EVA. Anhang. I2- Intelligente Infrastruktur 125 / 189

Größe: px
Ab Seite anzeigen:

Download "EVA. Anhang. I2- Intelligente Infrastruktur 125 / 189"

Transkript

1 Anhang Anhang : Regelblätter der RVS Anhang 2: Regelblätter des Wiener Baustellen Leit- und Sicherheitssystems Anhang 3: Abbildungen aus der Schweizer Norm SN c Anhang 4: Regelpläne der RAS Anhang 5: Fotodokumentation A Talübergang Gschaid Anhang 6: Fotodokumentation A2, Kurierbrücke Anhang 7: Fotodokumentation A2, Betonfeldsanierung Baden Anhang 8: Fotodokumentation A2, Betonfeldsanierung Traiskirchen Anhang 9: Fotodokumentation B, Hauptstraße in Wien Anhang 0: Fotodokumentation B20, Zubringerstraße in Baden Anhang : Regressionsmodelle Kurierbrücke Anhang 2: Regressionsmodelle Baden Anhang 3: Regressionsmodelle Traiskirchen Anhang 4: T-Test B und B Anhang 5: T-Test Kurierbrücke und VLSA I2- Intelligente Infrastruktur 25 / 89

2 Anhang : Regelblätter der RVS 5.42 RVS 5.42: Regelblatt K II /.: Arbeitsstellen von kürzerer Dauer, Sperre des äußeren Fahrstreifens (Mindestsichtweite 300 m) Die Absicherung bei Sperre des inneren Fahrstreifens erfolgt analog (K II /.2). 26 /89 I2 Intelligente Infrastruktur

3 RVS 5.42: Regelblatt K II / 2.: Arbeitsstellen von kürzerer Dauer, Sperre des äußeren Fahrstreifens (Vorwarnung auf Fahrzeug) Die Absicherung bei Sperre des inneren Fahrstreifens erfolgt analog (K II / 2.2). I2- Intelligente Infrastruktur 27 / 89

4 RVS 5.42: Regelblatt K II / 3.: Arbeitsstellen von kürzerer Dauer, Sperre des äußeren Fahrstreifens (Vorwarnung beidseitig) Die Absicherung bei Sperre des inneren Fahrstreifens erfolgt analog (K II / 3.2). 28 /89 I2 Intelligente Infrastruktur

5 RVS 5.42: Regelblatt D : Arbeitsstellen von längerer Dauer, Detaildarstellung einer Einengung I2- Intelligente Infrastruktur 29 / 89

6 RVS 5.42: Regelblatt E II / 3: Arbeitsstellen von längerer Dauer, Sperre des äußeren Fahrstreifens Die Absicherung bei Sperre des inneren Fahrstreifens erfolgt analog (E II / 5). 30 /89 I2 Intelligente Infrastruktur

7 RVS 5.42: Regelblatt E II / 4: Arbeitsstellen von längerer Dauer, Sperre des äußeren Fahrstreifens (Fahrstreifenabbau innen) I2- Intelligente Infrastruktur 3 / 89

8 RVS 5.42: Regelblatt E III / : Arbeitsstellen von längerer Dauer, Sperre des äußeren Fahrstreifens Die Absicherung bei Sperre des inneren Fahrstreifens erfolgt analog (E III / 4). 32 /89 I2 Intelligente Infrastruktur

9 Anhang 2: Regelblätter des Wiener Baustellen Leit- und Sicherheitssystems Wiener Baustellen Leit- und Sicherheitssystem: Regelblatt K 2.R: Kurzfristige Sperre (bei zweistreifiger Fahrbahn) des. Fahrstreifens rechts Regelblatt K 2.R K 3.R (dreistreifige Fahrbahn) Die Sperre des 2. Fahrstreifens links erfolgt analog (K 2.L K 3.L). I2- Intelligente Infrastruktur 33 / 89

10 Wiener Baustellen Leit- und Sicherheitssystem: Regelblatt E 2.R mit Leitwand: Einengung (bei zweistreifiger Fahrbahn) des. Fahrstreifens rechts Die Einengung (bei zweistreifiger Fahrbahn) des. Fahrstreifens rechts kann auch mit Leitbaken ausgeführt werden (E 2.R mit Leitbaken). Die Einengung des 2. Fahrstreifens links erfolgt analog (E 2.L mit Leitwand). 34 /89 I2 Intelligente Infrastruktur

11 Wiener Baustellen Leit- und Sicherheitssystem: Regelblatt E 3.R mit Leitbaken: Einengung (bei dreistreifiger Fahrbahn) des. Fahrstreifens rechts Die Einengung (bei dreistreifiger Fahrbahn) des. Fahrstreifens rechts kann auch mit einer Leitwand ausgeführt werden (E 3.R mit Leitwand). Die Einengung des 2. Fahrstreifens links erfolgt analog (E 3.L mit Leitwand). I2- Intelligente Infrastruktur 35 / 89

12 Anhang 3: Abbildungen aus der Schweizer Norm SN c SN c: Typ A, Tagesbaustellen auf Autobahnen 36 /89 I2 Intelligente Infrastruktur

13 SN c: Typ A4, Reduktion von Fahrstreifen I2- Intelligente Infrastruktur 37 / 89

14 SN c: Detail, Reduktion eines Fahrstreifen 38 /89 I2 Intelligente Infrastruktur

15 Anhang 4: Regelpläne der RAS-95 RAS-95: Regelplan D I / 3, Arbeitsstelle von längerer Dauer auf dem äußeren Fahrstreifen einer zweistreifigen Fahrbahn I2- Intelligente Infrastruktur 39 / 89

16 RAS-95: Regelplan D I / 6, Arbeitsstelle von längerer Dauer auf dem äußeren Fahrstreifen einer dreistreifigen Fahrbahn 40 /89 I2 Intelligente Infrastruktur

17 RAS-95: Regelplan D III /, Arbeitsstelle von kürzerer Dauer auf einem Fahrstreifen einer zweistreifigen Fahrbahn, Sichtweite >800 m I2- Intelligente Infrastruktur 4 / 89

18 RAS-95: Regelplan D III / 2a, Arbeitsstelle von kürzerer Dauer auf dem äußeren Fahrstreifen einer zweistreifigen Fahrbahn, Sichtweite 800 m 400 m Die Absicherung bei Sperre des inneren Fahrstreifen erfolgt analog (D III / 3a). 42 /89 I2 Intelligente Infrastruktur

19 RAS-95: Regelplan D III / 2b, Arbeitsstelle von kürzerer Dauer auf dem äußeren Fahrstreifen einer zweistreifigen Fahrbahn, Sichtweite < 400 m Die Absicherung bei Sperre des inneren Fahrstreifen erfolgt analog (D III / 3b). I2- Intelligente Infrastruktur 43 / 89

20 Anhang 5: Fotodokumentation A Talübergang Gschaid Richtungsfahrbahn Wien (alle Fotos in Fahrtrichtung) ca. 200 m vor der Verflechtung: Reduktion der zulässigen Höchstgeschwindigkeit auf 80 km/h, Ankündigung der Baustelle und der Fahrstreifensubtraktion, Vorankündigung der Verschwenkung des rechten Fahrstreifens auf den Abstellstreifen (400 m) ca. 75 m vor der Verflechtung: Messquerschnitt und Standort der Videokamera 44 /89 I2 Intelligente Infrastruktur

21 kurz vor der Verflechtung: Messquerschnitt 2, Sperre des linkes Fahrstreifens mittels Leitbaken ca. 60 m nach der Verflechtung: Vorankündigung der Verschwenkung des rechten Fahrstreifens auf den Abstellstreifen (00 m); im Hintergrund: Reduktion der zulässigen Höchstgeschwindigkeit auf 60 km/h (ca. 00 m nach der Verflechtungsstelle) I2- Intelligente Infrastruktur 45 / 89

22 ca. 200 m nach der Verflechtung: Verschwenkung des rechten Fahrstreifens auf den Abstellstreifen (gekennzeichnet durch Bodenmarkierung und Leitbaken) ca. 500 m nach der Verflechtung: Messquerschnitt 3 unmittelbar vor dem Brückentragwerk, in Bildmitte eine Messplatte 46 /89 I2 Intelligente Infrastruktur

23 Anhang 6: Fotodokumentation A2, Kurierbrücke Zufahrt zum Altmannsdorfer Ast (alle Fotos in Fahrtrichtung) ca. 400 m vor der Verflechtung: Messquerschnitt, Vorankündigung der Baustelle und der Fahrbahnverengung; im Hintergrund: Geschwindigkeitsbeschränkung und Überholverbot (300 m vor der Verflechtung), ca. 200 m vor der Verflechtung: Messquerschnitt 2, Vorankündigung der Fahrstreifensubtraktion; im Hintergrund: Vorankündigung der Fahrstreifensubtraktion (00 m) I2- Intelligente Infrastruktur 47 / 89

24 ca. 50 m vor der Verflechtung: Messquerschnitt 3 (in Höhe des auf dem Abstellstreifen haltenden Fahrzeugs) kurz vor dem Verflechtungsbereich: Verflechtung von zwei auf einen Fahrstreifen durch Sperre des rechten Fahrstreifens mit Betonleitwänden; im Hintergrund die Kurierbrücke 48 /89 I2 Intelligente Infrastruktur

25 unmittelbar nach der Verflechtung: Messquerschnitt 4 beim Schild mit der Aufschrift Porr ca. 220 m nach der Verflechtung: Messquerschnitt 5 beim Schild mit der Aufschrift Arbö, kurz nach dem Brückentragwerk I2- Intelligente Infrastruktur 49 / 89

26 Anhang 7: Fotodokumentation A2, Betonfeldsanierung Baden Fahrtrichtung Wien (alle Fotos in Fahrtrichtung) ca. 000 m vor der Verflechtung: Vorankündigung der Baustelle und der Fahrbahnverengung; rechts im Bild: Auffahrtsrampe der Ast. Baden zur A2 ca. 600 m vor der Verflechtung: Messquerschnitt S7 der Geschwindigkeitsbeeinflussungsanlage 50 /89 I2 Intelligente Infrastruktur

27 ca. 500 m vor der Verflechtung: Reduktion der zulässigen Höchstgeschwindigkeit auf 00 km/h ca. 400 m vor der Verflechtung: Vorankündigung der Fahrstreifensubtraktion ca. 300 m vor der Verflechtung: Reduktion der zulässigen Höchstgeschwindigkeit auf 80 km/h I2- Intelligente Infrastruktur 5 / 89

28 ca. 00 m vor der Verflechtung: Messquerschnitt, Vorankündigung der Fahrstreifensubtraktion Verflechtungsbereich: Sperre des rechten Fahrstreifens mit Leitbaken ca. 200 m nach der Verflechtung: Messquerschnitt 2, seitliche Absicherung der Baustelle mit Leitbaken 52 /89 I2 Intelligente Infrastruktur

29 Anhang 8: Fotodokumentation A2, Betonfeldsanierung Traiskirchen Fahrtrichtung Graz (alle Fotos in Fahrtrichtung) ca. 000 m vor der Verflechtung: Vorankündigung der Baustelle und der Fahrbahnverengung ca. 500 m vor der Verflechtung: Reduktion der zulässigen Höchstgeschwindigkeit auf 00 km/h I2- Intelligente Infrastruktur 53 / 89

30 ca. 400 m vor der Verflechtung: Vorankündigung der Fahrstreifensubtraktion ca. 300 m vor der Verflechtung: Reduktion der zulässigen Höchstgeschwindigkeit auf 80 km/h ca. 00 m vor der Verflechtung: Messquerschnitt, Vorankündigung der Fahrstreifensubtraktion; 54 /89 I2 Intelligente Infrastruktur

31 Verflechtungsbereich: Sperre des rechten Fahrstreifens mit Leitbaken ca. 400 m nach der Verflechtung: Messquerschnitt 2, seitliche Absicherung der Baustelle mit Leitbaken I2- Intelligente Infrastruktur 55 / 89

32 Anhang 9: Fotodokumentation B, Hauptstraße in Wien ca. 00 m vor der Verflechtung: VLSA auf der Hauptstraße (Blickrichtung Westen) Verflechtung von zwei auf einen Fahrstreifen: Der rechte Fahrstreifen wird durch parkende Fahrzeuge blockiert. (Blickrichtung Westen) 56 /89 I2 Intelligente Infrastruktur

33 Ankunft eines Fahrzeugpulks an der Verflechtungsstelle: Die Fahrzeuge überfahren am Beginn der Grünphase den zweistreifigen VLSA-Querschnitt und verflechten auf den linken Fahrstreifen. Im Vordergrund ist ein auf dem rechten Fahrstreifen haltendes Fahrzeug erkennbar. (Blickrichtung Osten) I2- Intelligente Infrastruktur 57 / 89

34 Anhang 0: Fotodokumentation B20, Zubringerstraße in Baden ca. 60 m vor der Verflechtung: VLSA auf der Zubringerstraße (Blickrichtung Osten) Verflechtung: Die Fahrstreifenwahl wird offensichtlich durch ein am rechten Fahrbahnrand haltendes Sattelfahrzeug beeinflusst. (Blickrichtung Osten) 58 /89 I2 Intelligente Infrastruktur

35 Verflechtung: Das am rechten Fahrbahnrand haltende Sattelfahrzeug verdeckt die Sicht auf das Verkehrszeichen Einordnen lassen. (Blickrichtung Westen) Verflechtung: Anwendung des Reißverschlusssystems an der Verflechtungsstelle (Blickrichtung Westen) I2- Intelligente Infrastruktur 59 / 89

36 Anhang : Regressionsmodelle Kurierbrücke mit Pkw-Gleichwert,0 für Lkw Deskriptive Statistiken Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Standardab Mittelwert weichung N 762,3 22, ,5078 9, ,200 6, , , , , , , Korrelation nach Pearson Signifikanz (einseitig) N Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Korrelationen Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0,000,485,546,473,573,56,485,000,759,993,779,98,546,759,000,735,983,940,473,993,735,000,767,93,573,779,983,767,000,960,56,98,940,93,960,000,,000,000,000,000,000,000,,000,000,000,000,000,000,,000,000,000,000,000,000,,000,000,000,000,000,000,,000,000,000,000,000,000, Aufgenommene/Entfernte Variablen a Aufgenomme ne Variablen Entfernte Variablen QU_RE_0, a. Abhängige Variable: Q_0 Methode Schrittweise Auswahl (Kriterien: Wahrscheinlichkeit von F-Wert für Aufnahme <=,050, Wahrscheinlichkeit von F-Wert für Ausschluß >=,00). zusammenfassung b Änderungsstatistiken Standardf Änderung in Korrigiertes ehler des Änderung in Signifikanz Durbin-Wats R R-Quadrat R-Quadrat Schätzers R-Quadrat Änderung in F df df2 von F on-statistik,573 a,328,323 0,8,328 58,42 9,000 2,37 a. Einflußvariablen : (Konstante), QU_RE_0 b. Abhängige Variable: Q_0 60 /89 I2 Intelligente Infrastruktur

37 Regression Residuen Gesamt ANOVA b Quadrats Mittel der umme df Quadrate F Signifikanz 59579, 59579,2 58,42,000 a , a. Einflußvariablen : (Konstante), QU_RE_0 b. Abhängige Variable: Q_0 (Konstante) QU_RE_0 a. Abhängige Variable: Q_0 Nicht standardisierte Koeffizienten Standardf Standardi sierte Koeffizien ten Koeffizienten a 95%-Konfidenzintervall für B Korrelationen Nullter Ordnung Partiell Teil Kollinearitätsstatistik B ehler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 640,784 8,402 89,64, , ,22,246,032,573 7,625,000,82,30,573,573,573,000,000 Ausgeschlossene Variablen b D_0 A_RE_0 QUA_D_0 A_D_0 Kollinearitätsstatistik Partielle Minimale Beta In T Signifikanz Korrelation Toleranz VIF Toleranz,098 a,820,44,075,393 2,545,393 -,535 a -,300,96 -,9 3,308E-02 30,225 3,308E-02,082 a,695,488,064,4 2,43,4,35 a,502,67,046 7,86E-02 2,794 7,86E-02 a. Einflußvariablen im : (Konstante), QU_RE_0 b. Abhängige Variable: Q_0 Korrelation der Koeffizienten a Korrelationen Kovarianzen a. Abhängige Variable: Q_0 QU_RE_0 QU_RE_0 QU_RE_0,000,043E-03 Kollinearitätsdiagnose a Dimension 2 a. Abhängige Variable: Q_0 Kondition Varianzanteile Eigenwert sindex (Konstante) QU_RE_0,866,000,07,07,34 3,733,93,93 I2- Intelligente Infrastruktur 6 / 89

38 Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen a. Abhängige Variable: Q_0 Residuenstatistik a Minimum Maximum Mittelwert Standardab weichung 655,5 940,4 762,3 70, ,8 227,09 -,3E-4 00,75 2 -,522 2,525,000, ,433 2,245,000,996 2 N P-P-Diagramm von Standardisiertes Residuum,00 Abhängige Variable: Q_0,75 Erwartete Kum. Wahrsch.,50,25 0,00 0,00,25,50,75,00 Beobachtete Kum. Wahrsch. Legende: Q_0 Verkehrsstärke [Kfz/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_0 Verkehrsdichte [Kfz/km] QUA_D_0 Quadrat der Verkehrsdichte [Kfz 2 /km 2 ] A_RE_0 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-%] QU_RE_0 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-% 2 ] A_D_0 Multiplikativer Term: A_D_0 D_0 62 /89 I2 Intelligente Infrastruktur

39 mit Pkw-Gleichwert,5 für Lkw Deskriptive Statistiken Q_5 D_5 A_RE_5 QUA_D_5 QU_RE_5 A_D_5 Standardab Mittelwert weichung N 792,863 26, ,566 9, ,359 6, , , , , , , zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R-Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,566 a,320,35 05,0367,320 56,080 9,000 2,35 a. Einflußvariablen : (Konstante), QU_RE_5 b. Abhängige Variable: Q_5 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 670,346 8,943 88,77, , ,855 QU_RE_5,244,033,566 7,489,000,80,309,566,566,566,000,000 a. Abhängige Variable: Q_5 Legende: Q_5 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_5 Verkehrsdichte [Pkw-E/km] QUA_D_5 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_5 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_5 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_5 Multiplikativer Term: A_D_5 D_5 I2- Intelligente Infrastruktur 63 / 89

40 mit Pkw-Gleichwert 2,0 für Lkw Deskriptive Statistiken Q_20 D_20 A_RE_20 QUA_D_20 QU_RE_20 A_D_20 Standardab Mittelwert weichung N 823,40 32,3 2 98,805 9, ,4978 6, , , , , , , zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R- Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,554 a,307,30 0,60,307 52,720 9,000 2,25 a. Einflußvariablen : (Konstante), QU_RE_20 b. Abhängige Variable: Q_20 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 700,004 9,747 86,090, , ,05 QU_RE_20,242,033,554 7,26,000,76,308,554,554,554,000,000 a. Abhängige Variable: Q_20 Legende: Q_20 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_20 Verkehrsdichte [Pkw-E/km] QUA_D_20 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_20 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_20 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_20 Multiplikativer Term: A_D_20 D_20 64 /89 I2 Intelligente Infrastruktur

41 mit Pkw-Gleichwert 3,0 für Lkw Deskriptive Statistiken Q_30 D_30 A_RE_30 QUA_D_30 QU_RE_30 A_D_30 Standardab Mittelwert weichung N 884,509 46, ,03 20, ,7724 7, , , ,3 322, ,28 73,870 2 zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R-Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,529 a,280,274 25,2648,280 46,25 9,000,958 a. Einflußvariablen : (Konstante), A_D_30 b. Abhängige Variable: Q_30 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 729,864 25,439 68,000, , ,236 A_D_30 6,62E-02,00,529 6,798,000,047,086,529,529,529,000,000 a. Abhängige Variable: Q_30 Legende: Q_30 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_30 Verkehrsdichte [Pkw-E/km] QUA_D_30 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_30 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_30 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_30 Multiplikativer Term: A_D_30 D_30 I2- Intelligente Infrastruktur 65 / 89

42 Anhang 2: Regressionsmodelle Baden mit Pkw-Gleichwert,0 für Lkw Deskriptive Statistiken Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Standardab Mittelwert weichung N 454,25 7, ,785 6, ,0889 6, , , , , , , Korrelation nach Pearson Signifikanz (einseitig) N Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Korrelationen Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0,000,586,685,548,627,646,586,000,730,990,772,865,685,730,000,737,954,953,548,990,737,000,802,889,627,772,954,802,000,976,646,865,953,889,976,000,,000,000,00,000,000,000,,000,000,000,000,000,000,,000,000,000,00,000,000,,000,000,000,000,000,000,,000,000,000,000,000,000, Aufgenommene/Entfernte Variablen a Aufgenomme ne Variablen Entfernte Variablen A_RE_0, a. Abhängige Variable: Q_0 Methode Schrittweise Auswahl (Kriterien: Wahrscheinlichkeit von F-Wert für Aufnahme <=,050, Wahrscheinlichkeit von F-Wert für Ausschluß >=,00). zusammenfassung b Änderungsstatistiken Standardf Änderung in Korrigiertes ehler des Änderung in Signifikanz Durbin-Wats R R-Quadrat R-Quadrat Schätzers R-Quadrat Änderung in F df df2 von F on-statistik,685 a,469,452 26,77,469 26,53 30,000,60 a. Einflußvariablen : (Konstante), A_RE_0 b. Abhängige Variable: Q_0 66 /89 I2 Intelligente Infrastruktur

43 Regression Residuen Gesamt ANOVA b Quadrats Mittel der umme df Quadrate F Signifikanz 42636, ,45 26,53,000 a 4826, , ,0 3 a. Einflußvariablen : (Konstante), A_RE_0 b. Abhängige Variable: Q_0 (Konstante) A_RE_0 a. Abhängige Variable: Q_0 Nicht standardisierte Koeffizienten Standardf Standardi sierte Koeffizien ten Koeffizienten a 95%-Konfidenzintervall für B Korrelationen Nullter Ordnung Partiell Teil Kollinearitätsstatistik B ehler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 230,477 48,884 25,7,000 30, ,3 8,5 3,594,685 5,5,000,7 25,850,685,685,685,000,000 Ausgeschlossene Variablen b D_0 QUA_D_0 QU_RE_0 A_D_0 Kollinearitätsstatistik Partielle Minimale Beta In T Signifikanz Korrelation Toleranz VIF Toleranz,83 a,94,355,72,468 2,38,468,094 a,473,640,087,456 2,92,456 -,293 a -,657,56 -,2 9,055E-02,044 9,055E-02 a. Einflußvariablen im : (Konstante), A_RE_0 b. Abhängige Variable: Q_0 -,067 a -,50,882 -,028 9,254E-02 0,806 9,254E-02 Korrelation der Koeffizienten a Korrelationen Kovarianzen A_RE_0 A_RE_0 a. Abhängige Variable: Q_0 A_RE_0,000 2,95 Kollinearitätsdiagnose a Dimension 2 a. Abhängige Variable: Q_0 Kondition Varianzanteile Eigenwert sindex (Konstante) A_RE_0,889,000,06,06, 4,20,94,94 I2- Intelligente Infrastruktur 67 / 89

44 Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen a. Abhängige Variable: Q_0 Residuenstatistik a Minimum Maximum Mittelwert Standardab weichung 270,28 79,0 454,25 7, ,4 284,2,28E-3 24,7 32 -,569 2,872,000, ,88 2,242,000, N P-P-Diagramm von Standardisiertes Residuum,00 Abhängige Variable: Q_0,75 Erwartete Kum. Wahrsch.,50,25 0,00 0,00,25,50,75,00 Beobachtete Kum. Wahrsch. Legende: Q_0 Verkehrsstärke [Kfz/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_0 Verkehrsdichte [Kfz/km] QUA_D_0 Quadrat der Verkehrsdichte [Kfz 2 /km 2 ] A_RE_0 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-%] QU_RE_0 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-% 2 ] A_D_0 Multiplikativer Term: A_D_0 D_0 68 /89 I2 Intelligente Infrastruktur

45 mit Pkw-Gleichwert,5 für Lkw Deskriptive Statistiken Q_5 D_5 A_RE_5 QUA_D_5 QU_RE_5 A_D_5 Standardab Mittelwert weichung N 559,624 76, ,973 7, ,3470 6, , , ,603 97, , ,83 32 zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R-Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,685 a,470,452 30,5724,470 26,569 30,000,67 a. Einflußvariablen : (Konstante), A_RE_5 b. Abhängige Variable: Q_5 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 332,74 49,799 26,75, ,47 433,877 A_RE_5 8,422 3,574,685 5,54,000,23 25,720,685,685,685,000,000 a. Abhängige Variable: Q_5 Legende: Q_5 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_5 Verkehrsdichte [Pkw-E/km] QUA_D_5 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_5 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_5 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_5 Multiplikativer Term: A_D_5 D_5 I2- Intelligente Infrastruktur 69 / 89

46 mit Pkw-Gleichwert 2,0 für Lkw Deskriptive Statistiken Q_20 D_20 A_RE_20 QUA_D_20 QU_RE_20 A_D_20 Standardab Mittelwert weichung N 665,00 85, ,6096 7, ,5748 6, , , , , , , zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R- Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,667 a,446,427 40,05,446 24,08 30,000,606 a. Einflußvariablen : (Konstante), A_RE_20 b. Abhängige Variable: Q_20 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 436,466 52,79 27,247, , ,34 A_RE_20 8,74 3,70,667 4,90,000 0,65 25,733,667,667,667,000,000 a. Abhängige Variable: Q_20 Legende: Q_20 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_20 Verkehrsdichte [Pkw-E/km] QUA_D_20 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_20 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_20 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_20 Multiplikativer Term: A_D_20 D_20 70 /89 I2 Intelligente Infrastruktur

47 mit Pkw-Gleichwert 3,0 für Lkw Deskriptive Statistiken Q_30 D_30 A_RE_30 QUA_D_30 QU_RE_30 A_D_30 Standardab Mittelwert weichung N 875,746 20, ,434 7, ,9590 7, , , , , , , zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R-Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,603 a,363,342 7,009,363 7,08 30,000,569 a. Einflußvariablen : (Konstante), A_RE_30 b. Abhängige Variable: Q_30 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 648,65 62,677 26,304, , ,654 A_RE_30 7,524 4,237,603 4,36,000 8,87 26,77,603,603,603,000,000 a. Abhängige Variable: Q_30 Legende: Q_30 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_30 Verkehrsdichte [Pkw-E/km] QUA_D_30 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_30 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_30 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_30 Multiplikativer Term: A_D_30 D_30 I2- Intelligente Infrastruktur 7 / 89

48 Anhang 3: Regressionsmodelle Traiskirchen Regressionsmodell mit Pkw-Gleichwert,0 für Lkw Deskriptive Statistiken Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Standardab Mittelwert weichung N 795,32 45, ,6979 9, ,994 5, ,492 60, , , , ,929 4 Korrelation nach Pearson Signifikanz (einseitig) N Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0 Korrelationen Q_0 D_0 A_RE_0 QUA_D_0 QU_RE_0 A_D_0,000,664,765,633,77,764,664,000,663,994,632,825,765,663,000,636,979,956,633,994,636,000,69,86,77,632,979,69,000,954,764,825,956,86,954,000,,000,000,000,000,000,000,,000,000,000,000,000,000,,000,000,000,000,000,000,,000,000,000,000,000,000,,000,000,000,000,000,000, Aufgenommene/Entfernte Variablen a 2 Aufgenomme ne Variablen Entfernte Variablen A_RE_0, D_0, a. Abhängige Variable: Q_0 Methode Schrittweise Auswahl (Kriterien: Wahrscheinlichkeit von F-Wert für Aufnahme <=,050, Wahrscheinlichkeit von F-Wert für Ausschluß >=,00). Schrittweise Auswahl (Kriterien: Wahrscheinlichkeit von F-Wert für Aufnahme <=,050, Wahrscheinlichkeit von F-Wert für Ausschluß >=,00). zusammenfassung c 2 Änderungsstatistiken Standardf Änderung in Korrigiertes ehler des Änderung in Signifikanz Durbin-Wats R R-Quadrat R-Quadrat Schätzers R-Quadrat Änderung in F df df2 von F on-statistik,765 a,584,574 94,80,584 54,855 39,000,793 b,629,609 90,79,044 4,59 38,040,984 a. Einflußvariablen : (Konstante), A_RE_0 b. Einflußvariablen : (Konstante), A_RE_0, D_0 c. Abhängige Variable: Q_0 72 /89 I2 Intelligente Infrastruktur

49 2 Regression Residuen Gesamt Regression Residuen Gesamt ANOVA c Quadrats Mittel der umme df Quadrate F Signifikanz , ,94 54,855,000 a 35050, , , , ,2 32,62,000 b 33254, , ,9 40 a. Einflußvariablen : (Konstante), A_RE_0 b. Einflußvariablen : (Konstante), A_RE_0, D_0 c. Abhängige Variable: Q_0 2 (Konstante) A_RE_0 (Konstante) A_RE_0 D_0 a. Abhängige Variable: Q_0 Nicht standardisierte Koeffizienten Standardf Standardi sierte Koeffizien ten Koeffizienten a 95%-Konfidenzintervall für B Korrelationen Nullter Ordnung Partiell Teil Kollinearitätsstatistik B ehler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 458,83 47,783 30,530, ,79 555,482 9,803 2,674,765 7,406,000 4,395 25,22,765,765,765,000, ,596 96,757 3,204,000 08,72 473,47 4,983 3,420,578 4,380,000 8,058 2,907,765,579,433,560,784 4,335 2,039,28 2,26,040,207 8,464,664,326,20,560,784 Ausgeschlossene Variablen c 2 D_0 QUA_D_0 QU_RE_0 A_D_0 QUA_D_0 QU_RE_0 A_D_0 Kollinearitätsstatistik Partielle Minimale Beta In T Signifikanz Korrelation Toleranz VIF Toleranz,28 a 2,26,040,326,560,784,560,246 a,904,065,295,596,678,596 -,769 a -,544,3 -,243 4,49E-02 24,05 4,49E-02,386 a,07,275,77 8,692E-02,505 8,692E-02 -,325 b -,393,72 -,223,054E-02 94,92 9,90E-03 -,664 b -,375,77 -,220 4,098E-02 24,400 3,827E-02 -,955 b -,427,62 -,228 2,24E-02 47,088 2,24E-02 a. Einflußvariablen im : (Konstante), A_RE_0 b. Einflußvariablen im : (Konstante), A_RE_0, D_0 c. Abhängige Variable: Q_0 Korrelation der Koeffizienten a 2 Korrelationen Kovarianzen Korrelationen Kovarianzen A_RE_0 A_RE_0 A_RE_0 D_0 A_RE_0 D_0 a. Abhängige Variable: Q_0 A_RE_0 D_0,000 7,49,000 -,663 -,663,000,700-4,624-4,624 4,59 I2- Intelligente Infrastruktur 73 / 89

50 Kollinearitätsdiagnose a 2 Dimension a. Abhängige Variable: Q_0 Kondition Varianzanteile Eigenwert sindex (Konstante) A_RE_0 D_0,95,000,02,02 4,92E-02 6,296,98,98 2,940,000,00,0,00 5,69E-02 7,542,4,64,0 8,0E-03 9,052,85,35,99 Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen a. Abhängige Variable: Q_0 Residuenstatistik a Minimum Maximum Mittelwert Standardab weichung 59, ,69 795,32 5, ,7 70,47 -,E-3 88,50 4-2,396 2,036,000, ,458,878,000,975 4 N P-P-Diagramm von Standardisiertes Residuum,00 Abhängige Variable: Q_0,75 Erwartete Kum. Wahrsch.,50,25 0,00 0,00,25,50,75,00 Beobachtete Kum. Wahrsch. 74 /89 I2 Intelligente Infrastruktur

51 Legende: Q_0 Verkehrsstärke [Kfz/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_0 Verkehrsdichte [Kfz/km] QUA_D_0 Quadrat der Verkehrsdichte [Kfz 2 /km 2 ] A_RE_0 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-%] QU_RE_0 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-% 2 ] A_D_0 Multiplikativer Term: A_D_0 D_0 I2- Intelligente Infrastruktur 75 / 89

52 Regressionsmodell mit Pkw-Gleichwert,5 für Lkw Deskriptive Statistiken Q_5 D_5 A_RE_5 QUA_D_5 QU_RE_5 A_D_5 Standardab Mittelwert weichung N 889,702 43, ,8340 9, ,253 5, , , , , , , zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R-Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,757 a,573,562 95,89,573 52,358 39,000 2,266 a. Einflußvariablen : (Konstante), A_RE_5 b. Abhängige Variable: Q_5 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 559,876 47,944 32,535, , ,853 A_RE_5 9,9 2,642,757 7,236,000 3,775 24,463,757,757,757,000,000 a. Abhängige Variable: Q_5 Legende: Q_5 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_5 Verkehrsdichte [Pkw-E/km] QUA_D_5 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_5 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_5 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_5 Multiplikativer Term: A_D_5 D_5 76 /89 I2 Intelligente Infrastruktur

53 Regressionsmodell mit Pkw-Gleichwert 2,0 für Lkw Deskriptive Statistiken Q_20 D_20 A_RE_20 QUA_D_20 QU_RE_20 A_D_20 Standardab Mittelwert weichung N 984,0 47, ,9705 9, ,4824 5, , , , , ,535 50, zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R-Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,730 a,534,522 0,96,534 44,62 39,000 2,039 a. Einflußvariablen : (Konstante), A_RE_20 b. Abhängige Variable: Q_20 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 660,98 5,037 32,530, , ,429 A_RE_20 8,527 2,774,730 6,680,000 2,97 24,37,730,730,730,000,000 a. Abhängige Variable: Q_20 Legende: Q_20 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_20 Verkehrsdichte [Pkw-E/km] QUA_D_20 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_20 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_20 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_20 Multiplikativer Term: A_D_20 D_20 I2- Intelligente Infrastruktur 77 / 89

54 Regressionsmodell mit Pkw-Gleichwert 3,0 für Lkw Deskriptive Statistiken Q_30 D_30 A_RE_30 QUA_D_30 QU_RE_30 A_D_30 Standardab Mittelwert weichung N 272,859 67, ,2425 9, ,8766 6, ,876 40, , , ,63 559, zusammenfassung b Änderungsstatistiken R R-Quadrat Korrigiertes R-Quadrat Standardf ehler des Schätzers Änderung in R-Quadrat Änderung in F df df2 Änderung in Signifikanz von F Durbin-Wats on-statistik,642 a,42,397 30,202,42 27,358 39,000,785 a. Einflußvariablen : (Konstante), A_RE_30 b. Abhängige Variable: Q_30 Koeffizienten a Nicht standardisierte Koeffizienten Standardi sierte Koeffizien ten 95%-Konfidenzintervall für B Korrelationen Kollinearitätsstatistik B Standardf ehler Beta T Signifikan z Untergrenze Obergrenze Nullter Ordnung Partiell Teil Toleranz VIF (Konstante) 856,67 63,780 29,, , ,677 A_RE_30 7,687 3,382,642 5,230,000 0,847 24,527,642,642,642,000,000 a. Abhängige Variable: Q_30 Legende: Q_30 Verkehrsstärke [Pkw-E/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_30 Verkehrsdichte [Pkw-E/km] QUA_D_30 Quadrat der Verkehrsdichte [Pkw-E 2 /km 2 ] A_RE_30 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-%] QU_RE_30 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Pkw-E-% 2 ] A_D_30 Multiplikativer Term: A_D_30 D_30 78 /89 I2 Intelligente Infrastruktur

55 Regressionsmodell 2 mit Pkw-Gleichwert,0 für Lkw Deskriptive Statistiken Q_0 A_RE_0 QU_RE_0 Standardab Mittelwert weichung N 795,32 45,22 4 6,994 5, , ,089 4 Korrelationen Korrelation nach Pearson Signifikanz (einseitig) N Q_0 A_RE_0 QU_RE_0 Q_0 A_RE_0 QU_RE_0 Q_0 A_RE_0 QU_RE_0 Q_0 A_RE_0 QU_RE_0,000,765,77,765,000,979,77,979,000,,000,000,000,,000,000,000, Aufgenommene/Entfernte Variablen a Aufgenomme ne Variablen Entfernte Variablen A_RE_0, a. Abhängige Variable: Q_0 Methode Schrittweise Auswahl (Kriterien: Wahrscheinlichkeit von F-Wert für Aufnahme <=,050, Wahrscheinlichkeit von F-Wert für Ausschluß >=,00). zusammenfassung b Änderungsstatistiken Standardf Änderung in Korrigiertes ehler des Änderung in Signifikanz Durbin-Wats R R-Quadrat R-Quadrat Schätzers R-Quadrat Änderung in F df df2 von F on-statistik,765 a,584,574 94,80,584 54,855 39,000 2,495 a. Einflußvariablen : (Konstante), A_RE_0 b. Abhängige Variable: Q_0 Regression Residuen Gesamt ANOVA b Quadrats Mittel der umme df Quadrate F Signifikanz , ,94 54,855,000 a 35050, , ,9 40 a. Einflußvariablen : (Konstante), A_RE_0 b. Abhängige Variable: Q_0 I2- Intelligente Infrastruktur 79 / 89

56 (Konstante) A_RE_0 a. Abhängige Variable: Q_0 Nicht standardisierte Koeffizienten Standardf Standardi sierte Koeffizien ten Koeffizienten a 95%-Konfidenzintervall für B Korrelationen Nullter Ordnung Partiell Teil Kollinearitätsstatistik B ehler Beta T Signifikanz Untergrenze Obergrenze Toleranz VIF 458,83 47,783 30,530, ,79 555,482 9,803 2,674,765 7,406,000 4,395 25,22,765,765,765,000,000 Ausgeschlossene Variablen b QU_RE_0 Kollinearitätsstatistik Partielle Minimale Beta In T Signifikanz Korrelation Toleranz VIF Toleranz -,769 a -,544,3 -,243 4,49E-02 24,05 4,49E-02 a. Einflußvariablen im : (Konstante), A_RE_0 b. Abhängige Variable: Q_0 Korrelation der Koeffizienten a Korrelationen Kovarianzen A_RE_0 A_RE_0 a. Abhängige Variable: Q_0 A_RE_0,000 7,49 Kollinearitätsdiagnose a Dimension 2 a. Abhängige Variable: Q_0 Kondition Varianzanteile Eigenwert sindex (Konstante) A_RE_0,95,000,02,02 4,92E-02 6,296,98,98 Nicht standardisierter vorhergesagter Wert Nicht standardisierte Residuen Standardisierter vorhergesagter Wert Standardisierte Residuen a. Abhängige Variable: Q_0 Residuenstatistik a Minimum Maximum Mittelwert Standardab weichung 553,89 205,80 795,32, ,3 224,98 -,66E-4 93,6 4-2,75,986,000, ,027 2,373,000,987 4 N 80 /89 I2 Intelligente Infrastruktur

57 P-P-Diagramm von Standardisiertes Residuum,00 Abhängige Variable: Q_0,75 Erwartete Kum. Wahrsch.,50,25 0,00 0,00,25,50,75,00 Beobachtete Kum. Wahrsch. Legende: Q_0 Verkehrsstärke [Kfz/h] V_MW mittlere Kfz-Geschwindigkeit [km/h] D_0 Verkehrsdichte [Kfz/km] QUA_D_0 Quadrat der Verkehrsdichte [Kfz 2 /km 2 ] A_RE_0 Verkehrsstärkenanteil des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-%] QU_RE_0 Quadrat des Verkehrsstärkenanteils des rechten Fahrstreifens an der Verkehrsstärke der beiden verflechtenden Fahrstreifen [Kfz-% 2 ] A_D_0 Multiplikativer Term: A_D_0 D_0 I2- Intelligente Infrastruktur 8 / 89

58 Anhang 4: T-Test B und B20 Q [Pkw-E/h] Messstelle B B20 Verarbeitete Fälle Fälle Gültig Fehlend Gesamt N Prozent N Prozent N Prozent 53 00,0% 0,0% 53 00,0% 53 00,0% 0,0% 53 00,0% Univariate Statistiken Q [Pkw-E/h] Messstelle B Mittelwert 95% Konfidenzintervall des Mittelwerts Untergrenze Obergrenze Standardf Statistik ehler 263,06 47, , ,47 B20 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis Mittelwert 95% Konfidenzintervall des Mittelwerts Untergrenze Obergrenze 2626, , , 342, ,00,38,327 -,357, ,34 52, ,28 250,40 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis 239, , ,7 38, ,50,404,327 -,227, /89 I2 Intelligente Infrastruktur

59 Q [Pkw-E/h] Messstelle B B20 a. Die Gewichtungskonstante ist,339. b. Die Gewichtungskonstante ist 4,685. M-Schätzer M-Schätzer Tukey-Bi M-Schätzer Andrewsnach Huber a weight b nach Hampel c Welle d 2603, ,84 260, ,93 239, , , ,22 c. Die Gewichtungskonstanten sind,700, 3,400 und 8,500 d. Die Gewichtungskonstante ist,340*pi. Perzentile Gewichtetes Mittel (Definition ) Tukey-Angelpunkte Q [Pkw-E/h] Q [Pkw-E/h] Messstelle B B20 B B20 Perzentile , , , , ,50 367,20 332,30 858,40 97,60 22, , ,00 299,00 324, , , ,00 23, , ,00 Extremwerte Q [Pkw-E/h] Messstelle B B20 Größte Werte Kleinste Werte Größte Werte Kleinste Werte Fallnumme r Wert I2- Intelligente Infrastruktur 83 / 89

60 Q [Pkw-E/h] Tests auf Normalverteilung Messstelle B B20 Kolmogorov-Smirnov a Statistik df Signifikanz,096 53,200*,063 53,200* *. Dies ist eine untere Grenze der echten Signifikanz. a. Signifikanzkorrektur nach Lilliefors Test auf Homogenität der Varianz Q [Pkw-E/h] Basiert auf dem Mittelwert Basiert auf dem Median Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Levene-St atistik df df2 Signifikanz,009 04,38,064 04,305,064 03,964,305,02 04,35 Q-Q-Diagramm von Q Pkw-E/h] 3 Messstelle = B 2 Erwarteter Normalwert Beobachteter Wert 84 /89 I2 Intelligente Infrastruktur

61 Q-Q-Diagramm von Q Pkw-E/h] 3 Messstelle = B20 2 Erwarteter Normalwert Beobachteter Wert Gruppenstatistiken Q [Pkw-E/h] Messstelle B B20 N Standardfehl Standarda er des Mittelwert bweichung Mittelwertes ,06 342,53 47, ,34 38,7 52,36 Test bei unabhängigen Stichproben Levene-Test der Varianzgleichheit T-Test für die Mittelwertgleichheit Q [Pkw-E/h] Varianzen sind gleich Varianzen sind nicht gleich Standardf 95% Konfidenzintervall Mittlere ehler der der Differenz F Signifikanz T df Sig. (2-seitig) Differenz Differenz Untere Obere,009,38 3,207 04, ,72 70,39 86,3 365,3 3,207 02,834, ,72 70,39 86, 365,33 I2- Intelligente Infrastruktur 85 / 89

62 Anhang 5: T-Test Kurierbrücke und VLSA Verarbeitete Fälle Q [Pkw-E/h] Messstelle Gürtel Kurier Fälle Gültig Fehlend Gesamt N Prozent N Prozent N Prozent 30 00,0% 0,0% 30 00,0% 60 00,0% 0,0% 60 00,0% Univariate Statistiken Q [Pkw-E/h] Messstelle Gürtel Mittelwert 95% Konfidenzintervall des Mittelwerts Untergrenze Obergrenze Standardf Statistik ehler 680,43 47,22 583,86 777,0 Kurier 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis Mittelwert 95% Konfidenzintervall des Mittelwerts Untergrenze Obergrenze 69,59 705, , , ,00 -,667,427 -,26, ,60 8,7 808,24 840,96 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis 824,22 88, ,668 63, ,00,064,309 -,493, /89 I2 Intelligente Infrastruktur

63 Q [Pkw-E/h] Messstelle Gürtel Kurier a. Die Gewichtungskonstante ist,339. b. Die Gewichtungskonstante ist 4,685. M-Schätzer M-Schätzer Tukey-Bi M-Schätzer Andrewsnach Huber a weight b nach Hampel c Welle d 75,34 77,33 705,0 77,25 822,60 82,56 823,5 82,55 c. Die Gewichtungskonstanten sind,700, 3,400 und 8,500 d. Die Gewichtungskonstante ist,340*pi. Perzentile Gewichtetes Mittel (Definition ) Tukey-Angelpunkte Q [Pkw-E/h] Q [Pkw-E/h] Messstelle Gürtel Kurier Gürtel Kurier Perzentile ,20 270,00 54,75 705,00 898,75 942, ,30 76,00 729,20 788,00 88,00 872,00 98,80 932,00 543,00 705,00 897,00 788,00 88,00 872,00 Q [Pkw-E/h] Messstelle Gürtel Kurier Extremwerte Größte Werte Kleinste Werte Größte Werte Kleinste Werte Fallnumme r Wert , a , b , c a. Nur eine partielle Liste von Fällen mit dem Wert 938 wird in der Tabelle der oberen Extremwerte angezeigt. b. Nur eine partielle Liste von Fällen mit dem Wert 920 wird in der Tabelle der oberen Extremwerte angezeigt. c. Nur eine partielle Liste von Fällen mit dem Wert 728 wird in der Tabelle der unteren Extremwerte angezeigt. I2- Intelligente Infrastruktur 87 / 89

64 Q [Pkw-E/h] Messstelle Gürtel Kurier Tests auf Normalverteilung Kolmogorov-Smirnov a Statistik df Signifikanz Statistik df Signifikanz,3 30,98,940 30,20,079 60,200* *. Dies ist eine untere Grenze der echten Signifikanz. a. Signifikanzkorrektur nach Lilliefors Shapiro-Wilk Test auf Homogenität der Varianz Q [Pkw-E/h] Basiert auf dem Mittelwert Basiert auf dem Median Basierend auf dem Median und mit angepaßten df Basiert auf dem getrimmten Mittel Levene-St atistik df df2 Signifikanz 55,593 88,000 52,533 88,000 52,533 35,997,000 54,43 88,000 Q-Q-Diagramm von Q Pkw-E/h] 2 Messstelle = Gürtel Erwarteter Normalwert Beobachteter Wert 88 /89 I2 Intelligente Infrastruktur

65 Q-Q-Diagramm von Q Pkw-E/h] 3 Messstelle = Kurierbrücke 2 Erwarteter Normalwert Beobachteter Wert Gruppenstatistiken Q [Pkw-E/h] Messstelle Gürtel Kurier N Standardfehl Standarda er des Mittelwert bweichung Mittelwertes ,43 258,63 47, ,60 63,32 8,7 Test bei unabhängigen Stichproben Levene-Test der Varianzgleichheit T-Test für die Mittelwertgleichheit Q [Pkw-E/h] Varianzen sind gleich Varianzen sind nicht gleich Standardf 95% Konfidenzintervall Mittlere ehler der der Differenz F Signifikanz T df Sig. (2-seitig) Differenz Differenz Untere Obere 55,593,000-4,00 88,000-44,7 35,6-24,05-74,28-3,008 30,75,005-44,7 47,92-24,93-46,40 I2- Intelligente Infrastruktur 89 / 89

Geschlecht + Anfangsgehalt. T-Test für das Anfangsgehalt Gruppenstatistiken. Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3

Geschlecht + Anfangsgehalt. T-Test für das Anfangsgehalt Gruppenstatistiken. Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3 Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3 Geschlecht + Anfangsgehalt 14000 399 403 7000 12000 335 Anfangsgehalt 10000 8000 6000 4000 2000 N = 28 63 185 291 227 52 215 158 88 284 193

Mehr

Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test

Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 1 Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Im Folgenden

Mehr

Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.

Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt

Mehr

Hypothesentests mit SPSS

Hypothesentests mit SPSS Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen

Mehr

Statistik II Übung 3: Hypothesentests

Statistik II Übung 3: Hypothesentests Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden

Mehr

1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis

1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis 1. Inhaltsverzeichnis 1. Inhaltsverzeichnis... 1 2. Abbildungsverzeichnis... 1 3. Einleitung... 2 4. Beschreibung der Datenquelle...2 5. Allgemeine Auswertungen...3 6. Detaillierte Auswertungen... 7 Zusammenhang

Mehr

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen

Mehr

SPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1

SPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1 SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

B. Regressionsanalyse [progdat.sav]

B. Regressionsanalyse [progdat.sav] SPSS-PC-ÜBUNG Seite 9 B. Regressionsanalyse [progdat.sav] Ein Unternehmen möchte den zukünftigen Absatz in Abhängigkeit von den Werbeausgaben und der Anzahl der Filialen prognostizieren. Dazu wurden über

Mehr

Methoden empirischer Sozial- und Wirtschaftsforschung

Methoden empirischer Sozial- und Wirtschaftsforschung Dr. sc. Siassi HTW Berlin Januar 2017 Klausur Methoden empirischer Sozial- und Wirtschaftsforschung Aufgabe 1 40 Punkte Fallzusammenfassung Fälle Gültig Fehlend Gesamt N Prozent N Prozent N Prozent $Verkehrsmittel

Mehr

Statistik II Übung 3: Hypothesentests Aktualisiert am

Statistik II Übung 3: Hypothesentests Aktualisiert am Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier

Mehr

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael

Mehr

Anhang A: Fragebögen und sonstige Unterlagen

Anhang A: Fragebögen und sonstige Unterlagen Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben

Mehr

Aufgaben zu Kapitel 4

Aufgaben zu Kapitel 4 Rasch, Friese, Hofmann & aumann (2006). Quantitative Methoden. Band (2. Auflage). Heidelberg: Springer. Aufgaben zu Kapitel 4 Aufgabe a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl

Mehr

Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind

Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse

Mehr

Anhang. Anhang 1: Verwendete Plasmide

Anhang. Anhang 1: Verwendete Plasmide Anhang 1: Verwendete Plasmide Plasmid Vektor Gen Referenz pbs356 pbluescript II KS 2 O. Rossier; 131 pbs356 NLS pbluescript II KS 2 NLS 324 pbs356 SphI pbluescript II KS 2 SphI O. Rossier; 131 pbs 1-150

Mehr

Gliederung. 1. Einführung. Heute schon Musik gehört?

Gliederung. 1. Einführung. Heute schon Musik gehört? Regressionsanalyse Technische Universität Chemnitz Seminar: Forschungsmethodik und Evalua

Mehr

Kapitel 4: Merkmalszusammenhänge

Kapitel 4: Merkmalszusammenhänge Kapitel 4: Merkmalszusammenhänge Streudiagramme SPSS bietet die Möglichkeit, verschiedene Arten von Streudiagrammen zu zeichnen. Gehen Sie auf Grafiken Streu-/Punkt-Diagramm und wählen Sie die Option Einfaches

Mehr

Statistik I für Studierende der Wirtschaftswissenschaften Übungsblatt 12 Prof. Dr. Christian Heumann WS 2015/16

Statistik I für Studierende der Wirtschaftswissenschaften Übungsblatt 12 Prof. Dr. Christian Heumann WS 2015/16 Statistik I für Studierende der Wirtschaftswissenschaften Übungsblatt 2 Prof. Dr. Christian Heumann WS 205/6 Aufgabe : Der Datensatz Theater (verfügbar auf der Homepage) beinhaltet Informationen über eine

Mehr

Statistik II Übung 4: Skalierung und asymptotische Eigenschaften

Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden

Mehr

Univariate Kennwerte mit SPSS

Univariate Kennwerte mit SPSS Univariate Kennwerte mit SPSS In diesem Paper wird beschrieben, wie eindimensionale Tabellen und Kennwerte mit SPSS erzeugt werden. Eine Herleitung der Kennwerte und eine inhaltliche Interpretation der

Mehr

Syntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.

Syntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt. Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.

Mehr

Fortbildung I. Analyse stetiger Daten Ein- bzw. Zwei-Gruppenvergleich

Fortbildung I. Analyse stetiger Daten Ein- bzw. Zwei-Gruppenvergleich Fortbildung I Analyse stetiger Daten Ein- bzw. Zwei-Gruppenvergleich - 09.03.2005 - Dipl.-Stat. C. Nicolay Institut für Medizinische, Informatik und der Universität Bonn Sigmund-Freud-Str. 25 53105 Bonn

Mehr

Modellierung und Prognose der. für die Zeitperiode Herbst/Winter

Modellierung und Prognose der. für die Zeitperiode Herbst/Winter Technische Universität Graz Erzherzog-Johann-Universität Institut für Statistik Steyrergasse 17/IV, 8010 Graz Tel: 873-6478, Fax: 873-6977 e-mail: stadlober@stat.tu-graz.ac.at web: http://www.cis.tugraz.at/stat/

Mehr

Einführung in die Varianzanalyse mit SPSS

Einführung in die Varianzanalyse mit SPSS Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen

Mehr

Kreuzvalidierung. 1. Schritt: Aufteilung der Stichprobe in ungefähr gleiche Hälften nach dem Zufall. SPSS:

Kreuzvalidierung. 1. Schritt: Aufteilung der Stichprobe in ungefähr gleiche Hälften nach dem Zufall. SPSS: Kreuzvalidierung. Schritt: Aufteilung der Stichprobe in ungefähr gleiche Hälften nach dem Zufall. SPSS: SPSS erzeugt eine neue Variable Filter_$. Die herausgefilterten Fälle werden im Datenfenster angezeigt

Mehr

SPSS III Mittelwerte vergleichen

SPSS III Mittelwerte vergleichen SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen

Mehr

Inhaltsverzeichnis. Über die Autoren Einleitung... 21

Inhaltsverzeichnis. Über die Autoren Einleitung... 21 Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

Statistik II Übung 2: Multivariate lineare Regression

Statistik II Übung 2: Multivariate lineare Regression Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden

Mehr

Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-

Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1- SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird

Mehr

I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03

I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 Vorlesung: 12.11.2002 He uses statistics as a drunken man use lampposts - for support rather than for illumination. Andrew Lang Dr. Wolfgang Langer

Mehr

Übungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse. Lösungsblatt zu Nr. 2

Übungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse. Lösungsblatt zu Nr. 2 Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Übungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse Lösungsblatt zu Nr. 2 1. a) Je

Mehr

Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012

Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012 Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012 Es können von den Antwortmöglichkeiten alle, mehrere, eine oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort

Mehr

Statistik II Übung 2: Multivariate lineare Regression

Statistik II Übung 2: Multivariate lineare Regression Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden

Mehr

Lineare Regression II

Lineare Regression II Lineare Regression II Varianzanalyse als multiple Regession auf Designvariablen Das lineare Regressionsmodell setzt implizit voraus, dass nicht nur die abhängige, sondern auch die erklärenden Variablen

Mehr

Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06

Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:

Mehr

Hypothesentests mit SPSS

Hypothesentests mit SPSS Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht

Mehr

Vergleich A388 DLH SIA Messstation Klein-Gerau

Vergleich A388 DLH SIA Messstation Klein-Gerau Vergleich A388 DLH SIA Messstation Klein-Gerau 1 A388 DLH [FAOR / WSSS] vs. SIA [WSSS] 2 A388 Höhe & Geschwindigkeit Statistische Auswertung A388 FAOR Johannesburg / Südafrika WSSS Singapur / Singapur

Mehr

Ergebnisse VitA und VitVM

Ergebnisse VitA und VitVM Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15

Mehr

Eigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist

Eigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster

Mehr

Materialband. Marktforschung

Materialband. Marktforschung Materialband Marktforschung Multivariate statistische Verfahren 5. Sem. Prof. Dr. Rößler Themenbereiche 1 Regressionsanalyse 2 Varianzanalyse 3 Diskriminanzanalyse 4 Faktorenanalyse 5 Clusteranalyse Regressionsanalyse

Mehr

Heinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren

Heinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren Heinz Holling & Günther Gediga Statistik - Deskriptive Verfahren Übungen Version 15.12.2010 Inhaltsverzeichnis 1 Übung 1; Kap. 4 3 2 Übung 2; Kap. 5 4 3 Übung 3; Kap. 6 5 4 Übung 4; Kap. 7 6 5 Übung 5;

Mehr

Übungen: Wahrscheinlichkeitsrechnung, Zufallsvariablen & Co. Woche 1-3

Übungen: Wahrscheinlichkeitsrechnung, Zufallsvariablen & Co. Woche 1-3 Wahrscheinlichkeitsrechnung Zufallsvariable Woche 1-3 Wahrscheinlichkeitsfunktion einer diskreten ZV Verteilungsfunktion einer diskreten ZV Erwartungswert und Varianz einer diskreten ZV 1) Die Wirtschaftsforschungsinstitute

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von

Mehr

Empirische Analysen mit dem SOEP

Empirische Analysen mit dem SOEP Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael

Mehr

Statistik II Übung 1: Einfache lineare Regression

Statistik II Übung 1: Einfache lineare Regression Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der

Mehr

SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben

SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen

Mehr

I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03

I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 Vorlesung: 17.12.2002 Life is the art of drawing sufficient conclusions from insufficient premises. Samuel Butler Dr. Wolfgang Langer Institut für

Mehr

Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit. 21. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle

Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit. 21. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit 2. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle In vielen Untersuchungen soll eine komplexere Beziehungsstruktur untersucht werden.

Mehr

Aufgaben zu Kapitel 8

Aufgaben zu Kapitel 8 Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.

Mehr

entschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.

entschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind. Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen

Mehr

Anhang I: SPSS-Listings der durchgeführten Faktoren- und Regressionsanalysen zu den Erfassungsmodellen der Kunden- und Arbeitszufriedenheit

Anhang I: SPSS-Listings der durchgeführten Faktoren- und Regressionsanalysen zu den Erfassungsmodellen der Kunden- und Arbeitszufriedenheit Anhang 221 Anhang I: SPSS-Listings der durchgeführten Faktoren- und Regressionsanalysen zu den Erfassungsmodellen der Kunden- und Arbeitszufriedenheit Verzeichnis des Anhangs I 1. Faktorenanalysen zur

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

beruflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2

beruflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2 Häufigkeiten Deskriptive Statistiken Häufigkeiten Beruflicher Bildungsabschluss (Mbfbil4) Zielvariablenliste OK Er erscheint: Statistiken beruflicher Bildungsabschluss incl. N Gültig 3445 Fehlend 0 beruflicher

Mehr

Einführung in die Statistik

Einführung in die Statistik Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,

Mehr

2. Deskriptive Datenanalyse

2. Deskriptive Datenanalyse 6 2. Deskriptive Datenanalyse 2.1 Zu den ISA-Subtests Zahlenreihen fortsetzen (ZR), Beziehungen herstellen (BEZ), Waren merken (WM) Tabelle 51: Ergebnisse und Bearbeitungszeiten für die ISA-Subtests Ergebnisse

Mehr

Kapitel 3: Der t-test

Kapitel 3: Der t-test Kapitel 3: Der t-test Durchführung eines t-tests für unabhängige Stichproben Dieser Abschnitt zeigt die Durchführung des in Kapitel 3.1 vorgestellten t-tests für unabhängige Stichproben mit SPSS. Das Beispiel

Mehr

Achim Bühl, Peter Zöfel SPSS 12. Einführung in die moderne Datenanalyse unter Windows. 9., überarbeitete und erweiterte Auflage

Achim Bühl, Peter Zöfel SPSS 12. Einführung in die moderne Datenanalyse unter Windows. 9., überarbeitete und erweiterte Auflage Achim Bühl, Peter Zöfel SPSS 12 Einführung in die moderne Datenanalyse unter Windows 9., überarbeitete und erweiterte Auflage ein Imprint der Pearson Education Deutschland GmbH 10.4 Explorative Datenanalyse

Mehr

2. Generieren Sie deskriptive Statistiken (Mittelwert, Standardabweichung) für earny3 und kidsunder6yr3 und kommentieren Sie diese kurz.

2. Generieren Sie deskriptive Statistiken (Mittelwert, Standardabweichung) für earny3 und kidsunder6yr3 und kommentieren Sie diese kurz. Statistik II Übung : Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (6-24 Jahre alt) und der Anzahl der unter

Mehr

1. Anhang Anhang A. Übersicht Unterscheidung verschiedener Varianten von Commitment (Moser 1997; S.167).

1. Anhang Anhang A. Übersicht Unterscheidung verschiedener Varianten von Commitment (Moser 1997; S.167). 1. Anhang Anhang A Übersicht Unterscheidung verschiedener Varianten von Commitment (Moser 1997; S.167). Anhang B Übersicht der Komponenten und Foci des Commitment (Felfe 2008; S.46). Anhang C Deutsche

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Statistik K urs SS 2004

Statistik K urs SS 2004 Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die

Mehr

Klausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06

Klausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06 Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:

Mehr

Prüfung aus Statistik 2 für SoziologInnen

Prüfung aus Statistik 2 für SoziologInnen Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.

Mehr

Simon Hux Universität Zürich. Junior Management Science 2(3) (2017)

Simon Hux Universität Zürich. Junior Management Science 2(3) (2017) Universität Zürich Junior Management Science 2(3) (2017) 73-103 Anhang Anhang A: Bemerkung: Online-Fragenbogen Ein Eingabefeld zum Anklicken wird mittels Kreis symbolisiert. Eine kurze, dünne Linie stellt

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a) LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;

Mehr

Test von Hypothesen: Signifikanz des Zusammenhangs (F-Test)

Test von Hypothesen: Signifikanz des Zusammenhangs (F-Test) Test von Hyothesen: Signifikanz des Zusammenhangs (F-Test) Die Schätzung der Regressionsfunktion basiert auf Daten einer Stichrobe Inwiefern können die Ergebnisse dieser Schätzung auf die Grundgesamtheit

Mehr

Statistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20

Statistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20 Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)

Mehr

Grundgesamtheit Stichprobe. Grundgesamtheit: z.b. alle schweizer WählerInnen Stichprobe: repräsentative WählerInnen

Grundgesamtheit Stichprobe. Grundgesamtheit: z.b. alle schweizer WählerInnen Stichprobe: repräsentative WählerInnen Grundgesamtheit Stichprobe Grundgesamtheit: z.b. alle schweizer WählerInnen Stichprobe: 1 000 repräsentative WählerInnen 1 Stichproben Eine Forscherin entwickelt ein neues Medikament. Bei einem Test an

Mehr

Statistische Messdatenauswertung

Statistische Messdatenauswertung Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 4. Basiskonzepte der induktiven

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelation vs. Regression 2. Ziele der Regressionsanalyse 3. Syntax für

Mehr

Statistik mit MAXQDA Stats

Statistik mit MAXQDA Stats Statistik mit MAXQDA Stats MAXQDA Stats ist ein eigenständiges Statistik-Modul, das aus MAXQDA heraus gestartet werden kann und das häufig verwendete Verfahren der Deskriptiv- und Inferenzstatistik offeriert.

Mehr

UE Statistik für PflegewissenschafterInnen I

UE Statistik für PflegewissenschafterInnen I UE Statistik für PflegewissenschafterInnen I 1 7 Analysieren Sie die Unterschiede in der Zufriedenheit mit dem Lebensstandard (H129) zwischen Personen, die als höchste abgeschlossene Ausbildung einen Pflichtschulabschluss

Mehr

232. Sitzung FLK Frankfurt. Jährlicher Monitoringbericht des UNH

232. Sitzung FLK Frankfurt. Jährlicher Monitoringbericht des UNH 232. Sitzung FLK Frankfurt Jährlicher Monitoringbericht des UNH Agenda 1. Überprüfung der Flugspureinhaltung von B744, B748 & A388 (DLH) bei Trebur 2. A380 Auswertung Höhe & Geschwindigkeit Abflugroute

Mehr

Varianzkomponentenschätzung

Varianzkomponentenschätzung Qualitas AG Varianzkomponentenschätzung Peter von Rohr Qualitas AG Peter von Rohr Folien ZL I+II LFW C11 October 29, 2015 2 / 23 Multiple Lineare Regression Annahmen Modell y = Xb + e Varianz der Fehler

Mehr

Kreuztabellen mit Häufigkeiten und Prozenten

Kreuztabellen mit Häufigkeiten und Prozenten H. Giegler: Weiche multivariate Analysemodelle Kreuztabellen mit Häufigkeiten und Prozenten * Kreuztabelle Gesamt 1,00 2,00 3,00 Anzahl % von % von % der Gesamtzahl Anzahl % von % von % der Gesamtzahl

Mehr

Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben

Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)

Mehr

232. Sitzung FLK Frankfurt. Jährlicher Monitoringbericht des UNH

232. Sitzung FLK Frankfurt. Jährlicher Monitoringbericht des UNH 232. Sitzung FLK Frankfurt Jährlicher Monitoringbericht des UNH Agenda 1. Überprüfung der Flugspureinhaltung von B744, B748 & A388 (DLH) bei Trebur 2. A380 Auswertung Höhe & Geschwindigkeit Abflugroute

Mehr

Inhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...

Inhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik... Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven

Mehr

Statistik II Übung 1: Einfache lineare Regression

Statistik II Übung 1: Einfache lineare Regression Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der

Mehr

Bestimmen Sie die Absatzmenge eines Unternehmens, die sich bei Werbeausgaben in Höhe von ergeben wird. Werbeausgaben ( 1000)

Bestimmen Sie die Absatzmenge eines Unternehmens, die sich bei Werbeausgaben in Höhe von ergeben wird. Werbeausgaben ( 1000) Übungsaufgabe Bestimmen Sie die Absatzmenge eines Unternehmens, die sich bei Werbeausgaben in Höhe von 85.000 ergeben wird. Werbeausgaben ( 1000) Absatz ( 1000) 40 377 60 507 70 555 110 779 150 869 160

Mehr

2.1 Einführung in das Testen von Hypothesen

2.1 Einführung in das Testen von Hypothesen 2.1 Einführung in das Testen von Hypothesen 1 Gliederung 2.1 Einführung in das Testen von Hypothesen 2.1.1 Typische Fragestellungen 2.1.2 Mittelwertvergleich 2.1.2.1 Einstichprobenproblem 2.1.2.2 Zweistichprobenproblem

Mehr

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung Institut für Soziologie Dipl.-Soz. Methoden 2 Ausblick; Darstellung von Ergebnissen; Wiederholung Ein (nicht programmierbarer) Taschenrechner kann in der Klausur hilfreich sein. # 2 Programm Ausblick über

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS Sommersemester 2009, Statistik mit SPSS 28. August 2009 28. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Korrelation vs. Regression 2. Ziel der Regressionsanalyse 3. Syntax für den

Mehr

Einführung in die Statistik

Einführung in die Statistik Einführung in die Statistik Analyse und Modellierung von Daten von Prof. Dr. Rainer Schlittgen Universität Hamburg 12., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis 1 Statistische Daten

Mehr

a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen

a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen 2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall

Mehr

John Komlos Bernd Süssmuth. Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen. 4y Springer

John Komlos Bernd Süssmuth. Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen. 4y Springer John Komlos Bernd Süssmuth Empirische Ökonomie Eine Einführung in Methoden und Anwendungen 4y Springer 1 Einführung 1 1.1 Ökonometrie 1 2 Vorüberlegungen und Grundbegriffe 7 2.1 Statistik als Grundlage

Mehr