passt.