Nachhilfe in Statistik – Psychologie-Master: Freie Universität Berlin

Wir kennen die Besonderheiten, Schwierigkeiten und Stolpersteine der Klausuren und wissen, was nötig ist, um sie zu bestehen.

Besonderheiten & Themen deiner Klausur ↓


Dozent*innen:

Dr. Georg Hosoya
Dr. Claudia Crayen
Prof. Dr. Steffi Pohl

So läuft’s:

  • 2 Stündige Seminare
  • maximal 5 Lernende
  • Präsenz oder Online
  • ab 24 € pro Seminar

„Herzlichen Dank Tilo, dass du mich jeweils beim ersten Versuch erfolgreich durch Statistik begleitet hast! Deine entspannte und rücksichtsvolle Art haben das Lernen sehr angenehm gestaltet. […] Vielen Dank für all die Motivation und Leichtigkeit!“
— Virginia

Möchtest du teilnehmen?

Dann melde dich bei uns, damit wir gemeinsam schauen können, ob es aktuell Lerngruppen gibt und welche zu dir passt.

Chatte mit Tilo über WhatsApp

Wenn der Button bei dir nicht funktioniert kannst du auch an unsere Nummer schreiben: 0177 / 6687611

Schreibe uns eine Nachricht

    So läuft’s

    2-stündige Seminare

    • klar abgesteckte Lernthemen
    • nur die nötige Theorie
    • viele praktischen Beispiele
    • Aufgaben aus Altklausuren
    • einfache Rezepte und Übersichten

    maximal 5 Lernende

    • kleine Lerngruppen
    • alle schreiben dieselbe Klausur
    • Termine werden gemeinsam abgestimmt
    • du entscheidest von Termin zu Termin, ob du dabei bist

    Präsenz oder Online

    • zusätzliches Online-Training
    • zusätzliche Begleitung zwischen den Seminaren
    • auf Wunsch werden Seminare aufgezeichnet

    Ab 24 € pro Seminar

    • Preise richten sich nach Gruppengröße
    • dich bindet kein Vertrag
    • du zahlst nur für Seminare, an denen du teilnimmst

    Methodenlehre und Statistik

    Wir bereiten dich genau auf die besonderen Schwierigkeiten und Stolpersteine deiner Klausur vor.


    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

    TEXT IST GERADE IN BEARBEITUNG 🙂

    Die Statistik, die du für Forschungsmethoden 2 brauchst ist (aus statistischer- mathematischer Sicht) weniger anspruchsvoll, als im vorherigen Semester. Es wird also für diese Klausurvorbereitung eher darum gehen, dass du dir einen klaren Überblick erarbeitest und die Notwendigkeit der Kontrolle von Kovariaten und die Möglichkeiten, wie dies erreicht werden kann, verstehst.

    Die 5 Rechnungen zu Schätzen der kausalen Effekte, die du per Hand durchführen können musst, zeigen wir dir. Am intensivsten üben wir die Auswertung der Ancova. Dieses Verfahren hast du im letzten Semester kennen gelernt. Wir wiederholen es und wenden unser Wissen für diese Schätzung kausaler Effekte an. In R wirst du einen neuen Befehl (effectLite) kennenlernen, dessen Output eine enorme Vielfalt an Interpretationsmöglichkeiten hat.

    alle passenden R-Outputs mit Übungen

    lassen uns Zeit für die beiden Hauptpunkte: Ancova und Matching…alles weiter Kombinationen der verlangetn Technikne und Interpretationen…es geht dann um Überblick, welchen p-Wert darf ich interpretieren, welchen nicht

    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

    Möchtest du teilnehmen?

    Dann melde dich bei uns, damit wir gemeinsam schauen können, ob es aktuell Lerngruppen gibt und welche zu dir passt.

    Yesim

    Psychologie-Master - FU

    Mathemagiker ist der perfekte Ort, um sich gezielt auf eine Prüfung vorzubereiten, Grundkenntnisse aufzufrischen oder seine mathematischen Fähigkeiten weiter aufzubauen. Mein Lehrer (Tilo) hat mir sehr geholfen, meine Statistik-Prüfungen mit sehr guten Noten zu bestehen und die Angst vor dem Fach im Allgemeinen loszuwerden. Die Preise sind absolut studentenverträglich. 😀

    Virginia

    FU Berlin - Psychologie

    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!