Multivariate Analyse: Einführung in das COX-Modell

Größe: px
Ab Seite anzeigen:

Download "Multivariate Analyse: Einführung in das COX-Modell"

Transkript

1 Auswertung Multivariate Analyse: Einführung in das COX-Modell Deskriptive Statistik Häufigkeiten, Univariate Statistiken, Explorative Datenanalyse, Kreuztabellen) Induktive Statistik, Vergleich von Mittelwerten Errechnen von Mittelwerten t-tests Varianzanalyse, Korrelationseffizienten, Lineare Regression, Nichtparametrische Tests Chi-Quadrat-Test, Binomialtest, Sequenzanalyse, Stichprobentests, Analyse von Mehrfachantworten Multivariate Verfahren Multidimensionale Skalierung Zeitreihenanalyse Entscheidungsbäume (decision trees) Log-lineare Modelle Clusteranalyse Gepoolte Zeitreihenanalyse Logistische Regression Skalenanalyse Conjoint-Analyse Faktorenanalyse, Kundenzufriedenheit Diskriminanzanalyse Strukturgleichungsmodell philender.com/.../multivariate/mathcartoon.gif

2 Wie alles begann

3 Der auslösende Dialog Mir scheint, unsere Ergebnisse sind besser geworden (?) Klar, seit ich hier Chef bin! Rechnen Sie s nach!

4 Bitte kurz einmal rechnen Der Rat des Statistikers I Formulieren Sie eine Hypothese, die sich prüfen läßt Das Ergebnis des Nachdenkens: Hypothese: Das beobachtete Überleben der R0-resezierten Patienten mit Franken-Tumor hat sich seit dem signifikant verbessert. Der Rat des Statistikers II Sammeln Sie die notwendigen Daten Eine homogene Gruppe Vollzählig (alle fraglichen Patienten) Vollständig (alle Merkmale)

5 Bitte kurz einmal rechnen Das Ergebnis der Dokumentation Nummer R-Klass Geb-Datum Geschlecht Op-Datum Status Todesdatum R männlich >2000 tot R männlich >2000 tot R männlich >2000 tot R männlich bis 2000 lebt R männlich bis 2000 tot R männlich >2000 lebt R weiblich bis 2000 tot R weiblich bis 2000 lebt R männlich bis 2000 tot R männlich >2000 tot R weiblich bis 2000 tot R männlich bis 2000 tot R männlich bis 2000 tot R männlich >2000 lebt R weiblich bis 2000 tot R weiblich >2000 lebt R männlich >2000 lebt Insgesamt 382 Patienten mit R0-reseziertem Franken-Tumor von Der Rat des Statistikers III Sammeln Sie die notwendigen Daten Leben die Patienten wirklich, von denen Sie kein Todesdatum haben? Sammeln Sie Informationen beim Hausarzt, Beim Patienten Beim Einwohnermeldeamt

6 Bitte kurz einmal rechnen Das Ergebnis der Dokumentation Nummer R-Klass Geb-Datum Geschlecht Op-Datum Status Todesdatum Letzter Kontakt R männlich >2000 tot R männlich >2000 tot R männlich >2000 tot R männlich bis 2000 lebt R männlich bis 2000 tot R männlich >2000 lebt R weiblich bis 2000 tot R weiblich bis 2000 lebt R männlich bis 2000 tot R männlich >2000 tot R weiblich bis 2000 tot R männlich bis 2000 tot R männlich bis 2000 tot R männlich >2000 lebt R weiblich bis 2000 tot R weiblich >2000 lebt R männlich >2000 lebt

7 Die Tat des Statistikers I Danke!! Unser Chef ist der größte!!! Das. Ergebnis OP_Jahr bis Gesamt Gesamtzahl Log Rank (Mantel- Cox) Chi- Quadrat Freiheitsgrade Sig. OP_Jahr 5,737 0,07 **

8 Der Rat des Statistikers IV Warten wir s ab Prüfen Sie, von welchen Faktoren bereits bekannt ist, dass Sie das Zielereignis Tod des Patienten beeinflussen. Machen Sie eine Literatursuche und dokumentieren Sie mögliche konkurrierende Merkmale. Sammeln Sie die notwendigen Daten

9 Das Ergebnis der Literatursuche Bekannte Faktoren Seite Anzahl N_Kat M_Kat Durchmesser Ausprägungen unten jeweils das höhere Risiko rechts links oder 2 > 2 N0 N M0 M bis 5 cm > 5 cm Wert Empfohlene Codierung Zweit_Tumor Alter nein ja bis 60 Jahre 60 Jahre u. älter 0 0 Abstand CEA > 5mm 5mm bis und höher 0 0

10 Bitte kurz einmal rechnen Das Ergebnis der Dokumentation Nummer. Seite Anzahl der Tumoren N- Kategorie M- Kategorie Tumorgröße Zweittumor Alter Sicherheits- Abstand CEA präoperativ rechts >2 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm bis <3 N0 M0 > 5 cm ja bis 60 Jahre bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm <3 N0 M0 nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm bis 60 Jahre <= 5mm rechts M0 bis 5 cm nein bis 60 Jahre rechts <3 N0 M0 bis 5 cm ja 60 Jahre u. älter > 5mm 30 und höher Links <3 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm rechts <3 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm rechts <3 N0 M0 nein 60 Jahre u. älter > 5mm 30 und höher rechts M0 bis 5 cm nein 60 Jahre u. älter bis rechts <3 N0 M0 bis 5 cm 60 Jahre u. älter > 5mm 30 und höher <3 N0 M0 > 5 cm nein 60 Jahre u. älter <= 5mm 30 und höher rechts <3 N M0 bis 5 cm nein bis 60 Jahre > 5mm rechts <3 N0 bis 5 cm nein 60 Jahre u. älter <= 5mm bis rechts N0 M0 nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter 30 und höher

11 Der Rat des Statistikers V Komplettieren Sie ihre Datensammlung! Nur Fälle, bei denen a l l e Merkmale vorhanden sind, sind später für die multivariate Analyse verwendbar. Im gezeigten Ausschnitt wären 2/7 = 2% der Fälle brauchbar bei allen anderen fehlt mindestens ein Merkmal. Kennzeichnen Sie missings eindeutig, z.b. mit 9 oder Nummer. Seite Anzahl der Tumoren N- Kategorie M- Kategorie Tumorgröße Zweittumor Alter Sicherheits- Abstand CEA präoperativ rechts >2 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm bis <3 N0 M0 > 5 cm ja bis 60 Jahre bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm <3 N0 M0 nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm bis 60 Jahre <= 5mm rechts M0 bis 5 cm nein bis 60 Jahre rechts <3 N0 M0 bis 5 cm ja 60 Jahre u. älter > 5mm 30 und höher Links <3 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm rechts <3 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm rechts <3 N0 M0 nein 60 Jahre u. älter > 5mm 30 und höher rechts M0 bis 5 cm nein 60 Jahre u. älter bis rechts <3 N0 M0 bis 5 cm 60 Jahre u. älter > 5mm 30 und höher <3 N0 M0 > 5 cm nein 60 Jahre u. älter <= 5mm 30 und höher rechts <3 N M0 bis 5 cm nein bis 60 Jahre > 5mm rechts <3 N0 bis 5 cm nein 60 Jahre u. älter <= 5mm bis rechts N0 M0 nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter 30 und höher

12 Bitte kurz einmal rechnen Das verbesserte Ergebnis der Dokumentation Nummer. Seite Anzahl der Tumoren N- Kategorie M- Kategorie Alter Tumorgröße Zweittumor Sicherheits- Abstand CEA präoperativ rechts >2 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 > 5 cm ja bis 60 Jahre > 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm nein bis 60 Jahre <= 5mm unbekannt rechts <3 N0 M0 bis 5 cm nein bis 60 Jahre > 5mm unbekannt rechts <3 N0 M0 bis 5 cm ja 60 Jahre u. älter > 5mm 30 und höher Links <3 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 > 5 cm nein 60 Jahre u. älter > 5mm unbekannt rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm 30 und höher rechts <3 N M0 bis 5 cm nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm 30 und höher rechts <3 N0 M0 > 5 cm nein 60 Jahre u. älter <= 5mm 30 und höher rechts <3 N M0 bis 5 cm nein bis 60 Jahre > 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter <= 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm bis rechts <3 N0 M0 bis 5 cm nein 60 Jahre u. älter > 5mm 30 und höher

13 Die Tat des Statistikers IIa

14 ?????????? Die Tat des Statistikers IIb Log Rank (Mantel-Cox) Chi-Quadrat Freiheitsgrade Sig. Seite 3,84 0,074 * Anzahl 0,92 0,00 ** OP_Jahr 5,737 0,07 ** N_Kat 7,745 0,005 ** M_Kat 5,707 0,07 ** Durchmesser,96 0,6 Zweit_Tumor 8,879 0,0000 ** Alter 2,692 0,0 Abstand,808 0,369 CEA 3,37 0,066 * Alle mit ** gekennzeichneten Merkmale üben univariat einen statistisch signifikanten Einfluß auf die Überlebensraten aus, die mit * gekennzeicheten zeigen eine Trend. Folglich brauchen wir eine multivariate Analyse, wir nehmen das COX-Modell.

15 Zunächst müssen wir die Anzahl der Ereignisse feststellen, denn von der Anzahl der Ereignisse hängt die Anzahl der Faktoren ab, die wir berücksichtigen können. Am einfachsten ist es, wir rechnen eine Überlebenskurve für alle Patienten Die Tat des Statistikers III Bitte weiter rechnen! Faustregel: Faktor pro 20 Ereignisse, also für uns: 20 Todesfälle Gesamtzahl Zusammenfassung der Fallverarbeitung 382 Anzahl der Ereignisse 24 N Zensiert 68 Prozent 0,4

16 Die Tat des Statistikers IV Schritt : Auswahl des Verfahrens Bitte endich rechnen!

17 Bitte weiter Schritt 2a: Zeit und Status eingeben

18 Schritt 2b: Zeit und Status eingeben 2 hier: Zielkriterium beschreiben Bitte weiter

19 Bitte weiter Schritt 3a: Risikofaktoren eingeben

20 Schritt 3a: Risikofaktoren eingeben Kategoriale Merkmale kennzeichnen Bitte weiter

21 Schritt 3b: Risikofaktoren eingeben Kategoriale Merkmale kennzeichnen Bitte weiter

22 Schritt 3c: Risikofaktoren eingeben Kategoriale Merkmale kennzeichnen Bitte weiter

23 Schritt 3d: Risikofaktoren eingeben Kategoriale Merkmale kennzeichnen Bitte weiter

24 Bitte weiter Schritt 4: a) Art der Berechnung festlegen b) Konfidenzintervall anfordern c) Signifikanzniveaux festlegen

25 Schritt 4: b) Konfidenzintervall anfordern c) Signifikanzniveau für Aufnahme ins Modell festlegen Bitte weiter

26 Nur Fälle, bei denen a l l e Merkmale vorhanden sind, sind später für die multivariate Analyse verwendbar. Ergebnis : Fallzahl Auswertung der Fallverarbeitung N Prozent Für Analyse verfügbare Fälle Ereignis 74,5 Zensiert 85,5 Insgesamt 359,9 Nicht verwendete Fälle Fälle mit fehlenden Werten 23, Fälle mit negativer Zeit 0,0 Zensierte Fälle vor dem frühesten Ereignis in einer Schicht 0,0 Insgesamt 23, Insgesamt 382,0

27 Ergebnis 2: Interne Codierung Sinn der Umcodierung: Codierungen für kategoriale Variablen Wir wollen das individuelle Risiko des Patienten als Summe der Beiträge der Risikofaktoren darstellen, wobei der Summand immer 0 sein soll, wenn der Risikofaktor fehlt. OP_Jahr Seite 0=>2000 =bis =rechts =Links Häufigkeit () 0 0 Wir benutzen dazu die Eulersche Zahl e Anzahl N_Kat 0= oder 2 = >2 0=N =N 03 M_Kat 0=M Das ist für den Hausgebrauch 2,72. =M und berechnen das Risiko des einzelnen Patienten nach der Formel CEA 0=bis 29 =30 und höher Risiko = Faktor * e Risikobeitrag vonfaktor + + Faktor n * e Risikobeitrag von Faktor n

28 Ergebnis 3: Einfluss der einzelnen Merkmale Zunächst betrachten wir die Ausgangssituation: Wir merken uns: je kleiner der Wert Signifikanz ist, desto größer der Beitrag des entsprechenden Faktors zum Endergebnis. Die Prozedur versucht nun, das Endergebnis zunächst mit dem Faktor mit dem kleinsten Signifikanz Wert zu erzeugen [wenn sein Wert kleiner ist als der von uns eingegebene Wert für Aufnahme (.05) ], berechnet dann die Signifikanz für die übrigen Faktoren neu und nimmt wiederum den kleinsten hinzu, [wenn sein Wert kleiner ist als der von uns eingegebene Wert für Aufnahme (.05)] u.s.w, so lange bis entweder alle Faktoren verbraucht oder alle Signifikanz -Werte > 0.05 sind. Variablen nicht in der Gleichung Schritt 4: Signifikanzniveau für Aufnahme ins Modell festlegen N_Kat Anzahl Seite Abstand OP_Jahr Durchmesser Score 7,97,07 4,020,85 7,428 2,702 df Signifikanz,005,00,045,74,006,00 Alter,335,563 Zweit_Tumor 8,834,000 M_Kat 9,3,002 CEA 3,66,075

29 Ergebnis 4: Auswahl der Merkmale mit unabhängigem statistisch signifikantem Einfluß Omnibus-Tests der Modellkoeffizienten Schritt 86,363 8,834,000 5,080,000 5,080,000 2 b 803,220 32,83 2,000 3,43,000 28,223 2,000 3 c 797,749 38,557 3,000 5,47,09 33,694 3,000 a -2 Log- Likelihoo d Gesamt (Wert) Signifikanz Chi- Quadrat df Signifikanz Änderung aus vorangegangenem Schritt Chi-Quadrat df Signifikanz Änderung aus vorangegangenem Block Chi-Quadrat df a. Variable(n) eingegeben in Schritt Nr. : Zweit_Tumor b. Variable(n) eingegeben in Schritt Nr. 2: Anzahl c. Variable(n) eingegeben in Schritt Nr. 3: N_Kat d. Beginnen mit Block-Nr.. Methode = Vorwärts schrittweise (Conditional LR)

30 Ergebnis 5: Die gesuchten Prognosefaktoren andere gebräuchliche Bezeichnungen sind: Hazard oder relatives Risiko oder relative risk B SE Wald df Signifikanz Exp(B) 95,0% Konfidenzinterv. für Exp(B) Untere Obere Schritt Zweit_Tumor,82,92 7,84,000 2,253,546 3,285 Schritt 2 Anzahl,634,68 4,322,000,886,358 2,620 Zweit_Tumor,90,95 2,754,000 2,485,695 3,642 Schritt 3 N_Kat,386,62 5,7,07,47,072 2,09 Anzahl,580,70,696,00,787,28 2,492 Zweit_Tumor,97,95 22,023,000 2,502,706 3,669 Das individuelle Risiko des Patienten ist also e,47 * N_Kat + e,787 * Anzahl + e,706 * Zweittumor 0.39 * N_Kat * Anzahl * Zweittumor wobei das Risiko 0 ist, wenn alle Summanden 0 sind, also der Patient keinen Risikofaktor hat.

31 ??? Warum ist jetzt unser Chef kein Faktor mehr? Der Rat des Statistikers VI Ich sehe einen Trend (Signifikanz < 0.), lassen Sie mich etwas versuchen. Variablen nicht in der Gleichung Score df Signifika nz Schritt 3 Seite,707,400 Abstand,037,308 OP_Jahr 3,073,080 Durchmesser 3,027,082 Alter 2,048,52 M_Kat,4,708 CEA 2,332,27

32 Schritt 4: c) Signifikanzniveau für Aufnahme ins Modell festlegen Die Tat des Statistikers V

33 Ergebnis 5: Die gesuchten Prognosefaktoren 3,689,72 2,53,000 Zweit_Tumor,928,04,398,04 Durchmesser,990,02,49,043 OP_Jahr 2,376,209,695,002 Anzahl,884,989,365,058 N_Kat Schritt 3 Obere Untere 95,0% Konfidenzinterv. für Exp(B) Exp(B) Signifikanz Ergebnis

34 Warum ist jetzt unser Chef jetzt d o c h ein signifikannter Faktor? Ergebnis Signifikanz Exp(B) 95,0% Konfidenzinterv. für Exp(B) Untere Obere Schritt 3 N_Kat,058,365,989,884 Anzahl,002,695,209 2,376 OP_Jahr,043,49,02,990 Durchmesser,04,398,04,928 Zweit_Tumor,000 2,53,72 3,689

35 Der abschließende Rat des Statistikers Die Cox-Regression ist ein Verfahren, das bedingte Wahrscheinlichkeiten schätzt. Das Ergebnis dieser Schätzung hängt von sehr vielen Faktoren ab, deren Einfluß im Detail nicht vorhergesagt werden kann. Hier hilft nur Fachkenntnis und Erfahrung. Genauso wenig, wie man durch Lesen der Operationslehre zum Chirurgen werden kann, wird man durch Lesen des SPSS-Handbuchs zum Statistiker. Also: zu Risiken und Nebenwirkungen fragen Sie einen Fachmann oder wählen Sie beispielsweise +44 (0) (Statistics) Da werden Sie geholfen.

36 Professor Sir David Cox 990 gewann er den Charles F. Kettering Prize der General Motors Cancer Research Foundation und die Goldmedaille der Cancer Research Gesellschaft für die Entwicklung der nach ihm benannten Cox-Regression, die sich mit der Modellierung von Überlebenszeiten beschäftigt. david.cox at nuffield.ox.ac.uk Main contact information: +44 (0) (Nuffield College Direct) +44 (0) (Fax) Nuffield College, New Road, Oxford,OX NF *5. Juli 924 in Birmingham, England United Kingdom Alternative contact information: +44 (0) (Statistics)

37 D. R. Cox, Regression Models and Life-Tables Journal of the Royal Statistical Society. Series B (Methodological), Vol. 34, No. 2. (972), pp

38 D. R. Cox, Regression Models and Life-Tables Journal of the Royal Statistical Society. Series B (Methodological), Vol. 34, No. 2. (972), pp

39 Der letzte Dialog zu diesem Thema War spannend, oder? Hab ich längst gewußt, Klemme bitte!!

40 und wenn sie nicht gestorben sind.

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

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

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

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

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

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

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

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

Log-lineare Analyse I

Log-lineare Analyse I 1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

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

Statistische Analyse von Ereigniszeiten

Statistische Analyse von Ereigniszeiten Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit

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

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

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

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

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

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

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

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

Algorithmische Modelle als neues Paradigma

Algorithmische Modelle als neues Paradigma Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN

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

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

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

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression I

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression I Institut für Soziologie Dipl.-Soz. Methoden 2 Logistische Regression I Programm Ergänzung zu letzter Sitzung: Interpretation nichtlinearer Effekte Anwendungsbereich der logistischen Regression Entwicklung

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

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

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

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

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

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

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

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

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2015 12. Mai 2015 c Roland Rau Survival Analysis 1 / 24 Hausaufgabe 1 Schreiben Sie die Log-Likelihood Gleichung

Mehr

Übungen zur Veranstaltung Statistik 2 mit SPSS

Übungen zur Veranstaltung Statistik 2 mit SPSS Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe

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

Diskriminanzanalyse Beispiel

Diskriminanzanalyse Beispiel Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode

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

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

Prof. Dr. Achim Bühl SPSS 20. Einführung in die moderne Datenanalyse. 13., aktualisierte Auflage. Higher Education

Prof. Dr. Achim Bühl SPSS 20. Einführung in die moderne Datenanalyse. 13., aktualisierte Auflage. Higher Education SPSS 20 SPSS 20 Prof. Dr. Achim Bühl Einführung in die moderne Datenanalyse 13., aktualisierte Auflage Higher Education Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek

Mehr

Interaktive internetbasierte Auswertung der Krebsregister am OSP Stuttgart mittels der Software OCDM Online Clinical Data Mining Version 2.

Interaktive internetbasierte Auswertung der Krebsregister am OSP Stuttgart mittels der Software OCDM Online Clinical Data Mining Version 2. Interaktive internetbasierte Auswertung der Krebsregister am OSP Stuttgart mittels der Software OCDM Online Clinical Data Mining Version 2.5 Handbuch 4. August 2009 c Random Research, c/o Institut für

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

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

Entscheidungsbaumverfahren

Entscheidungsbaumverfahren Entscheidungsbaumverfahren Allgemeine Beschreibung Der Entscheidungsbaum ist die Darstellung einer Entscheidungsregel, anhand derer Objekte in Klassen eingeteilt werden. Die Klassifizierung erfolgt durch

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

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

Künstliche Neuronale Netze und Data Mining

Künstliche Neuronale Netze und Data Mining Künstliche Neuronale Netze und Data Mining Catherine Janson, icasus GmbH Heidelberg Abstract Der Begriff "künstliche Neuronale Netze" fasst Methoden der Informationstechnik zusammen, deren Entwicklung

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

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

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

9 Resümee. Resümee 216

9 Resümee. Resümee 216 Resümee 216 9 Resümee In der vorliegenden Arbeit werden verschiedene Methoden der Datenreduktion auf ihre Leistungsfähigkeit im sozialwissenschaftlichstatistischen Umfeld anhand eines konkreten Anwendungsfalls

Mehr

Grundlagen Statistik Angewandte Statistik 3. Semester

Grundlagen Statistik Angewandte Statistik 3. Semester Angewandte Statistik 3. Semester Zur Person Constantin von Craushaar Consultant / Partner Innstat e.u. (www.innstat.com) info@innstat.com Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS

Mehr

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell

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

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

Praxisorientierte. Weiterbildung KURSE 2014. dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH

Praxisorientierte. Weiterbildung KURSE 2014. dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH KURSE 2014 Praxisorientierte Weiterbildung dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH TELEFON (+41) 44 266 90 30 FAX (+41) 44 266 90 39 E-MAIL INFO@DYNELYTICS.COM Dynelytics IBM SPSS-Kurse 2014

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

Einführung in SPSS. 1. Die Datei Seegräser

Einführung in SPSS. 1. Die Datei Seegräser Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten

Mehr

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher

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

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

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

Mehr

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

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

Multivariate Analyseverfahren

Multivariate Analyseverfahren Multivariate Analyseverfahren Logistische Regression Prof. Dr. Stein 14.01.2014 & 20.01.2014 1 / 62 Inhaltsverzeichnis 1 Grundidee 2 3 4 5 2 / 62 Der Erklärungsgegenstand Soziale Forschungsgegenstände

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

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

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

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

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

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

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

kurse 2013 Die genauen Kurstermine und Anmeldeformulare finden Sie unter www.dynelytics.com

kurse 2013 Die genauen Kurstermine und Anmeldeformulare finden Sie unter www.dynelytics.com Kurse 2013 SPSS kurse 2013 1 2 3 4 5 6 7 Einführungskurs Arbeiten mit IBM SPSS Statistics IBM SPSS Statistics in der Medizin Praktische Einführung in die quantitative Marktforschung Vertiefungskurs Arbeiten

Mehr

Logistische Regression - - - - - 24. Juni 2011

Logistische Regression - - - - - 24. Juni 2011 Lehrveranstaltung Empirische Forschung und Politikberatung Sommersemester 2011 Logistische Regression - - - - - 24. Juni 2011 Anja Hall, Bundesinstitut für Berufsbildung, AB 2.2: Qualifikation, berufliche

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

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

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Ereignisanalyse. Sterbetafel-Methode Kaplan-Meier-Verfahren Cox-Regression. Kurt Holm. Almo Statistik-System

Ereignisanalyse. Sterbetafel-Methode Kaplan-Meier-Verfahren Cox-Regression. Kurt Holm. Almo Statistik-System Ereignisanalyse Sterbetafel-Methode Kaplan-Meier-Verfahren Cox-Regression Kurt Holm Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at 2013 1 Im Text wird häufig auf das

Mehr

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

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

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27 Inhaltsverzeichnis Einleitung 19 SPSS oder PASW oder was? 19 Über dieses Buch 20 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut

Mehr

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik fh management, communication & it Folie 1 Angewandte Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines einfachen Beispieles Häufigkeitsauswertungen Grafiken Datenmanipulationen

Mehr

Übersicht. VL Forschungsmethoden. Ereignisdatenanalyse

Übersicht. VL Forschungsmethoden. Ereignisdatenanalyse VL Forschungsmethoden Ereignisdatenanalyse 1 2 3 4 5 Übersicht VL Forschungsmethoden Event Data (1/45) Harold Macmillan, PM 1957-1963 The greatest challenge in politics: events, my dear boy, events Was

Mehr

SPSS Regression Models 12.0

SPSS Regression Models 12.0 SPSS Regression Models 12.0 Weitere Informationen zu SPSS -Software-Produkten finden Sie auf unserer Website unter der Adresse http://www.spss.com, oder wenden Sie sich an SPSS GmbH Software Rosenheimer

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

Survival-Analyse mit zeitabhängigen Variablen

Survival-Analyse mit zeitabhängigen Variablen Klinische/Epidemiologische Anwendungen II Survival-Analyse mit zeitabhängigen Variablen Anja Schoeps Universität Heidelberg Institut für Public Health Im Neuenheimer Feld 324 69120 Heidelberg Schoeps@uni-heidelberg.de

Mehr

Oracle Capacity Planning

Oracle Capacity Planning Seminarunterlage Version: 2.03 Version 2.03 vom 8. Juli 2014 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen oder

Mehr

Überlebenszeitanalyse Teil 15 der Serie zur Bewertung wissenschaftlicher Publikationen

Überlebenszeitanalyse Teil 15 der Serie zur Bewertung wissenschaftlicher Publikationen ÜBERSICHTSARBEIT Überlebenszeitanalyse Teil 5 der Serie zur Bewertung wissenschaftlicher Publikationen Isabella Zwiener, Maria Blettner, Gerhard Hommel ZUSAMMENFASSUNG Hintergrund: Zum Vergleich von zwei

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

Evaluation der Normalverteilungsannahme

Evaluation der Normalverteilungsannahme Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Binäre logistische Regressionsanalyse

Binäre logistische Regressionsanalyse Binäre logistische Regressionsanalyse Eine Einführung für Sozialwissenschaftler mit SPSS für Windows Sabine Fromm Bamberger Beiträge zur empirischen Sozialforschung Nr. 11, 2005 Herausgeber: Gerhard Schulze

Mehr

Modellierung des Stornos nach Beitragsanpassung in der PKV

Modellierung des Stornos nach Beitragsanpassung in der PKV ierung des Stornos nach Beitragsanpassung in der PKV 02.07.2013 Alexander Küpper Central Krankenversicherung AG Inhaltsverzeichnis Einführung Gesetzlicher Rahmen Stornomodell Anwendung Ausblick und Weiterentwicklung

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

Machen Sie aus Sicherheit ein System.

Machen Sie aus Sicherheit ein System. Machen Sie aus Sicherheit ein System. Safety Management System (SMS) Januar 2010 // Aviation Quality Services Definition Sicherheit. Abwehr gegen Gefahren für menschliches Leben und Material. Sicherheitsmaßstab

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

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

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

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr