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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 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, mehrfach gestuften Faktoren und deren Wechselwirkungen können simultan betrachtet werden Verfahren * einfaktorielle Analysen * mehrfaktorielle Analysen * Kovarianzanalysen * multivariate Varianzanalysen * Varianzanalysen mit Messwiederholungen Hypothesen Bei mehr als zwei Gruppen müssen Unterschiede mit Post-Hoc-Tests näher untersucht werden! Modell Werte der einzelnen Probanden: 1

2 Voraussetzungen 1. Unabhängigkeit der Residuen voneinander Die Abweichungen der einzelnen Probanden vom Mittelwert ihrer Gruppe müssen unabhängig von den Abweichungen der anderen Probanden sein. 2. Homogenität der Varianzen der Residuen zwischen den Gruppen Die Varianzen der Residuen unter den einzelnen Faktorstufen, die den Varianzen der abhängigen Variablen unter den einzelnen Faktorstufen entsprechen, müssen homogen sein. Levene-Test 3. Normalverteilung der Residuen innerhalb der Gruppen Entspricht der Voraussetzung der Normalverteilung der abhängigen Variablen unter den einzelnen Faktorstufen. Kolmogorov-Smirnov-Test Empfehlungen Die Varianzanalyse hat eine größere Robustheit bei gleich großen Stichproben unter allen Faktorstufen (Versuchsplanung). Bei gegebener Varianzhomogenität (kann bei Stichproben n i < 10 nicht hinreichend geprüft werden) ist die Varianzanalyse relativ robust gegen Verletzungen der Normalverteilungsvoraussetzung. Bei Verletzung der Varianzhomogenität oder bei kleinen Stichproben empfiehlt sich die Anwendung der robusten Verfahren nach Brown-Forsythe bzw. Welch (nur für einfaktorielle Varianzanalyse). Bei kleinen Stichproben oder bei extrem asymmetrischen Verteilungen empfiehlt sich die Verwendung eines strengeren Signifikanzniveaus oder der nichtparametrischen Varianzanalyse (Kruskal-Wallis-Test). 2

3 Quadratsummenzerlegung Beispiel Beruf: 1 = Versicherungsvertreter 2 = Lehrer 3= Programmierer Maßzahlen der Kommunikationsfähigkeit zum ersten Messzeitpunkt QS total = QS Faktor + QS Fehler = 74, ,88 = 126,96 3

4 Varianzschätzungen Erklärter Varianzanteil, der auf die Faktorstufen zurückzuführen ist k = Anzahl der Faktorstufen Im Beispiel: 74,08 / (3-1) = 74,08 / 2 = 37,04 Fehlervarianz k = Anzahl der Faktorstufen N = Anzahl der Probanden Im Beispiel: 52,88 / (24-3) = 52,88 / 21 = 2,52 Signifikanztest Im Beispiel ergibt sich ein sehr signifikanter (p <.01) F-Wert F = 14.7, d.h. die statistische Nullhypothese ist abzulehnen. Effektgröße Eta-Quadrat entspricht R-Quadrat! * nimmt Werte zwischen 0 und 1 an * unabhängig vom Stichprobenumfang Anwendungsbeispiel: 74,08 / 126,96 =.58 58% der Varianz der Variablen Kommunikation (der totalen Quadratsumme) kann durch die unterschiedlichen Berufe erklärt werden. 4

5 Einfaktorielle Varianzanalyse - Allgemeines Lineares Modell (ALM) In SPSS wird die ANOVA nicht nach dem QS-Prinzip gerechnet, sondern nach dem Allgemeinen linearen Modell, das wir aus der Regressionsanalyse kennen. Mit dem Allgemeinen linearen Modell können die Verfahren der Varianz- und der Regressionsanalyse übergreifend dargestellt und bearbeitet werden. Unabhängige Variablen bzw. Faktoren der Varianzanalyse werden in den Regressionsansatz integriert. Nominal skalierte varianzanalytische Faktoren werden durch Indikatorvariablen codiert, deren Anzahl sich aus der Anzahl der Stufen des jeweiligen Faktors ergibt und die die Information der jeweiligen Faktorvariablen vollständig enthalten. Indikatorvariablen werden in die regressionsanalytischen Verfahren eingeschlossen, so dass die simultane Berücksichtigung von intervallskalierten und nominalskalierten Merkmalen sowie deren Wechselwirkungen möglich ist. Codierung Um alle Informationen des Faktors aufzunehmen, sind bei k Faktorstufen k 1 orthogonale, d.h. unabhängige Codiervariablen zu erzeugen. 5

6 Einfaktorielle Varianzanalyse - Multiple Regression mit Codiervariablen Alternativ zum Fisher'schen Ansatz der Varianzzerlegung werden bei der Durchführung der einfaktoriellen Varianzanalyse mit den Methoden des Allgemeinen linearen Modells die beiden Codiervariablen ce1 und ce2 im Anwendungsbeispiel als Prädiktorvariablen in einer multiplen Regressionsanalyse mit der Kriteriumsvariablen Kommunikationsfähigkeit verwendet. 6

7 Post-Hoc-Tests und Lineare Kontraste A priori - Einzelvergleichshypothesen werden bereits in der Planungsphase einer Untersuchung aufgestellt. spezifizieren die Erwartung darüber, in welcher Weise die zu erwartenden globalen Effekte auf einzelne Faktorstufen zurückzuführen sind. Anwendungsbeispiel Kommunikationsfähigkeit ist bei Lehrern und bei Versicherungsvertretern stärker ausgeprägt als bei Programmierern. Ein signifikanter Einfluss des Faktors Beruf müsste dann auf diesen Unterschied zurückzuführen sein, während zwischen Lehrern und Versicherungsvertretern kein Unterschied vermutet wird. Überprüfung: Mittelwert von Lehrern und Versicherungsvertretern wird mit dem Mittelwert der Programmierer verglichen. Umsetzung: Einzelvergleiche auf der Basis linearer Kontraste oder t-tests A posteriori - Mehrfachvergleiche wenn vor der Untersuchung keine begründeten Hypothesen über die konkret erwarteten Unterschiede bzw. Effekte aufgestellt werden können. Es werden Post-Hoc-Tests werden angewendet, die bei Kontrolle des multiplen α -Fehler-Niveaus paarweise alle Mittelwerte vergleichen. 7

8 Einfaktorielle ANOVA: Anwendungsbeispiel Kommunikationstraining Link zum Datensatz Kommunikationstraining.sav Analysieren Allgemeines Lineares Modell Univariat wird nicht signifikant (p>.05) Bestätigung der Nullhypothese F-Wert ist signifikant Eta-Quadrat ist signifikant von Null verschieden UV1 Beruf klärt 58,4% der Varianz im Kriterium Kommunikation auf. 8

9 Post-Hoc-Tests Beruf Lehrer und Versicherungsvertreter unterscheiden sich im Hinblick auf ihre Kommunikationsfähigkeiten nicht voneinander, aber beide unterscheiden sich von den Programmierern. Homogene Untergruppen Effektkodierung 9

10 Zweifaktorielle Varianzanalyse Modell Voraussetzungen analog zur einfaktoriellen Varianzanalyse Voraussetzungen der Normalverteilung und der Varianzhomogenität beziehen sich auf die Zellen des Versuchsplanes Wichtig: gleich große Zellenbesetzungen! Statistische Hypothesen 10

11 Varianzzerlegung Anwendungsbeispiel Im Gegensatz zur einfaktoriellen Varianzanalyse kann die Faktorquadratsumme weiter auf die Haupt- und Wechselwirkungseffekte aufgespaltet werden: Anwendungsbeispiel 11

12 Anwendungsbeispiel Gesamt Varianzschätzungen 12

13 Signifikanzprüfung nach Fisher Effektgröße 13

14 Zweifaktorielle Varianzanalyse - Allgemeines Lineares Modell (ALM) Haupteffekt uv2 Geschlecht und Interaktion uv1*uv2 werden nicht signifikant. Das partielle Eta-Quadrat des korrigierten Modells ist hier ein Maß für die Güte eines Vorhersagemodells mit den Prädiktoren Beruf und Geschlecht. 14

15 Kovarianzanalyse Zusätzlich zu den nominal skalierten Faktoren kann der Einfluss von intervallskalierten Kovariablen auf die abhängige Variable untersucht werden. Es gelten die Voraussetzungen der einfaktoriellen Varianzanalyse sowie zusätzlich die Homogenität der Regression in den Zellen des Versuchsplanes. Wird oft mit einer Varianzanalyse über Regressionsresiduen gleichgesetzt. Diese Vorgehensweise beschreibt eine sehr häufig anzutreffende Situation, in der zunächst regressionsanalytisch der Einfluss der Kovariablen aus der abhängigen Variablen eliminiert wird. Danach werden die Residuen varianzanalytisch weiterverarbeitet. Anwendungsbeispiel Im Anwendungsbeispiel lässt sich bei simultaner Schätzung aller Effekte kein signifikanter Einfluss des Alters auf die Kommunikationsfähigkeit nachweisen (p >.05), der Einfluss des Faktors Beruf bleibt auch bei Berücksichtigung des Alters als Kovariable signifikant (p <.001). 15

16 Multivariate Varianzanalyse Die inhaltliche Fragestellung bzw. die zu untersuchenden statistischen Hypothesen beziehen sich auf mehrere abhängige Variablen. Im Anwendungsbeispiel: Der ausgeübte Beruf hat Auswirkungen auf das "soziale Verhalten" der Probanden. Das "soziale Verhalten" wird durch die Variablen Kommunikationsfähigkeit, Selbstsicherheit und soziale Kompetenz beschrieben. Problem der alpha-fehler-kumulation In einer solchen Situation kann die gestellte inhaltliche Frage nicht dadurch beantwortet werden, dass drei univariate Varianzanalysen durchgeführt werden und bei wenigstens einem signifikanten Einzelergebnis ein signifikanter Effekt bezüglich des sozialen Verhaltens angenommen wird. Der Grund liegt in der bei einem solchen Vorgehen in Kauf genommenen alpha- Fehler-Kumulation. Bonferroni-Korrektur: Signifikanzniveau von jeweils.05/3 (im Anwendungsbeispiel) Multivariate Prüfgrößen Vorteil: Zusammenhänge der abhängigen Variablen untereinander werden bei der Berechnung der Teststatistik berücksichtigt, so dass das Signifikanzniveau für die globale Hypothese von (im Beispiel).05 weder über- noch unterschritten wird. 16

17 Analogien und Unterschiede zwischen univariaten und multivariaten Kennwerten Beim T 2 -Wert gehen zusätzlich zu den Mittelwerten und Varianzen die Kovarianzen der abhängigen Variablen in die Berechnung der Teststatistik ein. Ein signifikantes Ergebnis des multivariaten Tests lässt die Interpretation zu, dass der entsprechende varianzanalytische Effekt einen signifikanten Einfluss auf die abhängigen Variablen hat, wobei das α -Fehler-Niveau korrekt eingehalten wurde. Mit nachfolgenden univariaten Analysen kann nun exploratorisch weiter untersucht werden, in welcher oder in welchen der abhängigen Variablen der Effekt auftritt. Die Voraussetzungen der multivariaten Analysen entsprechen den Voraussetzungen der univariaten Analysen, aber: Annahme multivariater Normalverteilung + Homogenität der Varianz-/Kovarianzmatrizen. Ein signifikantes Ergebnis des multivariaten Tests lässt die Interpretation zu, dass der entsprechende varianzanalytische Effekt einen signifikanten Einfluss auf die abhängigen Variablen hat, wobei das alpha-fehler-niveau korrekt eingehalten wurde. Mit nachfolgenden univariaten Analysen kann nun exploratorisch weiter untersucht werden, in welcher oder in welchen der abhängigen Variablen der Effekt auftritt. 17

18 Anwendungsbeispiel Frage: Hat der Beruf Einfluss auf das übergeordnete Konstrukt Soziales Verhalten? Die drei abhängigen Variablen Kommunikation, Selbstsicherheit und Soziale Kompetenz sind hier die Indikatoren für das Konstrukt immer wieder wichtig, sich die anzugucken! alle signifikant nur in der Variablen Kommunikationsfähigkeit zeigt sich ein Effekt des Faktors Beruf 18

19 Varianzanalyse mit Messwiederholungen Typische Anwendungssituationen Varianzanalysen mit Messwiederholungen können überall dort zur Datenauswertung eingesetzt werden, wo Probanden unter verschiedenen Bedingungen wiederholt untersucht werden, z.b. Veränderungen der Reaktionsgeschwindigkeiten bei zunehmender Ermüdung; Nachweis von Therapie-, Behandlungs- oder Trainingseffekten Anwendungsbeispiel Auswertung der Daten eines Kommunikationstrainings Nach der Prämessung erhielten die Probanden der Treatmentgruppe ein Kommunikationstraining, die Probanden der Kontrollgruppe erhielten kein Training. Danach wurden zwei Postmessungen in beiden Gruppen durchgeführt, um den Erfolg und die Stabilität des Trainings zu untersuchen. 19

20 Daten im Prä-Postdesign mit Versuchs- und Kontrollgruppe Ziel ist der Nachweis der Wirkung des Kommunikationstrainings Man sollte bei solchen Designs die statistischen Hypothesen möglichst spezifizieren! Untersuchung der zeitlichen Stabilität (via Postmessungen) Im Ergebnis der Varianzanalyse kann der Einfluss von drei Effekten auf die Kommunikationsfähigkeit untersucht werden: 1. Haupteffekt Gruppe (Treatment vs. Kontrollgruppe) 2. Haupteffekt Zeit (Prämessung vs. 1. Postmessung vs. 2. Postmessung) 3. Interaktionseffekt Gruppe x Zeit. Welcher dieser drei Effekte muss signifikant werden, um einen Trainingseffekt nachweisen zu können? Signifikanter Haupteffekt Gruppe ist dafür weder hinreichend noch notwendig, weil Gruppenunterschiede über alle Zeitpunkte bereits vor dem Training bestehen könnten. Das gleiche gilt für einen signifikanten Haupteffekt Zeit, weil generell Veränderungen im zeitverlauf in beiden Gruppen gleichermaßen auftreten könnten Notwendig für den Nachweis der Wirkung des Trainings auf die Kommunikationsfähigkeit ist ein signifikanter Wechselwirkungseffekt, mit dem nachgewiesen werden kann, dass sich die Veränderungen im Zeitverlauf zwischen den Gruppen unterscheiden. 20

21 Hypothesen Mittelwert der beiden Postmessungen abzüglich Wert der Prämessung Der Nachweis der Alternativhypothese würde belegen, dass die Kommunikationsfähigkeit im Übergang von der Prä-zur Postphase, die durch den Mittelwert der beiden Postmessungen dargestellt wird, in der Treatmentgruppe signifikant stärker zunimmt als in der Kontrollgruppe, die kein Kommunikationstraining erhalten hat. Zur Kontrolle der Effekte innerhalb der Postphase bietet sich ein zweites, in diesem Fall zweiseitig formuliertes Hypothesenpaar an: Differenz der beiden Postmessungen Die Annahme dieser Alternativhypothese würde zeigen, dass sich auch der Verlauf innerhalb der Postphase zwischen den Gruppen unterscheidet. Hier wären mehrere Ursachen möglich: Trainingseffekt in der Treatmentgruppe war nur kurzfristig (deshalb Abfall des Mittelwertes innerhalb der Postphase, Unterschiede zwischen den Gruppen erhöhen sich in der Postphase weiter, weil das Training besonders langfristig wirkt. Für die Untersuchung solcher spezieller Hypothesen, die vor Untersuchungsbeginn spezifiziert werden können, bietet sich innerhalb der varianzanalytischen Verfahren die Analyse linearer Kontraste an. 21

22 Signifikanzprüfung Bei der Varianzanalyse mit Messwiederholungen wird bei der Quadratsummenzerlegung zusätzlich eine Aufteilung in Quadratsummenanteile innerhalb der Personenund in Anteile zwischen den Personen unterschieden. Die Quadratsumme zwischen den Personen enthält alle Effekte, in denen Messwiederholungsfaktoren keine Rolle spielen. Im Beispiel: Faktor Treatment -die Gruppen werden bezüglich ihrer mittleren Ausprägungen der Kommunikationsfähigkeit gemittelt über alle Zeitpunkte untersucht. Kein signifikanter Haupteffekt Treatment (p >.05). Für die Prüfung aller Effekte, in denen der Messwiederholungsfaktor eine Rolle spielt (Zeit sowie Zeit x Treatment) werden die Kontrastvariablen benutzt. SPSS bietet zwei Verfahren zur Prüfung der Effekte an, die sich in ihrer Güte aber unterscheiden können: 22

23 Anwendungsbeispiel Geprüft werden soll die Effektivität des Kommunikationstrainings anhand einer Varianzanalyse mit Messwiederholungen. Hierbei gehen eine Prämessung und zwei Postmessungen in die Analyse ein. Die Trainings-und die Kontrollgruppe unterscheiden sich nicht signifikant voneinander dies ist jedoch kein Beleg gegen die Wirksamkeit des Trainings, denn für den Wirkungsnachweis ist der Wechselwirkungseffekt von Zeit und Bedingung relevant! 23

24 Multivariate Tests 1 2 Das signifikante Ergebnis für den Haupteffekt Zeit (1) bestätigt, dass es insgesamt Unterschiede zwischen den verschiedenen Messzeitpunkten gibt. Die signifikante Wechselwirkung von Zeit und Bedingung (2) zeigt an, dass die gefundenen (haupt-)effekte jeweils nicht in allen Stufen gleichermaßen auftreten. Alternative Auswertungsmöglichkeit F-Test, bei dem eventuelle Verletzungen der Sphärizität durch Anpassung der Freiheitsgrade korrigiert werden können. wird signifikant, daher Sphärizitätsannahme erfüllt! Da die Sphärizitätsannahme erfüllt ist, sind die Werte der jeweils ersten Zeile relevant: sowohl der Haupteffekt Zeit als auch die Wechselwirkung mit der Bedingung sind signifikant. Für den Fall, dass die Sphärizitätsannahme nicht erfüllt ist, kann man z.b. die nach Greenhouse-Geisser korrigierten 24 Kennwerte angucken.

25 Innersubjektkontraste In den beiden oben dargestellten Auswertungsalternativen wurden jeweils Gesamthypothesen über alle Messzeitpunkte hinweg getestet. Die unten stehende Tabelle enthält nun die Ergebnisse der F-Tests zu den einzelnen Kontrasten. In der jeweils ersten Zeile sind die Kennwerte des Kontrasts abgebildet, der die Prämessung mit dem Mittelwert der Postmessungen vergleicht: Haupteffekt Zeit ist in diesem Kontrast signifikant, die Richtung des Effekts muss aber anhand der Mittelwerte von Trainings-und Kontrollgruppe je Messzeitpunkt ermittelt werden. Für die Fragestellung nach der Wirksamkeit des Trainings ist dieser Kontrasts aber nicht bezüglich des Haupteffekts relevant, sondern nur bezüglich des Interaktionseffekts! Ebenfalls signifikant Kann wie folgt interpretiert werden: Die Verbesserungen in der Kommunikationsfähigkeit, die zwischen Prämessung und Postmessungen aufgetreten sind, sind in der Trainingsgruppe größer als in der Kontrollgruppe. Berechnung unter Zuhilfenahme der Mittelwerte: Das heißt: Es ist ein signifikanter Trainingseffekt zu beobachten. Der zweite Kontrast, also der Vergleich zwischen den beiden Postmessungen, ist weder im Haupteffekt noch in der Wechselwirkung signifikant. 25

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

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

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

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

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

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

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

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

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

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

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

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

(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

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

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

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

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen. Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes

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

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

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

8. Methoden der klassischen multivariaten Statistik

8. Methoden der klassischen multivariaten Statistik 8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von

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

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

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

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

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

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

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen.

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen. 5 Statistik mit SPSS Die Durchführung statistischer Auswertungen erfolgt bei SPSS in 2 Schritten, der Auswahl der geeigneten Methode, bestehend aus Prozedur Variable Optionen und der Ausführung. 5.1 Variablen

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

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

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

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

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

IBM SPSS Advanced Statistics 20

IBM SPSS Advanced Statistics 20 IBM SPSS Advanced Statistics 20 Hinweis: Lesen Sie zunächst die allgemeinen Informationen unter Hinweise auf S. 180, bevor Sie dieses Informationsmaterial sowie das zugehörige Produkt verwenden. Diese

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

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

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

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

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

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

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

Mehr

Varianzanalyse. Einleitung - 1 -

Varianzanalyse. Einleitung - 1 - - 1 - Varianzanalyse Einleitung Die Varianzanalyse ist ein sehr allgemein einsetzbares multivariates Analyseverfahren, mit dessen Hilfe Meßwerte einer abhängigen Variablen Y, die in der Regel von mehreren

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

3 Zusammenhangsmaße Zusammenhangshypothesen

3 Zusammenhangsmaße Zusammenhangshypothesen 3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert

Mehr

Methoden der Unterschiedsprüfung

Methoden der Unterschiedsprüfung Julius Maximilians Universität Würzburg Methoden der Unterschiedsprüfung Mitschrift der Vorlesung von Dr. Rainer Scheuchenpflug im SS 2008 Roland Pfister Inhaltsverzeichnis Inhaltsverzeichnis 0. Vorwort...

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

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

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall ) Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels

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

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur. Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen

Mehr

Die Auswertung dyadischer Daten anhand des Partner-Effekt-Modells

Die Auswertung dyadischer Daten anhand des Partner-Effekt-Modells Die Auswertung dyadischer Daten anhand des Partner-Effekt-Modells Dorothea E. Dette-Hagenmeyer Was sind dyadische Daten? Dyadische Daten sind Daten von zwei oder mehreren Personen, die etwas miteinander

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

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

Anleitung zur Gestaltung des Ergebnisteils einer empirischen psychologischen Untersuchung

Anleitung zur Gestaltung des Ergebnisteils einer empirischen psychologischen Untersuchung Anleitung zur Gestaltung des Ergebnisteils einer empirischen psychologischen Untersuchung Formale Aspekte dieser Anleitung beziehen sich auf die Richtlinien der American Psychological Association-APA.

Mehr

Forschungsmethoden und Statistik in der Psychologie

Forschungsmethoden und Statistik in der Psychologie Peter Sedlmeier Frank Renkewitz Forschungsmethoden und Statistik in der Psychologie PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney

Mehr

ARBEITSPAPIER WORKING PAPER. Nr. 45 2007

ARBEITSPAPIER WORKING PAPER. Nr. 45 2007 ARBEITSPAPIER WORKING PAPER Nr. 45 2007 Maurice Eschweiler Heiner Evanschitzky David Woisetschläger Laborexperimente in der Marketingwissenschaft - Bestandsaufnahme und Leitfaden bei varianzanalytischen

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

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

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau

Mehr

Grundbegriffe der Statistik

Grundbegriffe der Statistik Grundbegriffe der Statistik Quelle: Statistica (2003). Auszug aus dem elektronischen Handbuch des Statistikprogramms Statistica 6.1. Tula, OK: StatSoft, Inc. 1 Inhaltsverzeichnis Überblick über Grundbegriffe

Mehr

Fragen und Antworten zu Kapitel 18

Fragen und Antworten zu Kapitel 18 Fragen und Antworten zu Kapitel 18 (1) Nennen Sie verschiedene Zielsetzungen, die man mit der Anwendung der multiplen Regressionsanalyse verfolgt. Die multiple Regressionsanalyse dient der Kontrolle von

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 bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

13. FRAGE 1: PROGRAMMWIRKUNGEN BEI MULTIPLIKATOREN (LANGZEITTRAINING )

13. FRAGE 1: PROGRAMMWIRKUNGEN BEI MULTIPLIKATOREN (LANGZEITTRAINING ) Frage 1: Programmwirkungen bei Multiplikatoren (Langzeittraining) 16 1. FRAGE 1: PROGRAMMWIRKUNGEN BEI MULTIPLIKATOREN (LANGZEITTRAINING ) An die Auswirkungen eines Peer-Education-Langzeittrainings auf

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

Beispiel: Sonntagsfrage. Einführung in die induktive Statistik. Statistische Tests. Statistische Tests

Beispiel: Sonntagsfrage. Einführung in die induktive Statistik. Statistische Tests. Statistische Tests Beispiel: Sonntagsfrage Vier Wochen vor der österreichischen Nationalratswahl 1999 wurde 499 Haushalten die Sonntagsfrage gestellt: Falls nächsten Sonntag Wahlen wären, welche Partei würden Sie wählen?

Mehr

ALM. Allgemeines lineares Modell. Teil 1. Regressionsanalyse Varianzanalyse Kovarianzanalyse Diskriminanzanalyse. Kurt Holm

ALM. Allgemeines lineares Modell. Teil 1. Regressionsanalyse Varianzanalyse Kovarianzanalyse Diskriminanzanalyse. Kurt Holm ALM Allgemeines lineares Modell Teil 1 Regressionsanalyse Varianzanalyse Kovarianzanalyse Diskriminanzanalyse Kurt Holm Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at

Mehr

Abhängigkeit zweier Merkmale

Abhängigkeit zweier Merkmale Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich

Mehr

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:

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

KOMPLEXE STATISTISCHE VERFAHREN

KOMPLEXE STATISTISCHE VERFAHREN 1 1. THEORETISCHES: KOMPLEXE STATISTISCHE VERFAHREN Wofür braucht man komplexe statistische Verfahren? um objektivere Antworten auf Fragen (z.b. Schadet Rauen?) geben zu können Im Alltag hier oft Heranziehung

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

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

Nichtparametrische Datenanalyse

Nichtparametrische Datenanalyse Statistik und ihre Anwendungen Nichtparametrische Datenanalyse Unverbundene Stichproben von Edgar Brunner, Ullrich Munzel 1. Auflage Nichtparametrische Datenanalyse Brunner / Munzel schnell und portofrei

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

6.1.2 Die Interaktionseffekte von Dummy- und zentrierten metrischen Variablen

6.1.2 Die Interaktionseffekte von Dummy- und zentrierten metrischen Variablen Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 6.1.2 Die Interaktionseffekte von Dummy- und zentrierten metrischen Variablen Bei der Zentrierung handelt es sich um eine lineare

Mehr

Die Verteilung dieser Werte y ist eine Normalverteilung. hängt nicht von u ab

Die Verteilung dieser Werte y ist eine Normalverteilung. hängt nicht von u ab Einfache lineare Regression als Beispiel für das ALM ALM : Allgemeines Lineares Modell Y : Kriterium U : Prädiktor Modell : Erwartungswert von Y ist lineare Funktion von U Genauer : Für festes u gilt für

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

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

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

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

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple

Mehr

EVALUATION DER VS PFEILGASSE PANELSTUDIE IM RAHMEN EINES QUALITÄTSENTWICKLUNGSPRO- GRAMMS IN DER BEGABTENFÖRDERUNG

EVALUATION DER VS PFEILGASSE PANELSTUDIE IM RAHMEN EINES QUALITÄTSENTWICKLUNGSPRO- GRAMMS IN DER BEGABTENFÖRDERUNG EVALUATION DER VS PFEILGASSE PANELSTUDIE IM RAHMEN EINES QUALITÄTSENTWICKLUNGSPRO- GRAMMS IN DER BEGABTENFÖRDERUNG Veröffentlicht in: news&science. Begabtenförderung und Begabungsforschung. ÖZBF, Nr. 26/Ausgabe

Mehr

Faktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007

Faktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007 Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Darstellung von Tabellen in Präsentationen und Forschungsberichten

Darstellung von Tabellen in Präsentationen und Forschungsberichten Dr. Constanze Rossmann 1 Darstellung von Tabellen in Präsentationen und Forschungsberichten Faustregeln Der Text muss grundsätzlich auch ohne Tabellen zu verstehen sein. Umgekehrt muss jede Tabelle auch

Mehr

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest

Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Universität Wien Institut für Mathematik Wintersemester 2009/2010 Medizinische Statistik Epidemiologie und χ 2 Vierfeldertest Seminar Angewandte Mathematik Ao. Univ. Prof. Dr. Peter Schmitt von Nadja Reiterer

Mehr

Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation

Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation Einführung in die Logistische Regression Fortbildung zur 9.Informationstagung Tumordokumentation Bernd Schicke, Tumorzentrum Berlin FB Bayreuth, 29.März 20 Gliederung Einleitung Schätzen von Maßzahlen

Mehr

Bivariate Chi-Quadrat-Verfahren

Bivariate Chi-Quadrat-Verfahren Inhaltsverzeichnis Bivariate Chi-Quadrat-Verfahren... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-3)... 3 1. Kontingenztafeln... 3 2. Vergleich einer bivariaten mit einer theoretisch erwarteten Verteilung...

Mehr

Kommentierte Formelsammlung multivariater statistischer Verfahren. Prof. Dr. Irene Rößler Prof. Dr. Albrecht Ungerer

Kommentierte Formelsammlung multivariater statistischer Verfahren. Prof. Dr. Irene Rößler Prof. Dr. Albrecht Ungerer Kommentierte Formelsammlung multivariater statistischer Verfahren Prof Dr Irene Rößler Prof Dr Albrecht Ungerer Inhaltsverzeichnis i Inhaltsverzeichnis Verfahren im Überblick Beispieldatensatz 1 1 Multiple

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

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3 I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von

Mehr

1. Biometrische Planung

1. Biometrische Planung 1. Biometrische Planung Die biometrische Planung ist Teil der Studienplanung für wissenschaftliche Studien, in denen eine statistische Bewertung von Daten erfolgen soll. Sie stellt alle erforderlichen

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Univariate Lineare Regression. (eine unabhängige Variable)

Univariate Lineare Regression. (eine unabhängige Variable) Univariate Lineare Regression (eine unabhängige Variable) Lineare Regression y=a+bx Präzise lineare Beziehung a.. Intercept b..anstieg y..abhängige Variable x..unabhängige Variable Lineare Regression y=a+bx+e

Mehr

Inhaltsverzeichnis. a. Standorte...3 1. Minitab... 6. A. Minitab... 6 B. R...14. C. Statistik...16

Inhaltsverzeichnis. a. Standorte...3 1. Minitab... 6. A. Minitab... 6 B. R...14. C. Statistik...16 2 Inhaltsverzeichnis a. Standorte...3 1. Minitab... 6 A. Minitab... 6 i. Statistik für Ingenieure mit Minitab... 6 ii. Statistische Qualitätskontrolle mit Minitab...8 iii. Statistische Versuchsplanung

Mehr

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang,

werden können. Wenn der Benutzer zudem eine konkrete Differenz mit praktischen Konsequenzen angibt, berechnet der Assistent den Stichprobenumfang, Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab 17 Statistical Software verwendeten

Mehr

Komplexe statistische Verfahren Übersicht. Komplexe statistische Verfahren Übersicht Varianzanalyse

Komplexe statistische Verfahren Übersicht. Komplexe statistische Verfahren Übersicht Varianzanalyse Komplexe statistische Verfahren Übersicht Wiederholung statistischer Grundbegriffe Regressionsanalyse Multiple lineare Regression Quasilineare Regression Nicht-lineare Regression Ordinale Regression Logistische

Mehr