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

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

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

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

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

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

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

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

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

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

Kapitel 6: Zweifaktorielle Varianzanalyse

Kapitel 6: Zweifaktorielle Varianzanalyse Kapitel 6: Zweifaktorielle Varianzanalyse Durchführung einer zweifaktoriellen Varianzanalyse ohne Messwiederholung 1 Effektstärke und empirische Teststärke einer zweifaktoriellen Varianzanalyse ohne Messwiederholung

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

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

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

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

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

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

(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

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 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 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

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

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

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

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

Mehr

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

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

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

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

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

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

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

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

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

FAKTORIELLE VERSUCHSPLÄNE. Andreas Handl

FAKTORIELLE VERSUCHSPLÄNE. Andreas Handl FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei

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

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

VS PLUS

VS PLUS VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN

Mehr

Einfache statistische Testverfahren

Einfache statistische Testverfahren Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung

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

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

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

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

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

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

Taschenbuch Versuchsplanung

Taschenbuch Versuchsplanung Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1

Mehr

Taschenbuch Versuchsplanung Produkte und Prozesse optimieren

Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9

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

Einfaktorielle Rangvarianzanalyse mit Messwiederholungen

Einfaktorielle Rangvarianzanalyse mit Messwiederholungen Einfaktorielle Rangvarianzanalyse mit Messwiederholungen Inhaltsverzeichnis Einfaktorielle Rangvarianzanalyse mit Messwiederholungen... 2 Lernhinweise... 2 Einführung... 3 Theorie (1-3)... 3 Teil 1 -

Mehr

SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.

SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ

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

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

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

Inhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14

Inhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14 VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...

Mehr

Inhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17

Inhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17 Inhalt Vorwort.................................................................. V Inhalt.................................................................... VII 1 Einführung..........................................................

Mehr

Master of Science in Pflege

Master of Science in Pflege Master of Science in Pflege Modul: Statistik Einführung in die Varianzanalyse (ANOVA) / ANCOVA / ANOVA mit Messwiederholung November 2012 Prof. Dr. Jürg Schwarz Folie 2 Programm 7. November 2012: Vormittag

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

Taschenbuch Versuchsplanung

Taschenbuch Versuchsplanung Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse

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

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

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

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

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

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

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung

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

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)

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

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

Messung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes

Messung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie

Mehr

? Unterscheiden sich Burschen und Mädchen im Ausmaß der Mithilfe im Haushalt?

? Unterscheiden sich Burschen und Mädchen im Ausmaß der Mithilfe im Haushalt? 341 i Metrische und kategoriale Merkmale An einer Beobachtungseinheit werden metrische und kategoriale Variable erhoben. Beispiel: Hausarbeit von Teenagern (Stunden/Woche) 25 15 STUNDEN 5-5 weiblich männlich?

Mehr

DOE am Beispiel Laserpointer

DOE am Beispiel Laserpointer DOE am Beispiel Laserpointer Swen Günther Ein wesentliches Ziel im Rahmen der Neuproduktentwicklung ist die aus Kundesicht bestmögliche, d.h. nutzenmaximale Konzeption des Produktes zu bestimmen (vgl.

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

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

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

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem

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

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

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

Formelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade

Formelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de

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

A posteriori: Berechnung von Kennwerten nach der Durchführung einer Untersuchung (z.b. Teststärke, Effekt, Abschn. 3.4, Band 1).

A posteriori: Berechnung von Kennwerten nach der Durchführung einer Untersuchung (z.b. Teststärke, Effekt, Abschn. 3.4, Band 1). α-fehler: Der α-fehler, auch Fehler 1. Art, bezeichnet die Fehlentscheidung, die H1 anzunehmen, obwohl in Wirklichkeit die H0 gilt ( Abschn. 3.1.5, Band α-fehler-kumulierung: Erhöhung des Gesamt-α-Fehlers

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

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

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

1.1. Vergleich von Mittelwerten

1.1. Vergleich von Mittelwerten 1.1. Vergleich von Mittelwerten 1.1.1. Eine glückliche Familie: Die t-tests Die einfachsten inferenzstatistischen Verfahren sind die t-tests. Bei ihnen dreht sich alles um Mittelwerte und die Frage: Sind

Mehr

Marktforschung I. Marktforschung I 2

Marktforschung I. Marktforschung I 2 Marktforschung I Marktforschung I Einführung in die Testtheorie (Toporowski) Mathematische Grundlagen (Toporowski) Varianzanalyse (Toporowski) Regressionsanalyse (Boztuğ) Diskriminanzanalyse (Hammerschmidt)

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

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

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

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

Willkommen zur Vorlesung Statistik (Master)

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

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung 1 Berechnung der Effektstärke und der beobachteten Teststärke einer einfaktoriellen Varianzanalyse

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

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die

Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:

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

Kapitel 9: Verfahren für Nominaldaten

Kapitel 9: Verfahren für Nominaldaten Kapitel 9: Verfahren für Nominaldaten Eindimensionaler Chi²-Test Der eindimensionale χ²-test wird dann herangezogen, wenn die Versuchspersonen einer Population anhand eines Merkmals mit zwei oder mehr

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