Prof. Dr. Dr. René Lehmann
Prof. Dr. Dr. René Lehmann
Lehrstuhl für empirische Wirtschaftsforschung
Werdegang
| 09/2024 |
Promotion zum Dr. rer. pol |
| Seit 12/2021 |
Wissenschaftlicher Mitarbeiter am Lehrstuhl für empirische Wirtschaftsforschung Otto-von-Guericke-Universität Magdeburg (nebenberuflich) |
| Seit 03/2016 |
Professor für Wirtschaftsmathematik und Statistik |
| FOM Hochschule für Oekonomie & Management | |
| 03/2012 |
Promotion zum Dr. rer. nat. Fakultät für Mathematik, Informatik und Naturwissenschaften |
| 04/2009 – 02/2016 |
Wissenschaftlicher Mitarbeiter im IT Referat IV 2.1 Umweltbundesamt |
| 10/2010 – 03/2012 |
Externer Doktorand (privat, nebenberuflich) RWTH Aachen |
| 09/2007 – 03/2009 | SDI Molan (Automotive): Statistiker |
| 10/2001 – 02/2008 |
Studium der Wirtschaftsmathematik (Diplom) Otto-von-Guericke-Universität Magdeburg |
Interessenfelder
Psychometrische Statistik der Likert Skalen, Entwicklung und Validierung von Likert Skalen, Biostatistik und Toxikologie (Uptake & Degradation, ECx, NOAEC/LOAEC), Compositional Data Statistik.
Aktuelle Forschungsprojekte
Die Berücksichtigung von compositional data Strukturen kann die Analyse von Likert Daten verbessern. In diesem Zusammenhang wird neben dem Grad der Zustimmung zu einer Aussage zusätzlich der implizit gegebene Grad an Nichtzustimmung berücksichtigt. Die Betrachtung beider Informationen offenbart, dass Likert Daten eine compositional data Struktur, welche besondere statistische Analysemethoden erfordert, besitzen. Das Forschungsprojekt befasst sich mit der Frage, inwiefern sich das Antwortformat (z.B. Anzahl diskreter Antwortmöglichkeiten, Slider Scales, Thurstonian Scales) im Rahmen des compositional data Ansatzes auswirkt. Ändert sich die Power und/oder Prognosegüte von korrelationsbasierten Verfahren?
Ausgewählte, themenbezogene Publikationen and Presentationen
Lehmann, R., Vogt, B. (2025). Improving correlation as a measure of similarity of congener patterns through compositional data analysis. Environmental Sciences Europe. 37:192. DOI 10.1186/s12302-025-01250-2.
Lehmann, R. Vogt, B. (2025): Breakdown of the compositional data approach in psychometric Likert scale big data analysis: about the loss of statistical power of two-sample t-tests applied to heavy-tailed big data. Brain Informatics Journal, DOI 10.1186/s40708-025-00253-2.
Lehmann, R. Vogt, B. (2024): Improving Likert scale big data analysis in psychometric health economics: reliability of the new compositional data approach. Brain Informatics Journal, 11, 19 (2024). https://doi.org/10.1186/s40708-024-00232-z.
Lehmann, R., Bachmann, J., Karaoglan, B., Lacker, J., Lurman, G., Polleichtner, C., Ratte, H. T., Ratte, M. (2018): The CPCAT as a novel tool to overcome the shortcomings of NOEC/LOEC statistics in ecotoxicology: a simulation study to evaluate the statistical power. Environmental Sciences Europe. doi: 10.1186/s12302-018-0178-5.
Ottermanns, R, Cramer, E., Daniels, B., Lehmann, R., Roß-Nickoll, M. (2018): Uncertainty in site classification and its sensitivity to sample size and indicator quality – Bayesian misclassification rate. Ecological Indicators, 94, 348-356.
Lehmann, R., Bachmann, J., Karaoglan, B., Lacker, J., Polleichtner, C., Ratte, H. T., Ratte, M. (2017): An alternative approach to overcome shortcomings with multiple testing of binary data in ecotoxicology. Stochastic Environmental Research and Risk Assessment, DOI:10.1007/s00477-017-1392-1.
Lehmann, R., Bachmann, J., Maletzki, D., Polleichtner, C., Ratte, H. T., Ratte, M. (2016): A New Approach to Overcome Shortcomings With Multiple Testing of Reproduction Data in Ecotoxicology. Stochastic Environmental Research and Risk Assessment, 30(3), 871–882, DOI 10.1007/s00477-015-1079-4.
Ranke, J., Lindenberger, K., Lehmann, R. (2012); R software package mkin 0.9.2; http://cran.r-project.org/web/packages/mkin/