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 SS07-14.05.2007 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

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

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

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

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

Angela Hoffmann SS 2009. Stata Einführung. für Version Stata 9.0. Übung zum Modul Quantitative Methoden der Agrarmarktanalyse SS 2009

Angela Hoffmann SS 2009. Stata Einführung. für Version Stata 9.0. Übung zum Modul Quantitative Methoden der Agrarmarktanalyse SS 2009 Stata Einführung für Version Stata 9.0 Übung zum Modul Quantitative Methoden der Agrarmarktanalyse SS 2009 Einleitung: Stata ist ein Statistikprogramm, das zur Analyse von Zeitreihen und Paneldaten, sowie

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

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

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

Einführung in STATA. Programmversion 8

Einführung in STATA. Programmversion 8 Freie Universität Berlin Institut für Soziologie Garystr. 55 D-14195 Berlin Tutorien zur VL Statistik I Einführung in STATA Programmversion 8 Ergänzung zu den Vorlesungen Statistik im Grundstudium Lehrgebiet

Mehr

Univariate Lineare Regression. (eine unabhängige Variable)

Univariate Lineare Regression. (eine unabhängige Variable) Univariate Lineare Regression (eine unabhängige Variable) Lineare Regression y=a+bx Präzise lineare Beziehung a.. Intercept b..anstieg y..abhängige Variable x..unabhängige Variable Lineare Regression y=a+bx+e

Mehr

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

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

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse

Multiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple

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

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

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001)

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) AMOS - Bedienungsanaleitung 1 BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) A. Aufbau einer Inputdatei (Excel-Arbeitsblatt), welche eine Kovarianz- bzw. Korrelationsmatrix

Mehr

Einführung in die Statistiksoftware STATA. Institute for Empirical Research in Economics University of Zurich. Working Paper Series ISSN 1424-0459

Einführung in die Statistiksoftware STATA. Institute for Empirical Research in Economics University of Zurich. Working Paper Series ISSN 1424-0459 Institute for Empirical Research in Economics University of Zurich Working Paper Series ISSN 1424-0459 Working Paper No. 277 Einführung in die Statistiksoftware STATA Andreas Kuhn and Oliver Ruf March

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

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

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

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

Dokumentation. Gnuplot

Dokumentation. Gnuplot Dokumentation Gnuplot Inhaltsverzeichnis 1 Einführung 1.1 Allgemeine Beschreibung des Programms 1.2 Installation des Programms 1.3 Deinstallation des Programms 2 Hauptteil (Befehle, Einstellungen und Anwendungsbeispiele)

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

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

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell

Mehr

Rekonstruktion von Bandsatzerweiterungen mittels zeilen- bzw. satzübergreifender Operationen in STATA

Rekonstruktion von Bandsatzerweiterungen mittels zeilen- bzw. satzübergreifender Operationen in STATA Rekonstruktion von Bandsatzerweiterungen mittels zeilen- bzw satzübergreifender Operationen in STATA Kristina John November 2006 ZUMA Quadrat B2,1 Postfach 12 21 55 68072 Mannheim Telefon: 0621-1246-252

Mehr

Logische Verknüpfungen. while-schleifen. Zahlendarstellung auf dem Computer. Formatierung von Zahlen in MATLAB.

Logische Verknüpfungen. while-schleifen. Zahlendarstellung auf dem Computer. Formatierung von Zahlen in MATLAB. Logische Verknüpfungen. while-schleifen. Zahlarstellung auf dem Computer. Formatierung von Zahlen in MATLAB. Logische Verknüpfungen In der letzten Sitzung haben wir kennengelernt, wie wir Zahlen mit Operationen

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

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

Mathematik am Computer 7. Vorlesung: Matlab, Teil II

Mathematik am Computer 7. Vorlesung: Matlab, Teil II Mathematik am Computer 7. Vorlesung: Matlab, Teil II Helmut Harbrecht Universität Stuttgart 27. Januar 2011 Helmut Harbrecht (Universität Stuttgart) Mathematik am Computer 27. Januar 2011 1 / 35 Übersicht

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

MySql und PHP. Apache2: Konfigurieren für php4. ...\apache2\conf\httpd.conf aufrufen. Folgende Zeilen einfügen:

MySql und PHP. Apache2: Konfigurieren für php4. ...\apache2\conf\httpd.conf aufrufen. Folgende Zeilen einfügen: MySql und PHP Apache2: Konfigurieren für php4...\apache2\conf\httpd.conf aufrufen Folgende Zeilen einfügen: LoadModule php4_module "c:/php/php4apache2.dll" AddType application/x-httpd-php.php Wichtig!!

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

Grundsatzinformation. ExHomeSave - Außer Haus Sichern Handbuch Seite 1 von 7

Grundsatzinformation. ExHomeSave - Außer Haus Sichern Handbuch Seite 1 von 7 Grundsatzinformation Ihre Daten sind wichtig und müssen vor Verlust geschützwerden. Diese Daten sind die Grundlage Ihrer Firma und absolut lebensnotwendig. Daher ist ein regelmäßiges Backup sehr zu empfählen.

Mehr

Zeitreihen. Statistik II

Zeitreihen. Statistik II Statistik II Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Zum Nachlesen

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

17.2 MS-Access Projekte

17.2 MS-Access Projekte 964 Von MS-Access 2000 zum SQL-Server 17.2 MS-Access Projekte MS-Access-Projekte, die die Dateiendung adp besitzen, werden als Front-End-Anwendung verwendet. Für die Back-End-Seite gibt es mehrere Möglichkeiten.

Mehr

Fallstudie: Schadenshäufigkeiten bei Kfz-Versicherungen

Fallstudie: Schadenshäufigkeiten bei Kfz-Versicherungen Fallstudie: Schadenshäufigkeiten bei Kfz-Versicherungen Stefan Lang 12 Oktober 2005 WS 05/06 Datensatzbeschreibung (1) Daten Versicherungsdaten für Belgien ca 160000 Beobachtungen Ziel Analyse der Risikostruktur

Mehr

Installation Anleitung für JTheseus und MS SQL Server 2000

Installation Anleitung für JTheseus und MS SQL Server 2000 Installation Anleitung für JTheseus und MS SQL Server 2000 Inhaltsverzeichnis 1 Installation der Datenbank 3 1.1 Erstellen der Datenbank 3 1.2 Tabellen und Minimal Daten einlesen 4 1.3 Benutzer JTheseus

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

Diese Anleitung bezieht sich auf FixFoto, V 3.40. In älteren oder neueren Versionen könnte die Arbeitsweise anders sein.

Diese Anleitung bezieht sich auf FixFoto, V 3.40. In älteren oder neueren Versionen könnte die Arbeitsweise anders sein. Pfade einstellen Stand: Dezember 2012 Diese Anleitung bezieht sich auf FixFoto, V 3.40. In älteren oder neueren Versionen könnte die Arbeitsweise anders sein. Diese Anleitung soll zeigen, wie man Pfad-Favoriten

Mehr

Kurzeinführung LABTALK

Kurzeinführung LABTALK Kurzeinführung LABTALK Mit der Interpreter-Sprache LabTalk, die von ORIGIN zur Verfügung gestellt wird, können bequem Datenmanipulationen sowie Zugriffe direkt auf das Programm (Veränderungen der Oberfläche,

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

8. Februar 2007. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

8. Februar 2007. 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 8. Februar 2007 Hinweise:

Mehr

Zusatzmodule: Inventur

Zusatzmodule: Inventur Inhalt: 1. Wichtige Hinweise... 1 2. Voraussetzungen... 1 2.1. Installieren der Scanner-Software... 1 2.2. Scannen der Exemplare... 2 2.3. Übertragen der gescannten Daten in den PC... 3 2.4. Löschen der

Mehr

Objektorientiertes Programmieren für Ingenieure

Objektorientiertes Programmieren für Ingenieure Uwe Probst Objektorientiertes Programmieren für Ingenieure Anwendungen und Beispiele in C++ 18 2 Von C zu C++ 2.2.2 Referenzen und Funktionen Referenzen als Funktionsparameter Liefert eine Funktion einen

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

Thermocycler Manager Software V4.11 Ver. 10/07

Thermocycler Manager Software V4.11 Ver. 10/07 Thermocycler Manager Software V4.11 Ver. 10/07 Bezeichnung Best. Nr. Thermocycler Manager Software V4.11 050-950 Bitte lesen Sie das Handbuch, bevor Sie mit der Software arbeiten! Biometra GmbH Rudolf-Wissell-Str.

Mehr

Anwendungssoftware III (MATLAB)

Anwendungssoftware III (MATLAB) Anwendungssoftware III (MATLAB) Testvorbereitung Michael Liedlgruber Fachbereich Computerwissenschaften Universität Salzburg Sommersemester 2014 M. Liedlgruber Anwendungssoftware III (MATLAB) SS 2014 1

Mehr

Datenbanksysteme SS 2007

Datenbanksysteme SS 2007 Datenbanksysteme SS 2007 Frank Köster (Oliver Vornberger) Institut für Informatik Universität Osnabrück Kapitel 9c: Datenbankapplikationen Architektur einer Web-Applikation mit Servlets, JSPs und JavaBeans

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

Anleitung FlexNow als Prüfer / Stellvertreter nutzen

Anleitung FlexNow als Prüfer / Stellvertreter nutzen Anleitung FlexNow als Prüfer / Stellvertreter nutzen Autor: Max Schultheis Version: 1.2 Stand: 2014.04.04 Inhalt 1. Beantragung der benötigten Berechtigung... 1 2. Installation... 1 3. Login... 1 4. Noteneintragung...

Mehr

A) Durchsuchen von Datenbanken im Internet durch Endnote

A) Durchsuchen von Datenbanken im Internet durch Endnote EINLEITUNG/ANWEISUNGEN ZU DIESEM TEXT Wir werden die obere Liste (File/ Edit usw.) benutzen, obwohl die meisten Funktionen auch möglich mit rechtem Mausklick, mit Kombinationen der Tastatur oder mit den

Mehr

Die Befehle können über die Schnellstartleiste oder über das AutoCAD Mechanical Programmicon aufgerufen werden.

Die Befehle können über die Schnellstartleiste oder über das AutoCAD Mechanical Programmicon aufgerufen werden. Kapitel 3 3 Einstieg In diesem Kapitel werden die Befehle zur Erstellung von neuen Zeichnungen, zum Speichern von Zeichnungen und zum Öffnen von vorhanden Zeichnungen behandelt. Die Befehle können über

Mehr

TimePunch. TimePunch Command. Benutzerhandbuch 14.08.2013. TimePunch KG, Wormser Str. 37, 68642 Bürstadt

TimePunch. TimePunch Command. Benutzerhandbuch 14.08.2013. TimePunch KG, Wormser Str. 37, 68642 Bürstadt TimePunch TimePunch Command Benutzerhandbuch 14.08.2013 TimePunch KG, Wormser Str. 37, 68642 Bürstadt Dokumenten Information: Dokumenten-Name Benutzerhandbuch, TimePunch Command Revisions-Nummer 37 Gespeichert

Mehr

ASSP und Vertiefung Grundfrequenzanalyse

ASSP und Vertiefung Grundfrequenzanalyse ASSP und Vertiefung Grundfrequenzanalyse Florian Schiel/Lasse Bombien Seminar Werkzeuge der Sprachverarbeitung (Sommersemester 2012) ASSP Tools Analyseprogramme Vorlesung acfana Berechnung der Autokorrelationsfunktion

Mehr

Anwenderdokumentation

Anwenderdokumentation Anwenderdokumentation für 01/2002 Frank Feige,CAD-CAM Programmierung, Lessingstraße 12,02727 Neugersdorf Seite 1 Inhaltsverzeichnis Einleitung...3 Systemvoraussetzungen...4 Installation...4 Gliederung

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

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27 Inhaltsverzeichnis Einleitung 19 SPSS oder PASW oder was? 19 Über dieses Buch 20 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut

Mehr

Import- und Export-Schnittstellen. FRILO Software GmbH www.frilo.de info@frilo.eu Stand: 20.08.2015

Import- und Export-Schnittstellen. FRILO Software GmbH www.frilo.de info@frilo.eu Stand: 20.08.2015 FRILO Software GmbH www.frilo.de info@frilo.eu Stand: 20.08.2015 Import- und Export-Schnittstellen Unter dem Menüpunkt DATEI finden Sie die Untermenüpunkte IMPORT und Export. Hier sind die je nach Programm

Mehr

Programmieren mit der Windows PowerShell. von. Nils Gutsche. (aka Vellas)

Programmieren mit der Windows PowerShell. von. Nils Gutsche. (aka Vellas) Programmieren mit der Windows PowerShell von Nils Gutsche (aka Vellas) Einleitung Im November 2006 erschien die finale Fassung der Windows PowerShell. Sie gilt als der Nachfolger der Eingabeaufforderung

Mehr

Grundeinstellung des Druckers für die Erstellung von PostScript-Dateien unter Windows 98

Grundeinstellung des Druckers für die Erstellung von PostScript-Dateien unter Windows 98 Grundeinstellung des Druckers für die Erstellung von PostScript-Dateien unter Windows 98 Die meisten Einstellungen können nicht in WORD vorgenommen werden, sondern nur auf der Betriebssystemebene. Für

Mehr

Handbuch Datensicherung

Handbuch Datensicherung Copyright 1995-2009 by winvs software AG, alle Rechte vorbehalten Gewähr Urheberrechte Haftung Die in diesem Handbuch enthaltenen Angaben sind ohne Gewähr und können jederzeit ohne vorherige Benachrichtigung

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

Übung 4: Schreiben eines Shell-Skripts

Übung 4: Schreiben eines Shell-Skripts Aufgabenteil 1 Ziel der Übung Übung 4: Schreiben eines Shell-Skripts Anhand eines einfachen Linux-Skripts sollen die Grundlagen der Shell-Programmierung vermittelt werden. Das für die Bash-Shell zu erstellende

Mehr

Generieren von Nodelock Lizenzen. Hilfe für www.intergraph.com/sgi/license

Generieren von Nodelock Lizenzen. Hilfe für www.intergraph.com/sgi/license Generieren von Nodelock Lizenzen Hilfe für www.intergraph.com/sgi/license SG&I Lizenzen April 2010 2010 Intergraph SG&I Deutschland GmbH. Alle Rechte vorbehalten. Der Inhalt dieses Dokuments ist urheberrechtlich

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

2 GRUNDLEGENDE PROGRAMMBEDIENUNG

2 GRUNDLEGENDE PROGRAMMBEDIENUNG In diesem Kapitel erfahren Sie, wie das Textverarbeitungsprogramm Microsoft Word 2007 gestartet wird, wie Sie bestehende Dokumente öffnen und schließen oder Dokumente neu erstellen können. Es wird erläutert,

Mehr

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3 I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von

Mehr

AIT AG Leitzstraße 45 70469 Stuttgart Germany +49 (0)711-49066 - 430 Fax:...- 49066-440

AIT AG Leitzstraße 45 70469 Stuttgart Germany +49 (0)711-49066 - 430 Fax:...- 49066-440 Abb. oben zeigt ein mögliches Szenario Seite 1 von 5 Automatisierung mittels Skriptdatei Mit der.net Edition von Visual Localize (V4.X) wurde dem Benutzer die Möglichkeit eröffnet, wiederkehrende Arbeitsschritte

Mehr

Einführung in R. Mike Kühne 1 Einführung in R

Einführung in R. Mike Kühne 1 Einführung in R Einführung in R Mike Kühne 1 Einführung in R 1 WAS IST R? 1 Was ist R? R ist eine Open-Source-Software sowie eine flexible Programmiersprache für statistische Datenanalyse und Grafikerstellung. Zugleich

Mehr

PIWIN 1 Übung Blatt 5

PIWIN 1 Übung Blatt 5 Fakultät für Informatik Wintersemester 2008 André Gronemeier, LS 2, OH 14 Raum 307, andre.gronemeier@cs.uni-dortmund.de PIWIN 1 Übung Blatt 5 Ausgabedatum: 19.12.2008 Übungen: 12.1.2009-22.1.2009 Abgabe:

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

Dateneingabe über ein HTML-Formular in eine Datenbank:

Dateneingabe über ein HTML-Formular in eine Datenbank: Dateneingabe über ein HTML-Formular in eine Datenbank: Über ein Eingabeformular mit fünf Eingabefelder sollen Personaldaten in eine Datenbank gespeichert werden: Schritt 1: Erstellen des Eingabeformulars

Mehr

C++ Grundlagen. ++ bedeutet Erweiterung zum Ansi C Standard. Hier wird eine Funktion eingeleitet

C++ Grundlagen. ++ bedeutet Erweiterung zum Ansi C Standard. Hier wird eine Funktion eingeleitet C++ Grundlagen ++ bedeutet Erweiterung zum Ansi C Standard Hier wird eine Funktion eingeleitet Aufbau: In dieser Datei stehen die Befehle, die gestartet werden, wenn das Programm gestartet wird Int main()

Mehr

Makros erstellen und aufrufen Dr. V.Thormählen

Makros erstellen und aufrufen Dr. V.Thormählen Inhalt Mit Makros arbeiten... 2 Makro erstellen... 3 Makro aufrufen... 4 1. Tastenkürzel zuordnen... 4 2. Schnellzugriffsleiste anpassen... 6 3. Menüband anpassen... 8 Fazit... 11 Listings Listing 1: Codezeilen

Mehr

A-Plan 2010 SQL. Hinweise zur SQL-Version von A-Plan. Copyright. Warenzeichenhinweise

A-Plan 2010 SQL. Hinweise zur SQL-Version von A-Plan. Copyright. Warenzeichenhinweise A-Plan 2010 SQL Hinweise zur SQL-Version von A-Plan Copyright Copyright 1996-2010 braintool software gmbh Kein Teil dieses Handbuches darf ohne ausdrückliche Genehmigung von braintool software gmbh auf

Mehr

Arbeitshilfe für die Veröffentlichung von Unterlagen der Rechnungslegung Eingabeformulare für kleine Gesellschaften (im Sinne von 267 Abs.

Arbeitshilfe für die Veröffentlichung von Unterlagen der Rechnungslegung Eingabeformulare für kleine Gesellschaften (im Sinne von 267 Abs. Arbeitshilfe für die Veröffentlichung von Unterlagen der Rechnungslegung Eingabeformulare für kleine Gesellschaften (im Sinne von 267 Abs. 1 HGB) Eingabeformulare für kleine Gesellschaften (im Sinne von

Mehr

Manueller Import von Dateien

Manueller Import von Dateien PhPepperShop Enterprise Datum: 22. Mai 2015 Version: 1.2 Manueller Import von Dateien Importe/Exporte Business Connector Glarotech GmbH Inhaltsverzeichnis 1. Manueller Import von Dateien im Caller...3

Mehr

Arbeiten mit Turbo Pascal 5.0

Arbeiten mit Turbo Pascal 5.0 Arbeiten mit Turbo Pascal 5.0 Douglas Hergert SYBEX DUSSELDORF. PARIS, SAN FRANCISCO -LONDON ARNHEIM VI Arbeiten mit Turbo Pascal 5.0 Inhaltsverzeichnis Einführung SYBEX-Infos Installation von Turbo Pascal

Mehr

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

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

Mehr

Arbeiten mit BlueJ. Objektorientiertes Programmieren in Java mit BlueJ

Arbeiten mit BlueJ. Objektorientiertes Programmieren in Java mit BlueJ Arbeiten mit BlueJ Compilieren, Editieren, Objekte erzeugen, Methoden aufrufen, Objekte inspizieren, vorhandene Klassen benutzen, eigene Klassen und Methoden erstellen In BlueJ geht es einfach BlueJ durch

Mehr

Datenmanagement in R: Eine Einführung

Datenmanagement in R: Eine Einführung UNIVERSITÄT BASEL Frühjahrsemester 2012 WWZ, Abt. Quantitative Methoden 23. März 2012 Prof. Dr. Christian Kleiber Linda Walter Jean-Michel Benkert Datenmanagement in R: Eine Einführung Diese Einführung

Mehr

Künstliches binäres Neuron

Künstliches binäres Neuron Künstliches binäres Neuron G.Döben-Henisch Fachbereich Informatik und Ingenieurwissenschaften FH Frankfurt am Main University of Applied Sciences D-60318 Frankfurt am Main Germany Email: doeben at fb2.fh-frankfurt.de

Mehr

Statistische Software P. Fink. Statistische Software (R) Wiederholungshausübung SoSe 2015

Statistische Software P. Fink. Statistische Software (R) Wiederholungshausübung SoSe 2015 Allgmeine Hinweise Die Hausübung umfasst 7 Aufgaben mit insgesamt 120 Punkten. Erstellen Sie eine R Skript-Datei mit Ihrer Matrikelnummer als Dateinamen. Diese Datei enthält Ihren vollständigen und mit

Mehr

Übungen zu C++ Kapitel 1

Übungen zu C++ Kapitel 1 Übungen zu C++ Kapitel 1 Aufgabe 1 Ergänze den Text. a) Die sechs logischen Einheiten eines Computers sind Eingabe-Einheit, Ausgabe-Einheit, RAM, ALU, CPU, Plattenspeicher. b) Die Programme, welche Hochsprachenprogramme

Mehr

Anleitung für Internetbearbeiter

Anleitung für Internetbearbeiter Anleitung für Internetbearbeiter Intention der Website schottenpfarren.at 1. Einfachere Bedienung der eigenen Pfarrwebsite für die Websitebearbeiter durch Content Management System (CMS) Typo3: Anlegen

Mehr

1 Installationen. 1.1 Installationen unter Windows

1 Installationen. 1.1 Installationen unter Windows 1 Installationen Dieses Kapitel beschreibt die Installationen, die für die Nutzung von PHP und MySQL unter Windows, unter Ubuntu Linux und auf einem Mac mit OS X notwendig sind. 1.1 Installationen unter

Mehr

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg 1 Dieses Script ist als Schnellstart gedacht, um das Prinzip von LimeSurvey zu verstehen. Zahlreiche Optionen stehen zur individuellen Erstellung von Umfragen zur Verfügung ein ausführliches Benutzerhandbuch

Mehr

Standard Daten-Backup-Script

Standard Daten-Backup-Script Inhaltsverzeichnis 1. Installations-Anleitung... 2 2. Ausführen manuelle Backups... 5 3. Backup-Script beim Abmelden ausführen... 6 4. Backup-Script zum Task-Planer hinzufügen... 8 2010 web-net.ch, Seite

Mehr

entweder: zeilenweise fgets() oder: zeichenweise fgetc()

entweder: zeilenweise fgets() oder: zeichenweise fgetc() PHP stellt viele Funktionen zur Verfügung, um mit Dateien effektiv zu arbeiten. Die grundsätzliche Vorgehensweise beim Auslesen einer Datei sieht wie folgt aus: 1. Öffnen der Datei fopen() 2. schrittweises

Mehr

PHP Übungsaufgabe 3 1 / 5. Doing Web Apps. PHP Übungsaufgabe 3

PHP Übungsaufgabe 3 1 / 5. Doing Web Apps. PHP Übungsaufgabe 3 1 / 5 Doing Web Apps PHP Übungsaufgabe 3 Werkzeuge Text-Editor, beispielsweise Notepad++ Webserver mit aktiviertem PHP Modul + MySQL-Datenbank Unterlagen Ziele SelfHTML PHP API Handbuch Alle Dokumente

Mehr

CHIPDRIVE Profi-Zeiterfassung Kurzanleitung

CHIPDRIVE Profi-Zeiterfassung Kurzanleitung CHIPDRIVE Profi-Zeiterfassung Kurzanleitung Inhalt Installation der CHIPDRIVE Zeiterfassungs-Software...2 Grundlegende Einstellungen...2 Personen anlegen...3 Daten vom mobilen CHIPDRIVE Zeiterfassungsgerät...4

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

2. Interaktive Web Seiten. action in Formularen. Formular. Superglobale Variablen $ POST, $ GET und $ REQUEST. GET und POST

2. Interaktive Web Seiten. action in Formularen. Formular. Superglobale Variablen $ POST, $ GET und $ REQUEST. GET und POST 2. Interaktive Web Seiten GET und POST Die Übertragungsmethoden GET und POST sind im http Protokoll definiert: POST: gibt an, dass sich weitere Daten im Körper der übertragenen Nachricht befinden: z.b.

Mehr

Anleitung zur NMR Auswertung mit SpinWorks. SpinWorks 3.1.8, Copyright 2011, Kirk Marat, University of Manitoba

Anleitung zur NMR Auswertung mit SpinWorks. SpinWorks 3.1.8, Copyright 2011, Kirk Marat, University of Manitoba Anleitung zur NMR Auswertung mit SpinWorks SpinWorks 3.1.8, Copyright 2011, Kirk Marat, University of Manitoba erstellt von Inhaltsverzeichnis Allgemeines... 2 Bearbeitung von 1D Spektren... 4 Datei öffnen...

Mehr

2015 conject all rights reserved

2015 conject all rights reserved 2015 conject all rights reserved Inhaltsverzeichnis 1. Einleitung... 3 2. Schritte für Anpassung des Planmanagements... 5 3. Kategoriewerte ergänzen... 5 4. Blockwerte in den Blockdateien ergänzen... 6

Mehr