Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav

Größe: px
Ab Seite anzeigen:

Download "Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav"

Transkript

1 Beispiel für eine multivariate Varianzanalyse () Daten: POKIV_Terror_V12.sav Es soll überprüft werden, inwieweit das ATB-Syndrom (Angst vor mit den drei Subskalen affektive Angst von, Terrorpersistenz, Reiseangst wg. Terror ) beeinflusst wird vom Geschlecht und von der Ansicht, welches Ereignis die Zukunft der Menschen gefährde. Die unabhängige Variable Gefährdung wurde über den Paarvergleich der Frage 19 operationalisiert: Eine Person wurde dem Ereignis zugeordnet, das sie eindeutig am häufigsten im Vergleich zu den anderen Ereignissen nannte. Die Antworten bei den drei Subskalen wurden über Items auf einer sechsstufigen Skala erhoben (1 = stimme voll und ganz zu; 6 = stimme überhaupt nicht zu). Die Subskalen wurden umkodiert, hohe Werte bedeuten hohe Ausprägungen. Formal handelt es sich um ein einfaches zweifaktorielles Design ohne Messwiederholung. Das Design: Faktor A: Gefährdung der Menschheit Faktor B: Geschlecht a 1: Seuchen a2 : Überbevölkerung a 3: Krieg der Zivilisationen a 4: Umweltkatastrophen a 5: Krieg der Großmächte b 1: männlich b 2: weiblich 1. Die Befehle Es wird das allgemeine lineare Modell und dann Multivarat aufgerufen. Beispiel V02.doc - 1 -

2 Im neuen Fenster werden die abhängigen Variablen aus der Variablenliste links markiert und über die Pfeil in das AV.Fenster kopiert. Die UV werden unter feste Faktoren eingetragen. Anschließend können nach Bedarf die unterschiedlichen Optionen rechts angeklickt licken. In einem ersten Durchlauf, wenn also nur nach der Signifikanz geschaut wird, genügt diese Voreinstellung. Ansonsten empfiehlt es sich, folgende Optionen aufzurufen. Modell: Voreinstellung ist bei ungleichen Zellenbesetzungen die Regressionsmethode (ungewichtete Mittelwerte nach Howell & McConaughy, s. Beispiel mit den Krankenhäusern und den Stationen). Weiter wird von einem vollständigen Modell ausgegangen, d.h., es werden alle Haupteffekte und alle Interaktionen berechnet. Bei einem Auftreten von leeren oder zu geringen Zellenbesetzungen, können gezielt Interaktionen und Effekte ausgeschaltet werden. In der Regel wird dies aber nicht notwendig sein. Kontraste: Hier werden wie bei der Regressionsanalyse mit Dummies univariate Kontraste gerechnet. Dies ist vor allem wichtig, wenn Sie Trendanalysen rechnen. Diagramme: Diese sind für die Interpretation von Interaktionen sehr wichtig. Da Sie unterschiedliche Profile für die Geschlechter haben wollen, geben Sie bei separate Linien das Geschlecht an (f38) und den mehrstufigen Faktor Gefährdung als horizontale Achse. Klicken Sie anschließend auf Hinzufügen, und die Diagrammanforderung erscheint im Fenster Beispiel V02.doc - 2 -

3 Post hoc: Hier werden für jeden Faktor univariate Vergleiche durchgeführt. Dies kann wichtig werden, wenn ein Faktor drei und mehr Stufen besitzt, und Sie wollen wissen, welche Stufen sich unterscheiden. Speichern: Diese Optionen entsprechen dem Regressionsmodell, ein Speichern ist in der Regel nicht notwendig. Abschließend sind noch Angaben zu den Optionen zu machen. Hier können Sie die ungewichteten Mittelwerte (= geschätzte Randmittel) aufrufen. Diese benötigen Sie zur Interpretation der Faktorenhaupteffekte. Markieren Sie auf der linken Seite die gewünschten Mittelwerte und übertragen Sie diese mit dem Pfeil nach rechts. Es ist sinnvoll, noch zusätzlich die deskriptiven Statistik, die Homogenitätstests und vor allem die Effektgröße eta² (ein PRE-Koeffizient) sich ausgeben zu lassen. Weitere Optionen (SSCP- Matrix, Diagramme werden nur zur Feinanalyse der Teststärke benötigt, wenn die Voraussetzungen nicht erfüllt sind. Klicken Sie anschließen auf Weiter und dann auf OK. Beispiel V02.doc - 3 -

4 2. Die Ergebnisse: Die SPSS-Ausgaben werden unredigiert wiedergegeben. Zwischensubjektfaktoren f38 Geschlecht gefaehr Gefaehrdung der Menschheit. Rang 1 aus Paarvergleich Wertelabel N männlich 113 weiblich 123 Seuchen 38 Überbevöl kerung Krieg der Zivilisation en Umweltkat astrophen Krieg der Großmäch te zur Kontrolle der Randbesetzungen. Hier können Sie die Zellenbesetzungen ablesen, falls Sie nicht schon vorher sich eine Kreuztabelle mit den Häufigkeiten haben ausgeben lassen. Die Zellenbesetzungen sollten nicht < 5 sein, keinenfalls aber leer oder nur n = 1 sein. In diesen Fällen müssen Sie eine Varianzanalyse ohne Interaktionen rechnen. Deskriptive Statistiken 5.00 Krieg der Großmächte (abgeschnitten) f38 Geschlecht 1.00 männlich 2.00 weiblich Gesamt gefaehr Gefaehrdung der Menschheit. Rang 1 aus Paarvergleich Mittelwert Standardabweichung 1.00 Seuchen Überbevölkerung Krieg der Zivilisationen 4.00 Umweltkatastrophen 5.00 Krieg der Großmächte Gesamt Seuchen Überbevölkerung Krieg der Zivilisationen 4.00 Umweltkatastrophen Gesamt Seuchen Überbevölkerung Krieg der Zivilisationen N Beispiel V02.doc - 4 -

5 Mittelwerte, Standardabweichungen und n je Zelle. Es wird eine ungleiche Zellenbesetzung deutlich. Das Verhältnis von Zelle mit größtem n zur Zelle mit kleinstem n ist > 1.5. m. a. W.: stark ungleiche Zellen! Diese Angaben werden für jede abhängige Variable (AV) gemacht. Box-Plots können hilfreich sein, da sie auch Aussagen über die Verteilung zulassen. Bei den Randhäufigkeiten ( Gesamt ) handelt es sich um gewichtete Mittelwerte, also Mittelwerte, die ohne Berücksichtigung des Faktors berechnet wurden (Beispiel: ( )/2 = , nicht [((18 * )+(20*2.4885))/38 = ] Box-Test auf Gleichheit der Kovarianzenmatrizen a Box-M-Test F df1 df2 Signifikanz Prüft die Nullhypothese, daß die beobachteten Kovarianzen- matrizen der abhängigen Variablen über die Gruppen gleich sind. a. Design: Intercept+f38+gefaehr+f38 * gefaehr Überprüfung der multivariaten Varianzhomogenität: Es wird pro Zelle die Kreuzproduktmatrix berechnet, d.h., in der Diagonalen steht die Varianz jeder AV, außerhalb die Kreuzprodukte (Kovarianzen) zwischen den AV, hier 3 AV. Aus dieser Kreuzproduktmatrix wird die Determinante berechnet. Diese Determinante kann als verallgemeinerte Varianz aufgefasst werden. Diese Determinanten werden dann u.a. benötigt, wenn bei ungleichen Varianz- Kovarianzen das alpha-niveau adjustiert werden muss. Der multivariate Box-Test ist statistisch nicht signifikant, (p <.05) d.h., die Hypothese einer Gleichheit der Varianz-Kovarianzmatrizen wird nicht zurückgewiesen. Somit sind somit die Voraussetzungen für die Durchführung einer erfüllt. Allerdings ist der Box-Test hochsensibel, d.h., er wird relativ schnell signifikant und somit nicht sehr aussagekräftig. Levene-Test auf Gleichheit der Fehlervarianzen a F df1 df2 Signifikanz Prüft die Nullhypothese, daß die Fehlervarianz der abhängigen Variablen über Gruppen hinweg gleich ist. a. Design: Intercept+f38+gefaehr+f38 * gefaehr Der Levene-Test prüft die Varianzhomogenität für jede einzelne Variable. Die Tests fallen zum Teil unterschiedlich aus. Die Hypothese, dass die Varianzen in den zehn Zellen gleich sind, muss bei der ATB-Skala zurückgewiesen werden, bei Terrorpersistenz und Reiseangst kann diese Hypothese aber beibehalten werden. Beispiel V02.doc - 5 -

6 Effekt Konstanter Term f38 gefaehr f38 * gefaehr Pillai-Spur Wilks-Lambda Hotelling-Spur Größte charakteristische Wurzel nach Roy Pillai-Spur Wilks-Lambda Hotelling-Spur Größte charakteristische Wurzel nach Roy Pillai-Spur Wilks-Lambda Hotelling-Spur Größte charakteristische Wurzel nach Roy Pillai-Spur Wilks-Lambda Hotelling-Spur Größte charakteristische Wurzel nach Roy a. Unter Verwendung von Alpha =.05 berechnet b. Exakte Statistik Multivariate Tests d Partielles Beobachtete Wert F Hypothese df Fehler df Signifikanz Eta-Quadrat Schärfe a b b b b b b b b c c c. Die Statistik ist eine Obergrenze auf F, die eine Untergrenze auf dem Signifikanzniveau ergibt. d. Design: Intercept+f38+gefaehr+f38 * gefaehr Das ist die Haupttabelle. Die multivariaten Tests - es werden alle 3 AV simultan berücksichtigt - sind nur für den Haupteffekt Geschlecht statistisch signifikant, nicht aber für die Gefährdungspräferenz. Die Wechselwirkung zwischen Geschlecht und Gefährdung konnte nur tendenziell abgesichert werden (<.10). Die Intercept -Überprüfung hat in der Regel keine inhaltliche Relevanz. Nicht immer fallen die multivariaten Tests ähnlich aus. In der Regel sollte Pillai oder Wilks-Lambda gewählt werden. Das multivariate Wirkungsausmaß die erklärte Varianz - (eta 2 ) ist nicht hoch. Die beobachtete Schärfe ist ein Hinweis auf die Teststärke (Konvention >.80). Die Wahrscheinlichkeit, das Ergebnis für das Geschlecht zu replizieren, beträgt ca. 70 % (die Wahrscheinlichkeit, sich für H 1 bei Richtigkeit von H 1 zu entscheiden). Wenn der multivariate Test statistisch signifikant ist, können zur Interpretation die Ergebnisse der univariaten Varianzanalyse, also die für jede AV getrennt durchgeführten Analysen herangezogen werden. Das korrigierte Modell gibt das Ergebnis im Sinne der Regressionsanalyse wieder (also im Rahmen der Regressionsgleichung für alle Prädiktoren, ähnlich dem F-Test der multiplen Regression). Die folgenden Tests sind univariate Varianzanalysen, wobei die Ergebnisse für jeden Effekt getrennt angegeben werden (im Rahmen der Regressionsanalyse wären dies die t-tests für jeden Prädiktor). Die Interdependenzen zwischen den abhängigen Variablen werden bei dieser Analyse nicht berücksichtigt (analog zur multivariaten Regressionsanalyse). Bei fehlender statistischer Signifikanz für den einzelnen Effekt dürfen die folgenden ausgedruckten Ergebnisse nicht interpretiert werden! Beispiel V02.doc - 6 -

7 Quelle Korrigiertes Modell Konstanter Term f38 gefaehr f38 * gefaehr Fehler Gesamt Korrigierte Gesamtvariation Abhängige Variable Tests der Zwischensubjekteffekte Quadratsum me vom Typ III df b c d Mittel der Quadrate F Signifikanz Partielles Eta-Quadrat b. R-Quadrat =.120 (korrigiertes R-Quadrat =.084) c. R-Quadrat =.066 (korrigiertes R-Quadrat =.028) d. R-Quadrat =.082 (korrigiertes R-Quadrat =.046) Aus der Tabelle ist abzulesen, dass die Wirkung des Geschlechts auf die ATB-Skala und auf die Reiseangst zurückzuführen ist. Die Terrorpersistenz hat nur einen tendenziellen Einfluss. Wenn die tendenzielle Interaktion interpretiert werden soll, dann ist sie auf die AV Angst zurückzuführen. Falls die Haupteffekte statistisch signifikant sind, können die Mittelwerte zur Interpretation herangezogen werden. Bei ungleichen Zellenbesetzungen unterscheiden sich gewichtete und ungewichtete Mittelwerte. Bei der von SPSS so genannten Schätzung der Randmittel handelt es sich um die ungewichteten Mittelwerte, d.h., es werden die Zellenmittelwerte verwendet ( ignoring der anderen Faktoren). In der Tabelle Deskriptive Statistiken werden hingegen wie schon erwähnt - die gewichteten Mittelwerte wiedergegeben ( eliminating der anderen Faktoren). Beispiel V02.doc - 7 -

8 Durch die unique -Voreinstellung (Methode III) bei SPSS werden die Zellenbesetzungen nicht berücksichtigt (Regressionsmethode), d.h., die Varianzanalyse basiert auf den ungewichteten Mittelwerten. 1. Geschlecht Abhängige Variable Geschlecht 1.00 männlich 2.00 weiblich 1.00 männlich 2.00 weiblich 1.00 männlich 2.00 weiblich Mittelwert Standardf 95% Konfidenzintervall ehler Untergrenze Obergrenze Die Inspektion der Mittelwerte zeigt, dass Frauen eine höhere Angst vor und eine höhere Reiseangst als Männer haben. Der Mittelwertsunterschied bei der Terrorpersistenz ist zufällig. Die tendenziell signifikante Interaktion bezieht sich auf die Angst vor, sie sollte aber nur vorsichtig interpretiert werden. Hierbei kann auf die Mittelwerte in der Tabelle Deskriptive Statistik zurückgegriffen werden. Am sinnvollsten ist aber das Erstellen einer Grafik. Geschätztes Randmittel von Angst vor Geschätztes Randmittel 3,20 3,00 2,80 2,60 2,40 2,20 2,00 Geschlecht männlich weiblich 1,80 Seuchen Überbevölkerung Umweltkatastrophen Krieg der Zivilisationen Krieg der Großmächte Gefaehrdung der Menschheit. Rang 1 aus... Beispiel V02.doc - 8 -

9 Aus der Abbildung wird ersichtlich, dass Frauen mit einer Ausnahme eine gleich starke Angst vor aufweisen, die Angst steigt aber bei den Frauen, die am meisten einen Krieg der Großmächte befürchten. Bei den Männern schwanken die Angstwerte stärker, aber im Gegensatz zu den befragten weiblichen Personen ist die Angst bei den Männern, die einen Krieg der Großmächte befürchten, eher gering. Für eine statistische Absicherung dieser Interpretation müssten Interaktionskontraste berechnet werden. Auf diese Berechnungen soll verzichtet werden. Auch darr nicht vergessen werden, dass es sich nur um einen tendenziellen Effekt handelt! Die Ergebnisse werden nicht durch Einflüsse der anderen Faktoren mitbestimmt (Regressionsmethode bei ungleichen Zellenbesetzungen, die gegenseitigen Einflüsse werden eliminiert). Wir haben also den Einfluss des Geschlechts Ausschaltung bzw. Konstanthaltung der Gefährdungspräferenz bestimmt. In gleicher Weise haben wir den Einfluss der Gefährdungspräferenz unter Eliminierung des Einflusses des Geschlechts überprüft. Eine Überprüfung über die gewichteten Mittelwerte ist bei SPSS nicht direkt möglich. Dies kann zusätzlich über zwei multivariate einfaktorielle Varianzanalysen geschehen. Sie sollten weiterhin bei ungleichen Zellenbesetzungen keine Haupteffekte interpretieren, wenn die Interaktion statistisch signifikant ist. Ihre Entscheidung sollte aber vom Ergebnis abhängen, wenn beispielsweise die erklärte Varianz eines Haupteffekts im Vergleich zum Interaktionseffekt sehr viel größer ist. Zur Zahl der abhängigen Variablen: 1. Wenn ohne Hypothesen eine große Anzahl von Variablen in das Modell aufgenommen wird, können diese tatsächliche Differenzen einiger weniger Variablen überdecken, da der multivariate F-Test eventuell nicht signifikant wird. 2. Die Teststärke der multivariaten Tests sinkt mit der Zahl der abhängigen Variablen. 3. Die Messungen einzelner Variablen sind unzuverlässiger als von summierten Variablen. Daher Variablen zusammenfassen, die eine einzige Dimension repräsentieren. Auf der anderen Seite sollte nicht vorschnell mit Summenscores gerechnet werden, um spezifische Unterschiede nicht zu verdecken. 4. Es kann sinnvoll sein, die Variablenmenge durch eine Hauptkomponentenanalyse auf zugrunde liegende Dimensionen zu reduzieren. Beispiel V02.doc - 9 -

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter

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

Beispiel für eine Profilanalyse Daten: POKIII_AG1_V03.sav

Beispiel für eine Profilanalyse Daten: POKIII_AG1_V03.sav Beispiel für eine Daten: POKIII_AG1_V03.sav Es soll überprüft werden, ob es geschlechtsspezifische Unterschiede bei den Einstellungen zum Tanz gibt. Aus dem Fragebogen der AG 1 des POK III wurden folgende

Mehr

Varianzananalyse. How to do

Varianzananalyse. How to do Varianzananalyse How to do Die folgende Zusammenfassung zeigt beispielhaft, wie eine Varianzanalyse mit SPSS durchgeführt wird und wie die Ergebnisse in einem Empra-Bericht oder in einer Bachelor- oder

Mehr

Kapitel 6: Zweifaktorielle Varianzanalyse

Kapitel 6: Zweifaktorielle Varianzanalyse Kapitel 6: Zweifaktorielle Varianzanalyse Durchführung einer zweifaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 6 behandelten zweifaktoriellen

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

Varianzanalyse (ANOVA: analysis of variance)

Varianzanalyse (ANOVA: analysis of variance) Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.

Mehr

V A R I A N Z A N A L Y S E

V A R I A N Z A N A L Y S E V A R I A N Z A N A L Y S E Ziel / Funktion: statistische Beurteilung des Einflusses von nominal skalierten (kategorialen) Faktoren auf intervallskalierte abhängige Variablen Vorteil: die Wirkung von mehreren,

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

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav) Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe

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

Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.

Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen. Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

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

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

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

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen

Mehr

Hypothesentests mit SPSS. Beispiel für eine zweifaktorielle Varianzanalyse Daten: POK07_AG4_HU_V04.SAV

Hypothesentests mit SPSS. Beispiel für eine zweifaktorielle Varianzanalyse Daten: POK07_AG4_HU_V04.SAV Beispiel für eine zweifaktorielle Varianzanalyse Daten: POK07_AG4_HU_V04.SAV Hypothese: Typische Eigenschaften von Terroristen (Prototypikalität) und die nationale Herkunft (Ausländer vs. Deutsche) haben

Mehr

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav

Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft

Mehr

Überblick über die Verfahren für Ordinaldaten

Überblick über die Verfahren für Ordinaldaten Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische

Mehr

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0)

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0) Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische e Lösung von Grundaufgaben mit SPSS (ab V..0) Text: akmv_v.doc Daten: akmv??.sav Lehrbuch: W. Timischl, Biostatistik. Wien - New York:

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

Hypothesentests mit SPSS. Beispiel für einen t-test

Hypothesentests mit SPSS. Beispiel für einen t-test Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel

Mehr

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0 1 Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0 Text: grund1_spss20.doc Daten: grund1_?.sav Lehrbuch: W. Timischl, Biostatistik.

Mehr

Kommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17)

Kommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17) R.Niketta Multiple Regressionsanalyse Kommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17) Daten: Selbstdarstellung und Kontaktsuche in studi.vz (POK VIII, AG 3) Fragestellung:

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Statistik II (Sozialwissenschaften)

Statistik II (Sozialwissenschaften) Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden http://www.math.tu-dresden.de/sto/mueller/ Statistik II (Sozialwissenschaften) 2. Konsultationsübung,

Mehr

Varianzanalyse * (1) Varianzanalyse (2)

Varianzanalyse * (1) Varianzanalyse (2) Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Datenanalyse mit SPSS erste Schritte

Datenanalyse mit SPSS erste Schritte Datenanalyse mit SPSS erste Schritte Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.001b Sprechstunde: Dienstags 15-16 Uhr 23. Mai 2000 aktualisiert am 25. Mai 2001 2 Anlegen

Mehr

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Inhaltsverzeichnis. Vorwort 1. Kapitel 1 Einführung 3. Kapitel 2 Messtheorie und deskriptive Statistik 13

Inhaltsverzeichnis. Vorwort 1. Kapitel 1 Einführung 3. Kapitel 2 Messtheorie und deskriptive Statistik 13 Inhaltsverzeichnis Vorwort 1 Kapitel 1 Einführung 3 1.1 Ziele... 4 1.2 Messtheorie und deskriptive Statistik... 8 1.3 Grundlagen der Wahrscheinlichkeitsrechnung... 9 1.4 Inferenzstatistik... 9 1.5 Parametrische

Mehr

Lösungen zur Klausur Statistik II Dr. Andreas Voß Sommersemester 2005

Lösungen zur Klausur Statistik II Dr. Andreas Voß Sommersemester 2005 Lösungen zur Klausur Statistik II Dr. Andreas Voß Sommersemester 2005 Name: Mat.Nr.: Bearbeitungshinweise: Insgesamt können 40 Punkte erreicht werden. Die Klausur gilt als bestanden, wenn Sie mindestens

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

Mehr

Kapitel 3: Interpretationen

Kapitel 3: Interpretationen Kapitel 3: 1. Interpretation von Outputs allgemein... 1 2. Interpretation von Signifikanzen... 1 2.1. Signifikanztests / Punktschätzer... 1 2.2. Konfidenzintervalle... 2 3. Interpretation von Parametern...

Mehr

Datenanalyse mit SPSS spezifische Analysen

Datenanalyse mit SPSS spezifische Analysen Datenanalyse mit SPSS spezifische Analysen Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.015 Sprechstunde: Dienstags 15-16 Uhr 25. Mai 2001 2 Auswertung von Häufigkeitsdaten

Mehr

PASW Advanced Statistics 18

PASW Advanced Statistics 18 i PASW Advanced Statistics 18 Weitere Informationen zu SPSS Inc.-Software-Produkten finden Sie auf unserer Website unter der Adresse http://www.spss.com oder wenden Sie sich an SPSS Inc. 233 South Wacker

Mehr

Bitte schreiben Sie in Druckbuchstaben und vergessen Sie nicht zu unterschreiben. Name, Vorname:. Studiengang/ Semester:. Matrikelnummer:..

Bitte schreiben Sie in Druckbuchstaben und vergessen Sie nicht zu unterschreiben. Name, Vorname:. Studiengang/ Semester:. Matrikelnummer:.. Institut für Erziehungswissenschaft der Philipps-Universität Marburg Prof. Dr. Udo Kuckartz Arbeitsbereich Empirische Pädagogik/Methoden der Sozialforschung Wintersemester 004/005 KLAUSUR FEBRUAR 005 /

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Multivariate Verfahren

Multivariate Verfahren Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf

Mehr

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0 Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0??? Curt Ronniger 2007 Bei Neueinstieg in das Programm, sollte zunächst die Dokumentation XSelDoE10.pdf gelesen werden.

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Prüfen von Mittelwertsunterschieden: t-test

Prüfen von Mittelwertsunterschieden: t-test Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test

Mehr

Aufgaben zu Kapitel 7:

Aufgaben zu Kapitel 7: Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

(2) Mittels welcher Methode ist es im ALM möglich kategoriale Variablen als Prädiktoren in eine Regressionsgleichung zu überführen?

(2) Mittels welcher Methode ist es im ALM möglich kategoriale Variablen als Prädiktoren in eine Regressionsgleichung zu überführen? Beispielaufgaben LÖSUNG (1) Grenzen Sie eine einfache lineare Regression von einem Random Intercept Modell mit nur einem Level1-Prädiktor ab! a. Worin unterscheiden sich die Voraussetzungen? - MLM braucht

Mehr

Statistische Auswertung der Daten von Blatt 13

Statistische Auswertung der Daten von Blatt 13 Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

Grundlagen von Versuchsmethodik und Datenanalyse

Grundlagen von Versuchsmethodik und Datenanalyse Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten

Mehr

Einfache Varianzanalyse für abhängige

Einfache Varianzanalyse für abhängige Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift:

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift: 20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Nichtparametrische statistische Verfahren

Nichtparametrische statistische Verfahren Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Varianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010

Varianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010 Varianzanalyse Seminar: Multivariate Verfahren Dozent: Dr. Thomas Schäfer Referenten: Ralf Hopp, Michaela Haase, Tina Giska Datum: 25. Mai 2010 Gliederung I Theorieteil 1. Das Prinzip der Varianzanalyse

Mehr

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen

Mehr

Tutorial: Homogenitätstest

Tutorial: Homogenitätstest Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite

Mehr

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate 31 und 31 und (), Methode der 33 Das allgemeine (), Methode der kleinsten Quadrate 37 Modelle mit Messwiederholungen 1 / 113 Eine grundsätzliche Bemerkung zu Beginn Es bestehen viele Ähnlichkeiten zwischen

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25 Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen

Mehr

Florian Frötscher und Demet Özçetin

Florian Frötscher und Demet Özçetin Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60

Mehr

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen

Mehr

Teil II: Einführung in die Statistik

Teil II: Einführung in die Statistik Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu

Mehr

Einführung in die Kovarianzanalyse (ANCOVA)

Einführung in die Kovarianzanalyse (ANCOVA) Arbeitsunterlage Einführung in die Kovarianzanalyse (ANCOVA) ARGE-Bildungsforschung 2 Einführung in die Kovarianzanalyse (ANCOVA) 1 Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer)

Mehr

Quantitative Methoden der Bildungsforschung

Quantitative Methoden der Bildungsforschung Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang

Mehr

Erste Schritte mit SPSS - eine Anleitung

Erste Schritte mit SPSS - eine Anleitung Der Internetdienst für Ihre Online-Umfragen Erste Schritte mit SPSS - eine Anleitung -1- Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

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

Arbeiten mit Excel. 1. Allgemeine Hinweise

Arbeiten mit Excel. 1. Allgemeine Hinweise 1. Allgemeine Hinweise Man sollte eine Excel Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte inklusive aller dazugehörigen Einheiten

Mehr

Lineare Modelle in R: Einweg-Varianzanalyse

Lineare Modelle in R: Einweg-Varianzanalyse Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

Gestaltungsempfehlungen

Gestaltungsempfehlungen Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische

Mehr

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des. Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

IBM SPSS Advanced Statistics 19

IBM SPSS Advanced Statistics 19 IBM SPSS Advanced Statistics 19 Note: Before using this information and the product it supports, read the general information under Notices auf S. 173. This document contains proprietary information of

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

Neuerungen in Minitab 16

Neuerungen in Minitab 16 Neuerungen in Minitab 16 minitab@additive-net.de - Telefon: 06172 / 5905-30 Willkommen zu Minitab 16! Die neueste Version der Minitab Statistical Software umfasst mehr als siebzig neue Funktionen und Verbesserungen,

Mehr

Lösung zu Kapitel 11: Beispiel 1

Lösung zu Kapitel 11: Beispiel 1 Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten

Mehr

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe

Mehr

Felix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009

Felix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4

Mehr

Multivariate Statistik mit Mathematica und SPSS

Multivariate Statistik mit Mathematica und SPSS Multivariate Statistik mit Mathematica und SPSS von Dipl.-Math. Marco Schuchmann Dipl.-Math. Werner Sanns Seite 2 Varianzanalyse Die Informationen in diesem Buch entstammen langjähriger Erfahrung in Praxis

Mehr

25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche

25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche Ruhr-Universität Bochum 25. Januar 2010 1 / 75 2 / 75 4.1 Beispiel: Vergleich von verschiedenen Unterrichtsmethoden Zwei Zufallsstichproben (A und B) mit je 10 Schülern und 8 Schülern Gruppe A wird nach

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 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag

Mehr