Psychologische Methodenlehre und Statistik II

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Psychologische Methodenlehre und Statistik II"

Transkript

1 Psychologische Methodenlehre und Statistik II Pantelis Christodoulides & Karin Waldherr 9. Juni 2010 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 1/47

2 Allgemeines Eine in vielen empirischen Wissenschaften häufige Fragestellung ist die nach dem Unterschied zwischen mehreren empirischen Verteilungen hinsichtlich einer polytomen (qualitativen mehrkategoriellen) Variablen Frage nach Zusammenhang zwischen zwei polytomen Variablen Beispiel: E. Kretschmer (1921) postulierte einen Zusammenhang zwischen Körperbau und Charakter, bei Psychotikern zwischen Körperbau und Psychosekategorie Westphal (1931) trug umfangreiches Material von n = 8099 Fällen zusammen, um damit die genannte Vermutung zu prüfen Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 2/47

3 Körperbautypen von Kreschmer Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 3/47

4 Bespiel 1 - Daten k m Kontingenztafel; j = 1,..., k Ausprägungen bei Variable 1, l = 1,..., m Ausprägungen bei Variable 2 k = 4 Körperbautypen, m = 3 Diagnosegruppen k... Zeilen, m... Spalten Vierfeldertafel ist Spezialfall mit k = m = 2 Kategorien je Variable Ist Zusammenhang gegeben? f jl MA/DE EP SCH pyknisch f 1. athletisch f 2. leptosom f 3. atypisch f f.. = n f.1 f.2 f.3 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 4/47

5 Notation und Hypothesen Index j durchläuft die Zeilen, l die Spalten der Kontingenztafel Eintragungen im Inneren der Tabelle heissen f jl, beobachtete Häufigkeiten ( frequencies ) Zeilensummen werden mit f j., Spaltensummen mit f.l bezeichnet H 0 besagt, dass die Verteilungen innerhalb der k Zeilen / m Spalten voneinander nur zufällig abweichen Verteilung der pyknischen Patienten auf die Diagnosekategorien MA/DE, EP, SCH, weicht nur zufällig von jener der athletischen Patienten, der leptosomen Patienten und der atypischen Patienten ab H 0 : Es besteht kein Zusammenhang (keine Kontingenz) zwischen Art der Psychose und Körperbau des Patienten Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 5/47

6 Hypothesen H 1 : es besteht ein Zusammenhang zwischen Art der Psychose und Körperbau des Patienten H 0 ist mittels χ 2 -Test prüfbar, indem man die f jl mit den unter H 0 erwarteten Häufigkeiten e jl vergleicht e jl : Wenn Psychose und Körperbau nicht zusammenhängen (H 0 ), dann erwarten wir für die pyknischen Patienten dieselbe Verteilung auf die Diagnosekategorien wie bei allen Patienten insgesamt, nämlich einen Anteil von f 1l f 1. = f.l n für MA/DE, 8099 für EP, für SCH Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 6/47

7 Hypothesen und Teststatistik Erwartungswert (H 0 ) für die Anzahl der pyknischen Patienten mit Diagnose MA/DE ist gleich f e 11 = f.1 1. n = = Erwartungswert (H 0 ) für die Anzahl der pyknischen Patienten mit Diagnose EP ist gleich = 312 Erwartungswert (H 0 ) für die Anzahl der pyknischen Patienten mit Diagnose SCH ist gleich = Analog die Berechnung der Erwartungswerte in den anderen Zellen Allgemein ist unter H 0 der Erwartungswert e jl für die Zahl der Beobachtungen mit Kombination Kategorie j in Variable 1 und l in Variable 2 e jl = f j.f.l n Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 7/47

8 Hypothesen und Teststatistik e jl MA/DE EP SCH pyknisch athletisch leptosom atypisch Als Maß für die Abweichung der f jl von den unter H 0 erwarteten e jl verwenden wir die Statistik χ 2 = k m (f jl e jl ) 2 H0 χ 2 (k 1)(m 1) j=1 l=1 Asymptotische Verteilung unter H 0 gegeben, wenn alle e jl genügend groß sind Faustregel: 80% der e jl 5, kein e jl < 1 e jl Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 8/47

9 Beispiel 1 Es genügt, die e jl nur auf den rot gedruckten Teil der Tabelle anzuwenden Restliche e jl können dann einfacher als Differenz zu den gegebenen Randsummen bestimmt werden Teststatistik ergibt dann χ 2 = ( ) ( ) = bei df = (4 1)(3 1) = 6 H 0 verwerfen Es besteht ein Zusammenhang zwischen Körperbau und psychiatrischer Diagnose Wie stark ist aber dieser Zusammenhang? Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 9/47

10 Kontingenzkoeffizient Wir versuchen χ 2 in ein Maß zu transformieren, das einer Korrelation ähnlich ist Kontingenzkoeffizient CC χ CC = + 2 χ 2 + n Für χ 2 = 0 ist CC = 0 Je größer χ 2 desto näher kommt CC an 1 heran CC hat eine entfernte Ähnlichkeit mit einer Korrelation. Es bestehen allerdings auch wesentliche Unterschiede Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 10/47

11 Kontingenzkoeffizient CC ist laut Definition stets 0, d.h. CC ist ein richtungsloses Zusammenhangsmaß Da χ 2 nur endlich groß sein kann, ist CC stets < 1, denn erst für χ 2 würde CC 1 streben Das Quadrat von CC kann nicht als Bestimmtheitsmaß interpretiert werden Dass CC nie 1 werden kann, läßt sich beheben, indem man CC mit dem jeweils maximalen Kontingenzkoeffizienten CC max, in Beziehung setzt d 1 CC max = mit d = min(k, m) d CC max hängt nur von der Dimension der Kontingenztafel ab Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 11/47

12 Kontingenzkoeffizient Wir definieren den korrigierten Kontingenzkoeffizienten CC CC = CC CC max CC drückt aus, welcher Prozentsatz der überhaupt erreichbaren Kontingenz in den gegebenen Daten vorliegt Es gilt 0 CC 1 CC ist besser interpretierbar als CC Beispiel 1: CC = = 0.48 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 12/47

13 Kontingenzkoeffizient CC = CC max = 2 3 = 0.82 CC = 0.48 CC max 0.82 = 0.59 Zusammenhang zwischen Körperbau und Psychose ist vorhanden aber nicht sehr stark, liegt im mittleren Bereich Interpretation der Art des Zusammenhanges mithilfe der Differenzen zwischen f jl und e jl Zellen mit absolut großen Differenzen zwischen Beobachtetem und unter der H 0 Erwartetem tragen zur Stärke des Zusammenhanges bei Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 13/47

14 Kontingenzkoeffizient f jl MA/DE EP SCH pyknisch athletisch leptosom atypisch e jl MA/DE EP SCH pyknisch athletisch leptosom atypisch Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 14/47

15 Voraussetzungen für χ 2 -Tests in Kontingenztafeln Eintragungen müssen stets absolute Häufigkeiten sein (häufiger Fehler: Prozentzahlen statt Häufigkeiten) Jede Einheit der Untersuchung darf nur einmal in die Kontingenztafel eingehen Häufiger Fehler: Mehrere Eintragungen stammen von derselben Person Alle Eintragungen sind wechselseitig unabhängig 80% der e jl 5, kein e jl < 1 χ 2 -Test stets einseitig durchführen, da nur große Werte für die H 1 sprechen Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 15/47

16 Beispiel 2 Im Rahmen einer kulturvergleichenden Studie zu Essstörungen zwischen Italien, Österreich und den Niederlanden bei jährigen weiblichen Jugendlichen wurde u.a. der Body-Mass-Index erhoben. Die Jugendlichen wurden in die drei Gewichtsgruppen Untergewicht, Normalgewicht und Übergewicht eingeteilt. Unterscheiden sich die Gewichtsverteilungen in den drei Ländern bzw. gibt es einen Zusammenhang zwischen Land und Gewichtsverteilung? Land Gewichtsgruppe Niederlande Österreich Italien f j. Untergewicht Normalgewicht Übergewicht f.l Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 16/47

17 Beispiel 2 Erwartete Häufigkeiten e jl = f j.f.l n Land Gewichtsgruppe Niederlande Österreich Italien f j. Untergewicht Normalgewicht Übergewicht f.l χ 2 = ( )2 (83 80) = > 9.49 = χ 2 (0.95;4) H 0 verwerfen, CC = 0.076, CC = 0.11 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 17/47

18 Kontingenztafel in SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 18/47

19 Kontingenztafel in SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 19/47

20 Vierfeldertafeln Häufige Fragestellung in Testpsychologie ist, ob eines von 2 Testitems schwieriger ist als das andere Dieselbe Stichprobe wird zweimal untersucht (Messwiederholung) Je zwei Antworten in der Tabelle stammen von derselben Person Eintragungen sind teilweise abhängig Bei falscher Aufstellung der Tafel würde Stichprobengröße (scheinbar) verdoppelt Item 1 Item 2 richtig f 11 f 12 f 1. falsch f 21 f 22 f 2. f.1 f.2 n Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 20/47

21 Vierfeldertafeln Item 2 richtig falsch Item 1 richtig a b a + b falsch c d c + d a + c b + d n Unter H 0 (gleich schwere Items) gilt P ((+ ) (+ ) ( +)) = P (( +) (+ ) ( +)) = 1 2 Sei K die Zufallsvariable Anzahl der Personen mit Antwortfolge (+ ) unter der Bedingung, dass nur die Personen mit genau einer richtigen Antwort betrachtet werden Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 21/47

22 Vierfeldertafeln Realisierung von K ist b, Erwartungswert und Varianz E(K) = b + c, σ K = 1 b + c 2 2 Normalverteilungsapproximation z = k E(K) σ K = b b+c b + c z = b c χ 2 (b c)2 = b + c b + c, df = 1 McNemar Test, äquivalent dem Binomialtest mit NV-Approximation χ 2 -Test stets einseitig durchgeführt, obwohl H 1 stets zweiseitig Im Falle einseitiger H 1 wird Binomialtest gerechnet Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 22/47

23 Beispiel 3 Ein Kurz-Screening zur Erfassung einer dementiellen Erkrankung, das bisher aus zwei Items bestand, soll um ein drittes Item erweitert werden. Für die beiden ersten Items kann aufgrund bisheriger Untersuchungen vermutet werden, dass Item 2 schwieriger ist als Item 1. Für das neu erstellte Item 3 liegen diesbezüglich noch keine Informationen vor. Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 23/47

24 Beispiel 3: Fragestellungen 1. Unterscheiden sich die drei Items bezüglich Schwierigkeit? 2. Gibt es einen Zusammenhang zwischen den Items? Fragen zur Unterschiedlichkeit: 3 Hypothesen 1. H 0 : Item 3 und Item 1 gleich schwierig; H 1 : Item 3 und Item 1 unterschiedlich schwierig 2. H 0 : Item 3 und Item 2 gleich schwierig; H 1 : Item 3 und Item 2 unterschiedlich schwierig 3. H 0 : Item 2 gleich schwierig oder leichter als Item 1; H 1 : Item 2 schwieriger als Item 1 Fragen zum Zusammenhang: 3 Hypothesen 1. H 0 : kein Zusammenhang zwischen Items 1 und 2; H 1 : positiver Zusammenhang zwischen Items 1 und 2 2. H 0 : kein Zusammenhang zwischen Items 1 und 3; H 1 : positiver Zusammenhang zwischen Items 1 und 3 3. H 0 : kein Zusammenhang zwischen Items 2 und 3; H 1 : positiver Zusammenhang zwischen Items 2 und 3 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 24/47

25 Beispiel 3: Sind Items 1 und 3 unterschiedlich schwierig? Item Item a 90 b c 151 d McNemar-Test: χ 2 = (b c)2 b + c = (90 142) = = χ 2 1,0.95 = 3.84 < H 0 verwerfen: Items sind unterschiedlich schwierig (Item 3 schwieriger) Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 25/47

26 Beispiel 3: Sind Items 2 und 3 unterschiedlich schwierig? mittels SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 26/47

27 Beispiel 3: Sind Items 2 und 3 unterschiedlich schwierig? mittels SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 27/47

28 Beispiel 3: Ist Item 2 schwieriger als Item 1? Item Item a 115 b c 150 d Binomialtest (mit NV-Approximation): k = 115; E(K) = np = = 129, σ K = np(1 p) = 64.5 z = k E(K) = = 1.68 σ K > z 0.95 = H 0 verwerfen: Item 1 leichter als Item 2 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 28/47

29 Signifikanz einer Produktmomentkorrelation Überprüfen der Existenz eines linearen Zusammenhanges H 0 : ρ = 0, H 1 : ρ 0; H 0 : ρ 0( 0), H 1 : ρ > 0(< 0); ρ XY = E(XY ) E(X )E(Y ) σ X σ Y Voraussetzungen: Metrisches Skalenniveau von X und Y, und bivariate Normalverteilung von X und Y Prüfung der zweiten Voraussetzung ist äußerst schwierig Beschränken uns darauf, das bivariate Streudiagramm mittels Anschauung auf Auffälligkeiten zu untersuchen Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 29/47

30 Bivariate Normalverteilung Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 30/47

31 Signifikanz einer Produktmomentkorrelation Die Statistik t = r 1 r 2 n 2 ist unter den obigen Voraussetzungen eine Realisierung einer t-verteilten Variable mit df = n 2 Signifikanz von r kann mittels t-tabelle geprüft werden Beispiel: Verschiedene faktorenanalytisch orientierte Intelligenztheorien unterscheiden einen verbal-edukativen und einen technisch-praktischen Leistungsbereich und ordnen diesen Bereichen unabhängige Faktoren zu In einer Stichprobe von n = 87 Probanden korrelierte die verbal-edukative Leistung, X, mit der praktisch-technischen, Y, zu r XY = 0.57 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 31/47

32 Signifikanz einer Produktmomentkorrelation Kann die Vermutung H 0 : ρ 0 gegenüber H 1 : ρ > 0 beibehalten werden (α = 0.01)? t = = 6.40, df = 85, > t(0.99,85) H 0 verwerfen In der Praxis können wir selbst diese kurze Rechnung sparen, da die gerade signifikanten Korrelationen r für verschiedene df tabelliert sind (Tabelle 11) r krit(df =80) = < 0.57, also wird die H 0 verworfen Partielle Korrelation: Signifikanzprüfung wie bei Produktmomentkorrelation, jedoch mit df = n 3 Punktbiseriale Korrelation: Mittels t-test oder U-Test Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 32/47

33 Signifikanz einer Rangkorrelation H 0 : ρ = 0, H 1 : ρ 0; H 0 : ρ 0( 0), H 1 : ρ > 0(< 0); Asymptotisch standardnormalverteilte Prüfgröße z z = r n 1 Beispiel: Für die n = 14 Teilnehmer eines Pfadfinder-Zeltlagers wurde eine Rätsel-Rallye und ein Tischtennis-Turnier veranstaltet. Alle 14 Kinder wurden in jeder der beiden Disziplinen gemäß ihrem Abschneiden gerangreiht. Rangkorrelation betrug r = 0.39 Kann man schließen, dass beide Leistungen statistisch abhängig sind (α = 0.05)? Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 33/47

34 Signifikanz einer Rangkorrelation H 0 : ρ = 0, gegen ungerichtete H 1 : ρ 0 z = r n 1 = = 1.41 < z (0.975) = 1.96 H 0 beibehalten Ein statistischer Zusammenhang zwischen den Rangplätzen in der Rätsel-Rallye und im Tischtennisturnier kann demnach anhand der vorliegenden Daten nicht nachgewiesen werden Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 34/47

35 Signifikanzprüfung von Produktmoment-, Rangkorrelation und partieller Korrelation mittels SPSS Korrelieren Drive for Thinness, Bulimia, Body Dissatisfaction, Perfectionism und Ineffectiveness signifikant miteinander? Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 35/47

36 Signifikanz einer Produktmomentkorrelation mittels SPSS Korrelieren Drive for Thinness, Body Dissatisfaction und Perfectionism signifikant miteinander (H 1 : ρ > 0)? Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 36/47

37 Signifikanz einer Produktmomentkorrelation mittels SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 37/47

38 Signifikanz einer partiellen Korrelation mittels SPSS Korrelieren Drive for Thinness und Body Dissatisfaction unter Konstanthalten von Perfectionism miteinander (H 1 : ρ > 0)? Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 38/47

39 Signifikanz einer partiellen Korrelation mittels SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 39/47

40 Signifikanz einer Rangkorrelation mittels SPSS Korrelieren Bulimia und Ineffectiveness signifikant miteinander (H 1 : ρ > 0)? Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 40/47

41 Signifikanzprüfung einer Vierfelderkorrelation Beispiel: Gibt es einen Zusammenhang zwischen Items 2 und 1? vgl. WS, Vierfelderkorrelation r φ Item Item a 115 b c 150 d r φ = (ad) (bc) (a + b)(a + c)(c + d)(b + d) = 0.12 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 41/47

42 Beispiel: Gibt es einen Zusammenhang zwischen Items 2 und 1? Bzw. durch Einsetzen in die χ 2 -Formel und Umformen: χ 2 (ad) (bc) = n (a + b)(a + c)(b + d)(c + d) χ 2 = nr 2 φ = = 8.42; df = 1 χ 2 1;0.95 = 3.84 < 8.42 H 0 verwerfen; Zusammenhang ist signifikant Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 42/47

43 Beispiel: Gibt es einen Zusammenhang zwischen Items 3 und 1? mittels SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 43/47

44 Beispiel: Gibt es einen Zusammenhang zwischen Items 3 und 1? mittels SPSS Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 44/47

45 Signifikanz des Unterschiedes unabhängiger Korrelationen Um die Signifikanz des Unterschiedes zwischen Produktmomentkorrelationen zu prüfen, ist es erforderlich, diese zunächst in eine näherungsweise normalverteilte Variable zu transformieren Korrelation nimmt Werte zwischen 0 r 1 an, während die NV Werte zwischen und + annimmt z - Transformation von R. A. Fisher (1915) führt r in eine Realisierung einer (annähernd) normalverteilten Variable z über z = 1 ( ) 1 + r 2 ln 1 r Erwartungswert und Varianz E(Z ) = 1 2 ln ( 1 + ρ 1 ρ ) + ρ 2(n 1), Var(Z ) = 1 n 3 Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 45/47

46 Signifikanz des Unterschiedes unabhängiger Korrelationen Wir erhalten für den Vergleich gegebener unabhängiger Stichprobenkorrelationen r 1 und r 2 durch Standardisierung der Differenz z 1 z 2 sofort die Prüfgröße, die mit den kritischen Werten aus der N(0, 1) Tabelle zu vergleichen ist z = z 1 z 2 1 n n 2 3 Beispiel: Eine Gruppe von Fahrschülern wurde beim anschließenden praktischen Test vor der Fahrprüfung von einem mitfahrenden Experten beobachtet und in bezug auf die Variable riskantes Fahrverhalten beurteilt. Ist der Zusammenhang zwischen Risikobereitschaft als Persönlichkeitsdimension und riskantem Fahrverhalten altersabhängig? Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 46/47

47 Signifikanz des Unterschiedes unabhängiger Korrelationen Es wird erwartet, dass der Zusammenhang bei jungen Menschen stärker ausgeprägt ist als bei älteren (α = 0.01) Für die jährigen Fahrschüler (n = 187) ergab sich r 1 = 0.39, für die jährigen Fahrschüler (n = 93) r 2 = 0.07 H 0 : ρ 1 ρ 2 gegen H 1 : ρ 1 > ρ 2 Mithilfe von Tabelle 12 transformieren wir die Korrelationen r 1 = 0.39 z 1 = 0.41, r 2 = 0.07 z 1 = 0.07 z = = 2.64 > z = 2.33 H 0 verwerfen Pantelis Christodoulides & Karin Waldherr Psychologische Methodenlehre und Statistik II 47/47

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

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

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

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

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

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

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

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

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

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

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

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

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

Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)

Lineare 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

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

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

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

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

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

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

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

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

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

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

9. StatistischeTests. 9.1 Konzeption

9. StatistischeTests. 9.1 Konzeption 9. StatistischeTests 9.1 Konzeption Statistische Tests dienen zur Überprüfung von Hypothesen über einen Parameter der Grundgesamtheit (bei einem Ein-Stichproben-Test) oder über die Verteilung einer Zufallsvariablen

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

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

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

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

Datenanalyse mit Excel. Wintersemester 2013/14

Datenanalyse mit Excel. Wintersemester 2013/14 Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen

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

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

Korrelation (II) Korrelation und Kausalität

Korrelation (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

Mehr

Willkommen zur Vorlesung Statistik (Master)

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

Mehr

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

Profil 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

Profil 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

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

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

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

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur 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

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

Formelsammlung und Glossar zum Kurs Statistik (Kurs 33209) mit Konzeptpapier Stand: 18. März 2011

Formelsammlung und Glossar zum Kurs Statistik (Kurs 33209) mit Konzeptpapier Stand: 18. März 2011 Formelsammlung und Glossar zum Kurs Statistik (Kurs 33209) mit Konzeptpapier Stand: 18. März 2011 S. 34 35: Anmerkungen und Ergänzungen für Studierende im BSc Psychologie c 2011 FernUniversität in Hagen,

Mehr

Statistische Verfahren für das Data Mining in einem Industrieprojekt

Statistische Verfahren für das Data Mining in einem Industrieprojekt Statistische Verfahren für das Data Mining in einem Industrieprojekt Thorsten Dickhaus Forschungszentrum Jülich GmbH Zentralinstitut für Angewandte Mathematik Telefon: 02461/61-4193 E-Mail: th.dickhaus@fz-juelich.de

Mehr

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X

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

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

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

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

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

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

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

Eine computergestützte Einführung mit

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

Mehr

Einführung in 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

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

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

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

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

Forschungsstatistik I

Forschungsstatistik 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

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

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

Assoziation & Korrelation

Assoziation & Korrelation Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von 2 Merkmalen für jeden Merkmalsträger stellt sich die Frage, ob es systematische Zusammenhänge

Mehr

Psychologische Methodenlehre und Statistik I

Psychologische Methodenlehre und Statistik I Psychologische Methodenlehre und Statistik I Karin Waldherr & Pantelis Christodoulides 4. November 2009 Karin Waldherr & Pantelis Christodoulides Psychologische Methodenlehre und Statistik I 1/56 Informationen,

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelationsanalysen Kovariation und Kovarianz Korrelation: - Interpretation

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

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

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

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

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

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

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten

Mehr

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas.

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas. Elisabeth Raab-Steiner/Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS/PASW-Auswertung 2., aktualisierte Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 11 1.1 Deskriptive

Mehr

25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche

25. Januar 2010. Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. 4. Multivariate Mittelwertvergleiche Ruhr-Universität Bochum 25. Januar 2010 1 / 75 2 / 75 4.1 Beispiel: Vergleich von verschiedenen Unterrichtsmethoden Zwei Zufallsstichproben (A und B) mit je 10 Schülern und 8 Schülern Gruppe A wird nach

Mehr

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

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

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis: Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...

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

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Varianzanalyse (ANOVA: analysis of variance)

Varianzanalyse (ANOVA: analysis of variance) Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.

Mehr

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

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

Mehr

Tests in Kontingenztafeln

Tests in Kontingenztafeln Tests in Kontingenztafeln Der theoretische Phi-Koeffizient Der Phi-Koeffizient bei unabhängigen Zufallsvariablen Der Chiquadrat-Unabhängigkeitstest Der Chiquadrat-Unabhängigkeitstest in Vierfelder-Tafeln

Mehr

LOT S E. Statistik 00055-6-13-A7. Kurseinheit 13: Selbstkontrollaufgaben. Fakultät für Wirtschaftswissenschaft

LOT S E. Statistik 00055-6-13-A7. Kurseinheit 13: Selbstkontrollaufgaben. Fakultät für Wirtschaftswissenschaft LOT S Statistik Kurseinheit 3: Selbstkontrollaufgaben 2009 FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Alle Rechte vorbehalten 00055-6-3-A7 Modul 309: Statistische Methodenlehre Kurs

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

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

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011. Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2010/2011 Aufgabe 1 Nach einer

Mehr

Das GARCH Modell zur Modellierung von Finanzmarktzeitreihen. Seminararbeit von Frauke Heuermann Juni 2010

Das GARCH Modell zur Modellierung von Finanzmarktzeitreihen. Seminararbeit von Frauke Heuermann Juni 2010 Das GARCH Modell zur Modellierung von Finanzmarktzeitreihen Seminararbeit von Frauke Heuermann Juni 2010 i Inhaltsverzeichnis 0 Einleitung 1 1 Der ARCH-Prozess 1 1.1 Das ARCH(1)-Modell........................

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

1.3 Die Beurteilung von Testleistungen

1.3 Die Beurteilung von Testleistungen 1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen

Mehr

Portfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen?

Portfolioselection. Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Portfolioselection Zentrale Frage: Wie stellen rationale Investoren ihr Portfolio zusammen? Investieren in Aktien ist riskant Risiko einer Aktie kann in 2 Teile zerlegt werden: o Unsystematisches Risiko

Mehr

Portfolio Management

Portfolio Management Kapitel 3 Portfolio Management Josef Leydold c 2006 Mathematische Methoden III Portfolio Management 1 / 45 Lernziele Konzept der modernen Portfolio-Theorie Capital Asset Pricing Model Optimieren eines

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

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

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

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

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

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

(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

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich

Mehr

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall ) Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels

Mehr

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

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