Einführung in STATA. 3. Oktober 2007

Größe: px
Ab Seite anzeigen:

Download "Einführung in STATA. 3. Oktober 2007"

Transkript

1 Einführung in STATA Stefan Lang Universität Innsbruck Institut für Statistik Universitätsstraße 15, A-6020 Innsbruck Internet: 3. Oktober 2007

2 Ich bedanke mich bei Jana Lehmann für die Unterstützung bei der Erstellung des Skripts.

3 INHALTSVERZEICHNIS i Inhaltsverzeichnis 1 Hinweise zur Verwendung dieser Einführung 1 2 Illustrierender Beispieldatensatz 1 3 Struktur von STATA Die Fenster von STATA Die Speicherverwaltung von STATA Einlesen und Ausgeben von Datensätzen Einlesen von ASCII Datensätzen Einlesen von Daten im STATA-Format Abspeichern von Daten im ASCII-Format Abspeichern von Daten im STATA-Format Datenhandling Erzeugen und Verändern von Variablen Labeln von Werten und Variablen Deskriptive Statistiken 9 7 Grafik mit STATA Grafische Veranschaulichung univariater Verteilungen Grafische Veranschaulichung von Funktionen Scatterplotmatrix Kombination mehrerer Grafiken Mehrere Grafiktypen in einer Grafik Allgemeine Grafikoptionen Abspeichern von Grafiken als eps-files

4 INHALTSVERZEICHNIS ii 8 Regression in STATA 21 9 Programmieren in STATA Batch-files Macros Schleifenprogrammierung und if-abfragen While-Schleifen forvalues-schleifen if-abfragen Index 27

5 1 HINWEISE ZUR VERWENDUNG DIESER EINFÜHRUNG 1 1 Hinweise zur Verwendung dieser Einführung Dieses Skript gibt eine kurze Einführung in die Benutzung des Statistik Programms STA- TA. Die Einführung ist an die Inhalte des Moduls Statistische Datenanalyse für Studierende des Bachelorstudiengangs Wirtschaftswissenschaften in Innsbruck ausgelegt. Sie erhebt daherkeinerlei Anspruchauf Vollständigkeit. Einevollständige Übersicht überdiemöglichkeiten von STATA findet man in den STATA Handbüchern. Diese können im Institut für Statistik für kurze Zeit zum Kopieren ausgeliehen werden (während der Sekretariatsöffnungszeiten). Weitere Literaturhinweise findet man auf den Internetseiten des Herstellers. 2 Illustrierender Beispieldatensatz Die meisten Befehle in diesem Skript werden Anhand eines Beispieldatensatzes zur Unterernährung in Zambia erläutert. Ziel der Untersuchung ist die Bestimmung von Determinanten der Unterernährung von neugeborenen Kindern im Alter von 0 bis 5 Jahren in Zambia. In Abstimmung mit der WHO werden in Entwicklungsländern regelmäßig DHS (Demographic and Health Surveys) Erhebungen mittels repräsentativer Stichproben durchgeführt. Sie enthalten insbesondere Informationen zu Unterernährung, Sterblichkeit und Krankheitsrisiken für Kinder. Unter mehreren möglichen anthropometrischen Indikatoren zur Messung von Unterernährung wird im vorliegenden Datensatz die Maßzahl,,Z Score für chronische Unterernährung (,,Stunting ) verwendet. Sie ist für ein Kind i definiert durch ZScore i = AI i MAI σ Dabei wird als anthropometrischer Indikator AI die altersstandardisierte Größe des Kindes verwendet, MAI ist der Median dieses Indikators für eine internationale Referenzpopulation, und σ die entsprechende Standardabweichung in dieser Referenzpopulation. Als erklärende Variablen kommen in der DHS-Erhebung enthaltene Merkmale zum sozio ökonomischen Status der Mutter bzw. des Haushalts sowie zur hygienischen und gesundheitlichen Situation in Frage. Tabelle 1 beschreibt die im Datensatz enthaltenen Variablen bzw. Merkmale. Der Datensatz ist über den e-campus als zambia.raw erhältlich.

6 2 ILLUSTRIERENDER BEISPIELDATENSATZ 2 Variable Beschreibung Mittelwert/ rel. Häufigkeit zscore Z Score des Kindes bmi Body Mass Index der Mutter des Kindes alter Alter des Kindes in Monaten erw Erwerbsstatus der Mutter 1 = Mutter arbeitet = Mutter arbeitet nicht edu Ausbildungsstatus der Mutter 1 = keine Ausbildung = incomplete primary education = complete primary education = incomplete secondary education = complete secondary education = higher education 1.65 sta Stadt/Land 1 = Mutter lebt in der Stadt = Mutter lebt auf dem Land sex Geschlecht des Kindes 1=männlich = weiblich reg Wohnort der Mutter 1=Central =Copperbelt =Eastern = Luapula =Lusaka = Northern =North-Western = Southern =Western 7.37 dist Wohnort der Mutter (genauere geographische Unterteilung) Tabelle 1: Variablenbeschreibung des Datensatzes zambia.dta zur Unterernährng in Zambia.

7 3 STRUKTUR VON STATA 3 3 Struktur von STATA 3.1 Die Fenster von STATA Nach dem Start von STATA erscheint ein Hauptfenster mit vier Unterfenstern. Es handelt sich um ein STATA Results Fenster, ein STATA Command Fenster, ein Review Fenster und ein Variables Fenster. Im STATA Results Fenster werden Resultate von Berechnungen, aufgerufene Befehle und Fehlermeldungen dargestellt. Das STATA Command Fenster dient zur Eingabe von Befehlen. Im Review Fenster findet man die letzten 100 eingegebenen Befehle. Durch Anklicken einer der Befehle erscheint dieser wieder im STATA Command Fenster und kann (in eventuell modifizierter Form) wieder aufgerufen werden. Schließlich gibt das Variables Fenster einen Überblick über alle Variablen eines Datensatzes. Man beachte, dass jeweils nur ein Datensatz gleichzeitig in STATA bearbeitet werden kann. 3.2 Die Speicherverwaltung von STATA Nach dem Start von STATA sind standardmäßig10mbfür die Speicherung von Daten reserviert. Für Datensätze mit größerem Speicherplatzbedarf kann man mit Hilfe des memory Befehls mehr Speicherplatz zuweisen. Die Höhe des Speicherplatzes ist dabei nur durch den Hauptspeicher des Computers limitiert, auf dem STATA ausgeführt wird. Beispielsweise wird durch Eingabe des Befehls set memory 20m der zur Verfügung stehende Speicherplatz auf 20 MB erhöht. Die Erhöhung des Speichers ist dabei auf die aktuelle Sitzung beschränkt.einepermanenteveränderung des zur Verfügung gestellten Speichers erhält man durch die zusätzliche Angabe der Option permanently: set memory 20, permanently 4 Einlesen und Ausgeben von Datensätzen 4.1 Einlesen von ASCII Datensätzen Zum Einlesen von ASCII Datensätzen kommen zwei Befehle in Frage: der infile Befehl und der insheet Befehl. Beim infile Befehl wird immer dann verwendet, wenn der einzulesende

8 4 EINLESEN UND AUSGEBEN VON DATENSÄTZEN 4 Datensatz in der ersten Zeile keine Variablennamen enthält. Beim insheet Befehl geht das Programm davon aus, dass in der ersten Zeile des ASCII Files die Variablennamen stehen. Bevor Daten in STATA eingelesen werden können, muss allerdings sichergestellt werden, dass nicht bereits ein anderer Datensatz in STATA eingelesen wurde. STATA kann nämlich nur mit jeweils einem Datensatz gleichzeitig arbeiten. Befinden sich also noch Daten im Speicher, müssen diese (gegebenenfalls nach Sicherung auf Festplatte) zuerst gelöscht werden. Dies geschieht mit dem einfachen Befehl clear Infile-Befehl Der infile Befehl besitzt folgende allgemeine Struktur: infilevarlistusingmyfile Dabei wird von STATA angenommen, dass die Variablen (in varlist) inderascii-datei spaltenweise angeordnet sind. Die Spezifizierung einer Variable in varlist hat folgende allgemeine Syntax: newvarname Als Variablentypen sind ganze Zahlen (byte, int und long), reelle Zahlen (float und double) und Strings (str1 - str80) zugelassen. Beispielsweise werden mit dem folgenden Befehl die Variablen X, Y und Z in STATA eingelesen: infile X Y Z using myfile Der folgende Befehl liest die Variablen X1 X200 in STATA ein: infile X1-X200 using myfile Nach dem Einlesen der Daten können die Variablen im STATA-Format (Dateiendung dta) durch Anklicken des Menüpunktes File SaveAs abgespeichert werden. Durch Öffnen des Datenbrowsers oder des Dateneditors (Window Data Editor) können die Daten visualisiert werden. Der Editor erlaubt auch das Editieren (Verändern) der Daten.

9 4 EINLESEN UND AUSGEBEN VON DATENSÄTZEN 5 Insheet-Befehl Der insheet-befehl wird ähnlich benutzt wie der infile-befehl, jedoch müssen die Variablennamen nicht angegeben werden, da STATA davon ausgeht, dass in der ersten Zeile des Files die Variablennamen (durch Leerzeichen getrennt) stehen. Die Zambia-Daten werden beispielsweise mit dem Befehl insheet using d:\daten\zambia.raw eingelesen. Der nach using angegebene Pfad muss gegebenenfalls angepasst werden. 4.2 Einlesen von Daten im STATA-Format Befinden sich Daten bereits im STATA-Format (Dateiendungen dta) können diese mit Hilfe des Befehls use eingelesen werden. Die Zambia-Daten werden beispielsweise durch Angabe des Befehls use d:\daten\zambia.dta eingelesen. Der angegebene Pfad muss gegebenenfalls angepasst werden. Befindet sich bereits ein Datensatz im Speicher von STATA, so muss dieser durch vorherige Angabe des Befehls clear zunächst gelöscht werden. 4.3 Abspeichern von Daten im ASCII-Format Daten im STATA-Format lassen sich mit Hilfe des outfile Befehls als ASCII Datensatz abspeichern. Der Befehl hat folgende allgemeine Struktur: outfile [varlist] using filename [if exp] [in range] [, replace] Die Option replace gibt an, dass eine bereits existierende Datei überschrieben werden darf. Neben der replace Option sind noch einige weitere Optionen zugelassen, vergleiche hierzu die Handbücher bzw. die STATA Hilfe. Der folgende Befehl speichert die Variablen X, Y und Z im ASCII-Format: outfile X Y Z using myfile

10 5 DATENHANDLING Abspeichern von Daten im STATA-Format In STATA eingelesene Daten werden im STATA-Format für die spätere Weiterverwendung mit dem Befehl save gespeichert. Die Zambia Daten werden beispielsweise durch save d:\daten\zambia.dta gespeichert. Falls der angegebene Datensatz bereits existiert, muss zusätzlich die Option replace spezifiziert werden, um dem Programm das Überschreiben der existierenden Datei zu ermöglichen. Der Befehl lautet dann save d:\daten\zambia.dta, replace Sind häufig Daten einzulesen und abzuspeichern, kann es mühsam werden, immer den gesamten Pfad anzugeben. Es empfiehlt sich dann, ein Standardverzeichnis anzulegen, das zum Speichern und Einlesen verwendet wird. Dies geschieht mit dem Befehl cd. Die Befehle cd d:\daten insheet using zambia.raw save zambia.dta, replace bewirken, dass der Datensatz zambia.raw im Verzeichnis d:\daten eingelesen und anschließend im Stata-Format im selben Verzeichnis abgespeichert wird. 5 Datenhandling 5.1 Erzeugen und Verändern von Variablen Neue Variablen werden mit Hilfe des Befehls generate newvar = exp [if exp] wobei type der Variablentyp ist. Beispielsweise wird mit generate Y = X 2 die bereits existierende Variable X quadriert und das Resultat der neuen Variable Y zugewiesen. Auf dem Einheitsintervall gleichverteilte Zufallsvariablen werden durch

11 5 DATENHANDLING 7 generate Y = uniform() erzeugt, standardnormalverteilte Zufallsvariablen werden durch generate Y = invnorm(uniform()) erzeugt. Beispiel: Zambia Daten Der Befehl generate alter2 = alterˆ2 erzeugt die neue Variable alter2, indem die bereits existierende Variable alter quadriert wird. Sind in einem Datensatz noch keine Variablen vorhanden, so muss zunächst durch set obs nrobs die Anzahl der Beobachtungen nrobs festgelegt werden. Bereits bestehende Variablen werden mit dem replace Befehl verändert. Der Befehl besitzt folgende Syntax: replace oldvar = exp [if exp] Beispiel: Zambia Daten Der Befehl replace alter = alter/12 verändert nun die Variable alter so, dass das Alter jetzt in Jahren und nicht wie vorher in Monaten gespeichert ist. 5.2 Labeln von Werten und Variablen Die Werte kategorialer Variablen wie beim Geschlecht (Variable sex) oder dem Bildungsstand der Mutter (Variable edu) im Zambia Datensatz werden häufig durch Zahlen kodiert. Beim Geschlecht beispielsweise werden Jungen mit 1 und Mädchen mit 0 kodiert. Bei Auswertungen, die auf diesen Variablen basieren, erscheinen die Kodierungen wieder auf, so

12 5 DATENHANDLING 8 dass dem mit den Kodierungen nicht vertrauten Betrachter unklar ist, was sich dahinter verbirgt. Beispielsweise wird durch Angabe des Befehls tabulate sex die folgende Häufigkeitstabelle erzeugt (zum tabulate Befehl vergleiche Abschnitt 6): sex Freq. Percent Cum , , Total 4, Die Tabelle wäre deutlich besser lesbar, wenn die Kodierung 0 und 1 durch die Bezeichnungen (labels) Mädchen und Jungen ersetzt würden. Das geschieht in STATA, indem die Werte einer kategorialen Variable mit sogenannten Labels versehen werden. Für die Variable sex geschieht das durch die beiden folgenden Befehle: label define sexlabel 0 Mädchen 1 Jungen label values sex sexlabel Der erste Befehl definiert ein Label mit dem Namen sexlabel und weist den Werten 0 und 1 die Bezeichnungen Mädchen und Jungen zu. Mit dem zweiten Befehl wird das soeben definierte Label den Werten der Variable sex zugewiesen. Man beachte, dass ein definiertes Label den Werten mehrerer Variablen zugewiesen werden kann. Wenn wir jetzt den Befehl tabulate sex eingeben erhalten wir den gewünschten Output: sex Freq. Percent Cum Mädchen 2, Jungen 2, Total 4,

13 6 DESKRIPTIVE STATISTIKEN 9 In vielen Fällen kann es auch übersichtlich sein, den Namen einer Variable zu labeln. Das geschieht für die Variable sex durch label variable sex Geschlecht Das Ergebnis des tabulate Befehls lautet dann Geschlecht Freq. Percent Cum Mädchen 2, Jungen 2, Total 4, Deskriptive Statistiken Mit Hilfe des summarize Befehls werden deskriptive Maßzahlen (arithmetische Mittel, Standardabweichungen, etc.) berechnet und ausgegeben. Der Befehl besitzt folgende allgemeine Syntax: summarize [varlist] [if exp] [, detail ] Die Angabe der Option detail bewirkt, dass zusätzliche Maßzahlen (etwa Quantile) berechnet werden. Beispiel: Zambia Daten Mit dem Befehl summarize zscore, detail erhält man folgenden STATA Output:

14 6 DESKRIPTIVE STATISTIKEN 10 zscore Percentiles Smallest 1% % % Obs % Sum of Wgt % -170 Mean Largest Std. Dev % % Variance % Skewness % Kurtosis Für kategoriale Variablen können Häufigkeitsauszählungen mit dem Befehl tabulate ausgegeben werden. Der Befehl besitzt die folgende Syntax: tabulate varname [if exp] [, generate(varname) missing ] Durch Angabe der missing Option werden zusätzlich Häufigkeiten für fehlende Werte ausgegeben. Mit Hilfe der Option generate(varname) werden automatisch Dummyvariablen für die Werte der Variable erzeugt. Beispiel: Zambia Daten Der Befehl tabulate sta tabelliert die absoluten und relativen Häufigkeiten der Variable sta und man erhält folgende Tabelle in STATA: sta Freq. Percent Cum , , Total 4,

15 6 DESKRIPTIVE STATISTIKEN 11 Der Befehl tabulate edu, generate(edu) erzeugt für die kategoriale Variable edu Dummyvariablen, die dann im Variables Fenster erscheinen. Als Output erhält man eine Häufigkeitstabelle für die Variable edu: edu Freq. Percent Cum , , Tabelliert man nun z.b. edu1, so erhält man folgenden Output(edu1 entspricht edu=0): tabulate edu1 edu== Freq. Percent Cum , Total 4, Kreuztabellen für zwei Variablen können ebenfalls mit dem tabulate Befehl berechnet werden. Für zwei Merkmale besitzt der Befehl die folgende Struktur: tabulate varname1 varname2 [if exp] [, cell chi2 column exact lrchi2 missing row ] Mit Hilfe der Option cell werden zuätzlich die relativen Häufigkeiten (neben den absoluten) dargestellt. Durch Angabe der Option column bzw. row werden spaltenweise bzw. zeilenweise relative Häufigkeiten ausgegeben. Die Optionen chi2 und lrchi2 berechnen Pearson s χ 2 Statistik und die LQ-χ 2 Statistik. Die Option exact führt Fisher s exakten Assoziationstest durch.

16 6 DESKRIPTIVE STATISTIKEN 12 Beispiel: Zambia Daten Der Befehl tabulate erw sta, cell tabelliert den Zusammenhang der beiden kategorialen Variablen erw und sta. In STATA erhält man nun folgende Tabelle: sta erw 0 1 Total , , ,502 1,155 2, Total 2,745 2,102 4, Mit dem Befehl correlate [varlist] [if exp] [, options] werden die Korrelationskoeffizienten nach Bravais-Pearson zwischen den in varlist angegebenen Variablen berechnet. Spezifiziert man die Option covariance, werden die Kovarianzen ausgegeben. Beispiel: Zambia Daten Der Befehl correlate zscore bmi liefert den Output: zscore bmi zscore bmi Der Korrelationskoeffizient zwischen diesen beiden Variablen beträgt 0.11.

17 7 GRAFIK MIT STATA 13 7 Grafik mit STATA 7.1 Grafische Veranschaulichung univariater Verteilungen Boxplot: Einen Boxplot erhält man durch folgenden Befehl: graph box varname [if exp], [graph options] Zu allgemeinen Grafikoptionen (z.b. Achsenbeschriftungen) siehe Abschnitt 7.6. Beispiel: Zambia Daten Mit dem Befehl graph box zscore erhält man den in Abbildung 1 erscheinenden Boxplot Abbildung 1: Boxplot der Variable zscore Mit dem Befehl graph box zscore, over (edu) erhält man Boxplots der Variable zscore stratifiziert nach den Kategorien der Variable edu. Als Ergebnis erhält man die Grafik in Abbildung 2. Histogramm Die Syntax zur Veranschaulichung einer stetigen Verteilung durch ein Histogramm ist histogram varname [if exp], [bin(#)] [graph options]

18 7 GRAFIK MIT STATA Abbildung 2: Boxplot der Variable zscore stratifiziert nach den Kategorien der Variable edu wobei bin(#) die Anzahl k der Intervalle angibt. Wird die Option bin nicht angegeben, so wird die Anzahl der Intervalle automatisch unter Zuhilfenahme der Faustregel k =min{ (n), 10 log10(n)} gewählt. Beispiel: Zambia Daten Mit dem Befehl histogram zscore wird ein Histogramm für die Variable zscore in STATA erzeugt, vgl. Abbildung 3. Säulendiagramm Ein Säulendiagramm für kategoriale Variablen erhält man in STATA mit Hilfe des Befehls histogram variable, discrete gap(20). Durch Angabe der Option discrete geht das Programm von einer diskreten Variable aus, so dass letztendlich ein Säulendiagramm gezeichnet wird. Die Option gap(20) bewirkt, dass zwischen den einzelnen Säulen ein kleiner Abstand eingehalten wird. Durch Variation der Zahl innerhalb der Klammer kann der Abstand variiert werden (zugelassene Werte liegen im Bereich 0-100). Beispiel: Zambia Daten Mit dem Befehl histogram reg, discrete gap(20) erhält man die Grafik in Abbildung 4.

19 7 GRAFIK MIT STATA 15 Density zscore Abbildung 3: Histogramm der Variable zscore 7.2 Grafische Veranschaulichung von Funktionen Die allgemeine Syntax zur Veranschaulichung von Funktionen lautet: scatter varlist varname x [if exp] [, msymbol(...) clpattern(...) connect(...)] [graph options] Hier werden die Werte in varlist auf der y-achse gegen die Werte in varname x auf der x-achse abgetragen. Mit msymbol(...) wird festgelegt, welche Symbole zur Kennzeichnung der Punkte verwendet werden. Mit connect(...) und clpattern wird festgelegt, wie die Punkte verbunden werden. Als Symbole sind unter anderem zugelassen: O (großer ausgefüllter Kreis), o (kleiner ausgefüllter Kreis), T (ausgefülltes Dreieck), Oh (großer Kreis), oh (kleiner Kreis), Th (Dreieck), point (sehr kleiner Punkt), und i (unsichtbar). Die Voreinstellung ist das O Symbol. Zum Verbinden der Punkte (Option connect) stehen unter anderem folgende Symbole zur Verfügung: i (nicht verbinden) und l (durchgezogene Linie). Für die Option clpattern können folgende Werte verwendet werden: l (durchgezogene Linie), (langer Strich), - (mittel langer Strich),. (kurzer Strich). Beispiele: scatter y x zeichnet ein Streudiagramm zwischen y und x. scatter y1 y2 x, msymbol(i i) connect(l l) zeichnet y1 gegen x und y2 gegen x, wobei die (unsichtbaren) Punkte durch Linien verbunden werden. graph y1 y2 x, msymbol(i i) connect(l l) clpattern(l -) zeichnet y1 gegen x durch Linien verbunden und y2 gegen x durch gestrichelte Linien verbunden.

20 7 GRAFIK MIT STATA 16 Density reg Abbildung 4: Säulendiagramm der Variable reg Beispiel: Zambia Daten Der Befehl scatter zscore alter zeichnet ein Streudiagramm zwischen der Variable zscore und der Variable alter, vgl. Abbildung 5. zscore alter Abbildung 5: Streudiagramm der Variablen zscore und alter

21 7 GRAFIK MIT STATA 17 Das folgende Beispiel zeigt wie man mehrere Linien in einer Grafik darstellen kann. Beispiel: Zeichnen von Funktionen Wir erzeugen zunächst die Variable x, die Werte im Intervall -3 und 3 annimmt. set obs 100 generate x = *( n-1)/99 Anschließend erzeugen wir Werte für die Funktionen sin(x) und cos(x): generate s = sin(x) generate c = cos(x) Nun können mit dem Befehl scatter s c x, msymbol(i i) connect(l l) clpattern(l -) die beiden Funktionen visualisiert werden, vgl. Abbildung x s c Abbildung 6: Visualisierung der Funktionen sinus und cosinus. 7.3 Scatterplotmatrix Mit Hilfe einer Scatterplotmatrix werden für eine Menge von (metrischen) Variablen alle möglichen Streudiagramme gezeichnet. Der allgemeine Befehl lautet: graph matrix varlist [if exp] [, options] In der Matrix werden sämtliche Kombinationen von Streudiagrammen für die Variablen in varlist veranschaulicht. Die Diagonale zeigt, welche Variablen in der Matrix in Beziehung gesetzt werden.

22 7 GRAFIK MIT STATA 18 Mit der Option half erscheint nur der untere Teil der Matrixdarstellung. Weiterhin sind die Optionen msymbol(), mcolor() und msize() a hnlich wie bei einfachen Streudiagrammen anwendbar. Weitere Optionen findet man in der STATA Hilfe. Beispiel: Zambia Daten Mit dem Befehl graph matrix zscore alter bmi wird in STATA die in Abbildung 7 abgedruckte Matrix erzeugt zscore alter bmi Abbildung 7: Scatterplotmatrix fu r die Variablen zscore, alter und bmi. 7.4 Kombination mehrerer Grafiken Es besteht die Mo glichkeit sich mehrere Grafiken in einem Fenster anzeigen zu lassen. Dafu r muss zuna chst jede Grafik mit dem Befehl graph save filename.gph abspeichert werden. Anschließend werden dann die Grafiken durch den Befehl graph combine filename1.gph filename2.gph... in einem gemeinsamen Grafikfenster angezeigt. Beispiel: Zambia Daten Mit den Befehlen histogram zscore

23 7 GRAFIK MIT STATA 19 graph save histogramzscore.gph, replace kdensity zscore graph save kzscore.gph, replace graph combine histogramzscore.gph kzscore.gph erhält man in STATA die Grafik in Abbildung 8. Density zscore Density zscore Abbildung 8: Histogramm und Kerndichteschätzer für die Variable zscore. 7.5 Mehrere Grafiktypen in einer Grafik In STATA können auch mehrere Grafiktypen, etwa Histogramme und Kerndichteschätzer in einer Grafik angezeigt werden. Dazu muss der Befehl eingegeben Grafik1 Grafik2 werden. Beispiel: Zambia Daten Mit dem Befehl histogram bmi kdensity bmi wird das Histogram sowie der Kerndichteschätzer für die Variable bmi in einer Grafik kombiniert (vgl Abb.9).

24 7 GRAFIK MIT STATA Density kdensity bmi Abbildung 9: Histogramm und Kerndichteschätzer für die Variable bmi 7.6 Allgemeine Grafikoptionen Die folgende (unvollständige) Aufzählung enthält eine Reihe allgemeiner Grafikoptionen (graph options), wobei nicht für jeden Grafiktyp alle erlaubt sind: title( text ) bzw. subtitle( text ) Fügt der Grafik eine Überschrift bzw. Unterüberschrift hinzu. xtitle( text ) bzw. ytitle( text ) Achsenbeschriftungen. xlabel bzw. ylabel Labelt die x-achse bzw. die y-achse automatisch. Benutzerdefinierte Labels erhält man beispielsweise durch xlab( )oder xlab(-3(1)3). xsize(#) bzw. ysize(#) Legt die Länge der x-achse bzw. der y-achse in Inches fest, wobei Werte zwischen 1 und 20 erlaubt sind. Voreinstellung: xsize(6) und ysize(4). 7.7 Abspeichern von Grafiken als eps-files In STATA können Grafiken auf dem Bildschirm leicht als eps-files abgespeichert werden und anschließend in Latex oder Word Dokumente eingebunden werden. Die Bildschirmgrafik wird mit folgendem Befehl umgewandelt: graph export filename.eps, as(eps) [replace]

25 8 REGRESSION IN STATA 21 Beispiel: Zambia Daten Der Befehl graph export boxplotzscore.eps, replace speichert die Grafik der Abbildung 1 als eps-datei. Die zusätzliche Option replace gibt an, ob eine bereits existierende Grafik überschrieben werden darf. Es sei darauf hingewiesen, dass neben eps-grafiken auch andere Grafiktypen (etwa wmf oder pdf) erlaubt sind. Beispielsweise erhält man eine Grafik im wmf (Windows Metafile) Format durch: graph export filename.wmf, as(wmf) [replace] 8 Regression in STATA Lineare Modelle können mit dem regress Befehl geschätzt werden. Der Befehl hat folgende Syntax: regress depvar [varlist] [if exp] [, level(#) noconstant ] Mit Hilfe der Option level kann das gewünschte Konfidenzniveau für Konfidenzintervalle angegeben werden. Beispielsweise erhält man mit level(80) 80 % Konfidenzintervalle für die unbekannten Parameter (Voreinstellung 95 %). Die Option noconst verhindert das Mitschätzen eines Intercepts. Gewichtete Regressionsmodelle können durch zusätzliche Angabe einer Gewichtsvariable geschätzt werden. Sei Beispielsweise w eine Gewichtsvariable. Dann wird durch regress y x [aweight=w] eine gewichtete Regression zwischen y und x geschätzt. Beispiel: Zambia Daten Mit dem Befehl regress zscore bmi erhält man folgenden Output des linearen Regressionsmodells für den zscore in Abhängigkeit von bmi in STATA:

26 8 REGRESSION IN STATA 22 Source SS df MS Number of obs = F( 1, 4845) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = zscore Coef. Std. Err. t P> t [95% Conf. Interval] bmi _cons Mit dem Befehl regress zscore bmi sta erhält man den folgenden Output in STATA: Source SS df MS Number of obs = F( 2, 4844) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = zscore Coef. Std. Err. t P> t [95% Conf. Interval] bmi sta _cons Nach Ausführung des regress Befehls können mit dem predict Befehl geschätzte Werte, Residuen usw. berechnet werden, siehe das folgende Beispiel und für Details die STATA Hilfe.

27 9 PROGRAMMIEREN IN STATA 23 Beispiel: Zambia Daten Mit den Befehlen predict zscoredach predict residuen, residuals werden die geschätzten Werte, in der neu erzeugten Variable zscoredach gespeichert. Die Regressionsgerade und die wahren Werte können dann mit dem Befehl scatter zscore zscoredach bmi, msymbol(o i) connect(i l) in einer Grafik (Abbildung 10) veranschaulicht werden bmi zscore Fitted values Abbildung 10: Streudiagramm der Variablen zscore und bmi inklusive geschätzter Regressionsgerade 9 Programmieren in STATA 9.1 Batch-files STATA Befehle können in batch-files (sogenannte do-files) gespeichert werden. Durch Aufruf der entsprechenden Datei werden sämtliche Befehle abgearbeitet. Ein do-file wird mit dem Befehl do myfile

28 9 PROGRAMMIEREN IN STATA 24 aufgerufen. 9.2 Macros Macros haben in STATA eine ähnliche Aufgabe wie Variablen in höheren Programmiersprachen(z.B. C++). Ein Macro besitzt einen Macronamen und einen Macroinhalt. STATA unterscheidet lokale Macros, die nur innerhalb eines Programms bekannt sind, und globale Makros. Die folgenden Befehle beinhalten einige gültige Macrodefinitionen: local a = myvar local a = 2+2 local a = a +1 Auf den Inhalt lokaler Macros wird mit macroname zugegriffen und auf den Inhalt globaler Macros mit $macroname. Das folgende Code Fragment definiert mehrmals einen lokalen Macro a und gibt den Inhalt aus: local a = myvar display a local a = 2+2 display a Im folgenden Code Fragment wird einem Macro der Name einer Variable zugewiesen und anschließend deskriptive Kennzahlen berechnet: local a = var1 summarize a Ein Macro kann mit Hilfe des Befehls tokenize in seine Bestandteile zerlegt werden. Die einzelnen Token werden nacheinander in den Macros 1, 2, usw. gespeichert. Folgendes Code Fragment zerlegt den Macro a in die Token Dies, ist, ein und Test : local a = Dies ist ein Test tokenize a

Übung Statistik I Statistik mit Stata SS07-21.05.2007 6. Grafiken und Wiederholung

Übung Statistik I Statistik mit Stata SS07-21.05.2007 6. Grafiken und Wiederholung Übung Statistik I Statistik mit Stata SS07-21.05.2007 6. Grafiken und Wiederholung Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16 Uhr Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata

Mehr

Übung zur Einführung in die empirische Mikroökonomik (Ökonometrie II) Einführung in STATA. Universität Bamberg. Professur für VWL, Sozialpolitik

Übung zur Einführung in die empirische Mikroökonomik (Ökonometrie II) Einführung in STATA. Universität Bamberg. Professur für VWL, Sozialpolitik Übung zur Einführung in die empirische Mikroökonomik (Ökonometrie II) Einführung in STATA Universität Bamberg Professur für VWL, Sozialpolitik Sommersemester 2005 Dipl.-Vw. Christoph Wunder () Einführung

Mehr

Begleitmaterialien zur Übung Einführung in die empirische Mikroökonometrie - Ökonometrie II

Begleitmaterialien zur Übung Einführung in die empirische Mikroökonometrie - Ökonometrie II Begleitmaterialien zur Übung Einführung in die empirische Mikroökonometrie - Ökonometrie II 1. Eine kurze Einführung in STATA Guido Heineck 16. April 2003 Universität Bamberg, Professur für Sozialpolitik,

Mehr

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

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

Mehr

Übung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II

Übung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II Übung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16

Mehr

Stata I: Analyseorganisation und erste Schritte

Stata I: Analyseorganisation und erste Schritte Stata I: Analyseorganisation und erste Schritte 03. November 2003 Ziel dieser Veranstaltung ist zu lernen: 1. Benutzung der Hilfe-Funktion (help, search) 2. Ein Analyse-File zu erstellen 3. die Arbeit

Mehr

SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben

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

Mehr

Einführung in SPSS. 1. Die Datei Seegräser

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

Mehr

Einführung in QtiPlot

Einführung in QtiPlot HUWagner und Julia Bek Einführung in QtiPlot 30. Juni 2011 1/13 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Inhaltsverzeichnis 1 Programmeinführung

Mehr

STATA II: Daten- und Analysevorbereitung (Teil 1)

STATA II: Daten- und Analysevorbereitung (Teil 1) STATA II: Daten- und Analysevorbereitung (Teil 1) 10. November 2003 Wiederholung I K:\mo14-16 Aufgaben: 1. Stellen Sie den aktuell gültigen Pfad \data fest und wechseln Sie in das \project1 Verzeichnis

Mehr

Aufgabe. Variablen umbenennen

Aufgabe. Variablen umbenennen Stata: Einführung Teil 2 1) Definitions- und Transformationsanweisungen Nachdem Daten in Stata eingelesen wurden, besteht häufig die erste Aufgabe darin, die Daten zu formatieren, zu definieren oder zu

Mehr

2. Übung EVWL. Edgar Vogel, MEA. February 28, 2007

2. Übung EVWL. Edgar Vogel, MEA. February 28, 2007 2. Übung EVWL February 28, 2007 Organisatorisches Bitte folgende Dateien von der Homepage downloaden (http://trenkler.vwl.uni-mannheim.de/358.0.html) 1 flexab.dta 2 wiederholung1.dta 3 ueb1.do 4 Übungsblatt

Mehr

Dokumentation. estat Version 2.0

Dokumentation. estat Version 2.0 Dokumentation estat Version 2.0 Installation Die Datei estat.xla in beliebiges Verzeichnis speichern. Im Menü Extras AddIns... Durchsuchen die Datei estat.xla auswählen. Danach das Auswahlhäkchen beim

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Fortgeschrittene Statistik SPSS Einführung

Fortgeschrittene Statistik SPSS Einführung Fortgeschrittene Statistik SPSS Einführung Q U A N T I T A T I V E M E R K M A L E, Q U A L I T A T I V E M E R K M A L E, A U S P R Ä G U N G E N, C O D I E R U N G E N, S K A L E N N I V E A U, D A T

Mehr

Einführung in QtiPlot

Einführung in QtiPlot HUWagner und Julia Bek Einführung in QtiPlot 1/11 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Bei Fragen und Fehlern: jubech@cup.lmu.de Inhaltsverzeichnis

Mehr

Tutorium zur Makroökonomik

Tutorium zur Makroökonomik Universität Ulm 89069 Ulm Germany Dipl. WiWi. Sabrina Böck Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Tutorium zur Makroökonomik

Mehr

11./ 12. April 2006. Andrea Ossig andrea.ossig@web.de. Prof. Dr. Helmut Küchenhoff kuechenhoff@stat.uni-muenchen.de

11./ 12. April 2006. Andrea Ossig andrea.ossig@web.de. Prof. Dr. Helmut Küchenhoff kuechenhoff@stat.uni-muenchen.de Einführung in SPSS 11./ 12. April 2006 Andrea Ossig andrea.ossig@web.de Prof. Dr. Helmut Küchenhoff kuechenhoff@stat.uni-muenchen.de Monia Mahling monia.mahling@web.de 1 Vor /Nachteile von SPSS +/ intuitiv

Mehr

Kurzeinführung in GNUPLOT

Kurzeinführung in GNUPLOT Kurzeinführung in GNUPLOT Johannes Schneider 9.12.2004 1 Einführung Gnuplot verfügt über ein gutes Hilfe-System: help Kommando Es ist ein sehr einfaches Programm, mit dem sich leicht Funktionen oder Daten

Mehr

Empirische Wirtschaftsforschung: Einführung in Stata

Empirische Wirtschaftsforschung: Einführung in Stata Empirische Wirtschaftsforschung: Einführung in Stata Die Anwendung der in der Vorlesung vermittelten Methoden am PC mit realen Daten ist ein zentraler Bestandteil dieser Veranstaltung. Wir verwenden die

Mehr

Statistik IV Übung mit Stata 10. Statistik IV. 4. Auswertungen und graphische Darstellung. Göttingen 26. Mai 2009. Dozent: Jürgen Leibold

Statistik IV Übung mit Stata 10. Statistik IV. 4. Auswertungen und graphische Darstellung. Göttingen 26. Mai 2009. Dozent: Jürgen Leibold Statistik IV 4. Auswertungen und graphische Darstellung Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?

Mehr

Datenmaske für SPSS. Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet

Datenmaske für SPSS. Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet werden: 1. Tabellenkalkulationsprogramme (Excel, Paradox) 2. Datenbankprogramme (dbase, Access) 3. Reine ASCII-Dateien

Mehr

Einfache statistische Auswertungen mit dem TI-Nspire

Einfache statistische Auswertungen mit dem TI-Nspire 1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,

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

6. Einstellungen, Variablentypen, Operatoren und interne Ergebnisse

6. Einstellungen, Variablentypen, Operatoren und interne Ergebnisse Henning Lohmann Lehrstuhl für Empirische Sozial- und Wirtschaftsforschung Wirtschafts- und Sozialwissenschaftliche Fakultät Universität zu Köln Einführung in Stata 9.0 (Mai 2007) 0. Notation und wichtige

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

Statistik IV Übung mit Stata 10. Statistik IV. 1. Grundlagen und Datenaufbereitung. Göttingen 2. Mai Dozent: Jürgen Leibold

Statistik IV Übung mit Stata 10. Statistik IV. 1. Grundlagen und Datenaufbereitung. Göttingen 2. Mai Dozent: Jürgen Leibold Statistik IV 1. Grundlagen und Datenaufbereitung Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?

Mehr

Übung Statistik I Statistik mit Stata SS07-30.04.2007 3. Stata-Grundlagen II und Univariate Statistiken I

Übung Statistik I Statistik mit Stata SS07-30.04.2007 3. Stata-Grundlagen II und Univariate Statistiken I Übung Statistik I Statistik mit Stata SS07-30.04.2007 3. Stata-Grundlagen II und Univariate Statistiken I Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16 Uhr Andrea.Kummerer@sowi.uni-goettingen.de

Mehr

1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de

1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de 1. Allgemeine Hinweise Alexander.Martin.Koenig@TU-Clausthal.de Man sollte eine Excel-Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte

Mehr

Bedienung von BlueJ. Klassenanzeige

Bedienung von BlueJ. Klassenanzeige Im Folgenden werden wichtige Funktionen für den Einsatz von BlueJ im Unterricht beschrieben. Hierbei wird auf den Umgang mit Projekten, Klassen und Objekten eingegangen. Abgeschlossen wird dieses Dokument

Mehr

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

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

Mehr

Arbeiten mit Excel. 1. Allgemeine Hinweise

Arbeiten mit Excel. 1. Allgemeine Hinweise 1. Allgemeine Hinweise Man sollte eine Excel Tabelle immer so übersichtlich wie möglich halten. Dazu empfiehlt es sich, alle benötigten Daten, Konstanten und Messwerte inklusive aller dazugehörigen Einheiten

Mehr

Variablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen.

Variablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen. Variablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen. Wir wollen uns heute dem Thema Variablen widmen und uns damit beschäftigen, wie sich

Mehr

Einfache Modelle für Paneldaten. Statistik II

Einfache Modelle für Paneldaten. Statistik II Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)

Mehr

Bauteilattribute als Sachdaten anzeigen

Bauteilattribute als Sachdaten anzeigen Mit den speedikon Attributfiltern können Sie die speedikon Attribute eines Bauteils als MicroStation Sachdaten an die Elemente anhängen Inhalte Was ist ein speedikon Attribut?... 3 Eigene Attribute vergeben...

Mehr

Online-Ansichten und Export Statistik

Online-Ansichten und Export Statistik ACS Data Systems AG Online-Ansichten und Export Statistik (Version 10.08.2009) Buchhaltung für Schulen ACS Data Systems AG Bozen / Brixen / Trient Tel +39 0472 27 27 27 obu@acs.it 2 Inhaltsverzeichnis

Mehr

Lineare Modelle in R: Einweg-Varianzanalyse

Lineare Modelle in R: Einweg-Varianzanalyse Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der

Mehr

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien

Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Einführung in SPSS. Sitzung 2: Datenbereinigung und Datenmanagement. Knut Wenzig. 15. Dezember 2005

Einführung in SPSS. Sitzung 2: Datenbereinigung und Datenmanagement. Knut Wenzig. 15. Dezember 2005 Sitzung 2: 15. Dezember 2005 Rückblick auf die Datenimport Benutzeroberfläche von SPSS Auswahl von Fällen Fälle anzeigen lassen Bestimmte Werte manipulieren Variablen in andere umkodieren Neue Variablen

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

SAS-Kurs: SS 09. Helmut Küchenhoff, Cornelia Oberhauser, Monia Mahling, Vroni Fensterer, Sara Wadle. 8. Juni 2009

SAS-Kurs: SS 09. Helmut Küchenhoff, Cornelia Oberhauser, Monia Mahling, Vroni Fensterer, Sara Wadle. 8. Juni 2009 SAS-Kurs: SS 09 Helmut Küchenhoff, Cornelia Oberhauser, Monia Mahling, Vroni Fensterer, Sara Wadle 8. Juni 2009 Daten ansehen Deskriptive Statistik Erzeugen von Grafiken Korrelationen ODS: Output Delivery

Mehr

IDA ICE - Konvertieren und Importieren von mit TRY_Effekte_aufpraegen.exe erzeugten Datensätzen

IDA ICE - Konvertieren und Importieren von mit TRY_Effekte_aufpraegen.exe erzeugten Datensätzen IDA ICE - Konvertieren und Importieren von mit TRY_Effekte_aufpraegen.exe erzeugten Datensätzen Mit Einführung der 2010 TRY (Test Referenz Jahr) Klimadatensätze ist es erstmals möglich, neben den für 15

Mehr

32.6 Verwenden des Produktionsmodus 815i

32.6 Verwenden des Produktionsmodus 815i 32.6 Verwenden des Produktionsmodus 815i Fortsetzung der Seiten in der 8. Auflage 32.6 Verwenden des Produktionsmodus Für größere oder sich wiederholende Analysen kann es interessant sein, nicht mit Hilfe

Mehr

Strings. Daten aus Dateien einlesen und in Dateien speichern.

Strings. Daten aus Dateien einlesen und in Dateien speichern. Strings. Daten aus Dateien einlesen und in Dateien speichern. Strings Ein String ist eine Zeichenkette, welche von MATLAB nicht als Programmcode interpretiert wird. Der Ausdruck 'a' ist ein String bestehend

Mehr

GI Vektoren

GI Vektoren Vektoren Problem: Beispiel: viele Variablen vom gleichen Typ abspeichern Text ( = viele char-variablen), Ergebnisse einer Meßreihe ( = viele int-variablen) hierfür: Vektoren ( = Arrays = Feld ) = Ansammlung

Mehr

Übung Statistik I Statistik mit Stata SS Zusammenhangsanalyse III

Übung Statistik I Statistik mit Stata SS Zusammenhangsanalyse III Übung Statistik I Statistik mit Stata SS07 02.07.2007 11. Zusammenhangsanalyse III Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata - 1 -

Mehr

FreeMat unter Windows & Linux

FreeMat unter Windows & Linux FreeMat unter Windows & Linux Version: 23.11.2008 Inhalt Einleitung:... 2 1. Allgemeine Informationen... 2 2. Installation... 2 FreeMat unter Windows x86/x64... 2 FreeMat unter Linux... 3 3. Arbeiten mit

Mehr

Übungsblatt 4: Multivariate Analyseverfahren

Übungsblatt 4: Multivariate Analyseverfahren Prof Bernd Fitzenberger, PhD Dr Roland Füss Übung zur Veranstaltung Empirische Wirtschaftsforschung Aderonke Osikominu Albert-Ludwigs-Universität Freiburg Mehdi Hosseinkouchack Wintersemester 2007/08 Übungsblatt

Mehr

1 Vom Problem zum Programm

1 Vom Problem zum Programm Hintergrundinformationen zur Vorlesung GRUNDLAGEN DER INFORMATIK I Studiengang Elektrotechnik WS 02/03 AG Betriebssysteme FB3 Kirsten Berkenkötter 1 Vom Problem zum Programm Aufgabenstellung analysieren

Mehr

Mittelwerte, Zusammenhangsmaße, Hypothesentests in Stata

Mittelwerte, Zusammenhangsmaße, Hypothesentests in Stata Mittelwerte,, Hypothesentests in Stata Statistik II Statistik II Mittelwerte,, Hypothesentests (1/30) Wiederholung: Daten & Deskriptive Statistik Zwei nominale Variablen Zwei ordinale Variablen Nominal/intervallskalierte

Mehr

Mittelwerte, Zusammenhangsmaße, Hypothesentests in Stata

Mittelwerte, Zusammenhangsmaße, Hypothesentests in Stata Mittelwerte,, in Stata Statistik II Statistik II Mittelwerte,, (1/30) Wiederholung: Daten & Deskriptive Statistik Statistik II Mittelwerte,, (2/30) Daten verwalten Datenmatrix aus Fällen (Zeilen) und Variablen

Mehr

Musterlösung zu Serie 14

Musterlösung zu Serie 14 Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen

Mehr

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

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

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

Datenaufbereitung, Grafische Datenanalyse

Datenaufbereitung, Grafische Datenanalyse Datenaufbereitung, Grafische Datenanalyse R-Übung 2 Statistik III für Nebenfachstudierende LMU WS 2013/14 David Rügamer 6. & 13. November 2013 Nach einer Vorlage von Toni Hilger (WS 11/12) und Arne Kaldhusdal

Mehr

Anleitung für zwei C++ - Openmp - Beispiele auf der NWZSuperdome

Anleitung für zwei C++ - Openmp - Beispiele auf der NWZSuperdome Anleitung für zwei C++ - Openmp - Beispiele auf der NWZSuperdome (Timo Heinrich, t_hein03@uni-muenster.de) Inhaltsverzeichnis: 0.Einleitung 1.Teil: Helloworldprogramm 1.1 Quellcode: Helloworld.cpp 1.2

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

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

Einfache Statistiken in Excel

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

Mehr

Eine Klasse beschreibt Objekte mit gleichen Attributen und Methoden.

Eine Klasse beschreibt Objekte mit gleichen Attributen und Methoden. Grundwissen Informatik Objekt Attribut Methoden Als Objekte bezeichnet man alle Gegenstände, Dinge, Lebewesen, Begriffe oder Strukturen unserer Welt ( Autos, Räume, Bakterien, Lehrer, Schüler, Kunden,

Mehr

Auswertung der Workload-Befragung mit MS ACCESS

Auswertung der Workload-Befragung mit MS ACCESS Auswertung der Workload-Befragung mit MS ACCESS Inhaltsverzeichnis 1. Aufbereitung der Daten... 2 1.1. Herstellung der Textfiles... 2 1.2. Import der Textdateien... 3 1.3. Verbindungen erstellen... 8 2.

Mehr

RÖK Typo3 Dokumentation

RÖK Typo3 Dokumentation 2012 RÖK Typo3 Dokumentation Redakteur Sparten Eine Hilfe für den Einstieg in Typo3. Innpuls Werbeagentur GmbH 01.01.2012 2 RÖK Typo3 Dokumentation Inhalt 1) Was ist Typo3... 3 2) Typo3 aufrufen und Anmelden...

Mehr

TYPO3 Redaktoren-Handbuch

TYPO3 Redaktoren-Handbuch TYPO3 Redaktoren-Handbuch Kontakt & Support: rdv interactive ag Arbonerstrasse 6 9300 Wittenbach Tel. 071 / 577 55 55 www.rdvi.ch Seite 1 von 38 Login http://213.196.148.40/typo3 Username: siehe Liste

Mehr

Sozialwissenschaftliche Datenanalyse mit R

Sozialwissenschaftliche Datenanalyse mit R Katharina Manderscheid Sozialwissenschaftliche Datenanalyse mit R Eine Einführung F' 4-1 V : 'i rl ö LiSl VS VERLAG Inhaltsverzeichnis Vorwort 5 Danksagung 7 Inhaltsverzeichnis 9 R für sozialwissenschaftliche

Mehr

Fallbeispiel: Kreditscoring

Fallbeispiel: Kreditscoring Fallbeispiel: Kreditscoring Stefan Lang 14. Juni 2005 SS 2005 Datensatzbeschreibung (1) Ziel Untersuchung der Bonität eines Kunden in Abhängigkeit von erklärenden Variablen Zielvariable Bonität des Kunden:

Mehr

PHP 5.4 ISBN 978-3-86249-327-2. Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012. Grundlagen zur Erstellung dynamischer Webseiten GPHP54

PHP 5.4 ISBN 978-3-86249-327-2. Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012. Grundlagen zur Erstellung dynamischer Webseiten GPHP54 PHP 5.4 Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012 Grundlagen zur Erstellung dynamischer Webseiten ISBN 978-3-86249-327-2 GPHP54 5 PHP 5.4 - Grundlagen zur Erstellung dynamischer Webseiten

Mehr

Übung Statistik I Statistik mit Stata SS Datentransformationen II und Datenmanagement

Übung Statistik I Statistik mit Stata SS Datentransformationen II und Datenmanagement Übung Statistik I Statistik mit Stata SS07-07.05.2007 4. Datentransformationen II und Datenmanagement Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16 Uhr Andrea.Kummerer@sowi.uni-goettingen.de

Mehr

HTL-Website. TYPO3- Skriptum II. Autor: RUK Stand: 02.06.2010 Gedruckt am: - Version: V0.1 Status: fertig. Qualitätsmanagement

HTL-Website. TYPO3- Skriptum II. Autor: RUK Stand: 02.06.2010 Gedruckt am: - Version: V0.1 Status: fertig. Qualitätsmanagement HTL-Website TYPO3- Skriptum II Autor: RUK Stand: 02.06.2010 Gedruckt am: - Version: V0.1 Status: fertig Qualitätsmanagement Erstellt Geprüft Freigegeben Name RUK Datum 02.06.2010 Unterschrift Inhaltsverzeichnis

Mehr

Kurze Einführung in IBM SPSS für Windows

Kurze Einführung in IBM SPSS für Windows Kurze Einführung in IBM SPSS für Windows SPSS Inc. Chicago (1968) SPSS GmbH Software München (1986) 1984: Datenanalyse Software für den PC 1992: Datenanalyse Software unter Windows 1993: Datenanalyse Software

Mehr

Übung Statistik I Statistik mit Stata SS Probeklausur, Wiederholungen und Übungen

Übung Statistik I Statistik mit Stata SS Probeklausur, Wiederholungen und Übungen Übung Statistik I Statistik mit Stata SS07 11.06.2007 8. Probeklausur, Wiederholungen und Übungen Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik

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

Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin

Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin PhpMyAdmin = grafsches Tool zur Verwaltung von MySQL-Datenbanken Datenbanken erzeugen und löschen Tabellen und Spalten einfügen,

Mehr

Statistische Auswertung der Daten von Blatt 13

Statistische Auswertung der Daten von Blatt 13 Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung

Mehr

Einführung in VisualBasic for Applications. Stefan Mahlitz

Einführung in VisualBasic for Applications. Stefan Mahlitz Einführung in VisualBasic for Applications Stefan Mahlitz Stefan Mahlitz Einführung in VBA 27.08.00 Inhaltsverzeichnis 1. Grundlagen der VisualBasic for Applications (VBA) Programmierung...2 1.1 Variablen,

Mehr

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit

Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro

Mehr

Datenauswertung mit Hilfe von Pivot-Tabellen in Excel

Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Begleitendes Manual zu den Workshops zur Datenerfassung und verarbeitung im Juni / Juli 2004 Datenauswertung mit Hilfe von Pivot-Tabellen in Excel...3

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

. * Beispiel 2: Anteil niederlaendischer Frauen ohne Konfession ( )

. * Beispiel 2: Anteil niederlaendischer Frauen ohne Konfession ( ) . * Beispiel 2: Anteil niederlaendischer Frauen ohne Konfession (1889-1969). use http://eswf.uni-koeln.de/daten/stata/kohorte.dta, clear. des Contains data from kohorte.dta obs: 48 vars: 36 15 May 2005

Mehr

1 MAKROS AUFZEICHNEN. 1.1 Einführung

1 MAKROS AUFZEICHNEN. 1.1 Einführung Makro Aufzeichnen Makro + VBA 2010 effektiv 1 MAKROS AUFZEICHNEN 1.1 Einführung Sie können Excel sehr einfach automatisieren, indem Sie ein Makro aufzeichnen. Ähnlich wie bei einem Kassettenrecorder werden

Mehr

FERNHEIZWERKE Software zur Sammlung der Betriebsdaten

FERNHEIZWERKE Software zur Sammlung der Betriebsdaten FERNHEIZWERKE Software zur Sammlung der Betriebsdaten Über dieses Programm können die Betriebsdaten einer Anlage eingegeben werden und dann automatisch via E-Mail ans Amt für Energieeinsparung an die Email

Mehr

Das Handbuch zu KSnapshot

Das Handbuch zu KSnapshot Richard J. Moore Robert L. McCormick Brad Hards Korrektur: Lauri Watts Entwickler: Richard J Moore Entwickler: Matthias Ettrich Übersetzung des Handbuchs: Robert Gogolok Übersetzung des Handbuchs: Kilian

Mehr

Klausurteilnehmer. Wichtige Hinweise. Note: Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 HS OWL, FB 7, Malte Wattenberg.

Klausurteilnehmer. Wichtige Hinweise. Note: Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 HS OWL, FB 7, Malte Wattenberg. Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 Klausurteilnehmer Name: Matrikelnummer: Wichtige Hinweise Es sind keinerlei Hilfsmittel zugelassen auch keine Taschenrechner! Die Klausur dauert

Mehr

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik Institut für Soziologie Dr. Methoden 2 Einführung, grundlegende PASW-Bedienung, univariate Statistik Programm Wiederholung zentraler Aspekten der Übungen Literatur zur Veranstaltung Erste Schritte mit

Mehr

Handbuch. WinLP. Rev. 00/32. Änderungen im Sinne des technischen Fortschritts vorbehalten.

Handbuch. WinLP. Rev. 00/32. Änderungen im Sinne des technischen Fortschritts vorbehalten. Handbuch WinLP Rev. 00/32 Änderungen im Sinne des technischen Fortschritts vorbehalten. Inhaltsverzeichnis Handbuch VIPA WinLP Die Angaben in diesem Handbuch erfolgen ohne Gewähr. Änderungen des Inhalts

Mehr

10 Lesen und Schreiben von Dateien

10 Lesen und Schreiben von Dateien 10 Lesen und Schreiben von Dateien 10 Lesen und Schreiben von Dateien 135 10.1 Mit load und save Binäre Dateien Mit save können Variableninhalte binär im Matlab-Format abgespeichert werden. Syntax: save

Mehr

Datenvisualisierung mit JMP

Datenvisualisierung mit JMP Datenvisualisierung mit JMP Patrick René Warnat HMS Analytical Software GmbH Rohrbacherstr. 26 Heidelberg patrick.warnat@analytical-software.de Zusammenfassung Das JMP Paket ist ein Softwareprodukt der

Mehr

PADS 3.0 Viewer - Konfigurationen

PADS 3.0 Viewer - Konfigurationen PADS 3.0 Viewer - Konfigurationen Net Display Systems (Deutschland) GmbH - Am Neuenhof 4-40629 Düsseldorf Telefon: +49 211 9293915 - Telefax: +49 211 9293916 www.fids.de - email: info@fids.de Übersicht

Mehr

Einführung in MATLAB zur Veranstaltung Einführung in die Numerik

Einführung in MATLAB zur Veranstaltung Einführung in die Numerik Einführung in MATLAB zur Veranstaltung Einführung in die Numerik Christian Stohrer Mathematisches Institut der Universität Basel FS 2011 MATLAB Einführung zur Veranstaltung Einführung in die Numerik Bitte

Mehr

Installation von AmigaOS 3.9 unter WinUAE

Installation von AmigaOS 3.9 unter WinUAE Seite 1 von 22 Installation von AmigaOS 3.9 unter WinUAE Inhalt Einleitung Vorbereitung Konfiguration Installation Installation der BoingBags Installation von Picasso96 Installation von AHI Einleitung

Mehr

Anleitung für Berichte in Word Press, auf der neuen Homepage des DAV Koblenz

Anleitung für Berichte in Word Press, auf der neuen Homepage des DAV Koblenz Anleitung für Berichte in Word Press, auf der neuen Homepage des DAV Koblenz Diese Anleitung soll als Kurzreferenz und Schnellanleitung dienen um einfach und schnell Berichte auf der Homepage www.dav-koblenz.de

Mehr

AplusixEditor : Editor für Aplusix 3 Benutzerhandbuch

AplusixEditor : Editor für Aplusix 3 Benutzerhandbuch 1. Einleitung AplusixEditor : Editor für Aplusix 3 Benutzerhandbuch Mai 2011 Deutsche Übersetzung von Marion Göbel verfaßt mit epsilonwriter Der Übungs-Editor ermöglicht das Erstellen und Bearbeiten der

Mehr

Anleitung zur Pflege der Homepage über den Raiffeisen-Homepage-Manager

Anleitung zur Pflege der Homepage über den Raiffeisen-Homepage-Manager Anleitung zur Pflege der Homepage über den Raiffeisen-Homepage-Manager Homepage-Manager Navigation Home Der Homepage-Manager bietet die Möglichkeit im Startmenü unter dem Punkt Home einfach und schnell

Mehr

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen

Mehr

Autor: Michael Spahn Version: 1.0 1/10 Vertraulichkeit: öffentlich Status: Final Metaways Infosystems GmbH

Autor: Michael Spahn Version: 1.0 1/10 Vertraulichkeit: öffentlich Status: Final Metaways Infosystems GmbH Java Einleitung - Handout Kurzbeschreibung: Eine kleine Einführung in die Programmierung mit Java. Dokument: Autor: Michael Spahn Version 1.0 Status: Final Datum: 23.10.2012 Vertraulichkeit: öffentlich

Mehr

Handbuch Datenpunktliste - Auswerte - Tools

Handbuch Datenpunktliste - Auswerte - Tools Handbuch Datenpunktliste - Auswerte - Tools zur Bearbeitung von Excel Datenpunktlisten nach VDI Norm 3814 für Saia PCD Systeme alle Rechte bei: SBC Deutschland GmbH Siemensstr. 3, 63263 Neu-Isenburg nachfolgend

Mehr

Spielleitung mit Rinkmaster 10. September 2007

Spielleitung mit Rinkmaster 10. September 2007 Rink-Master Turnier anlegen Allgemeine Informationen Rinkmaster ist die Standard Software für Spielleitungen bei Turnieren. SWISSCURLING ASSOCIATION verlangt die Verwendung dieser Software für Verbandsspiele.

Mehr

Funktionsbeschreibung Datenlogger DL28W

Funktionsbeschreibung Datenlogger DL28W Funktionsbeschreibung Datenlogger DL28W Voreinstellungen des Datenloggers: Im Datenlogger sind folgende Aufzeichnungs und Alarmwerte voreingestellt: Aufzeichnung: Raumfühler T1 Verdampferfühler T2 Sollwert

Mehr

Tutorial. Tutorial. Microsoft Office 2010 Standard Edition verteilen. 2011 DeskCenter Solutions AG

Tutorial. Tutorial. Microsoft Office 2010 Standard Edition verteilen. 2011 DeskCenter Solutions AG Tutorial Microsoft Office 2010 Standard Edition verteilen 2011 DeskCenter Solutions AG Inhaltsverzeichnis 1. Einführung...3 2. Office 2010 Ressourcen bereitstellen...3 3. Anpassung der Office Installation...4

Mehr