Frühere Meldungen
05. Oktober 2022
Symposium 25 Jahre StaBLab
Das StaBLab feiert sein 25-jähriges Bestehen. Dieses Jubiläum feiern wir am Freitag, den 07. Oktober, mit dem folgenden Programm:
ab 14 Uhr: Symposium mit Vorträgen und anschließendem Sektempfang im "Schweinchenbau" (Leopoldstr. 13)
ab ca. 18 Uhr: Feier im Statistik-Institut (Ludwigstr. 33).
Weitere Details zum Programm und den Vorträgen finden sich hier.
05. Oktober 2022
Machine Learning Consulting Unit
Die neu gegründete Machine Learning Consulting Unit (MLCU) der LMU bietet als Bestandteil des Munich Center for Machine Learning (MCML) angewandten ForscherInnen wissenschaftliche Beratung zu den verschiedenen Aspekten des angewandten Machine Learning. Die Beratung ist für Mitglieder der LMU kostenlos (in einem angemessenen Rahmen von ~8h pro Beratung) und steht ForscherInnen und StudentInnen gleichermaßen zur Verfügung. Das Ziel der MLCU ist es, die Qualität empirischer Arbeit zu sichern und Austausch, Wissenstransfer und Zusammenarbeit durch Beratung und gemeinsame Projekte zu fördern.
Weitere Informationen zur MLCU finden sich hier: https://www.slds.stat.uni-muenchen.de/consulting/.
05. Mai 2022
Im Rahmen unseres TourIST-Forschungsprojektes wurde eine neue Publikation veröffentlicht:
Das APCtools R-Paket (Code siehe GitHub) enthält verschiedene Routinen, um Alters-Perioden-Kohorten (APC) Analyse sowohl deskriptiv als auch basierend auf Generalisierten Additiven Modellen durchzuführen.
Link zur Publikation: https://joss.theoj.org/papers/10.21105/joss.04056
09. September 2021
Publikation zur Kommunikation und Visualisierung von Wahlumfragen
In unserer neuesten Publikation im Rahmen unseres KOALA (Koalitionsanalyse) Projektes zeigen wir auf warum die Ergebnisse von Wahlumfragen medial oft nur unzureichend dargestellt und kommuniziert werden. Wir diskutieren die Problematik und zeigen mögliche Alternativen als konkrete Lösungsvorschläge auf.
Link zur Publikation: https://www.doi.org/10.1017/S1049096521000950.
28. Januar 2021
Publikation zur Analyse zeitlicher Entwicklungen der touristischen Nachfrage
Eine in Tourism Economics veröffentlichte Publikation, die im Rahmen des Forschungsprojektes TourIST in enger Zusammenarbeit mit dem Lehrstuhl für Wirtschaftsgeographie der LMU München verfasst wurde, gibt einen Einblick in die flexible Anwendung von spline-basierten statistischen APC-Modellen. Die Modelle dienen der Differenzierung, zu welchem Maße Änderungen in einem touristischen Indikator - beispielsweise wie weit in Deutschland lebende Personen verreisen - auf das Alter der Person (Age - A), allgemeine zeitliche Entwicklungen wie die fortschreitende Technologiesierung (Period - P) oder auf die sich ändernde Sozialisierung verschiedener Generationen (Cohort - C) zurückführen sind. Neben einer Diskussion der Anwendung und Aussagekraft von APC-Modellen geben innovative Visualisierungen einen fundierten Einblick in die komplexen Zusammenhangsstrukturen.
Die Publikation ist hier verfügbar: https://doi.org/10.1177/1354816620987198.
01. Dezember 2020
Publikation zum Nowcasting der COVID-19 Fallzahlen in Bayern
Eine neue Publikation im Biometrical Journal beschreibt das Nowcasting Verfahren, welches zur täglichen Analyse der Bayerischen COVID-19 Meldedaten verwendet wird. Das Verfahren wurde am StaBLab in enger Zusammenarbeit mit Prof. Höhle vom Mathematischen Institut der Universität Stockholm und dem Bayerisches Landesamt für Gesundheit und Lebensmittelsicherheit (LGL) entwickelt und Ergebnisse werden täglich online veröffentlicht (https://corona.stat.uni-muenchen.de/nowcast/). Basierend auf den täglich aktualisierten Meldezahlen wird die epidemische Kurve der Anzahl an Krankheitsbeginnen pro Tag geschätzt. Diese Schätzung ermöglicht eine bessere Einschätzung der aktuellen Lage der Pandemie in Bayern als der Blick auf die täglichen Meldezahlen und kann als Basis für weitergehende Analysen verwendet werden.
Die Publikation ist hier verfügbar (https://onlinelibrary.wiley.com/doi/full/10.1002/bimj.202000112, Open Access)
11. November 2020
Die aktuellsten Analysen des Statistischen Beratungslabors für den Verlauf der Ausbreitung von Covid-19 in Deutschland, Bayern und München finden sich in folgendem Bericht.
Autoren: Helmut Küchenhoff, Felix Günther, Daniel Schlichting, Andreas Bender, in Zusammenarbeit mit Michael Höhle.
02. November 2020
Update des Dashboards zur Verbreitung des COVID-19 Virus um einige neue Funktionen
Link zum Dashboard: corona.stat.uni-muenchen.de
17. März 2020
Dashboard zur Verbreitung des COVID-19 Virus
In der aktuellen Berichterstattung zur Ausbreitung von Corona werden häufig nur die absoluten Anzahlen der gemeldeten Fälle pro Land berichtet. Aus epidemiologischer Sicht empfiehlt sich jedoch eine Darstellung der Fallzahlen einer Region im Vergleich zur jeweiligen Gesamtbevölkerung. Um diese Art der Betrachtung zu befördern stellen wir in einem online Dashboard Kartendarstellungen für Fallzahlen pro 100.000 Personen in der Bevölkerung zur Verfügung. Solche Zahlen liefern aus unserer Sicht eine deutlich verbesserte Informationsgrundlage zur Einschätzung des Risikos und zum Vergleich unterschiedlicher Regionen.
Link zum Dashboard: corona.stat.uni-muenchen.de
04. Juni 2019
Publikation zur Methodik hinter dem Wahlforschungsprojekt KOALA
Eine neue Publikation in AStA Advances in Statistical Analysis erläutert die am StaBLab entwickelte statistische Methodik, mit welcher auf Basis von Wahlumfragen Koalitionswahrscheinlichkeiten berechnet werden können. Diese Wahrscheinlichkeiten können anschließend genutzt werden, um die der Umfrage zugrunde liegende Unsicherheit auf einfachere Weise zu kommunizieren.
Die Publikation ist hier verfügbar.
30. Februar 2019
3-jährige Förderung des Forschungsprojektes TourIST
Das StaBLab erhält für das interdisziplinäre Forschungsprojekt "TourIST - Tourism In Space and Time" eine auf 3 Jahre ausgelegte Förderung durch die Deutsche Forschungsgemeinschaft (DFG).
Ziel des Forschungsprojektes ist es, touristisches Verhalten und seine Veränderung im raumzeitlichen Kontext zu untersuchen sowie Einflussfaktoren bzw. Auslöser der Veränderungen zu bestimmen, um zukünftige Entwicklungen besser abschätzen und prognostizieren zu können. Datengrundlage bilden deutschlandweite repräsentative Befragungen der Reiseanalyse, welche jährlich von der „Forschungsgemeinschaft Urlaub und Reisen e.V.“ (FUR) durchgeführt werden. Einbezogen werden Daten von 1995 bis 2019. Das interdisziplinäre Forschungsprojekt wurde vom StaBLab in Zusammenarbeit mit Prof. Dr. Jürgen Schmude sowie Dr. Marion Karl vom Department für Geographie der LMU München konzipiert.
02. November 2018
Statistische Beratung bei Machine Learning-Anwendungen
Das StaBLab erweitert das Beratungsspektrum und bietet im Rahmen des neu gegründeten Munich Center for Machine Learning (MCML) ab sofort auch statistische Beratung bei der Anwendung moderner Machine Learning-Verfahren an.
Kontakt: Maximilian Weigert
23. Oktober 2018
Universitätsstudie Bayernwahl USBW18 (München - Passau - Regensburg)
Aus unserem Lehrforschungsprojekt USBW18 liegen die ersten vorläufigen Ergebnisse vor.
Für mehr Informationen besuchen Sie unsere Webseite.
10. Juli 2018
Publikation zur statistischen Analyse von Importdaten mit dem Ziel der Auffindung von Unregelmäßigkeiten
Im Rahmen des ISAR-Projektes, welches in Kooperation mit dem Bayerischen Landesamt für Gesundheit und Lebensmittelsicherheit (LGL) sowie dem Bundesamt für Verbraucherschutz und Lebensmittelsicherheit (BVL) bearbeitet wird (siehe die offizielle Pressemitteilung vom 16.02 https://www.uni-muenchen.de/forschung/news/2018/kuechenhoff_isar.html), ist nun eine Publikation zur Beschreibung des genutzten lebensmitteltechnischen und statistischen Analyse-Ansatzes online verfügbar:
Anticipation of food safety and fraud issues: ISAR - A new screening tool to monitor food prices and commodity flows
K. Verhaelen, A. Bauer, F. Günther, B. Müller, M. Nist, B. Ülker Celik, C. Weidner, H. Küchenhoff, P.Wallner
Über den folgenden Link ist das Paper für begrenzte Zeit frei abrufbar:
https://www.sciencedirect.com/science/article/pii/S0956713518303190
13. März 2018
Publikation zu Messfehlermodellen zur Analyse der Wirkung von Feinstaub auf die Gesundheit ist erschienen.
In der Diskussion um die Wirkung von Feinstaub auf die Gesundheit wird häufig argumentiert, dass die Messung der Exposition problematisch ist. Veronika Deffner hat dies in Kooperation mit der Forschungsgruppe Envirommental Risks des Helmholtzzentrums mit daten der Augsburger Umweltstudie untersucht. Die Auswirkungen verschiedener Arten von Messfehlern, insbesondere von Mischungen mehrerer Messfehler, in linearen gemischten Regressionsmodellen wurden erforscht. Darauf aufbauend wurden Methoden zur Berücksichtigung von Messfehlern bei der Analyse longitudinaler Daten entwickelt und angewandt. Ein wesentliches Ergebnis ist, dass bisherige Untersuchungen zur Wirkung von unltrafeinen Partikeln bestätigt werden konnten.
„Mixtures of Berkson and classical covariate measurement error in the linear mixed model: Bias analysis and application to a study on ultrafine particles“ [http://onlinelibrary.wiley.com/doi/10.1002/bimj.201600188/full] in der Zeitschrift Biometrical Journal. [http://onlinelibrary.wiley.com/journal/10.1002/(ISSN)1521-4036] in Kooperation mit dem Helmhotz Zentrum München von Veronika Deffner, Helmut Küchenhoff, Susanne Breitner, Alexandra Schneider, Josef Cyrys, Annette Peters
16. Februar 2018
Das Projekt ISAR (Import Screening for the Anticipation of food Risks) wird gemeinsam mit dem Bayerischen Landesamt für Gesundheit und Lebensmittelsicherheit (LGL) und dem Bundesamt für Verbraucherschutz und Lebensmittelsicherheit (BVL) in einer mehrjährigen Kooperation fortgesetzt.
Ziel ist die methodische Verfeinerung des statistischen Ansatzes sowie die Weiterentwicklung der zugehörigen Softwarelösung.
Details zum Projekt finden sich in der offizielllen Pressemitteilung der LMU
25. September 2017
Wir beglückwünschen Hannah Neppl zum Gewinn vom "Best Poster Award 2017" der Deutschen Gesellschaft für Demographie im Rahmen der Statistischen Woche 2017 in Rostock.
Das Poster entstand in Kooperation mit dem Statistischen Amt der Stadt München.
Thema des Posters und Co-Autoren waren:
Thema: "Migration 1996 - 2015 in München"
Autoren: Hannah Neppl, Helmut Küchenhoff, Sibel Aydemir-Kengeroglu und Ingrid Kreuzmair
20. September 2017
Interview zu Umfragen zu Wahlen von Helmut Küchenhoff im Spektrum der Wissenschaft: hier
01. August 2017
Wie schon 2013 berechnet das StaBLab zur Bundestagswahl 2017 wieder Koalitionswahrscheinlichkeiten, also die Wahrscheinlichkeit, dass für bestimmte Koalitionen eine rechnerische Sitzemehrheit zustande kommt.
- Weitere Informationen finden sich in der offiziellen Pressemitteilung der LMU
- Ein einführender Blog-Post findet sich bei den Kollegen von pollyvote.de
- Detailierte Analysen findet man in unserem interaktiven Online-Tool: http://koala.stat.uni-muenchen.de
- Über Updates informieren wir auf Twitter unter @KOALA_LMU
- Details zur Methodik finden sich hier
11. Mai 2017 (Update: 13. Juli 2017)
Die Ergebnisse dieses Forschungsprojektes wurden nun auch auf Deutsch in Buchform veröffentlicht. Zu dem, im Rahmen dieses Projektes durchgeführten und mit dem "Lehre@lmu"-Preis prämierten, Lehrprojekt sagt Prof. Paul W. Thurner:
„Es ist sehr sinnvoll, solche Lehrforschungsprojekte, die erhebliche Praxisrelevanz haben, in den Politikwissenschaften durchzuführen. Einige der fortgeschritteneren Studierenden waren schon beim Design der Studie mit eingebunden. Für alle war es sehr spannend, Umfragen beim Wähler selbst zu machen und damit den Menschen hinter den Datensätzen zu sehen, mit denen sie sonst arbeiten. Das hat die Studierenden sehr stark motiviert.“
Weitere Informationen finden Sie in der Pressemitteilung der LMU:
https://www.uni-muenchen.de/forschung/news/2017/thurner_wahlforschung.html
Originaltext (11.05.2017):
Artikel zur Wahlforschung in der renommierten Zeitschrift "Sociological Methods & Research".
Die Kooperation des Statistischen Baratungslabors mit dem Lehrstuhl für Empirische Politikforschung und Policy Analysis (Prof. Paul W. Thurner) der LMU ist weiter erfolgreich. Der Artikel "Combining Aggregate Data and Exit Polls for the Estimation of Voter Transitions"
http://journals.sagepub.com/doi/abs/10.1177/0049124117701477?journalCode=smra
von Andre Klima, Thomas Schlesinger, Paul Thurner und Helmut Küchenhoff ist in der Zeitschrift "Sociological Methods & Research" (2015 Impact Factor: 3.224 2015 Ranking: 3/142 in Sociology | 3/49 in Social Sciences, Mathematical Methods) erscheinen.
In dem Artikel stellen wir eine neue Methode zur Schätzung von Wählerwanderungen aus Umfragedaten ("Exit Poll") und Daten zur Wahlentscheidung in den einzelnen Stimmbezirken vor. Dabei stammen die Umfragedaten aus einer von uns im Rahmen eines interdisziplinären Lehreprojektes durchgeführten Nachwahlbefragung in München bei Bundes- und Landtagswahl 2013. Die Kombination der beiden Datensätze aus unterschiedlichen Quellen geschieht mit Bayesianischen Methoden und ist im Bereich der Wahlforschung eine wichtige Neuentwicklung.
07. Juli 2017
Wir beglückwünschen Alexander Bauer zum zweiten Platz beim "Best Poster Award" des diesjährigen International Workshop on Statistical Modeling (IWSM).
Thema des Posters und Co-Autoren waren:
Alexander Bauer, Fabian Scheipl, Helmut Küchenhoff, Alice-Agnes Gabriel: Modeling spatio-temporal earthquake dynamics using generalized functional additive regression
16. Juni 2017
Publikation mit dem Titel in der Zeitschrift Medizinische Klinik - Intensivmedizin und Notfallmedizin.
Eine erfolgreiche Koopertation des Statistischen Baratungslabors mit dem Klinikum der LMU führt zu dem Artikel
"Kosten als Instrument zur Effizienzbeurteilung intensivmedizinischer Funktionseinheiten"
von T. Maierhofer, F. Pfisterer, A. Bender, H. Küchenhoff, O. Moerer, H. Burchardi, W. H. Hartl.
Die Veröffentlichung leistet einen Beitrag zur Diskussion im Gesundheitswesen, wie Kosten in Intensivstationen von Universitätskliniken vergütet werden. Es wird untersucht, inwieweit Behandlungskosten auf patientenspezifische Ausgangsvariablen (u.A. Art und Schwere der Grunderkrankung bei Einlieferung in die Intensivstation) bezogen werden können.