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

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

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

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

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

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

S^^SS 22. Einführung in die moderne Datenanalyse. Achim Bühl. 14., aktualisierte Auflage

S^^SS 22. Einführung in die moderne Datenanalyse. Achim Bühl. 14., aktualisierte Auflage S^^SS 22 Einführung in die moderne Datenanalyse 14., aktualisierte Auflage Achim Bühl INHALT Inhaltsverzeichnis Vorwort zur vierzehnten Auflage 15 1 Installation und Historie von SPSS 17 1.1 Systemvoraussetzungen

Mehr

Prof. Dr. Achim Bühl SPSS 16. Einführung in die moderne Datenanalyse. 7 7., überarbeitete und erweiterte Auflage PEARSON. Studium

Prof. Dr. Achim Bühl SPSS 16. Einführung in die moderne Datenanalyse. 7 7., überarbeitete und erweiterte Auflage PEARSON. Studium Prof. Dr. Achim Bühl SPSS 16 Einführung in die moderne Datenanalyse 7 7., überarbeitete und erweiterte Auflage PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England

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

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

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

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

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

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

Statistische Auswertung:

Statistische Auswertung: Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.

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

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

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

Unsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten

Unsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten Unsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten Sie schreiben eine wissenschaftliche Arbeit und müssen hierfür Daten statistisch analysieren? Sie haben bisher wenig Erfahrung im

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

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

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

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

Prüfung eines Datenbestandes

Prüfung eines Datenbestandes Prüfung eines Datenbestandes auf Abweichungen einzelner Zahlen vom erwarteten mathematisch-statistischen Verhalten, die nicht mit einem Zufall erklärbar sind (Prüfung auf Manipulationen des Datenbestandes)

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

Achim Bühl, Peter Zöfel. SPSS Version 10. Einführung in die moderne Datenanalyse unter Windows. 7., überarbeitete und erweiterte Auflage

Achim Bühl, Peter Zöfel. SPSS Version 10. Einführung in die moderne Datenanalyse unter Windows. 7., überarbeitete und erweiterte Auflage Achim Bühl, Peter Zöfel SPSS Version 10 Einführung in die moderne Datenanalyse unter Windows 7., überarbeitete und erweiterte Auflage ADDISON-WESLEY An imprint of Pearson Education München Bosten San Francisco

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

Parametrische Statistik

Parametrische Statistik Statistik und ihre Anwendungen Parametrische Statistik Verteilungen, maximum likelihood und GLM in R Bearbeitet von Carsten F. Dormann 1. Auflage 2013. Taschenbuch. xxii, 350 S. Paperback ISBN 978 3 642

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

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

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

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

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

Einführung in die statistische Datenanalyse I

Einführung in die statistische Datenanalyse I Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE

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

Inhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16

Inhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16 Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.

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

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

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen

Mehr

Analytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10

Analytische Statistik I. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Analytische Statistik I Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2009/10 Testen Anpassungstests (goodness of fit) Weicht eine gegebene Verteilung signifikant von einer bekannten

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

Studiendesign und Statistik: Interpretation publizierter klinischer Daten

Studiendesign und Statistik: Interpretation publizierter klinischer Daten Studiendesign und Statistik: Interpretation publizierter klinischer Daten Dr. Antje Jahn Institut für Medizinische Biometrie, Epidemiologie und Informatik Universitätsmedizin Mainz Hämatologie im Wandel,

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

Einführung in Statistik und Messwertanalyse für Physiker

Einführung in Statistik und Messwertanalyse für Physiker Gerhard Böhm, Günter Zech Einführung in Statistik und Messwertanalyse für Physiker SUB Göttingen 7 219 110 697 2006 A 12486 Verlag Deutsches Elektronen-Synchrotron Inhalt sverzeichnis 1 Einführung 1 1.1

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

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

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

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

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

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

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

Einführung in statistische Testmethoden

Einführung in statistische Testmethoden Einführung in statistische Testmethoden und die Bearbeitung von Messdaten mit Excel 1. Beispielhafte Einführung in den Gebrauch von Testmethoden 2. Typen von Messwerten, Verteilungen 3. Mittelwert, Varianz,

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

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

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

Logistische Regression

Logistische Regression Grundideen Logistische Regression Exkurs Logistische Regression Auch nachzulesen bei: http://www.psychologie.uniwuerzburg.de/methoden/lehre/skripten/hs_meth_evaluation/hs_evaluation_logistisch eregression.pdf

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

Die Wahlpflichtfächer. Operations Research Statistik/Ökonometrie. Optimierung linearer Modelle Statistische Analyseverfahren

Die Wahlpflichtfächer. Operations Research Statistik/Ökonometrie. Optimierung linearer Modelle Statistische Analyseverfahren Die Wahlpflichtfächer Operations Research Statistik/Ökonometrie Modellierung ökonomischer Sachverhalte mit mathematischen Mitteln Einsatz statistischer Modelle zur Erfassung und zur Auswertung von Daten

Mehr

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

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

Mehr

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

Computergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08

Computergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08 Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung

Mehr

SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben

SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben Helmut Küchenhoff, Cornelia Oberhauser, Monia Mahling, Armin Monecke Im Folgenden gibt es 4 Aufgabenblöcke. Block 1: Daten einlesen,

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

Grundlagen der Inferenzstatistik

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

Mehr

Künstliche Intelligenz Maschinelles Lernen

Künstliche Intelligenz Maschinelles Lernen Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen

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

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

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

Mehr

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

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

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

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

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

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

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

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

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

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

Studiendesign/ Evaluierungsdesign

Studiendesign/ Evaluierungsdesign Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung

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

Achim Bühl, Peter Zöfel SPSS. Methoden für die Markt- und Meinungsforschung. Technische Unäversität Darmstadt

Achim Bühl, Peter Zöfel SPSS. Methoden für die Markt- und Meinungsforschung. Technische Unäversität Darmstadt Inv.-Nr: Achim Bühl, Peter Zöfel SPSS Methoden für die Markt- und Meinungsforschung Technische Unäversität Darmstadt Institut für Sportwissenschaft - Bibliothek Magdalenenstraße 27, 64289 Darmstadt Tel.:

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

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

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

SPSS III Mittelwerte vergleichen

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

Mehr

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

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

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Einfluss von einem Computerspiel auf Depression, Angststörungen und Schmerzen bei stationären Patienten: rct. Institut für Physiotherapie

Einfluss von einem Computerspiel auf Depression, Angststörungen und Schmerzen bei stationären Patienten: rct. Institut für Physiotherapie Einfluss von einem Computerspiel auf Depression, Angststörungen und Schmerzen bei stationären Patienten: rct Institut für Physiotherapie Der rote Faden Wie ist die epidemiologische Datenlage? Nehmen psychische

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

Alle WGKT-Empfehlungen können unter www.wgkt.de eingesehen und heruntergeladen werden.

Alle WGKT-Empfehlungen können unter www.wgkt.de eingesehen und heruntergeladen werden. WGKT-Empfehlung Betriebswirtschaftliche Kennzahlen von Krankenhäusern Stand: 05.11.2009 Arbeitskreismitglieder: Prof. Dr. K. Lennerts (Leitung), Karlsruhe; Prof. Dr. C. Hartung, Hannover; Dr. T. Förstemann,

Mehr

Beliebig-dimensionale Tabellierung P11. Kurt Holm

Beliebig-dimensionale Tabellierung P11. Kurt Holm Beliebig-dimensionale Tabellierung P11 Kurt Holm Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at Siehe auch die beiden Almo-Dokumente Nr. 27 "Eindimensionale Häufigkeitsverteilung"

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

Was ist eine gute Klinische Studie - die Sicht der Statistik. Peter Martus Institut für Biometrie und Klinische Epidemiologie

Was ist eine gute Klinische Studie - die Sicht der Statistik. Peter Martus Institut für Biometrie und Klinische Epidemiologie Was ist eine gute Klinische Studie - die Sicht der Statistik Peter Martus Institut für Biometrie und Klinische Epidemiologie Historisches Beispiel James Lind (1716-1794) entwickelte 1747 als britischer

Mehr

Kaplan-Meier-Schätzer

Kaplan-Meier-Schätzer Kaplan-Meier-Schätzer Ausgangssituation Zwei naive Ansätze zur Schätzung der Survivalfunktion Unverzerrte Schätzung der Survivalfunktion Der Kaplan-Meier-Schätzer Standardfehler und Konfidenzintervall

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

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

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

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

Tutorial. Mediationsanalyse mit PROCESS. stefan.pfattheicher@uni-ulm.de. Das Konzept Mediation

Tutorial. Mediationsanalyse mit PROCESS. stefan.pfattheicher@uni-ulm.de. Das Konzept Mediation Tutorial Mediationsanalyse mit PROCESS stefan.pfattheicher@uni-ulm.de Das Konzept Mediation Ein Mediator (folgend M) erklärt den Zusammenhang zwischen unabhängiger Variable (folgend X) und einer abhängigen

Mehr