Im Modul Wirtschaftsstatistik ging es darum, Daten nicht nur zu sammeln, sondern sie so zu beschreiben, zu visualisieren und zu interpretieren, dass daraus belastbare Aussagen werden. Auf dem Programm: Skalenniveaus, Lage- und Streuungsmaße, Abhängigkeitsmaße (u. a. Bravais-Pearson), lineare Regression, Konzentrationsmaße (Gini) sowie Normalverteilung und – für die Realitätsprüfung – statistische Manipulationen (aka „wie man mit Zahlen hübsch lügen kann“). Ziel war die sichere Anwendung der Methoden, die kritische Interpretation von Auswertungen und das Hinterfragen scheinbar „klarer“ Befunde.
Als Artefakt dient meine gescannte Online-Klausur (Handschrift auf Papier, dann per Mail eingereicht) sowie das begleitende Skript und die Aufgaben-/Anwendungsblätter. Sie zeigen, wie ich Korrelations- und Regressionsrechnungen rechnerisch sicher umgesetzt habe und – mindestens so wichtig – wie ich mit Visualisierungen und Kommentaren von der Zahl zur Aussage gekommen bin. Die Sammlung dokumentiert außerdem den speziellen Prüfungsmodus: fachlich fokussiert, aber im besten Sinne „wohnzimmerkompatibel“. Ein bisschen absurd – Kugelschreiber, Laptopkamera, Scan – aber effizient und fair.
Rechnerisch bin ich bei Korrelation/Bravais-Pearson gut durchgekommen; die eigentliche Hürde lag im Praxisbezug: Mein Alltag ist weder Labor noch Börsenparkett. Der Kurs hat mir jedoch zwei Dinge mitgegeben: erstens ein robustes Fundament für projektbezogene Analysen (das ich bei Bedarf gezielt auffrischen kann – z. B. für die Bachelorarbeit), zweitens eine deutlich geschärfte Zahlen-Skepsis: Mit passenden Achsen, Aggregationen und Auswahl der Kennzahlen kann man vieles glänzen lassen – oder schlecht aussehen lassen. Heute lese ich Charts und Kennzahlen bewusster und frage: Was wurde wie gemessen? Welche Annahmen stecken dahinter? Der Online-Klausurmodus war entspannt (Wohnzimmer statt Anfahrt nach Stendal) und zugleich ein bisschen skurril – aber er passte zur Zeit und tat der Leistungsbewertung keinen Abbruch.
Sichere Anwendung grundlegender statistischer Verfahren wie Häufigkeitstabellen, Lage- und Streuungsmaße.
Ergebnisse können in strukturierte Analysen überführt und zur Beantwortung konkreter Fragestellungen genutzt werden.
Fundierte Kenntnisse in der Berechnung und Interpretation von Kennzahlen wie Bravais-Pearson-Korrelationskoeffizient, lineare Regression und Zeitreihenanalyse. Fähigkeit zur methodisch korrekten Anwendung und kritischen Bewertung der Aussagekraft statistischer Verfahren.
Kompetenz zur adressatengerechten Darstellung von Analyseergebnissen, Auswahl geeigneter Visualisierungen und Aufbereitung komplexer Befunde für nicht-statistisch vorgebildete Zielgruppen. Fähigkeit, mögliche Manipulationen in Darstellungen zu erkennen und transparent zu machen.
Kommentare