Master of Science in Pflege

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Master of Science in Pflege"

Transkript

1 Master of Science in Pflege Modul: Statistik Analyse von Kategoriedaten / Nicht-parametrische Methoden Dezember 2012 Prof. Dr. Jürg Schwarz Folie 2 Programm 19. Dezember 2012: Vormittag ( ) Vorlesung - Analyse von Kategoriedaten / Berechnung der Kennzahlen RR & OR - Nicht-parametrische Methoden Tutorat / Assignment: Einführung zum Thema - QQ-Diagramm / Anwendung nicht-parametrischer Methoden mit SPSS Programm 19. Dezember 2012: Nachmittag ( ) Anwendung in der Pflegewissenschaft: Beispiele - Them et al. (2009) Tutorat / Assignment - Begleitetes Lösen des Assignments Remains of the Day: Anmerkung zum Vademecum

2 Ziele der Vorlesung Folie 3 Sie kennen das Konzept des Chi-Quadrat-Tests. Sie kennen die Schritte zur Durchführung eines Chi-Quadrat-Tests. Sie kennen das Vorgehen beim Chi-Quadrat-Test. Sie kennen die Yates-Korrektur und den exakten Test nach Fisher. Sie kennen Zusammenhangsmasse. Sie können einen Chi-Quadrat-Test mit SPSS durchführen Im Einzelnen wissen Sie, wie die Ausgabe zu interpretieren ist. Sie kennen die Bedeutung der Kennzahlen RR & OR. Sie können die Kennzahlen RR & OR mit SPSS berechnen. Folie 4 Sie verstehen die Schritte bei der Durchführung nicht-parametrischer Tests. Sie verstehen das Konzept von rangierten Daten. Sie verstehen unterschiedliche Konzepte nicht-parametrischer Tests. Sie können nicht-parametrische Methoden mit SPSS anwenden. Im Einzelnen wissen Sie, wie die Ausgabe zu interpretieren ist. die Ausgabe zu beschreiben ist.

3 Kategoriedaten Ein typisches Beispiel für die Anwendung des Chi-Quadrat-Tests Folie 5 Statistik zu Todesursachen Zufällige Stichprobe von n = 200 Todesfällen in einem Spital. Andere Ursache Lungenkrebs Σ Nichtraucher % 12 40% 119 Raucher 63 37% 18 60% 81 Σ % % 200 Gibt es einen Zusammenhang zwischen Rauchen und Lungenkrebs? Fragen Folie 6 Umgangssprachliche Ebene Gibt es einen Zusammenhang zwischen Rauchen und Lungenkrebs? Ebene der Forschungsfrage Ist die Wahrscheinlichkeit höher, dass Raucher aufgrund von Lungenkrebs sterben? Statistische Ebene Hypothesenbildung H 0 : Raucherstatus und Todesursache sind von einander unabhängig. H A : Raucherstatus und Todesursache sind von einander abhängig. Kann die Hypothese H 0 verworfen werden? Lösung Durchführen eines Chi-Quadrat-Tests für Kreuztabellen Berechnen eines Zusammenhangsmasses ("Wie stark ist der Zusammenhang?") "How to" mit SPSS SPSS Menü: Analysieren Deskriptive Statistik Kreuztabellen...

4 Folie 7 Ergebnis SPSS Ausgabe Typische statistische Aussage: Es gibt einen signifikanten Zusammenhang zwischen Rauchen und Lungenkrebs (Chi-quadrat: χ 2 = 4.658, df =1,p =.031, V =.167). Der Wert von Cramers V liegt unter 0.3, also ist der Zusammengang nicht sehr stark. Konzept des Chi-Quadrat-Tests Folie 8 Hauptschritte 1. Definition der zu untersuchenden Variablen Nicht jede Kombination von zwei Variablen ist sinnvoll! Es sollten theoretische und empirische Hinweise auf einen Zusammenhang vorliegen. 2. Erstellen einer Kreuztabelle Absolutwerte und Prozentwerte Eine dritte Variable kann als Schichtvariable verwendet werden. 3. Vergleich von empirischer und erwarteter Häufigkeit Erwartete Häufigkeiten werden aus den Randverteilungen der Tabelle berechnet. 4. Chi-Quadrat-Test Teststatistik wird berechnet und mit kritischem Wert verglichen. 5. Überprüfen der Zusammenhangsmasse Berechnen der Zusammenhangsmasse Viele unterschiedliche Methoden: Unter anderem abhängig vom Skalentyp.

5 Kreuztabelle Folie 9 Grundform Wert von Variable 2 Absolute Häufigkeit der Zelle "1,J" (Variable 1 = 1, Variable 2 = J) J Summe Wert von Variable 1 1 n 11 n 12 n 1J n 1. 2 n 21 n 22 n 2J n I n I1 n I2 n IJ n I. Summe n.1 n.2 n.j n.. Anzahl Fälle mit Variable 2 =1 Gesamtanzahl von Fällen (Stichprobengrösse n) Die Summen der Spalten und der Reihen bilden die sogenannte Randverteilung. Prozentwerte Folie 10 Es ist oft schwierig, Kreuztabellen nur anhand der absoluten Anzahlen zu beurteilen. Prozentwerte verbessern die Lesbarkeit.

6 Vergleich von empirischen Werten und erwarteten Werten Folie 11 Erwartete Randverteilung unter H 0 Randverteilung: Eindimensionale Verteilung beider Variablen Y X Andere Ursache Lungenkrebs Σ p i Nichtraucher % Raucher % Σ % q j 85.0% 15.0% 100.0% Auf der Basis der relativen Häufigkeiten p i und q j werden die Wahrscheinlichkeiten in den Zellen berechnet. Multiplikationsregel der Wahrscheinlichkeitsrechnung für eine Ereignis {X = i Y = j}: P(X = i Y = j) = p i q j i = 1, 2; j = 1, 2 Voraussetzung: X und Y sind voneinander unabhängig ist unter H 0 erfüllt. Erwartete Werte unter H 0 Folie 12 Beispiel: p 1 q 1 = 85.0% 59.5% = 50.6% Andere Ursache Lungenkrebs p i Nichtraucher 50.6% 8.9% 59.5% Raucher 34.4% 6.1% 40.5% q j 85.0% 15.0% Multiplikation mit n = 200 liefert die erwartete Häufigkeit f' ij = p i q j n Beispiel: f' 11 = p 1 q 1 n = 59.5% 85.0% 200 = Andere Ursache Lungenkrebs Nichtraucher Raucher

7 Abweichungen zwischen empirischer und erwarteter Häufigkeit Folie 13 Empirische Häufigkeit f ij Andere Ursache Lungenkrebs Nichtraucher Raucher Differenz f ij - f' ij Erwartete Häufigkeit f' ij Andere Ursache Lungenkrebs Nichtraucher Raucher Andere Ursache Lungenkrebs Nichtraucher Raucher Teststatistik (Karl Pearson, , Britischer Mathematiker) k m ij ij χ = = = i= 1 j= 1 (f f ' ) ( ) ( ) ( ) ( ) f ' ij Teststatistik ist χ 2 -verteilt mit ν = (k - 1) (m-1) Freiheitsgraden k = Anzahl Spalten, m = Anzahl Zeilen 5.62 Intermezzo: χ 2 -Verteilung Folie 14 Die Form der χ 2 -Verteilung ist abhängig vom Parameter ν. Für ν nähert sich die χ 2 -Verteilung einer Normalverteilung an.

8 Quantile der χ 2 -Verteilung Folie 15 ν Freiheitsgrade α Signifikanzniveau c kritischer Wert χ 2 = 5.62 Critical value for significance level α ν α = 0.5% α = 1.0% α = 5.0% : c = 3.84 Beispiel Lungenkrebs ν = (2-1) (2-1) = 1 χ 2 = > 3.84 H 0 kann verworfen werden. Einschränkungen Folie 16 Nicht in allen Fällen kann die Stichprobenverteilung exakt durch die theoretische χ 2 -Verteilung beschrieben werden. Dann muss der Chi-Quadrat-Test angepasst werden. Stichprobengrösse Die Stichprobe sollte grösser als 50 sein (n > 50). Im Falle von n falls 20 < n 50: Verwenden der Korrektur von Yates falls n 20: Verwenden des exakten Tests nach Fisher Erwartete Häufigkeit Die erwartete Häufigkeit sollte grösser als 5 sein (f' ij > 5). Im Falle von f' ij 5... Verwenden des exakten Tests nach Fisher In bestimmten Fällen Zusammenlegen von Spalten und Zeilen, um die Häufigkeit zu erhöhen Anzahl Freiheitsgrade (df) Die Anzahl Freiheitsgrade sollte grösser als 1 sein (ν = (k - 1) (m-1) > 1). Im Falle von 2x2 Tabellen (ν = 1): Verwenden der Korrektur von Yates

9 Korrektur von Yates Folie 17 SPSS bezeichnet die Yates-Korrektur als "Kontinuitätskorrektur". (f f ' ) χ = χ = k m 2 k m 2 ij ij 2 Yates i= 1 j= 1 f ' ij i= 1 j= 1 ( f f ' 0.5) ij ij f ' ij 2 Exakter Test nach Fisher Folie 18 Wird anstelle des Chi-Quadrat-Tests verwendet, wenn die Voraussetzungen nicht erfüllt sind. Der exakte Test nach Fisher basiert auf Simulationen und hat keine Voraussetzungen. Achtung: Im Falle einer 2x2 Tabelle wird automatisch der exakte Test nach Fisher berechnet.

10 Zusammenhangsmasse Folie 19 Der Chi-Quadrat-Test gibt nur Informationen zum Vorhandensein eines Zusammenhangs. keine Hinweise zur Intensität und Richtung des Zusammenhangs. Zusammenhangsmasse geben Hinweise darauf. Drei Gruppen von Zusammenhangsmassen Nominal mit Nominalskalierung Teil A: basiert auf χ 2 -Testgrösse Teil B: basiert auf Fehlerreduktion Ordinal mit Ordinalskalierung basiert auf Fehlerreduktion Nominal mit Intervallskalierung basiert auf Korrelation Chi-Quadrat-Test mit SPSS: Ein detailliertes Beispiel Folie 20 Kundenzufriedenheit eines Einzelhandelsgeschäfts (Nominal-Nominal) Umfrage bei 582 Kundinnen und Kunden in 4 Geschäftsstellen Ergebnis Die Servicezufriedenheit ist der wichtigste Faktor für die Kundenzufriedenheit. Kundenzufriedenheit Preiszufriedenheit Sortimentszufriedenheit Servicezufriedenheit Qualitätszufriedenheit Folgefrage / Chi-Quadrat-Test Bietet jede der Geschäftsstellen das gleiche Niveau an Servicezufriedenheit? => Ein Chi-Quadrat-Test wird durchgeführt, um diese Frage zu beantworten.

11 SPSS Menü: Analysieren Deskriptive Statistik Kreuztabellen... Folie 21 Interpretation der Ausgabe Folie 22 p > 0.05 Es gibt keinen Zusammenhang zwischen der Servicezufriedenheit und der Geschäftsstelle. Allfällige Unterschiede in der Kundenzufriedenheit sind zufällig.

12 Stärke des Zusammenhangs Folie 23 Symmetrische Masse Obwohl kein signifikanter Zusammenhang vorliegt, wird er für das Skript aus Gründen der Vollständigkeit berechnet. Cramer's V und Kontingenzkoeffizient sind tiefer als 0.3 Phi eignet sich nicht für 2x2-Tabellen. Symmetrische Maße Nominal- bzgl. Nominalmaß Anzahl der gültigen Fälle Phi Cramer-V Kontingenzkoeffizient a. Die Null-Hyphothese wird nicht angenommen. Näherung sweise Wert Signifikanz b. Unter Annahme der Null-Hyphothese wird der asymptotische Standardfehler verwendet. Folie 24 Richtungsmasse Zusammenhangsmasse, die auf der χ 2 -Testgrösse basieren, sind nicht einfach zu interpretieren. Richtungsmasse geben eine zusätzliche Aussage zur Abhängigkeit zweier Variablen. Ob ein Kunde zu einer bestimmten Geschäftsstelle gehört, kann besser vorhergesagt werden, wenn die Informationen zur Kundenservice-Befragung beigezogen werden. (z.b. "Store abhängig" =.026 vs. "Service satisfaction abhängig" =.000) Nominal- bzgl. Nominalmaß Lambda Goodman-und-Kruskal- Tau a. Die Null-Hyphothese wird nicht angenommen. Richtungsmaße Symmetrisch Store abhängig Service satisfaction abhängig Store abhängig Service satisfaction abhängig b. Unter Annahme der Null-Hyphothese wird der asymptotische Standardfehler verwendet. c. Kann nicht berechnet werden, weil der asymptotische Standardfehler gleich Null ist. d. Basierend auf Chi-Quadrat-Näherung Asymptoti scher Näherung Standardf Näherung sweise Wert ehler a sweises T b Signifikanz c. c d d

13 Berechnung der Kennzahlen RR & OR Ein Beispiel Folie 25 Studie zum Thema Depression bei 294 Probanden. Depression: Ja Depression: Nein Σ Frauen a = 40 b = 143 a + b = 183 Männer c = 10 d = 101 c + d = 111 Kohortenstudie (cohort study) Eine vorher festgelegte Gruppe, bei der das Ereignis noch nicht eingetreten ist, wird über einen bestimmten Zeitraum untersucht. Es wird festgestellt, bei welchen Probanden das Ereignis eintritt und bei welchen nicht. Es wird berechnet, ob sich das Risiko des Eintretens zwischen den Kategorien einer unabhängigen Variablen (zum Beispiel Geschlecht) unterscheidet. Fall-Kontrollstudie (case-control study) Ein bestimmte Gruppe, bei der das zu untersuchende Ereignis bereits eingetreten ist, wird mit einer Kontrollgruppe verglichen, bei der das Ereignis nicht eingetroffen ist. Beispiel Kohortenstudie (cohort study) Folie 26 Erkrankungsrisiken der beiden Geschlechter Erkrankungsrisiko Frauen Erkrankungsrisiko Männer a = = = = % a + b c = = = = % c + d Relatives Risiko (RR relative risk) Das relative Risiko ist das Erkrankungsrisiko der einen Gruppe relativ zum Erkrankungsrisiko der anderen Gruppe. a Erkrankungsrisiko a+b Erkrankungsrisiko c Männer c+d Frauen RR = = = = Das Risiko, depressiv zu werden, ist bei Frauen mal so gross wie bei Männer.

14 Beispiel Fall-Kontrollstudie Folie 27 Chancen ("Odds") der beiden Geschlechter, depressiv zu werden Odds Frauen Odds Männer a 40 = = = b 143 c 10 = = = d 101 Die Chance beträgt 40 zu 143 Die Chance beträgt 10 zu 101 Odds ratio (OR) Die Odds ratio ist das Verhältnis der Chancen von Frauen und Männern. a Odds b a d a d Odds c Männer b c c b d Frauen OR = = = = = = Das Chance, depressiv zu werden, ist bei Frauen mal so gross wie bei Männer. Berechnung von RR und OR mit SPSS SPSS Menü: Analysieren Deskriptive Statistik Kreuztabellen... Folie 28

15 Folie 29 Output (Englische Version) Kreuztabelle Odds ratio Relatives Risiko Voraussetzung bei der Codierung: Frauen = 0, Depression: Ja = 0 SPSS rechnet auch eine andere Codierungsvariante: "For cohort depression = no" Parametrische vs. nicht-parametrische Tests Folie 30 Ausgangslage Alle bisher in diesem Kurs verwendeten Tests basieren auf bestimmten Voraussetzungen, insbesondere auf Voraussetzungen zur Verteilung der Variablen in der Grundgesamtheit: Normalität (Variable respektive Fehlerterm ist normalverteilt) Homogenität der Varianzen (Varianz von verschiedenen Gruppen/Einheiten ist gleich) Diese Tests werden als "parametrische Tests" bezeichnet, weil die Form der Verteilung in der Grundgesamtheit durch bekannte Verteilungen und deren Parameter beschrieben wird. Beispiel: Variable X ist normalverteilt X ~ N(µ,σ 2 ) mit den Parametern µ und σ 2. Tests, die keine solchen Annahmen machen, werden als nicht-parametrisch bezeichnet. Nicht-parametrische Tests werden auch verteilungsfreie Tests genannt, weil sie keine Annahmen zur Verteilung in der Grundgesamtheit machen. Wenn die Voraussetzungen für parametrische Tests verletzt sind, müssen nicht-parametrische Tests werden verwendet.

16 Folie 31 Methoden für nicht-parametrische Tests Es gibt zwei grundlegende Methoden, auf denen nicht-parametrische Tests basieren: Resampling - Permutation (Beispiel: Exakter Test nach Fisher) - Simulation (Beispiel: Bootstrapping in SPSS) Rangierung Die hier präsentierten nicht-parametrischen Tests beruhen auf der Rangierung der Daten: Grosse Werte werden durch hohe Ränge repräsentiert, kleine Werte durch tiefe Ränge. Die Analyse wird anstatt mit den Originaldaten mit den Rängen durchgeführt. Vorteile Nicht-parametrische Tests können verwendet werden wenn die Verteilung in der Grundgesamtheit unbekannt ist oder wenn Voraussetzungen verletzt sind bei Ausreissern bei kleinen Stichproben Nachteile Durch das Rangieren gehen Informationen zur Grösse der Differenzen verloren: Nicht-parametrische Tests haben weniger Macht, auch bei gleicher Stichprobengrösse. Es ist wahrscheinlicher, dass ein signifikanter Einfluss übersehen wird. Folie 32 Entscheidbaum für nicht-parametrische Tests (eine Auswahl) in diesem Kurs behandelte Methoden Normal t-test Eine Stichprobe Beliebig Vorzeichen-Test Zwei Stichproben Normal Beliebig ungepaart gepaart ungepaart gepaart t-test t-test WRS-Test WSR-Test Mehrere Stichproben Normal Beliebig Verteilung der Variablen ungepaart gepaart ungepaart gepaart Stichproben ANOVA Repeated ANOVA Kruskal-Wallis Friedman WRS: Wilcoxon rank-sum test WSR: Wilcoxon signed-rank test

17 Unabhängige und abhängige Stichproben Unabhängige (ungepaarte) Stichproben Die Messwerte von Personen in Stichprobe 1 ( ) und in Stichprobe 2 ( ) sind unbeeinflusst voneinander Spital 1 Spital 2 Folie 33 Behandlung A B C Abhängige (gepaarte, verbundene) Stichproben Jeder Messwert in Stichprobe 1 wird von einem bestimmten Messwert in Stichprobe 2 beeinflusst (und umgekehrt). Wenn bei einer Person mehrfach Erhebungen durchgeführt werden, um eine Entwicklung über die Zeit zu untersuchen (Messwiederholung) um verschiedene Treatments zu vergleichen Placebo Kreativität Ausdauer Tag 1 Tag 14 Tag 70 Methode A B C Wenn verschiedene Personen untersucht werden, die zusammengehören ("natürliche Paare", z.b. Ehepaare) die einander zugeordnet wurden, um den Effekt einer Störvariablen zu reduzieren (z.b. Matching von Personen vergleichbarer Empathiefähigkeit) Item 1 Ehemann Ehefrau Anti-Aggressions-Training* A B C *Matching durch Intelligenz Folie 34 SPSS Beispiele für unabhängige und für abhängige Stichproben Unabhängig Abhängig Knochendichte (Folie 36) Schlafmittel (Folie 41) Stichprobe A Frauen bis 50 : Stichprobe B Frauen über 50 Beispiel: Reaktionszeit von Proband 3 nach Einnahme von 4 verschiedene Schlafmitteln.

18 Nicht-parametrische Tests mit SPSS Folie 35 SPSS Menü: Analysieren Nichtparametrische Tests Alte Dialogfelder "Zwei unabhängige Stichproben " WRS: Wilcoxon rank-sum test (Wilcoxon-Rangsummentest, Mann-Whitney U-Test) "K unabhängige Stichproben " Kruskal-Wallis-Test "Zwei verbundene Stichproben " WSR: Wilcoxon signed-rank test (Wilcoxon-Vorzeichen-Rangsummentest) "K verbundene Stichproben " Friedman-Test Vergleich von zwei unabhängigen Stichproben Folie 36 Wilcoxon rank-sum test (Mann-Whitney U-Test) Gegeben Zwei unabhängige (nicht verbundene) Stichproben mit n 1, n 2 Elementen (allgemein n 1 n 2 ) Kleine Stichproben Nicht normalverteilt Frage Unterscheiden sich zwei unabhängige Stichproben in ihrer zentralen Tendenz? H 0 : Zentrale Tendenz ist gleich µ A = µ B H A : Zentrale Tendenz ist nicht gleich µ A µ B Beispiel Medizinische Forschung zu Osteoporose: Knochendichte in g/cm 3 Stichprobe A: Frauen bis und mit dem 50. Lebensjahr, n = 13 Stichprobe B: Frauen über 50, n = Stichprobe A Stichprobe B

19 Vorgehen Folie Ordnen der Werte der beiden Stichproben der Grösse nach Werte Stichprobe A Stichprobe B Zuweisen von Rängen zu den Werten Ränge Ränge A Ränge B Berechnen der Summen der Ränge Rangsumme Stichprobe A 205 Stichprobe B Berechnen der Teststatistik U basierend auf der Stichprobe mit kleinerer Rangsumme Teststatistik U = Rangsumme k n k (n k + 1) / 2 Werte der Stichprobe k mit kleinerer Rangsumme U = Rangsumme B n B (n B + 1) / 2 = (11 + 1) / 2 = 29 Folie Bestimmen des kritischen Werts mit Hilfe der untenstehenden Tabelle Verteilung für den Wilcoxon rank-sum test zweiseitig, α = 5% n n Der kritische Wert beträgt Vergleichen der Teststatistik mit dem kritischen Wert 29 Annehmen von H Annehmen von H 0 Verwerfen von H 0 Der Wert der Teststatistik liegt im Verwerfungsbereich von H 0 : Die Knochendichten der Stichproben A und B sind signifikant verschieden.

20 Wilcoxon rank-sum test (Mann-Whitney U-Test) mit SPSS Folie 39 Folie 40 Teststatistik U Rangsumme der kleineren Stichprobe Z-Wert wird für den asymptotischen Test berechnet "Asymptotische Signifikanz (2-seitig)" basiert auf einer Annäherung an eine Normalverteilung. Bei Stichproben mit n > 30 wird "Asymptotische Signifikanz" verwendet. Hier ist n 30, daher: Die Knochendichten der Stichproben A und B sind signifikant verschieden (Exact Wilcoxon ranksum test: U = 29, p =.013). Wäre n > 30, dann: Die Knochendichten der Stichproben A und B sind signifikant verschieden (Asymptotic Wilcoxon rank-sum test: Z = , p =.014).

21 Vergleich von mehreren abhängigen Stichproben Folie 41 Friedman-Test Gegeben Abhängige Stichproben Kleine Stichproben Nicht normalverteilt Frage Gibt es einen Unterschied zwischen den zentralen Tendenzen? H 0 : zentrale Tendenzen sind gleich H A : mindestens zwei der zentralen Tendenzen sind nicht gleich Beispiel Einfluss von 4 Schlafmitteln (drug1, ) auf die Reaktionszeit (gemessen in Millisekunden) Proband drug1 drug2 drug3 drug Beispiel: Abhängigkeit der Reaktionszeit von den Schlafmitteln (drug1, ) bei Proband 3 Vorgehen 1. Zuweisen von Rängen für jedes Schlafmittel innerhalb jedes Probanden Folie 42 Proband drug1 drug2 drug3 drug Beispiel: Rangierte Reaktionszeit (Ränge 1 bis 4) von Proband 3 Falls mehrere Werte den gleichen Rang haben, werden sie durch den Durchschnitt ersetzt. 2. Berechnen der Rangsumme R j jeder Spalte (= jedes Schlafmittels) Proband drug1 drug2 drug3 drug R j Berechnen der Teststatistik V k V = Rj 3n(k + 1) = ( ) 3 5(4 + 1) = nk(k + 1) 5 4(4 + 1) j= 1 k = Anzahl Treatments = 4 Behandlungsstufen n = Anzahl Probanden = 5 Probanden

22 4. Bestimmen des kritischen Werts mit Hilfe der untenstehenden Tabelle Folie 43 Die Teststatistik folgt einer χ 2 -Verteilung mit folgenden Freiheitsgraden: ν = k 1 = 4 1 = α df Kritischer Wert für 5%-Signifikanzniveau: χ 2 95% = Vergleichen der Testgrösse mit dem kritischen Wert (χ 2 95% = 7.81) < (V = 13.74) Die Nullhypothese wird verworfen. Die Rangsummen unterscheiden sich. Die Schlafmittel wirken sich signifikant verschieden auf die Reaktionszeit aus. Friedman-Test mit SPSS Folie 44

23 Folie 45 Vergleiche "Chi-Quadrat" mit der Testgrösse F = SPSS verwendet einen etwas anderen Algorithmus. Die Schlafmittel wirken sich signifikant verschieden auf die Reaktionszeit aus (Friedman-Test: χ 2 = , df = 3, p =.003). Inhaltsverzeichnis Folie 46 Ziele der Vorlesung 3 Kategoriedaten 5 Ein typisches Beispiel für die Anwendung des Chi-Quadrat-Tests...5 Konzept des Chi-Quadrat-Tests...8 Einschränkungen...16 Chi-Quadrat-Test mit SPSS: Ein detailliertes Beispiel...20 Berechnung der Kennzahlen RR & OR 25 Ein Beispiel...25 Parametrische vs. nicht-parametrische Tests 30 Ausgangslage...30 Vergleich von zwei unabhängigen Stichproben...36 Vergleich von mehreren abhängigen Stichproben...41

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

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

Einfache statistische Testverfahren

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

Mehr

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

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

Überblick über die Verfahren für Ordinaldaten

Überblick über die Verfahren für Ordinaldaten Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische

Mehr

Sozialer Abstieg und Konsum

Sozialer Abstieg und Konsum Sozialer Abstieg und Konsum Auswirkungen finanzieller Verknappung auf das Konsumverhalten Inaugural-Dissertation zur Erlangung des akademischen Grades einer Doktorin der Wirtschaftswissenschaft des Fachbereichs

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

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

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

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

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

Motivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen

Motivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann

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

Statistik für Studenten der Sportwissenschaften SS 2008

Statistik 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

Mehr

Statistik II für Betriebswirte Vorlesung 2

Statistik 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

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

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

Kontingenzkoeffizient (nach Pearson)

Kontingenzkoeffizient (nach Pearson) Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen

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

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

12. Vergleich mehrerer Stichproben

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

Mehr

Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test

Biostatistik, 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

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

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

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

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test

Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test. und der Wilcoxon-Test Wahrscheinlichkeitsrechnung und Statistik für Biologen 5. Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) und der Wilcoxon-Test Dirk Metzler 22. Mai 2015 Inhaltsverzeichnis 1 Wiederholung:

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

Herzlich Willkommen zur Vorlesung Statistik

Herzlich Willkommen zur Vorlesung Statistik Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

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

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

Inhaltsverzeichnis. Vorwort 1. Kapitel 1 Einführung 3. Kapitel 2 Messtheorie und deskriptive Statistik 13

Inhaltsverzeichnis. Vorwort 1. Kapitel 1 Einführung 3. Kapitel 2 Messtheorie und deskriptive Statistik 13 Inhaltsverzeichnis Vorwort 1 Kapitel 1 Einführung 3 1.1 Ziele... 4 1.2 Messtheorie und deskriptive Statistik... 8 1.3 Grundlagen der Wahrscheinlichkeitsrechnung... 9 1.4 Inferenzstatistik... 9 1.5 Parametrische

Mehr

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

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

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

3. Der t-test. Der t-test

3. Der t-test. Der t-test Der t-test 3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene

Mehr

Einfaktorielle Rangvarianzanalyse mit Messwiederholungen

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

Mehr

Tutorial: Homogenitätstest

Tutorial: Homogenitätstest Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite

Mehr

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

(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik

(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:

Mehr

Statistische Grundlagen für die Versuchstierkunde

Statistische Grundlagen für die Versuchstierkunde Statistische Grundlagen für die Versuchstierkunde Prof. Peter Pilz Fachbereich Biologie Universität Tübingen So viele Tiere wie nötig, so wenig Tiere wie möglich Gliederung 1. Deskriptive Statistik & Power

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

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

7. Mai 2010. Ruhr-Universität Bochum. Methodenlehre II, SS 2009. Prof. Dr. Holger Dette

7. Mai 2010. Ruhr-Universität Bochum. Methodenlehre II, SS 2009. Prof. Dr. Holger Dette Ruhr-Universität Bochum 7. Mai 2010 1 / 95 Methodenlehre II NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30-10.00

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

Teil II: Einführung in die Statistik

Teil II: Einführung in die Statistik Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu

Mehr

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007

DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 2006/07 28.02.2007 Wirtschaftswissenschaftliches Prüfungsamt DIPLOMVORPRÜFUNG GRUNDZÜGE DER STATISTIK, TEIL B WINTERSEMESTER 006/07 8.0.007 Lösung Prof. Dr. R Friedmann / Dr. R. Hauser Hinweise für die Klausurteilnehmer

Mehr

Die Optimalität von Randomisationstests

Die Optimalität von Randomisationstests Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis

Mehr

Überblick über die Tests

Überblick über die Tests Anhang A Überblick über die Tests A.1 Ein-Stichproben-Tests A.1.1 Tests auf Verteilungsannahmen ˆ Shapiro-Wilk-Test Situation: Test auf Normalverteilung H 0 : X N(µ, σ 2 ) H 1 : X nicht normalverteilt

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte 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

Mehr

Abhängigkeit zweier Merkmale

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

Mehr

Prüfen von Mittelwertsunterschieden: t-test

Prüfen von Mittelwertsunterschieden: t-test Prüfen von Mittelwertsunterschieden: t-test Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) t-test

Mehr

FAKTORIELLE VERSUCHSPLÄNE. Andreas Handl

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

Mehr

Analyse bivariater Kontingenztafeln

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

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

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

B. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3)

B. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3) B. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3) Übung 1 (mit SPSS-Ausgabe) 1. Erstellen Sie eine einfache Häufigkeitsauszählung der Variable V175 ( des/der

Mehr

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate 31 und 31 und (), Methode der 33 Das allgemeine (), Methode der kleinsten Quadrate 37 Modelle mit Messwiederholungen 1 / 113 Eine grundsätzliche Bemerkung zu Beginn Es bestehen viele Ähnlichkeiten zwischen

Mehr

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

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

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

Mehr

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

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

Versuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung

Versuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung Versuchsplanung Teil 1 Einführung und Grundlagen Dr. Tobias Kiesling Inhalt Einführung in die Versuchsplanung Hintergründe Grundlegende Prinzipien und Begriffe Vorgehensweise

Mehr

Biostatistik, Winter 2011/12

Biostatistik, Winter 2011/12 Biostatistik, Winter 2011/12 Vergleich zweier Stichproben, nichtparametrische Tests Prof. Dr. Achim Klenke http://www.aklenke.de 11. Vorlesung: 27.01.2012 1/86 Inhalt 1 Tests t-test 2 Vergleich zweier

Mehr

12.1 Wie funktioniert ein Signifikanztest?

12.1 Wie funktioniert ein Signifikanztest? Sedlmeier & Renkewitz Kapitel 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? Zentrales Ergebnis eine Signifikanztests: Wie wahrscheinlich war es unter der Bedingung dass H0 gilt, diesen

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

Einfache Varianzanalyse für abhängige

Einfache Varianzanalyse für abhängige Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese

Mehr

3.2 Bivariate Verteilungen

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

Mehr

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

Planung und Auswertung von Versuchen

Planung und Auswertung von Versuchen Folie 1 Planung und Auswertung von Versuchen Statistikseminar Januar 2008 Dr. Jürg Schwarz schwarz & partners GmbH juerg.schwarz@schwarzpartners.ch Folie 2 Programm Dienstag, 15. Januar 2008 Mittwoch,

Mehr

3 Zusammenhangsmaße Zusammenhangshypothesen

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

Mehr

Von 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 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

Mehr

Ein bisschen Statistik

Ein bisschen Statistik Prof. Dr. Beat Siebenhaar ein bisschen Statistik 1 Ein bisschen Statistik (orientiert an Hüsler/Zimmermann (006) mit Umsetzung auf die linguistische Fragen) 1. Datentypen und Grafik Grafische Darstellungen

Mehr

Grundlagen von Versuchsmethodik und Datenanalyse

Grundlagen von Versuchsmethodik und Datenanalyse Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten

Mehr

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

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

Mehr

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

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

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

Messung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes

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

Mehr

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

R-WORKSHOP II. Inferenzstatistik. Johannes Pfeffer

R-WORKSHOP II. Inferenzstatistik. Johannes Pfeffer R-WORKSHOP II Inferenzstatistik Johannes Pfeffer Dresden, 25.1.2011 01 Outline Lösung der Übungsaufgabe Selbstdefinierte Funktionen Inferenzstatistik t-test Kruskal-Wallis Test Übungsaufgabe TU Dresden,

Mehr

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des. Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre

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

Teil I Beschreibende Statistik 29

Teil I Beschreibende Statistik 29 Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................

Mehr

Academic Skills - Befragung und Auswertung

Academic Skills - Befragung und Auswertung Otto-von-Guericke University Magdeburg Allgemein Befragung Eine Befragung ist eine wissenschaftliche Maßnahme zur Erforschung von Verhalten, Einstellung oder Wissen Des Weiteren können auch demographische

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

2. Korrelation, lineare Regression und multiple Regression

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

Mehr

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

Statistische Datenauswertung. Andreas Stoll Kantonsschule Olten

Statistische Datenauswertung. Andreas Stoll Kantonsschule Olten Statistische Datenauswertung Andreas Stoll Beschreibende vs. schliessende Statistik Wir unterscheiden grundsätzlich zwischen beschreibender (deskriptiver) und schliessender (induktiver) Statistik. Bei

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

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

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

J. Bortz/N. Döring: Forschungsmethoden und Evaluation (jeweils neueste Auflage) Springer, Berlin S. 463ff

J. Bortz/N. Döring: Forschungsmethoden und Evaluation (jeweils neueste Auflage) Springer, Berlin S. 463ff J. Bortz/N. Döring: Forschungsmethoden und Evaluation (jeweils neueste Auflage) Springer, Berlin S. 463ff Signifikanztests Zur Logik des Signifikanztests Tests zur statistischen Überprüfung von Hypothesen

Mehr

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

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

Mehr

Einführung in die Statistik mit EXCEL und SPSS

Einführung in die Statistik mit EXCEL und SPSS Christine Duller Einführung in die Statistik mit EXCEL und SPSS Ein anwendungsorientiertes Lehr- und Arbeitsbuch Zweite, überarbeitete Auflage Mit 71 Abbildungen und 26 Tabellen Physica-Verlag Ein Unternehmen

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

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

Mehr

Prüfung auf Normalverteilung

Prüfung auf Normalverteilung S. Heim/C. Heumann SPSS Kurs, SS 2007, 36 χ 2 Anpassungstest ad 7. Analysieren > Nichtparametrische Tests > Chi-Quadrat... H 0 : Daten folgen einer Gleichverteilung Erwartete Werte: Alle Kategorien gleich

Mehr