Vorlesung Marktforschung
|
|
- Kerstin Knopp
- vor 8 Jahren
- Abrufe
Transkript
1 Vorlesung Marktforschung Analyse komplexer Kausalstrukturen Sommersemester 2011 TU Berlin, Lehrstuhl Marketing Prof. Dr. V. Trommsdorff, Sekr. WIL-B-3-1, Wilmersdorfer Straße 148, Berlin Tel: +49.(0) , Fax: +49.(0) , Internet:
2 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiel Kausalanalyse 2
3 Einführungsbeispiel Wie die Verkäuferzufriedenheit die Kundenzufriedenheit beeinflusst Salespeople s Perceptions of: Sales Person s Job Satisfation γ 21 =.24* (t = 8.52) Customer s Perceptions of: Customer Satisfaction η 2 ξ 1 γ 18 =.18* (t = 6.54) Quality of Customer Interaction β 21 =.66* (t = 12.01) Quality of the Company s Offer ξ 2 γ 22 =.60* (t = 10.13) η 1 Quality of Processes γ 23 =.45* (t = 9.87) ξ 3 Quelle: Homburg, Ch., Stock, R., The Link Between Salespeople s Job Satisfaction and Customer s Satisfaction in a Business-to-Business Context: A Dyadic Analysis, JAMS 32 (2004), S *p <.05 GFI =.91, AGFI =.90,, CFI =.91 Kausalanalyse 3
4 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiel Kausalanalyse 4
5 Theoretischer Anspruch Kausalität Theoretischer Anspruch Ursache-Wirkungs-Beziehungen sind strenggenommen nicht beweisbar, sie können aber als wahrscheinlich angenommen werden, wenn u.v. und a.v. korreliert sind a.v. zeitlich nachläuft das System isoliert ist, also keine Drittvariablen auf a.v. einwirken können keine systematischen, nur zufällige Fehler einfließen. In der Forschungsrealität treten diverse Verletzungen dieser Bedingungen auf, u.a. ex-post-facto-daten: zeitlicher Nachlauf nicht gewährleistet Korrelationsdaten: Drittvariablenkontrolle fehlt Kausalanalyse 5
6 Theoretischer Anspruch Kausalität kann absolut und relativ verstanden werden Experimente Sekundärdatenoder Felddaten- Kausalanalyse sollen Kausalität absolut nachweisen. Strenge Anforderungen an u.v.-manipulation und Drittvariablenkontrolle Dann hohe interne Validität, jedoch geringe externe Validität. Deshalb und wegen Undurchführbarkeit vieler Experimente: sollen Kausalität nur relativ nachweisen: Dazu müssen folgende Bedingungen erfüllt sein: Theoriefundierung: vor der Analyse müssen theoretisch fundierte Hypothesen vorliegen, nicht aus den Daten erst exploriert werden (konfirmatorisches Vorgehen) Komplexität: auch alle nicht interessierenden Hypothesen über Wirkungen auf die a.v. / zwischen u.v. müssen modelliert werden. Fit: Das vollständige Modell muß darauf geprüft werden, ob die Daten seiner Gültigkeit widersprechen. Kausalanalyse 6
7 Theoretischer Anspruch Beispiel zur Zerlegung von Korrelationen in kausale Effekte (1) Statistische Zusammenhänge (Korrelationen) sind noch keine kausalen Zusammenhänge, es sei denn aus streng kontrollierten Experimenten. So kann eine Korrelation zwischen X und Y bedeuten: a) X Y, b) X Y, c) X Y, d) X Y, e) X Y, f) X Y Z Z Z Beispiel: X = Werbebudget, Y = Umsatz, Z = Zeit X Y Z mit folgenden Korrelationen: X Y -.87 Z - Welche Kausalstruktur liegt vor? Insbesondere: gibt es Scheinkorrelationen vom Typ e) oder f)? Diese Fragen lassen sich durch Zerlegung der gemessenen Korrelationen beantworten, nämlich in nicht kausale Korrelation (f) z.b.: p yx =.22 direkte kausale Korrelation (a) X Y indirekte kausale Korrelation (e) p xz =.89 p yz =.67 Z Pfadkoeffizienten p (standardisierte Regressionskoeffizienten) messen direkte kausale Effekte. Nach Hammann/Erichson, Marktforschung, 4. Aufl. S Kausalanalyse 7
8 Theoretischer Anspruch Beispiel zur Zerlegung von Korrelationen in kausale Effekte (2) Das kleine Beispiel eines Pfadmodells X Y lässt sich ausdrücken als System linearer Gleichungen: Z x = p xz * z y = p yx * x + p yz * z Die Pfadkoeffizienten p ergeben sich aus der Regressionsanalyse (standardisierte Koeffizienten): p xz =.89 p yx =.22 p yz =.67 Damit können die drei Korrelationskoeffizienten in ihre ursächlichen Komponenten zerlegt werden: r yz =.87 = direkter Effekt.67 + indirekter Effekt.89*.22 = r yx =.83 = direkter Effekt.22 + residuale Nichtkausalität ( ) = r xz =.89 = p xz Nach Hammann/Erichson, Marktforschung, 4. Aufl. S Kausalanalyse 8
9 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiel Kausalanalyse 9
10 Pfaddiagramm Pfaddiagramm (1) R a p 3a X3 p 53 p 31 p 32 p43 X 1 X 5 X 2 p 41 p 54 p 5c p 42 X 4 R c R b p 4b Kausalanalyse 10
11 Pfaddiagramm Pfaddiagramm (2) Multiple Regressionsgleichungen X 3 = b 32 x 2 + b 31 x 1 + e 3 (1) x 4 = b 43 x 3 + b 42 x 2 + b 41 x 1 + e 4 (2) x 5 = b 54 x 4 + b 53 x 3 + b 52 x 2 + b 51 x 1 + e 5 (3) Grundtheorem der Pfadanalyse r ij = Σp iq r qj (4) r 51 = p 51 r 11 + p 52 r 21 + p 53 r 31 + p 54 r 41 (5) r 52 = p 51 r 12 + p 52 r 22 + p 53 r 32 + p 54 r 42 (6) r 53 = p 51 r 13 + p 52 r 23 + p 53 r 33 + p 54 r 43 (7) r 54 = p 51 r 14 + p 52 r 24 + p 53 r 34 + p 54 r 44 (8) r 51 = p 53 r 13 + p 54 r 14 (11) r 52 = p 53 r 23 + p 54 r 24 (12) r 53 = p 53 r 33 + p 54 r 34 (13) r 54 = p 53 r 34 + p 54 r 44 (14) Kausalanalyse 11
12 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiel Kausalanalyse 12
13 Pfaddiagramm Einfaches Kausalmodell mit direkt gemessenen Variablen X1 β 11 ε ζ Y X2 β 21 Exogene Variablen Endogene Variablen Y β β ε = X1 2 1X2 ζ Kausalanalyse 13
14 φ Pfaddiagramm Faktorenanalyse Kausalanalytisch: Exploratorische (EFA) und konfirmatorische (CFA) F 1 F 2 F 3 a 11 a 36 X 1 X 2 X 3 X 4 X 5 X 6 EFA ε 1 ε 2 ε 3 ε 4 ε 5 ε 6 F 1 F 2 α 1 α 2 α 3 α 4 α 5 α 6 CFA X 1 X 2 X 3 X 4 X 5 X 6 ε 1 ε 2 ε 3 ε 4 ε 5 ε 6 Kausalanalyse 14
15 Dahinter steht Carnaps Zwei-Sprachen-Theorie Theoretical concepts Behavior Intention Attitude Social Norm Observational concepts Observational plan Key: Non-observational Correspondence proposition rules Source: nach Bagozzi, R.P.: Principles of Marketing Research, Cambridge 1994, S.3 Kausalanalyse 15
16 LISREL-Model Causal structure ζ ξ η 1 γ 1 "Theory" λ x 1 λ x 2 λ y 1 λ y 2 x 1 x 2 y 1 y 2 Observation" δ 1 δ 2 ε 1 ε 2 Measurement model exogeneous Measurement model endogeneous Kausalanalyse 16
17 δ δ δ δ λ λ λ λ φ λ ζ λ ε ε Structural Equation Modeling Kausalmodell mit Messhypothesen und drei latenten Konstrukten X1 X2 X3 X4 x1 x2 x3 x4 X1 X2 γ 11 γ 2 1 Y y1 y2 Y1 Y2 1 2 Mess-(Faktor-) Modell Kausalmodell Mess-(Faktor-) Modell Y i = λ i Y + ε i Y i = λ i Y + δ i Y i = λ 11 Y 1 + λ 21 Y 2 + ζ Kausalanalyse 17
18 Structural Equation Modeling Empirisch bestätigtes Modell 0,72 0,65 0,23 0,45 A 0 TRO NBMC 1 NBMC 2 0,53 0,59 0,87 0,74 A 0,76 NBMC 0,95-0,34 BI 0,17 1 0,60 B1 BI1-0,31 0,75 A0 = Einstellungs-Meßmodell von Fishbein TRO = Einstellungs-Meßmodell von Trommsdorff NBMC1, NBMC2 = 2 Indikatoren für normative Einflüsse (Fragen) A = Konstrukt Einstellung NBMC = Konstrukt normativer Überzeugung BI = Konstrukt Verhaltensintension BI1, BI2 = 2 Indikatoren für Verhaltensintention (Fragen) B = Verhaltenskonstrukt B1,B2 = 2 Indikatoren für Verhalten (Verhaltensbeobachtung) χ 2 = 4,43 p = 0,61 Kausalanalyse 18
19 Structural Equation Modeling Erfolgsfaktoren Gastronomiestudie Geschätztes Totalmodell 2 (mit komplexem Erfolgskonstrukt).442 Wohnbevölkerung attrakt. Lage Lauffrequenz Attraktivität Gesamteindruck Eingang Fläche Ausgehhäufigkeit Marktkenntnisse Kaufm. Ausbildung Branchenkenntn Freundlichkeit Kontaktfähigkeit Aufgeschl.heit Kritikfähigkeit Toleranz.755 Gebäudeattrakt. Standortqualität Betriebsgröße Zielgruppenstrategie Wettbew. intensität Erfolg Kaufm. und Branchenkenntn. Persönlichkeit Stammg.- anteil Wettbew. Int Hektol. p.a Beitrag Stammg.ant.eil Kausalanalyse 19
20 Causal Modeling Principle of causal analysis Causal Modeling is a popular scientific term for the use of structural equation models (SEM) to analyze empirical data in order to test theoretical propositions. Methodological problem of causal analysis with SEM Estimate a covariance (or correlation) matrix based on a theoretical model, the model-implied covariance matrix sample covariance (or correlation) matrix. Σˆ, which best approximates an observed Kausalanalyse 20
21 Structural Equation Modeling Structural Equation Modeling Quellen der SEM-Methodik Synonyms: Deutsch: Covariance structure analysis Lineare Strukturgleichungsmodelle Covariance structure modeling Kovarianzstrukturanalysen Analysis of covariance structures Kausal(struktur)analysen Regression/Path analysis Factor analysis Structural equation models Quelle: Axel Bichler, LISREL-Kurs am Lehrstuhl Marketing 1 der TU Berlin im Frühjahr 2002 Kausalanalyse 21
22 Structural Equation Modeling Programme der Kausalanalyse (Linear-Strukturgleichungs-Analyse) Verfahren Vorteile Nachteile, Probleme LISREL (Jöreskog, Sörbom) EQS (Bentler) Maximum Likelyhood-Schätzer hohe Präzision viele Fit-Maße hohe Akzeptanz / Verbreitung viele alternative Schätzer (GLS) hoher Allgemeinheitsgrad gute, z.t. graphische Oberfläche hoher Einarbeitungsaufwand hohe Empfindlichkeit Wenig freundliche Oberfläche beschränkter Fitmaß-Vorrat Probleme bei großen Modellen CALIS (in SAS) Integration neuer Verfahren viele Fit-Maße geringe Verbreitung / Erfahrung AMOS (SPSS wie LISREL) Anbindung an SPSS gute grafische Oberfläche Siehe LISREL, aber freundlicher PLS schnelle Schätzung gut für explorative Phasen nur ein Schätzverfahren wenige Modellbewertungsmaße Kausalanalyse 22
23 Structural Equation Modeling Formale Nomenklatur in LISREL η = eta ξ = ksi ζ = zeta Β = beta Θ = teta Vektor der endogenen Konstrukte Vektor der exogenen Konstrukte Vektor der Fehlervariablen Matrix der Koeffizienten zwischen endogenen Konstrukten Matrix der Koeffizienten zwischen endo- und exogenen Konstrukten Variablenbezeichnungen X,Y,ξ,ζ Koeffizientenbezeichnungen β,γ,η,λ,ε,δ Kausalanalyse 23
24 Structural Equation Modeling Basic statistical concepts: Covariances, Correlations Unbiased sample estimator of covariance: ( X X )( Y Y ) i 1 i i = cov( X, Y ) = ; X, Y N 1 Standardizing a variable: N : sample means z X X ( 1 = ; Standard deviaton = = X i i sx s N 1 x N X ) Pearson correlation: r XY = cov( X, Y ) 1 = z z i = xi s s N 1 x y N yi Quelle: Axel Bichler, LISREL-Kurs am Lehrstuhl Marketing 1 der TU Berlin im Frühjahr 2002 Kausalanalyse 24
25 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiel Kausalanalyse 25
26 Model Notation Model notation X Observed variable (manifest, indicator) F Unobserverd variable (construct, factor) Direct effect Reciprocal effect Unanalyzed association (covariance, correlation) Quelle: Axel Bichler, LISREL-Kurs am Lehrstuhl Marketing 1 der TU Berlin im Frühjahr 2002 Kausalanalyse 26
27 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiel Kausalanalyse 27
28 Ablauf einer Kausalanalyse Ablauf einer Kausalanalyse mit LISREL Aus einer empirischen Matrix von Variablen-Interrelationen (Kovarianzen, Korrelationen) wird auf die (hypothetisch) kausal verantwortliche Einflussgrößenstruktur geschlossen. Das Kausalmodell muß die Datenstruktur hinreichend gut rekonstruieren können. Problemspezifizierung Hypothesenformulierung Grafisches Kausal- und Meßmodell Mathematische Modellspezifikation Beurteilung der Hypothesen Beurteilung der Modellgüte Schätzung der Modell- Paramter Prüfung der Modell- Identifiziertheit Kausalanalyse 28
29 Ablauf einer Kausalanalyse LISREL-Probleme Identifikationsproblem: Je nach Zahl der zu schätzenden Parameter und nach Zahl der eingehenden empirischen Varianzen/Kovarianzen ist ein Modell unteridentifiziert, identifiziert oder überidentifiziert. Schätzproblem: Suche nach solchen Werten für die unbekannten Modellparameter, für die der Abstand zwischen der vom Modell erzeugten Kovarianzmatrix und der empirischen Kovarianzmatrix möglichst gering wird. (z.b. maximumlikelihood-minimierung einer Diskrepanzfunktion) Kausalanalyse 29
30 Ablauf einer Kausalanalyse Kann LISREL Ihr Modell überhaupt rechnen? Requirements for identification t-rule (necessary but not sufficient condition): t: number of estimated parameters p: number of observed endogenous variables q: number of observed exogenous variables More sophisticated rules are available (Null B rule, recursive rule, rank and order conditions) t 1 2 ( p + q)( p + q + 1) Quelle: Bollen (1989), pp Kausalanalyse 30
31 Ablauf einer Kausalanalyse Data Screening An ounce of prevention is worth a pound of cure Data preparation and screening is crucial Aspects: Form of input data (raw, matrix summaries: correlations, covariances) Missing data (patterns; listwise or pairwise deletion, imputation) Outliers (univariate, multivariate) Normality (univariate, multivariate; transformations) Linearity and homoscedasticity (transformations) Multicollinearity (eliminate or combine variables) Relative variances (rescaling) PRELIS supports data screening and preparation Quelle: Axel Bichler, LISREL-Kurs am Lehrstuhl Marketing 1 der TU Berlin im Frühjahr 2002 Kausalanalyse 31
32 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiel Kausalanalyse 32
33 Beurteilungskriterien Beurteilung von Kausalmodellen (1) Ein zentrales Problem bei der Anwendung der Kausalanalyse ist die Gütebeurteilung, d.h. die Beantwortung der Frage, ob ein bestimmtes Modell in hinreichendem Umfang mit dem Datensatz konsistent ist. Die Beurteilung ist qua Komplexität von Kausalmodellen erschwert. Die Gütebeurteilung funktioniert nicht mit einfachen Ja/Nein-Kriterien. Vielmehr müssen interdependente Maßzahlen beurteilt werden, die unterschiedliche Facetten des Gütebegriffs indizieren. Kausalanalyse 33
34 Beurteilungskriterien Beurteilung von Kausalmodellen (2) Auf der Grundlage der Kovarianzmatrix der Messwerte aller in das Modell einzubeziehenden Variablen erfolgt die Parameterschätzung mit dem Ziel, einen Vektor von Parametern so zu ermitteln, dass die vom Modell generierte Kovarianzmatrix der empirisch ermittelten Kovarianzmatrix möglichst ähnlich wird. Dies geschieht durch Lösung eines Minimierungsproblems. Im Anschluss an die Parameterschätzung befasst man sich mit der Frage, inwieweit das spezifizierte Modell geeignet ist, die Assoziationen zwischen den beobachteten Variablen zu beschreiben. Diese Fragestellung wird auch als Gütebeurteilung bezeichnet. Kausalanalyse 34
35 Beurteilungskriterien Anpassungsmaße für Kausalmodelle Anpassungsmaße sind Größen, die auf Basis der Parameterschätzung die Güte der Anpassung des relevanten Modells an den vorliegenden Datensatz beurteilen. Grundsätzlich ist zu unterscheiden zwischen Globalen Anpassungsmaßen (beurteilen die Anpassungsgüte des gesamten Modells) und Lokalen Anpassungsmaßen (beziehen sich auf einzelne Modellteile - bis hin zu einzelnen Gleichungen) Kausalanalyse 35
36 Beurteilungskriterien Anpassungsmaße Homburg & Baumgartner (1995), Beurteilung von Kausalmodellen, S.165 Kausalanalyse 36
37 Beurteilungskriterien Empfohlenes Basisgerüst Man kann sich auf wenige Maße beschränken. Die Tabelle zeigt eine Empfehlung für ein Basisgerüst zur Beurteilung der Anpassungsgüte eines Kausalmodells. Kausalanalyse 37
38 Beurteilungskriterien LISREL-Modellgüte: diverse Kriterien (A)GFI (Adjusted) Goodness-of-Fit-Index F( S, Σ( Θ)) GFI= 1 F( S, Σ(0)) Varianz-Kovarianz-Aufklärung des Modells (adjusted = Freiheitsgrade korrigiert (0 < (A)GFI < 1, akzeptabel ab 0,8 aufw.) RMR Root-Mean-Squared-Residual RMR ( ˆ ) = 2 q i sij σ ij q ( q + 1) i= 1 j= Durchschnitt der Varianz und Kovarianz der Residuen (möglichst gering) NFI Normed-Fit-Index 2 χ M χ i NFI = χ 2 M i 2 M k Maß zur Beurteilung zweier Modelle (Mi, Mk) 0 < NFI < 1, Mi (akzeptabel ab 0,8 aufwärts). CHI2 Chi-Quadrat-Test N 1 log L0 = log Σ + tr Σ 2 1 S Allgemeiner Test, ob die spezifizierte Varianz-Covarianz- Matrix der beobachteten entspricht (alle Residuen sind Null). Kausalanalyse 38
39 Agenda Einführungsbeispiel Theoretischer Anspruch Pfaddiagramm Structural Equation Modeling Modell-Notation Ablauf einer Kausalanalyse Beurteilungskriterien Fallbeispiele Kausalanalyse 39
40 Image and Market Share - traditional model Each brand s image directly determines that brand s attitude. A brand s attitude detemines the respective buying intentention. A brand s Market share depends on the buying intention distribution among the brands of a market. Competition between brands thus depends on preference relations, not on image relations between brands. This situation can be depicted by common space positioning models. Different evoked sets or consideration sets between sub-segments of the market are neglected in the respective data analysis. Kausalanalyse 40 40
41 Traditional model Brand A Image Structue Indentical Dimensions Brand B Image Structure Attitude Attitude No Interaction Intention Intention Market Share Market Share Kausalanalyse 41 41
42 Model with attitude-interaction (LaRoche & Brisoux) Brand A Image Structue Indentical Dimensions Brand B Image Structure Attitude Attitude Intention Intention Market Share Market Share Kausalanalyse 42 42
43 WISA-model, incorporating cross-image-effects Brand A Image Structue Dimensions not identical Brand B Image Structure Attitude Attitude Intention Intention Market Share Market Share Kausalanalyse 43 43
44 Wettbewerbs-Image-Struktur-Analyse (WISA) Fiktives Beispiel Merkmale Ökologie Prestige Sportlichkt. Wirtschftlkt Marken Eigene Marke Konkurrenz marke A Konkurrenz marke B Eigene Image Position Konkurrenz marke C Kausalanalyse 44 44
45 Model Mercedes-BMW 0.55 Comfortable Nice interior furnishings security Safe handling 1.00 Comfort Mercedes Benz Safety Mercedes Benz 0,68=? 0,73 Intention Mercedes Benz 0,19-0, Sporty handling Forward-looking technology 1.00 Technology lead Mercedes Benz Show off Absolute identification Acceptance from others 0.73 Prestige BMW 0,78 Intention BMW 1.00 Sporty handling Sporty handling 1.00 Sportiness BMW 0,15 0,63=? Estimator=ML GFI=0,95 AGFI=0,89 RMR=0,043 P=0,25 Kausalanalyse 45 45
46 Wettbewerbs-Image-Struktur-Analyse Anforderungen an WISA Objektive Subjektivität Nicht Positionierungsziele oder die Marktzugehörigkeit definieren die Position, sondern Kundenwahrnehmungen Positioning / CIA / USP Differenzierung Alleinstellende Positionierungsmerkmale gehören nicht in einen gemeinsamen Merkmalsraum Wettbewerbsorientierung, Präferenzen), Querwirkungen Zukunftsorientierung modellieren Nicht nur totalen Wettbewerb modellieren (fertige auch differenzierten Wettbewerb (Leistungsmerkmale) Nicht nur aktuelle Wettbewerber / Positionierungen auch künftige Wettbewerber / Positionierungsstrategien Kausalanalyse 46 46
47 Fallbeispiele Fallbeispiel 2 Nutzung von Warengutscheinen des Lebensmitteleinzelhandels Weibliche Angestellte zweier amerikanischer Universitäten füllten im Rahmen dieser Untersuchung zwei Fragebögen aus, die ihnen per Hauspost zugesandt worden waren. Der erste Fragebogen enthielt sieben Items zu Erwartungen über die Folgen der Verwendung von Gutscheinen. Die sieben Items können zu drei Faktoren verdichtet werden: Aufwand, Belohnungen und Nachteile. Weitere fünf Items bezogen sich auf die Einstellung zur Verwendung von Warengutscheinen (Einstellung zur Handlung) bzw. auf die Absicht zur deren Verwendung (Verhaltenabsicht). Eine Woche später wurde ein zweiter Fragebogen den Personen zugesandt, die an der ersten Befragungswelle teilgenommen hatten. Dieser Fragebogen befasste sich mit der tatsächlichen Nutzung der Gutscheine während der vergangenen Woche. 255 Personen beteiligten sich an beiden Wellen der Datenerhebung. Kausalanalyse 47
48 Fallbeispiel Graphische Darstellung des untersuchten Kausalmodells Kausalanalyse 48
49 Fallbeispiel Modellformulierung Die drei Faktoren (Aufwand, Belohnungen und Nachteile) sind die exogenen latenten Variablen (ξ i ). Es wird unterstellt, dass sich alle drei Erwartungen auf die Einstellung zur Handlung (η 1 ) auswirken. Demnach ist dies eine endogene latente Variable. weitere endogene latente Variablen sind die Verhaltensabsicht (η 2 ) und das Verhalten (η 3 ). Kausalanalyse 49
50 Fallbeispiel Parameterschätzer und lokale Anpassungsmaße des Modells Es zeigt sich, dass alle Indikatoren, bis auf x 5, die Anforderungen bezüglich der Reliabilität (rel(x i )) erfüllen. Alle latenten Variablen zeigen Faktorreliabilität (FR(ξ i )) von mindestens 0,6. Bis auf eine Ausnahme (ξ 3 ) erfüllen auch die durchschnittlich erfassten Varianzen die Anforderung. Insgesamt ist die Güte des Messmodells also zufriedenstellend. Kausalanalyse 50
51 Fallbeispiel Beurteilung der globalen Anpassungsgüte Kausalanalyse 51
52 Fallbeispiel Beurteilung der globalen Anpassungsgüte Auf eine Angabe der Werte der relativen Anpassungsmaße wurde verzichtet, da diese, wie bereits erwähnt, lediglich beim Vergleich alternativer Modelle Aussagekraft besitzt. Auf Basis der χ 2 Teststatistik (wenn man die Normalverteilungsannahme zugrunde legt) wird das Modell auf dem 5%-Niveau abgelehnt. Verwendet man die χ 2 Statistik auf Basis der geringfügig allgemeineren Annahme der elliptischen Verteilung der beobachteten Variablen, so kann das Modell angenommen werden. Der Test of close fit auf der Basis des RMSEA bestätigt die Nullhypothese nachhaltig, was aus dem hohen p-wert von 0,73 ersichtlich ist. Ansonsten ist zu konstatieren, dass für nahezu alle Anpassungsmaße die Anforderungen erfüllt sind. Daher kommt man bezüglich der globalen Anpassungsgüte ebenfalls zu einer positiven Schlussfolgerung. Kausalanalyse 52
53 Fallbeispiel Parameterschätzer und die Beurteilung des Erklärungsgehalts für das Strukturgleichungsmodell Die folgenden standardisierten Parameterschätzer (mit t-werten in Klammern) wurden ermittelt: γ 11 = -0,38 (-4,88) γ 12 = 0,47 ( 5,37) γ 13 = -0,01 (-0,17) β 21 = 0,69 ( 9,96) β 32 = 0,56 ( 9,80) Erwartungen bezüglich Aufwand bzw. Belohnungen im Zusammenhang mit der Verwendung von Gutscheinen beeinflussen die Einstellung zur Handlung also signifikant negativ bzw. positiv. Kein signifikanter Effekt ist im Zusammenhang mit der Erwartung bezüglich der Nachteile (ξ 3 ) zu verzeichnen. Die Schätzer der Parameter β 21 und β 32 sind, wie erwartet, positiv und hochgradig signifikant. Die quadrierten multiplen Korrelationen betragen 0,41 für η 1, 0,48 für η 2 und 0,32 für η 3. Das Modell erklärt 32% der Verhaltensvarianz (η 3 ). Kausalanalyse 53
54 Fallbeispiel LISREL is not an easy program to learn... It does, however, provide the most complete solution to the estimation problem of structural models D. Kenny, 1979 Quelle: Axel Bichler, LISREL-Kurs am Lehrstuhl Marketing 1 der TU Berlin im Frühjahr 2002 Kausalanalyse 54
Vorlesung Marktforschung
Vorlesung Marktforschung Analyse komplexer Kausalstrukturen Sommersemester 2010 TU Berlin, Lehrstuhl Marketing Prof. Dr. V. Trommsdorff, Sekr. WIL-B-3-1, Wilmersdorfer Straße 148, 10585 Berlin Tel: +49.(0)30.314-29.922,
MehrLineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)
Interdisziplinäres Seminar Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA) WS 2008/09 19.11.2008 Julia Schiele und Lucie Wink Dozenten: Prof. Dr. Bühner, Prof. Dr. Küchenhoff
MehrPfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Pfadanalyse Bacher, SoSe2007 1. Grundlegende Verfahren Explorative Pfadanalyse: Kausale Beziehungen zwischen Variablen werden aufgedeckt, erforderlich ist eine kausale Anordnung der Variablen. Konfirmatorische
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrStatistische 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.
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrKlausur 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
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrDie Technik und Logik von linearen Strukturgleichungsmodellen
Die Technik und Logik von linearen Strukturgleichungsmodellen Empfehlenswerte Einführungen in die Arbeit mit Strukturgleichungsmodellen ( structural equation modeling ) finden sich in Byrne (1994) (spezifisch
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrStrukturgleichungsmodellierung
Rolf Weiber Daniel Mühlhaus Strukturgleichungsmodellierung Eine anwendungsorientierte Einführung in die Kausalanalyse mit Hilfe von AMOS, SmartPLS und SPSS ^J Springer ABKÜRZUNGS- UND SYMBOL VERZEICHNIS
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrManuel Schmalz. Abteilungsleiter Vertragsmanagement. Düsseldorf, 25.02.2015
Manuel Schmalz Abteilungsleiter Vertragsmanagement Düsseldorf, 25.02.2015 Standardisierung der Vereinbarung zwischen Provider und Consumer über die Nutzung von technischen Services, insbesondere BiPRO-WebServices
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrGrundlagenschulung. Zweck und Ziel der Marktforschung. grundsätzliche Abgrenzung zum Direktvertrieb. Schulungsprototyp
Grundlagenschulung Zweck und Ziel der Marktforschung grundsätzliche Abgrenzung zum Direktvertrieb Schulungsprototyp 1 Was ist Marktforschung? Marktforschung ist die systematische Sammlung, Aufbereitung
MehrKorrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1
Korrelation Die Korrelationsanalyse zeigt Zusammenhänge auf und macht Vorhersagen möglich Was ist Korrelation? Was sagt die Korrelationszahl aus? Wie geht man vor? Korrelation ist eine eindeutige Beziehung
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
MehrIntrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung
Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrMusterlösung zu Serie 14
Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen
MehrGewinnvergleichsrechnung
Gewinnvergleichsrechnung Die Gewinnvergleichsrechnung stellt eine Erweiterung der Kostenvergleichsrechnung durch Einbeziehung der Erträge dar, die - im Gegensatz zu der Annahme bei der Kostenvergleichsrechnung
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
MehrStudie: Best of Display Advertising 2015. Ergebnisse kampagnenbegleitender Werbewirkungsstudien von 2008 bis 2015
Studie: Best of Display Advertising 2015 Ergebnisse kampagnenbegleitender Werbewirkungsstudien von 2008 bis 2015 Inhalt der Studie 1 Einleitung und Studiendesign 2 Studienergebnisse Display Kampagnen 2.1
MehrEINFLUSS VON WERBEARTIKELN AUF DIE WAHRNEHMUNG VON MARKEN
EINFLUSS VON WERBEARTIKELN AUF DIE WAHRNEHMUNG VON MARKEN KURZZUSAMMENFASSUNG JUNI 2015 1 Impressum: Prof. DDr. Bernadette Kamleitner Eva Marckhgott, BSc Institute for Marketing & Consumer Research Department
MehrInstitut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2
Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrAufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:
Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrInsiderwissen 2013. Hintergrund
Insiderwissen 213 XING EVENTS mit der Eventmanagement-Software für Online Eventregistrierung &Ticketing amiando, hat es sich erneut zur Aufgabe gemacht zu analysieren, wie Eventveranstalter ihre Veranstaltungen
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrDokumentation. estat Version 2.0
Dokumentation estat Version 2.0 Installation Die Datei estat.xla in beliebiges Verzeichnis speichern. Im Menü Extras AddIns... Durchsuchen die Datei estat.xla auswählen. Danach das Auswahlhäkchen beim
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrProbleme beim Arbeiten mit Variablen, Termen und Gleichungen
Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Tage des Unterrichts in Mathematik, Naturwissenschaften und Technik Rostock 2010 Prof. Dr. Hans-Dieter Sill, Universität Rostock, http://www.math.uni-rostock.de/~sill/
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
Mehr(Lineare) stochastische Optimierung
(Lineare) stochastische Optimierung Bsp: Aus zwei Sorten Rohöl wird Benzin und Heizöl erzeugt. Die Produktivität sowie der Mindestbedarf (pro Woche) und die Kosten sind in folgender Tabelle angegeben:
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrInformationssystemanalyse Problemstellung 2 1. Trotz aller Methoden, Techniken usw. zeigen Untersuchungen sehr negative Ergebnisse:
Informationssystemanalyse Problemstellung 2 1 Problemstellung Trotz aller Methoden, Techniken usw. zeigen Untersuchungen sehr negative Ergebnisse: große Software-Systeme werden im Schnitt ein Jahr zu spät
Mehr2. Psychologische Fragen. Nicht genannt.
Checkliste für die Beurteilung psychologischer Gutachten durch Fachfremde Gliederung eines Gutachtens 1. Nennung des Auftraggebers und Fragestellung des Auftraggebers. 2. Psychologische Fragen. Nicht genannt.
MehrWas taugt der Wertpapierprospekt für die Anlegerinformation?
Was taugt der Wertpapierprospekt für die Anlegerinformation? Panel 1 Rahmenbedingungen für Anlegerinformation und Anlegerschutz beim Wertpapiererwerb Verhältnis zu Beratung, Informationsblatt und Investorenpräsentation
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
Mehrjuergen.vogt@uni-ulm.de
Benutzerregistrierung für SciFinder on WWW Mitglieder, auch Studenten, der Universität Ulm können SciFinder Scholar für nicht-kommerzielle Zwecke nutzen. Allerdings ist der Zugang personalisiert. Damit
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
MehrDer Wunschkunden- Test
Der Wunschkunden- Test Firma Frau/Herr Branche Datum Uhrzeit Ich plane mich im Bereich Controlling selbständig zu machen. Um zu erfahren, ob ich mit meinem Angebot richtig liege, würde ich Ihnen gerne
MehrBerechnung von Strukturgleichungsmodellen mit Amos. Im folgenden kurze Einführung: Arbeiten mit Amos Graphics
Oliver Schiling Handout:: Amos 6.0 / Graphics 1 Berechnung von Strukturgleichungsmodellen mit Amos Was kann Amos? Klassische Strukturgleichungsmodelle (Kovarianzstrukturanalysen, Pfadmodelle mit/ohne latente
MehrArbeitsmarkteffekte von Umschulungen im Bereich der Altenpflege
Aktuelle Berichte Arbeitsmarkteffekte von Umschulungen im Bereich der Altenpflege 19/2015 In aller Kürze Im Bereich der Weiterbildungen mit Abschluss in einem anerkannten Ausbildungsberuf für Arbeitslose
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrWillkommen 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
MehrBRANDxp by Campus Media. Wie Sie Effektivität und Effizienz im Marketing steigern können
BRANDxp by Campus Media Wie Sie Effektivität und Effizienz im Marketing steigern können Wie managen Sie Ihre täglichen Marketing-Herausforderungen? Ihr Ziel: Die Kaufentscheidung von Konsumenten im Sinne
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrVermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn
An die Redaktionen von Presse, Funk und Fernsehen 32 02. 09. 2002 Vermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn Das aktive Sparen ist nach wie vor die wichtigste Einflussgröße
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
Mehr1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4
1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung
MehrUmgang 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
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
Mehr«Initialpfad / teilnehmerspezifische Pfade» Kurzanleitung
QuickStart «Initialpfad / teilnehmerspezifische Pfade» Kurzanleitung Initialpfad Initialpfad für alle Teilnehmenden Beispiel: Ihr Fragebogen enthält 58 Fragen. Möchten Sie, dass Ihre Teilnehmer grundsätzlich
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrA Lösungen zu Einführungsaufgaben zu QueueTraffic
A Lösungen zu Einführungsaufgaben zu QueueTraffic 1. Selber Phasen einstellen a) Wo im Alltag: Baustelle, vor einem Zebrastreifen, Unfall... 2. Ankunftsrate und Verteilungen a) poissonverteilt: b) konstant:
MehrAllensbach: Das Elterngeld im Urteil der jungen Eltern
August 2007 Allensbach: Das Elterngeld im Urteil der jungen Eltern Allensbach befragte im Juni 2007 eine repräsentative Stichprobe von 1000 Müttern und Vätern, deren (jüngstes) Kind ab dem 1.1.2007 geboren
MehrAussage: Das Seminar ist hilfreich für meine berufliche Entwicklung
Nachhaltigkeitsüberprüfung der Breuel & Partner Gruppendynamikseminare In der Zeit von Januar bis Februar 2009 führten wir im Rahmen einer wissenschaftlichen Arbeit eine Evaluation unserer Gruppendynamikseminare
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre
Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 3, 4, 5 und 6, SS 2012 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Einsendearbeit 2 (SS 2012)
MehrVon der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und
Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrSchule Sins - Anleitung LehrerOffice
Marcel Baumgartner Bezirksschule Ammannsmatt 5643 Sins Tel. P: 041 787 10 89 Tel. S: 041 787 13 51 Natel: 079 366 23 63 mba@schulesins.ch www.schulesins.ch www.mbaumgartner.ch www.klassemba.ch.vu Schule
MehrMobile Intranet in Unternehmen
Mobile Intranet in Unternehmen Ergebnisse einer Umfrage unter Intranet Verantwortlichen aexea GmbH - communication. content. consulting Augustenstraße 15 70178 Stuttgart Tel: 0711 87035490 Mobile Intranet
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrSoziale Kommunikation. Vorlesung Johannes-Gutenberg-Universität Mainz Sommersemester 2011 PD Dr. phil. habil. Udo Thiedeke. Kommunikationsprobleme
Vorlesung Johannes-Gutenberg-Universität Mainz Sommersemester 2011 PD Dr. phil. habil. Udo Thiedeke Kommunikationsprobleme 1) Was ist Kommunikation? 2) Vom Austausch zur Unterscheidung 3) Zusammenfassung
MehrAnwendungsbeispiele Sign Live! Secure Mail Gateway
Anwendungsbeispiele Sign Live! Secure Mail Gateway Kritik, Kommentare & Korrekturen Wir sind ständig bemüht, unsere Dokumentation zu optimieren und Ihren Bedürfnissen anzupassen. Ihre Anregungen sind uns
MehrPlanspiele in der Wirtschaft.
Planspiele in der Wirtschaft. Kompetenz als Erfolgsfaktor Der Wettbewerb der Unternehmen wird immer mehr zu einem Wettbewerb um Kompetenzen. Dazu gehört natürlich fundiertes Sach- und Fachwissen, aber
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
Mehr1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6
Inhalt 1. Einführung 2 2. Erstellung einer Teillieferung 2 3. Erstellung einer Teilrechnung 6 4. Erstellung einer Sammellieferung/ Mehrere Aufträge zu einem Lieferschein zusammenfassen 11 5. Besonderheiten
MehrDas Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe
Sozialberichterstattung NRW. Kurzanalyse 02/2010 09.07.2010 12.07.2010 Das Vermögen der privaten Haushalte in Nordrhein-Westfalen ein Überblick auf der Basis der Einkommens- und Verbrauchsstichprobe 2008
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
Mehr