Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression

Größe: px
Ab Seite anzeigen:

Download "Rainer Diaz-Bone/Harald Künemund. Einführung in die binäre logistische Regression"

Transkript

1 Free Unverstät Berln Fachberech Poltk u. Sozalwssenschaften Insttut für Sozologe Abtelung Methodenlehre und Statstk Garystr Berln Raner Daz-Bone/Harald Künemund Enführung n de bnäre logstsche Regresson Mttelungen aus dem Schwerpunktberech Methodenlehre, Heft Nr. 56 ISSN Berln, Ma 2003

2 Inhalt 0 EINLEITUNG PROBLEMSTELLUNG AUSGANGSPUNKT: DAS EINFACHE LINEARE REGRESSIONSMODELL LOGIT-MODELL UND LOGISTISCHE REGRESSION ENTWICKLUNG DER LOGISTISCHEN REGRESSIONSGLEICHUNG CHARAKTERISTIK DER LOGISTISCHEN REGRESSIONSKURVE DER EFFEKT-KOEFFIZIENT E B STANDARDISIERUNG DES LOGIT-KOEFFIZIENTEN B UND DES EFFEKT-KOEFFIZIENTEN E B MULTIVARIATER FALL GÜTEKRITERIEN UND STATISTISCHE TESTS EIN EINFACHES ANWENDUNGBEISPIEL LITERATUR...25

3 1 Daz-Bone/Künemund 0 Enletung De Verwendung von multvaraten statstschen Verfahren, de abhängge Varablen mt Nomnalskalenqualtät darstellen können, st gerade für sozalwssenschaftlche Forschung bedeutsam. Denn her fnden sch vele Sachverhalte klassfkatorscher und qualtatver Art (z.b. Famlenstand oder Erwerbsstatus). Metrsche Varablen (z.b. Enkommen n oder Alter n Jahren) snd demgegenüber deutlch seltener. Selbst wo ene metrsche Varable m Prnzp denkbar wäre, stehen aus erhebungsökonomschen oder forschungspraktschen Gründen oft nur Varablen mt Nomnalskalennveau zur Verfügung (z.b. statt Wochenarbetszet nur Voll- oder Telzeterwerbstätg). Auch kann sch das Forschungsnteresse explzt auf de qualtatve Informaton rchten, auch wenn detallertere Informatonen m Prnzp verfügbar snd (z.b. ene Analyse, ob Wohnegentum vorhanden st oder ncht, auch wenn metrsche Informaton über den Wert des Immoblenbestzes vorlegen). In all desen Fällen snd Standardverfahren we de multvarate lneare Regresson ncht ohne Weteres ensetzbar. Alternatven kommen u.a. aus dem Berech der sogenannten log-lnearen Statstk. Spezelle Modelle der log-lnearen Statstk snd de Logt-Analyse und de logstsche Regresson. Spätestens set den 80er Jahren fndet de logstsche Regresson zunehmend Verwendung n der Epdemologe und Ökonome, n den 90ern nun auch n der Sozologe. De gänggen Statstk- Softwarepakete we SAS, SPSS oder STATA beten nzwschen alle entsprechende Prozeduren an, zunehmend auch Spezalsoftware we etwa SUDAAN für de Analyse z.b. von mehrfach geschchtete Stchproben, we se n der Survey-Forschung häufg snd. Deser Text st ene sehr enfach gehaltene Enführung n de bnäre logstsche Regresson mt Hnwesen auf weterführende Lteratur und Verfahren. Dabe geht es vorrangg um ene qualtatve Darstellung, das heßt, es soll so weng we möglch an formaler Darstellungen verwendet werden. 1 Das enfache lneare Regressonsmodell bldet den Bezug für de Enführung der bnären logstschen Regresson, da bede Modelle ene Rehe von Parallelen aufwesen. Anhand enes sozologschen Bespels wrd de praktsche Anwendung der logstschen Regresson besprochen. Für de Interpretaton wrd en SPSS-Output zugrunde gelegt. 1 Für formalere und vollständgere Darstellungen sehe de Lteraturhnwese, nsbesondere das Standardwerk von Hosmer und Lemeshow (2000).

4 Enführung n de bnäre logstsche Regresson 2 1 Problemstellung Ausgangsproblem der bnären logstschen Regresson st de statstsche Beurtelung des Zusammenhangs zwschen ener nomnalskalerten, dchotomen abhänggen Varablen und mndestens ener unabhänggen Varablen (Dependenzmodell). De abhängge Varable wrd mt enem großen Y bezechnet, ene Ausprägung von Y an enem Objekt wrd ndzert mt (z. B. de -te Person n ener Stchprobe) und dann bezechnet mt y. Typsche Anwendungen für de logstsche Regresson snd Fragestellungen, de untersuchen, wovon das Entreten enes Eregnsses oder enes Zustandes be Untersuchungsobjekten (we Personen) abhängt bzw. wodurch das Entreten beenflusst wrd. Das Eregns oder der Zustand wrd dann mt 1 kodert. Das Gegentel (also das Nchtentreten des Eregnsses oder des Zustandes) wrd mt 0 kodert. Solche Varablen haben also nur zwe möglche, sch ausschleßende Ausprägungen, we z.b. "Eregns trtt en " (Y = 1) und "das Eregns trtt ncht en" (Y = 0). Durch dese (gerngstmöglche) Anforderung an das Skalenveau der abhänggen Varablen erhält de bnäre logstsche Regresson en bretes Anwendungsspektrum. 2 Rchtet man de Aufmerksamket auf de Ausprägung 1, so kann man genauer fragen, n welcher Wese (we stark und n welcher Rchtung) de Entrttswahrschenlchket für Y = 1 durch bedngende Merkmale (de unabhänggen Varablen) beenflusst wrd. Weter könnte de konkrete Wahrschenlchket für das Entreten des Eregnsses P(Y = 1) be enem bestmmten Untersuchungsobjekt nteresseren, wenn man dessen Ausprägungen be den unabhänggen Varablen kennt. Man kann sch be solchen Wahrschenlchketsaussagen ener dchotomen Varablen auf de ene Ausprägung Y = 1 konzentreren. Denn de Wahrschenlchket für de andere Ausprägung Y = 0, also P(Y = 0), st dann mmer de Dfferenz zu 1. P(Y = 0) = 1- P(Y = 1) Weter nteressert zumest auch de Frage, we gut en abhängges Merkmal nsgesamt durch ene oder mehrere unabhängge Merkmale erklärbar st. Und betrachtet man Stchprobendaten, wll man oft wssen, ob en n der Stchprobe vorhandener Enfluss ener Varablen auch n der 2 Als Anwendungsvoraussetzung wrd n der Lteratur ene Fall zahl von etwa n = 100 angegeben (vgl. z.b. Backhaus u.a. 2000: 107). Weterhn setzt de logstsche Regresson de Unkorrelerthet der unabhänggen Varablen voraus. Für de Analyse kategoraler abhängger Varablen mt mehreren Ausprägungen sowe ordnaler abhängger Varablen exsteren mehrere Varanten deses Modells.

5 3 Daz-Bone/Künemund Grundgesamthet vorhanden st. Derle Betrachtungsmöglchketen telt de logstsche Regresson mt der klassschen lnearen Regresson. Um de logstsche Regresson enzuführen, wollen wr deshalb an de klasssche Regressonsrechnung anknüpfen. 2 Ausgangspunkt: Das enfache lneare Regressonsmodell Das enfache Regressonsmodell unterstellt enen lnearen Zusammenhang zwschen abhängger Varablen (Y) und unabhängger Varablen (X). Es glt m Zwe-Varablen-Fall de Regressonsglechung y = a + b x + u bzw. ohne den stochastschen Antel u de Regressonsgerade 3 y = a + b x De Koeffzenten a und b werden unter Verwendung der Methode der klensten Quadrate geschätzt. De Regressonskoeffzenten können enfach nterpretert werden. Der Regressonskoeffzent a st graphsch betrachtet der Schnttpunkt, an dem de Regressonsgerade de Y- Achse schnedet, d.h. en konstanter Faktor, zu dem sch de Effekte der unabhänggen Varablen adderen. Der Regressonskoeffzent b gbt de Änderung von Y an, wenn de unabhängge Varable um ene Enhet erhöht wrd (unabhängg von der konkreten Ausprägung von X). Abbldung 1: Zwe enfache Regressonsgeraden y = f(x) = x und y = g(x) = 10 + x. 3 Wr vernachlässgen m Folgenden sowohl den stochastschen Antel als auch de statstschen Formulerungen für ene Grundgesamthet. Es wrd also m engeren Snne mmer der Erwartungswert von p bzw. y thematsert.

6 Enführung n de bnäre logstsche Regresson 4 Zur Verdeutlchung snd n Abbldung 1 zwe enfache Regressonsgeraden graphsch dargestellt. Aufgetragen wrd her jewels de abhängge Varable Y gegen de unabhängge Varable X. Der Koeffzent a wrd her ablesbar als Achsenabschntt: bede Graden schneden den Punkt (0; 10). Der Koeffzent b wrd her als Maß für de Stegung schtbar. Für de lneare Regresson glt, dass de Güte der Anpassung des geschätzten Modells an de n der Stchprobe vorlegenden Daten durch den Determnatonskoeffzenten r 2 ausgedrückt werden kann. Deser setzt de erklärte Varanz ns Verhältns zur Gesamtvaranz. Um so höher der Antel der erklärten Varanz, um so besser st de Erklärungslestung des Modells, d. h. dessen Anpassung an de Daten der Stchprobe. Weter glt, dass m multvaraten Fall (mehrere unabhängge Varablen wrken auf Y en) auch der Enfluss jeder enzelnen Varablen statstsch geprüft werden kann durch de Verwendung des t-tests. Das Problem aber st, dass m lnearen Regressonsmodell de abhängge Varable Y metrsch skalert sen muss und theoretsch alle Ausprägungen von - bs + realseren kann, ncht nur de Werte 0 und 1. Man könnte nun auf de Idee kommen, enfach P(Y=1) also de Wahrschenlchket, dass das Eregns entrtt, als abhängge Varable n ener enfachen Regresson zu verwenden, ene metrsche Größe. Des schetert aber zunächst daran, dass dese Wahrschenlchket, geschätzt als lneare Funkton von anderen Varablen, dann Werte > 1 und < 0 annehmen könnte. 3 Logt-Modell und logstsche Regresson 3.1 Entwcklung der logstschen Regressonsglechung De Unangemessenhet des enfachen lnearen Regressonsmodells für das oben beschrebene Ausgangsproblem be 0-1-koderten Varablen lässt sch durch de Verwendung der logstschen Regresson umgehen. 4 Wr können dese mt engen enfachen Überlegungen herleten. Das Zel soll zunächst sen, ene solche Glechung zu entwckeln, de auf der rechten Sete den Regressonsausdruck a + b x benhaltet. Er st enfach zu nterpreteren und kann von - bs + vareren. Auf der lnken Sete der Glechung muss nun aber en solcher Ausdruck stehen, der ebenso n desem Berech varert und der es ermöglcht, ene dchotome Varable enzubnden. In dre Schrtten können wr dese Enbndung lesten. 1. Schrtt Wr betrachten nur noch de Wahrschenlchket dafür, das en bestmmtes Untersuchungsobjekt de Ausprägung y = 1 aufwest. Wr kürzen dese Wahrschenlchket mt p ab. Allerdngs kann 4 Ene alternatv denkbare Modfkaton des Verfahrens der lnearen Regresson durch Gewchtung (WLS-Schätzung) dskuteren z.b. Aldrch/Nelson (1984: 14ff.).

7 5 Daz-Bone/Künemund p m Berech von 0 bs 1 vareren. Wr müssen noch zwe Transformatonen durchführen, damt en der Varatonsberech mt dem des rechtssetgen Ausdrucks überenstmmt. 2. Schrtt Wr betrachten das Verhältns der beden Wahrschenlchketen p und 1-p zuenander. Deses Verhältns nennt man Odds (auch lkelhood rato, Wahrschenlchketsverhältns): De Wahrschenlchket des Entretens dvdert durch de Wahrschenlchket des Ncht-Entretens des Eregnsses Y = 1. 5 p 1- p = Odds Deser Ausdruck varert von 0 bs +. Es st also noch en weterer Schrtt notwendg. 3. Schrtt Wenn wr nun dese Odds logarthmeren, erhalten wr enen Ausdruck, der m Berech von - bs + varert. Deser neue Ausdruck heßt Logt (wr verwenden den natürlchen Logarthmus, abgekürzt ln ). 6 p P(Y = 1) P(Y = 1) ln = ln = ln = Logt (p) 1- p 1- P(Y = 1) P(Y = 0) Wr können nun also enfach für den Zwe-Varablen-Fall schreben: p ln = a + bx 1- p Man nennt den Logt (lnke Sete) de Lnk-Funkton, da dese Konstrukton de dchotome Varable an den bekannten Regressonsausdruck (rechte Sete) vermttelt. Wenn der Ausdruck auf 5 6 Als Bespel denke man ene Münze, de geworfen wrd. Im Idealfall sollten bede Seten der Münze de gleche Wahrschenlchket haben, oben oder untern zu legen, also snd de Chancen gewssermaßen Fünfzg zu Fünfzg. De Odds snd daher 1, bede Eregnsse haben de gleche Wahrschenlchket. En anderes Bespel wäre, be enem Würfelwurf ene 6 zu würfeln. Her snd de Odds 1 (de 6) zu 5 (ene der anderen fünf Zahlen) = 0,2. Der Logarthmus st ene mathematsche Funkton. Dese sucht für en Resultat und be gegebener Bass den Exponenten, mt dem man de Bass potenzeren muss, um deses Resultat zu erhalten. Bespel der Logarthmus von 9 zur Bass 3 st 2, denn 3²=9. De ln- Funkton sucht de Exponenten, mt denen man de Eulersche Zahl e = 2, potenzeren muss.

8 Enführung n de bnäre logstsche Regresson 6 der lnken Sete zunächst auch noch etwas weng anschaulch st, so wssen wr, dass er mt der Zunahme von X um ene Enhet um b größer wrd. Außerdem wssen wr, dass er für den Fall X = 0 so groß st we a. Wr haben her also den Vortel der klaren und enfachen Interpreterbarket der Koeffzenten. Damt st das erste Zel errecht. Dese Glechung nennt man Logt- Modell. Löst man de Glechung nach p I auf, so erhält man daraus de logstsche Regressonsglechung für den Zwe-Varablen-Fall. De Glechung kann man schnell herleten. 7 Wr führen se her enfach an: 1 = 1+ e p -(a + b x ) De Regressonskoeffzenten a und b der logstschen Regressonsglechung (und des Logt- Modells) werden auch als Logt-Koeffzenten bezechnet (oft werden se aber weterhn enfach als Regressonskoeffzenten bezechnet). Unter Verwendung der Stchprobendaten werden dese Koeffzenten mt dem Maxmum-Lkelhood-Verfahren geschätzt (vgl. z.b. Elason 1993). Dabe werden de Regressonskoeffzenten so bestmmt, dass de Wahrschenlchket des Auftretens der vorhandenen Stchprobendaten maxmal st. 3.2 Charakterstk der logstschen Regressonskurve Warum verwendet man aber gerade dese Funkton? Warum hat man de gerade gezegte Entwcklung so und ncht anders durchgeführt? 7 De Umformung lautet: p ln = a + bx 1- p p 1- p p p = e + e = e p (1+ e a+ bx a+ bx p a+ bx e p = a+ 1+ e 1 p = -(a 1+ e a+ bx (1- p ) = e a+ bx bx = e ) = e + bx ) (Logt - Modell) a+ bx a+ bx a+ bx - e (nun durch e a+ bx a+ bx p kürzen) (logstsche Regressonsglechung)

9 7 Daz-Bone/Künemund De so erhaltene logstsche Regresson brngt enen ncht-lnearen Zusammenhang zwschen der dchotomen, abhänggen Varablen und mndestens ener unabhänggen Varablen als Modellprämsse en. Des seht man, wenn man de logstschen Regressonskurve zechnet. Für den Zwe-Varablen-Fall kann der Zusammenhang als zwedmensonale Graphk dargestellt werden. Bespele: zwe logstsche Regressonsglechungen lauten: 1 1+ e p = f(x) = ( x) und p = g(x) = ( x) 1 + e 1 Abbldung 2: Zwe enfache logstsche Funktonen p = f(x) mt den Logt-Koeffzenten a = 0, b = 1 und p = g(x) mt den Logt-Koeffzenten a = -20, b = 5. Abgetragen st her jewels de Wahrschenlchket des Entretens der Ausprägung y = 1 der abhänggen Varable Y (also p ) gegen de ene unabhängge Varable X. De logstsche Funktonskurve hat ene geschwungene, S-förmge Gestalt und verläuft punktsymmetrsch, wobe de Symmetre auf den jewelgen Wendepunkt der Kurve bezogen st. Deser Wendepunkt legt mmer be p = 0.5. In den mttleren Regonen von X hat dese logstsche Regressonskurve Ähnlchketen mt der klassschen lnearen Regressonsgerade. In den äußeren Regonen von X nähern sch de Werte für p den Werten 0 und 1 asymptotsch Werten an, überschreten se aber ncht. Ausgedrückt wrd damt ene Art "Sättgungs"-Effekt, der darn besteht, dass Änderungen der unabhänggen Varablen n den Extremberechen noch ncht bzw. ncht mehr zu wesentlchen Änderungen der Entrttswahrschenlchket führen. Her wrkt sch de Ncht-Lneartät aus: ene Zunahme bzw. Abnahme von X wrkt sch n verschedenen

10 Enführung n de bnäre logstsche Regresson 8 Regonen unterschedlch aus. Be sehr großen oder sehr klenen X-Werten ändert ene Zunahme von X de Wahrschenlchket p ncht mehr so stark bzw. noch kaum. We hängen nun de Werte der Logt-Koeffzenten mt der Form der logstschen Regressonskurve zusammen? Der Logt-Koeffzent a hat kenen Enfluss auf de Gestalt der logstschen Regressonskurve. Unterschedlche Ausprägungen führen zu verschedenen Lagen der Kurve n der Horzontalen, ohne hre Stegung zu verändern. Deutlch wrd durch de Abbldung 2, dass en hoher Betrag von b j für de Stelhet der logstschen Regressonskurve verantwortlch st (be klener werdendem Betrag für b j nähert sch de logstsche Regressonskurve dem Verlauf ener Geraden). En negatver Wert für b j bedeutet, dass de Kurve von lnks nach rechts abfällt. We berets erwähnt, wrkt sch de exogene Varable ncht glechförmg auf de Entrttswahrschenlchket der abhänggen Varablen aus. Gleche Veränderungen von X n unterschedlchen Berechen von X wrken sch verscheden auf p aus, so dass der Logt-Koeffzent b ncht als globales Maß für den Enfluss von X auf p angesehen werden kann, we des m Fall der lnearen Regresson glt. De Wrkung von X auf de Entrttswahrschenlchket von Y st also ncht pauschal für X angebbar und verlangt de Kenntns der Ausprägung von X. Ene praktkablere Interpretaton betet aber der sog. Effekt-Koeffzent, der Exponent der Regressonskoeffzenten exp(b) bzw. e b. 3.3 Der Effekt-Koeffzent e b Für ene anschaulchere Interpretaton des Enflusses der exogenen Varablen egnet sch der Effekt-Koeffzent e bj. Er gbt den Faktor für de Vervelfachung des Wahrschenlchketsverhältnsses (des Odds) an, wenn de Ausprägung der zugehörgen exogenen Varablen um ene Enhet erhöht wrd und wrd oft als odds-rato bezechnet. De folgende Glechung verdeutlcht desen Enfluss auf den Odds be Erhöhung der exogenen Varablen um ene Enhet (Zwe- Varablen-Fall): e a + b (x +1) = e a e b x + b = e a e b x e b p = 1- p e b. De Erhöhung der exogenen Varablen um ene Enhet bewrkt also ene Veränderung des Odds um den Faktor e b. Man schrebt auch für e bj den Ausdruck exp(b j ). Der Effektkoeffzent kann nur Werte m Berech von größer 0 bs + realseren. Des wrd veranschaulcht, wenn man sch den Verlauf der Exponentalfunkton f(b) = e b vor Augen führt.

11 9 Daz-Bone/Künemund Abbldung 3: Exponentalfunkton f(b) = e b Welche Auswrkung hat nun de Erhöhung der unabhänggen Varablen um ene Enhet auf de Entrttswahrschenlchket p? Wenn man sch das obge Logt-Modell (S. 5) anseht, erkennt man, dass ene Erhöhung von X j um ene Enhet ene addtve Auswrkung auf den Logt um b j, aber keneswegs deselbe addtve Auswrkung auf de Wahrschenlchket selbst hat, da dese Auswrkung über de Lnk- Funkton vermttelt wrd. Wenn man sch de letzte Glechung anseht, wrd noch deutlcher, dass de entretende Veränderung um das e b -fache lnear das Wahrschenlchketsverhältns beenflusst, sch aber n ncht-lnearer Wese auf de Wahrschenlchket p selber auswrkt. 8 Man kann de Auswrkung der Erhöhung von e b danach unterscheden, ob se das Wahrschenlchketsverhältns zugunsten oder zuungunsten von p verändert. Der Effekt-Koeffzent kann nur Werte von größer 0 bs + realseren. Werte zwschen 0 und klener 1 verrngern das Wahrschenlchketsverhältns, Werte für e b größer als 1 vergrößern das Wahrschenlchketsverhältns. Urban 8 "Es se darauf hngewesen, dass ene Änderung des Odds auf das exp(b)-fache des Ausgangswertes mt unterschedlchen Änderungen für p verbunden st. Erhöht sch bespelswese en Odds auf das Doppelte, so bedeutet des z. B. für den Ausgangswert 1 (mt p = 0.5), dass der Odds auf 2 stegt. Dann stegt p von 0.5 auf Be enem Ausgangswert z. B. von 0.1 (mt p = ) stegt der Odds auf 0.2 und p von auf Mt anderen Worten: Der Effekt, den de Erhöhung des Wertes der exogenen Varablen um ene Enhet hat, st zwar für den Odds konstant, jedoch varabel für p. En Effekt- Koeffzent von Ens brngt zum Ausdruck, dass ene Erhöhung des Wertes der exogenen Varablen den Odds ncht ändert (b st Null), so dass de Wahrschenlchket der Zugehörgket zu ener Klasse von Y als unabhängg von der exogenen Varablen bewertet werden kann." (Tede 1995: 16).

12 Enführung n de bnäre logstsche Regresson 10 veranschaulcht de Entelung des Werteberechs des Effekt-Koeffzenten we folgt (Urban 1993: 42; her lecht abgeändert). 9 Abbldung 4: Auswrkung ener Erhöhung der exogenen Varablen auf p Erhöhung der exogenen Varablen hat kenen Enfluß auf de Entrttswahrschenlchket p. Das Verhältns der Wahrschenlchketen (der Odds) blebt konstant e b Erhöhung der exogenen Varablen vermndert Entrttswahrschenlchket für Y = 1 gegenüber Y = 0. Erhöhung der exogenen Varablen stegert Entrttswahrschenlchket für Y = 1 gegenüber Y = 0. En postver Wert für e b erhöht also p, wobe de konkrete Wrkung unter der Bedngung der Konstanthaltung der anderen Varablen von der Spezfkaton von X j abhängt. Gesagt werden kann aber: um so größer e b, desto stärker wrkt sch ene Erhöhung von X j auf p tendenzell aus (für Beträge von e b klener 1 glt de entsprechend umgekehrte Interpretaton). 3.4 Standardserung des Logt-Koeffzenten b und des Effekt-Koeffzenten e b Der Logt-Koeffzent b j bestzt de rezproke Dmenson der Varablen X j, so dass der Enfluss von e bj von der Dmenson (Skalerung) von X j abhängg st. Um dese Skalerung n hrem Enfluss auszuschalten und so de unterschedlchen Effekte der Varablen unterenander verglechbar zu machen, st von Tede (1996) ene Normerung (Standardserung) des Logt- Koeffzenten vorgeschlagen worden. Der normerte Logt-Koeffzent b berechnet sch mt b = b var (x) 9 Dese beden Bereche snd unterschedlch skalert, da dem Abschntt von 0 bs klener 1 der Abschntt von größer 1 bs + gegenüber steht. Urban schlägt zur Herstellung der Verglechbarket der beden Abschntte ene Modfzerung des Effekt-Koeffzenten vor (vgl. Urban 1993:42f).

13 11 Daz-Bone/Künemund wobe b der Logt-Koeffzent n der Stchprobe und var (x) de Standardabwechung der Werte der unabhänggen (exogenen) Varablen st. "Der normerte Logt-Koeffzent gbt de Änderung des Logt-Wertes an, falls der Wert der exogenen Varablen um var (x) erhöht wrd" (Tede 1995: 13). Entsprechend wurde en standardserter Effekt-Koeffzent s-e bj vorgeschlagen, wobe b b j var (x) j s-e = e st (Urban 1993: 44). 3.5 Multvarater Fall Das Logt-Modell für ene logstsche Regresson mt J unabhänggen Varablen lautet 10 p ln 1- p = a + b1 x1 + b2 x2 + K + b j xj + K + bj xj = a + b j xj j Für logstsche Regressonsmodell mt J verschedenen unabhänggen Varablen X j (ndzert mt j = 1, J) bedeutet des, dass de Wrkung der konkreten Ausprägung x j von X j auf de Entrttswahrschenlchket p nur unter der Bedngung der Konstanthaltung der anderen Varablen angegeben werden kann. 4 Gütekrteren und statstsche Tests We kann man de Qualtät enes logstschen Regressonsmodell beurtelen? 10 Im multvaraten (her m multplen) Modell legen J unabhängge Varablen X j (mt J > 1 und j = 1,...J) vor. Für jede Varable X j m Modell wrd en Koeffzent b j geschätzt.

14 Enführung n de bnäre logstsche Regresson 12 Zunächst gbt es enfache Strategen, we se durch de gänggen Statstk-Software-Pekete angeboten werden. Man kann mt SPSS für de logstsche Regresson optonal en Hstogramm erwarteter Entrttswahrschenlchketen erstellen, das de beobachteten Fälle mt ener Auftrttswahrschenlchket auswest. Her kann ene erste Beurtelung der Güte des Modells durch Inaugenschennahme erfolgen. Zel der Analyse st es, en solches Modell zu entwckeln, das für statstsche Enheten (bespelswese Personen) mt der Ausprägung Y = 1 ene hohe Entrttswahrschenlchket möglchst nur knapp unter p = 1 vorhersagt. Entsprechend soll für solche Enheten, de emprsch de Ausprägung Y = 0 aufwesen, ene Entrttswahrschenlchket n der Nähe von p = 0 durch das Modell berechnet werden. Insofern das Modell dese Anforderung erfüllt, dskrmnert es angemessen. Als zwete Stratege kann man sch ene Klassfzerungstabelle erstellen lassen. Herbe handelt es sch um ene Verfelder-Tabelle, de de vorhergesagten Ausprägungen von Y gegen de tatsächlch vorlegenden Ausprägungen von Y aufträgt. Auch her sollte sch zegen, dass de logstsche Regressonsfunkton überwegend de zutreffenden Ausprägungen vorhersagt, also angemessen unterschedet. Dann gbt es Maße, de de Qualtät des logstschen Regressonsmodell drekter erfassen sollen. Analog zum Determnatonskoeffzenten r 2 kann de Güte des logstschen Regressonsmodells mt enem Koeffzenten bewertet werden, der n Anlehnung an den Determnatonskoeffzenten McFaddens Pseudo-r 2 genannt wrd. Deses McFaddens Pseudo-r 2 st zunächst en globales Gütemaß, das aus den logarthmerten Maxmum-Lkelhood-Schätzungen -2lnL 0 für das Ausgangsmodell (nur mt der Konstanten a) und -2lnL 1 für das Modell unter Enschluss der unabhänggen Varablen berechnet wrd mt: ln L1 ln L1 McFadden' s - rpseudo =1- =1- = - 2 ln L ln L 0 0 ln L0 - ln L ln L 0 1 Der rechte Tel der Glechung egnet sch für de Berechnung von McFaddens Pseudo-r 2 unter Verwendung des SPSS-Outputs für de logstsche Regresson. McFaddens Pseudo-r 2 st en auf ene Alternatve bezogenes Maß, d. h. en relatves Gütemaß. Es gbt also de relatve Verbesserung des Modells gegenüber dem Ausgangsmodell an und kann nur als en relatves Maß 11 De Größe -2lnL st approxmatv χ² -vertelt mt n - J Frehetsgraden, wobe n der Stchprobenumfang und J de Anzahl der exogenen Varablen darstellt (Menard 1995: 19; Tede 1995: 22). Für ene alternatve Konstrukton von Pseudo-r² sehe Aldrch / Nelson (1984: 57).

15 13 Daz-Bone/Künemund der Anpassungsverbesserung nterpretert werden. Es gbt kene Auskunft über de absolute Anpassung des Modells an de Daten (es st nach Urban ncht "modell-transzendent"). Der Werteberech möglcher Realsatonen für McFaddens Pseudo-r² legt zwschen 0 und 1. Klene Werte drücken ene schlechte Verbesserung des erweterten Modells gegenüber dem Ausgangsmodell aus. Große Werte deuten auf ene deutlche Verbesserung hn (Urban 1993: 52; Tede 1995: 20f.). Erfahrungsgemäß snd de Werterealsatonen für McFaddens Pseudo-r² klener als dejengen des Determnatonskoeffzenten verglechbarer Modelle n der lnearen Regresson (vgl. z.b. DeMars 1992: 54). Urban zufolge drücken Realsatonen zwschen 0,2 und 0,4 berets enen starken Zusammenhang zwschen unabhängger bzw. unabhänggen und abhängger Varablen aus (Urban 1993: 62). Entsprechend dem Determnatonskoeffzent r 2 n der lnearen Regresson kann McFaddens Pseudo-r² als en PRE-Maß, also als Maß für de Vorhersageverbesserung nterpretert werden. Es kann aber auch für de Beurtelung enzelner unabhängger Varablen herangezogen werden, ndem man das bs auf de zu beurtelende exogene Varable vollständge Modell mt dem nun auch dese Varable enthaltenden Modell verglecht. De Pseudo-r²-Dfferenz deser beden Modelle wrd dann als durch de zu beurtelende exogene Varable "nduzert" angesehen (Urban 1993: 58f.). Ene Varante des Pseudo-r²-Maßes von McFadden haben Cox und Snell vorgeschlagen mt Cox und Snells - r 2 pseudo L =1- L I wobe I de Zahl der Beobachtung st (Backhaus u.a. 2000: 133). Deses Maß realsert höhere Werte, kann aber ncht den Maxmalwert von 1 errechen. Ene wetere Varante st das Pseudor² - Maß von Nagelkerke. Nagelkerkes - r 2 pseudo Cox und Snells - r = 1 2 [ L0 ]I 2 pseudo Deses Maß soll den Maxmalwert 1 errechen können und zudem ene Interpretaton we de des Determnatonskoeffzenten n der lnearen Regresson zulassen (Backhaus u. a. 2000: 133). De enzelnen Varablen X j können auf de Hypothese getestet werden, dass se n der Grundgesamthet kenen Enfluss auf de abhängge Varable ausüben und dass dementsprechend de

16 Enführung n de bnäre logstsche Regresson 14 Ausprägung des Effekt-Koeffzenten e bj n der Stchprobe nur zufällg von 1, bzw. de Ausprägung von b j nur zufällg von 0 abwecht. De entsprechenden Teststatstken snd der t-test oder der n der SPSS-Prozedur verwendete WALD-Test: B t = mt n - 1 Frehetsgraden (wobe n de Stchprobengröße st) var (B) 2 2 B W = t = de approxmatv ener χ 2 -Vertelung mt enem Frehetsgrad folgt. var (B) De WALD-Statstk sollte ncht be großen Ausprägungen von b verwendet werden. De Zahl der Frehetsgrade für nomnal skalerte Varablen beträgt df = Anzahl der Kategoren - 1 (vgl. Norušs / SPSS Inc. 1993: 5). 5 En enfaches Anwendungbespel En enfaches Anwendungsbespel der multvaraten logstschen Regresson soll Interpretatons- und Anwendungsmöglchketen verdeutlchen. Dabe geht es uns ncht vorrangg um de detallerte Darstellung und Dskusson der Koeffzenten, Modellparameter usw., sondern eher um de Demonstraton enes Anwendungsfalles, der de Möglchketen der Methode verständlch macht. Vor der Dskusson deses Modell soll en kurzer Überblck zu Fragestellung und deskrptven Befunden verdeutlchen, warum en multvarates Modell her überhaupt nötg st bzw. we der Prozess der Modellerung der Erklärung ener abhänggen Varablen ablaufen könnte. Aus der Lteratur zur poltschen Partzpaton st bekannt, dass das poltsche Interesse n den höheren Altersgruppen gernger st. Dese Befund wurde wederholt zu verschedenen Zetpunkten gestellt, so dass angenommen werden könnte, mt zunehmendem Lebensalter nehme das poltsche Interesse ab bzw. stege das poltsche Desnteresse. Enen typschen Befund vsualsert de folgende Abbldung anhand des Alters-Survey 1996 (vgl. Kohl/Künemund 2000): Der Antel der poltsch stark und sehr stark nteresserten Personen schwankt über de her betrachteten Altersgruppen hnweg, der Antel der Desnteresserten aber nmmt über dese Altersgruppen hnweg betrachtet klar zu.

17 15 Daz-Bone/Künemund Abbldung 5: Poltsches Interesse nach Altersgruppen Prozent Altersgruppen Sehr stark Stark Mttel Weng Überhaupt ncht Quelle: Alters-Survey 1996, n=3.989, gewchtet. Es könnte aber sen, dass ad-hoc Erklärungen, de auf generelle Alterseffekte abheben, dennoch falsch snd. Es leße sch z.b. darauf hnzuwesen, dass sch m Alter de Geschlechterproporton verschebt. Im Falle der Bundesrepublk legt des ncht nur an der höheren durchschnttlchen Lebenserwartung der Frauen, sondern zusätzlch an den Kregen, de enen erheblchen Frauenüberschuss be den Älteren hnterlassen haben. Und bsherge Studen zum poltschen Interesse haben mmer weder gezegt, dass das poltsche Interesse der Frauen deutlch unter jenem der Männer legt. Es könnte also sen, dass es gar kene nennenswerte Abnahme des poltschen Interesses m Alter gb, sondern deser Endruck nur aufgrund der Verschebung der Geschlechterproportonen entsteht. Betrachten wr allen de Männer, so lässt sch tatsächlch ken dramatscher Rückgang des poltschen Interesses ausmachen:

18 Enführung n de bnäre logstsche Regresson 16 Abbldung 6: Poltsches Interesse nach Altersgruppen Männer Prozent Altersgruppen Sehr stark Stark Mttel Weng Überhaupt ncht Quelle: Alters-Survey 1996, n=2.046, gewchtet. Im Gegentel schent das poltsche Interesse n den mttleren Altersgruppen am gerngsten zu sen, während des n den höheren Altersgruppen weder stärker st. Insgesamt bekunden 20 Prozent der Männer en nur sehr gernges oder gar ken Interesse an Poltk. Der am Aggregat ablesbare Befund enes Rückgangs des poltschen Interesses st her jedoch kaum auszumachen. Be den Frauen legt deser Antel der poltsch weng oder überhaupt ncht nteresserten hngegen be 34 Prozent. Somt kann en Tel der Zunahme wahrschenlch wrklch auf de Verschebungen der Geschlechterproportonen zurückgeführt werden. Be hnen zegen sch aber auch zusätzlch deutlche Zusammenhänge mt dem Alter: Be den 80- bs 85jährgen Frauen legt der genannte Antel nämlch sogar über 50 Prozent:

19 17 Daz-Bone/Künemund Abbldung 7: Poltsches Interesse nach Altersgruppen Frauen Prozent Altersgruppen Sehr stark Stark Mttel Weng Überhaupt ncht Quelle: Alters-Survey 1996, n=1.943, gewchtet. Der Rückgang des poltschen Interesses m Alter legt also ncht nur an der veränderten Geschlechterproporton, sondern zusätzlch am gerngeren poltschen Interesse der älteren Frauen. Bedes blebt nun wederum erklärungsbedürftg. Analog etwa zur Frage ener egenständgen weblchen Moral könnte etwa spekulert werden, Frauen hätten möglcherwese en anderes Verständns von Poltk, und des verändere sch zudem über de Altersgruppen hnweg. Wr wollen des an deser Stelle ncht m Detal klären. Wr können aber auch vermuten, dass der Untersched zwschen den Geschlechtern m poltschen Interesse zumndest n den her betrachteten Altersgruppen zum Tel banalere Gründe hat. Enen großen Enfluss auf das poltsche Interesse und de poltsche Partzpaton nsgesamt hat auch des st aus der Lteratur bestens bekannt z.b. de Bldung. Und ebenfalls bekannt st, dass gerade den älteren Frauen überwegend kene höhere formale Bldung zutel wurde (de ältesten her betrachteten Personen wurden 1911 geboren). Es könnte daher sen, dass erstens de Altersunterschede be den Frauen gernger ausfallen, sobald wr für de Bldung kontrolleren, und zwetens, dass auch der generelle Nveauuntersched zwschen den Geschlechtern n den her untersuchten Altersgruppen gernger ausfällt, sobald für Bldung kontrollert wrd. Wollte man auch dese Zusammenhänge jewels bvarat graphsch exploreren, also z.b. Abbldungen für Männer und Frauen getrennt für verscheden Bldungsnveaus erstellen und des dann womöglch noch z.b. getrennt für Ost- und Westdeutschland erhält man ncht nur ene kaum noch überschaubare Velzahl von Abbldungen oder Tabellen, sondern man stößt auch schnell an de Grenzen der Fallzahl je mehr Merkmale bzw. Merkmalsausprägungen Berückschtgung fnden, desto gernger und wenger verlässlch wrd de Bass der Prozentuerung.

20 Enführung n de bnäre logstsche Regresson 18 Mt enem multvaraten Modell lässt sch des oftmals ökonomscher und effektver angehen. Im folgenden werden de Ergebnsse ener logstschen Regresson auf das poltsche Desnteresse m Detal dargestellt, wobe wr zunächst den Standard- Output von SPSS verwenden und erläutern. Zu desem Zweck wurden de Ausprägungen sehr stark, stark und mttel zusammengefasst und fungeren dabe als Referenzgruppe, de Ausprägungen weng und überhaupt ncht wurden mt 1 codert. Das Alter wurde n neun Indkatorvarablen umkodert, de jüngste (40-45 Jahre) fungert als Referenzgruppe; d.h. de Koeffzenten der anderen Ausprägungen snd als relatve Dfferenz zu deser Altersgruppe zu nterpreteren. 12 Begnnen wr mt dem enfachsten Fall n enem schrttwesen Modell, n dem zunächst nur Alter als unabhängge Varable aufgenommen wrd, und zwar n jenen Kategoren, de berets Abbldung 5 verwendet wurden; de ermttelten Koeffzenten lassen sch daher drekt mt den dort abgebldeten Antelen verglechen. Der Befehl seht n unserem Falle we folgt aus: LOGISTIC REGRESSION VAR=d2_11 /METHOD=ENTER agegrp9 /METHOD=ENTER sex /METHOD=ENTER bld /METHOD=ENTER exddr /CONTRAST (agegrp9)=indcator(1) /CONTRAST (sex)=indcator(1) /CONTRAST (bld)=indcator(1) /CONTRAST (exddr)=indcator(1) /CRITERIA PIN(.05) POUT(.10) ITERATE(20) CUT(.5). Nach der Nennung der abhänggen Varablen fordert de Anwesung METHOD=ENTER den Enschluss nur ener Varablen nach der anderen erst Altersgruppen ( agegrp9 ), dann Geschlecht ( sex ), Bldung ( bld ) und Befragungsort Ost-/Westdeutschland ( exddr ). De Anwesungen /CONTRAST (varable)=indcator(1) legen den Umgang mt kategoralen unabhänggen Varablen fest; wr wählen her de sog. Indkator-Kontraste. Dadurch werden für jede Ausprägung der unabhänggen Varablen automatsch Indkatorvarablen gebldet, wovon ene (her: de jewels erste) konstant mt 0, de anderen jewels mt 1 für de zutreffenden Fälle codert werden (s.u.). 12 Natürlch könnte man Alter n Jahren auch als metrsche Varable n das Modell aufnehmen, man hätte dann nur enen Koeffzenten für enen lnearen Alterseffekt (der Koeffzent gbt de Veränderung des Wahrschenlchketsverhältnsses an, wenn das Alter um en Jahr stegt, unabhängg vom konkreten Alter). Wr haben des her aber ncht getan, wel es sch we schon de Abbldungen klar gezegt haben ncht um enen lnearen Zusammenhang handelt. Zwar könnte man n desem Fall auch z.b. mt enem quadrerten Alter versuchen, sch an de emprsch beobachteten Zusammenhänge mt enem möglchst sparsamen statstschen Modell anzuschmegen, aber de Interpretaton der Modellparameter sollte mt den Altersgruppen enfacher gelngen (nsbesondere durch de drektere Verglechsmöglchket mt den deskrptven Befunden). Für de Fragestellung selbst snd des weteren natürlch auch andere Verfahren denkbar, z.b. ene ordnale logstsche Regresson.

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Qualitative Evaluation einer interkulturellen Trainingseinheit

Qualitative Evaluation einer interkulturellen Trainingseinheit Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

8 Logistische Regressionsanalyse

8 Logistische Regressionsanalyse wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen

Mehr

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

Einführung in Origin 8 Pro

Einführung in Origin 8 Pro Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Statistische Regressionsmodelle

Statistische Regressionsmodelle Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

5. Transmissionsmechanismen der Geldpolitik

5. Transmissionsmechanismen der Geldpolitik Geldtheore und Geldpoltk Grundzüge der Geldtheore und Geldpoltk Sommersemester 2013 5. Transmssonsmechansmen der Geldpoltk Prof. Dr. Jochen Mchaels Geldtheore und Geldpoltk SS 2013 5. Transmssonsmechansmen

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Die Zahl i phantastisch, praktisch, anschaulich

Die Zahl i phantastisch, praktisch, anschaulich Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen

Mehr

Kapitel 3: Interpretation und Vergleich von Regressionsmodellen

Kapitel 3: Interpretation und Vergleich von Regressionsmodellen Kaptel 3: Interpretaton und Verglech von Regressonsmodellen 3. Interpretaton des lnearen Modells 3. Auswahl der unabhänggen Varablen 3.3 Fehlspezfkaton der funktonalen Form 3.4 Illustraton: De Erklärung

Mehr

Entscheidungsprobleme der Marktforschung (1)

Entscheidungsprobleme der Marktforschung (1) Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1 Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl 0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de

Mehr

Lineare Regressionsanalyse mit SPSS

Lineare Regressionsanalyse mit SPSS Unverstät Trer Zentrum für Informatons-, Medenund Kommunkatonstechnologe (ZIMK) Bernhard Baltes-Götz Lneare Regressonsanalyse mt SPSS 850 800 750 Y 0 700 5 5 X 0 0 X 0 5 5 04 (Rev. 40804) Herausgeber:

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN FACHBEREICH WIRTSCHAFTSWISSENSCHAFTEN Ulrch Kaser/Andrea Szczesny Enfache ökonometrsche Verfahren für de Kredtrskomessung: Logt- und Probt-Modelle No.61

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004 Dr. rer. nat. Werner Hässelbarth BAM-Letfaden zur Ermttlung von Messunscherheten be quanttatven Prüfergebnssen. Fassung. vom März 004 Forschungsbercht 66 Berln 004 Autor: Textbeträge: Redakton: Fregabe:

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Ingenieurmonitor Fachkräftebedarf und -angebot nach Berufsordnungen und regionalen Arbeitsmärkten

Ingenieurmonitor Fachkräftebedarf und -angebot nach Berufsordnungen und regionalen Arbeitsmärkten Methodenbercht Ingeneurmontor Fachkräftebedarf und -angebot nach Berufsordnungen und regonalen Arbetsmärkten n Kooperaton mt: Veren Deutscher Ingeneure e.v. (VDI) VDI-Platz 1 40468 Düsseldorf Ansprechpartner

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Visualisierung der Volatilität bei der Interpolation von Zeitreihen: Excel-Makro Saffint

Visualisierung der Volatilität bei der Interpolation von Zeitreihen: Excel-Makro Saffint Vsualserung der Volatltät be der Interpolaton von Zetrehen: Excel-Makro Saffnt Norman Fckel Fredrch-Alexander-Unverstät Erlangen-Nürnberg Wrtschafts- und Sozalwssenschaftlche Fakultät Lehrstuhl für Statstk

Mehr

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN

JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN JOHANN WOLFGANG GOETHE-UNIVERSITÄT FRANKFURT AM MAIN FACHBEREICH WIRTSCHAFTSWISSENSCHAFTEN Ulrch Kaser/Andrea Szczesny Enfache ökonometrsche Verfahren für de Kredtrskomessung: Logt- und Probt-Modelle No.61

Mehr

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt

Mehr

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Zukunft der Arbeit Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft "Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012

Mehr

2. Spiele in Normalform (strategischer Form)

2. Spiele in Normalform (strategischer Form) 2. Spele n Normalform (strategscher Form) 2.1 Domnante Strategen 2.2 Domnerte Strategen 2.3 Sukzessve Elmnerung domnerter Strategen 2.4 Nash-Glechgewcht 2.5 Gemschte Strategen und Nash-Glechgewcht 2.6

Mehr

Was haben Schüler und Großbanken gemein?

Was haben Schüler und Großbanken gemein? Armn Fügenschuh Aleander Martn Was haben Schüler und Großbanken gemen? Mathematsche Modellerung Analyse und Lösung am Bespel des Rucksackproblems Unter gegebenen Randbedngungen optmale Entschedungen zu

Mehr

Hat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?

Hat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes? Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung

Mehr

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5 1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Grundzüge der Geldtheorie und Geldpolitik

Grundzüge der Geldtheorie und Geldpolitik Grundzüge der Geldtheore und Geldpoltk Sommersemester 2012 8. Monetäre Transaktonskanäle Prof. Dr. Jochen Mchaels SoSe 2012 Geldtheore & -poltk 8. De Übertragung monetärer Impulse auf de Gesamtwrtschaft

Mehr

HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS

HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS AUF DIE BEURTEILUNG VON HEDGEFONDS-INDIZES? MARTIN ELING FRANK SCHUHMACHER WORKING PAPERS ON RISK MANAGEMENT AND INSURANCE NO. 10 EDITED BY HATO SCHMEISER

Mehr

Innovative Handelssysteme für Finanzmärkte und das Computational Grid

Innovative Handelssysteme für Finanzmärkte und das Computational Grid Innovatve Handelssysteme für Fnanzmärkte und das Computatonal Grd von Dpl.-Kfm. Mchael Grunenberg Dr. Danel Vet & Dpl.-Inform.Wrt. Börn Schnzler Prof. Dr. Chrstof Wenhardt Lehrstuhl für Informatonsbetrebswrtschaftslehre,

Mehr

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften Ertragsmanagementmodelle n servceorenterten IT- Landschaften Thomas Setzer, Martn Bchler Lehrstuhl für Internetbaserte Geschäftssysteme (IBIS) Fakultät für Informatk, TU München Boltzmannstr. 3 85748 Garchng

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung Moble cherhet durch effzente ublc-key-verschlüsselung Hagen loog Drk Tmmermann Unverstät Rostock, Insttut für Angewandte Mkroelektronk und Datenverarbetung Rchard-Wagner-tr., 9 Rostock Hagen.loog@un-rostock.de

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Regionales Clustering im Ausschüttungsverhalten von Sparkassen

Regionales Clustering im Ausschüttungsverhalten von Sparkassen Regonales Clusterng m Ausschüttungsverhalten von Sparkassen Andreas Rathgeber / Martn Wallmeer Ma 0 Zusammenfassung: En erheblcher Tel der Sparkassen n Deutschland verzchtet auf Ausschüttungen, obwohl

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

Mehr

Operations Research II (Netzplantechnik und Projektmanagement)

Operations Research II (Netzplantechnik und Projektmanagement) Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges

Mehr

13.Selbstinduktion; Induktivität

13.Selbstinduktion; Induktivität 13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd

Mehr

Ein Vorschlag zur Modellierung von Summenexzedenten- Rückversicherungsverträgen in Internen Modellen

Ein Vorschlag zur Modellierung von Summenexzedenten- Rückversicherungsverträgen in Internen Modellen En Vorschlag zur Modellerung von Summenexzedenten- Rückverscherungsverträgen n Internen Modellen Dorothea Ders Preprnt Seres: 27-22 Fakultät für Mathematk und Wrtschaftswssenschaften UNIVERSITÄT ULM En

Mehr

Kommentierte Linkliste

Kommentierte Linkliste Mobbng Kommenterte Lnklste Mobbng fndet sch n allen sozalen Schchten und Altersgruppen: auch be Kndern und Jugendlchen. Aktuelle Studen kommen zu dem Ergebns, dass jede/r verte österrechsche SchülerIn

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Versuch C2: Monte-Carlo Simulationen eines Ferromagneten im Rahmen des Ising-Modells

Versuch C2: Monte-Carlo Simulationen eines Ferromagneten im Rahmen des Ising-Modells Versuch C2: Monte-Carlo Smulatonen enes Ferromagneten m Rahmen des Isng-Modells 15. November 2010 1 Zelstellung Es glt de Temperatur des Phasenüberganges zwschen dem ferro- und paramagnetschen Verhalten

Mehr

Bewertung von Zinsswaps mittels Mehrkurvenbootstrapping

Bewertung von Zinsswaps mittels Mehrkurvenbootstrapping Bewertung von Znsswaps mttels Mehrkurvenbootstrappng OIS-Marktstandard gewnnt m Rahmen des EMIR-Portfoloabglechs an Bedeutung 1. Enletung De Bewertungsmethodk von Znsswaps hat sch gewandelt. Bs vor der

Mehr

Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale

Numerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale 2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs

Mehr

econstor zbw www.econstor.eu

econstor zbw www.econstor.eu econstor www.econstor.eu Der Open-Access-Publkatonsserver der ZBW Lebnz-Informatonszentrum Wrtschaft The Open Access Publcaton Server of the ZBW Lebnz Informaton Centre for Economcs Pfeffer, Fredhelm;

Mehr

Lineare Regression. Werner Stahel Seminar für Statistik, ETH Zürich. Januar 2006. Unterlagen zum Block Rg1 des Kurses in Angewandter Statistik

Lineare Regression. Werner Stahel Seminar für Statistik, ETH Zürich. Januar 2006. Unterlagen zum Block Rg1 des Kurses in Angewandter Statistik Lneare Regresson Werner Stahel Semnar für Statstk, ETH Zürch Januar 2006 Unterlagen zum Block Rg1 des Kurses n Angewandter Statstk 2 3 Inhaltsverzechns 1 Enführung n de statstsche Regressonsrechnung 1

Mehr

In einem Umspannwerk der

In einem Umspannwerk der dosser Transformatoren Lestungsschalterglechlauf st regelmäßg zu prüfen Schaden an enem 11--Transformator durch ene Glechlaufstörung des Lestungsschalters In starr geerdeten 11--Netzen wrd der zu erwartende

Mehr

Was hätte man sonst machen können? Alternativszenarien zur rot-grünen Einkommensteuerreform

Was hätte man sonst machen können? Alternativszenarien zur rot-grünen Einkommensteuerreform Dskussonsbeträge des Fachberechs Wrtschaftswssenschaft der Freen Unverstät Berln Volkswrtschaftlche Rehe 006/3 Was hätte man sonst machen können? Alternatvszenaren zur rot-grünen Enkommensteuerreform Tmm

Mehr