Nonparametrische Verfahren
|
|
- Daniel Koch
- vor 7 Jahren
- Abrufe
Transkript
1 Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Nonparametrische Verfahren
2 Überblick Einführung Mann-Whitney U-Test Wilcoxon-Test Kruskal-Wallis H-Test Eindimensionaler Chi-Quadrat-Test Zweidimensionaler Chi-Quadrat-Test Vierfelder Chi-Quadrat-Test
3 Einführung (z. B. Rasch, Friese, Hofmann & Naumann, 014) Parametrische Verfahren (z. B. t-test und Varianzanalyse) vs. nonparametrische Verfahren Vorteile parametrischer Verfahren Einbezug von mehr Informationen bei der Auswertung Höhere Teststärke (in den meisten Fällen) Nachteile parametrischer Verfahren Intervallskalenniveau und Normalverteilung (u. a.) als Voraussetzung Empfehlungen Einsatz parametrischer Verfahren als Regelfall (bei intervallskalierten Daten und hinreichend großen Stichproben) Einsatz nonparametrischer Verfahren bei groben Verletzungen der Annahmevoraussetzungen 3
4 Mann-Whitney U-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Mann-Whitney U-Test (bzw. U-Test für unabhängige Stichproben): Nonparametrisches Verfahren zur Auswertung einer Studie mit zwei unabhängigen Gruppen (vgl. t-test) Analyse der Rangplätze beim U-Test, der speziell für ordinalskalierte Messwerte geeignet ist Empfehlung: U-Test anstelle des t-tests bei zweifelhaftem Intervallskalenniveau oder nicht vorliegender Normalverteilung oder verletzter Varianzhomogenität 4
5 Beispiel zur Berechnung eines U-Tests Fiktive Rohdaten zu einer Studie zum seductive detail Effekt Mit seductive details VPN Transfer Rang Ohne seductive details VPN Transfer Rang Hinweis: SPSS vergibt im Gegensatz hierzu für den niedrigsten Zahlenwert den niedrigsten Rangplatz (d. h. den ersten Platz ) 5
6 Mann-Whitney U-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Formel zur Überprüfung der Rangplatzunterschiede mittels U-Test: U n 1 n n 1 ( n 1 1) T Für das Beispiel gilt: Anzahl an Versuchspersonen in Gruppe 1 und : Jeweils 5 Rangsumme für Gruppe 1: = 38 Berechnung: 5(5 1) U n 1 = Anzahl an Versuchspersonen in Gruppe 1 n = Anzahl an Versuchspersonen in Gruppe T 1 = Rangsumme für Gruppe 1 6
7 Mann-Whitney U-Test Welcher U-Wert resultiert für den nachfolgenden Datensatz? A: U = 18; B: U = 19; C: U = 38; D: U = 39 VPN EG Rang VPN Berechnung: T 1 =39; T =39; U= =18; U = =18 KG Rang Rey.participoll.com A B C D 0 7
8 Mann-Whitney U-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Statistischer Kennwert U als Summe der Rangplatzüberschreitungen Statistischer Kennwert U als Summe der Rangplatzunterschreitungen U n 1 n Zusammenhang zwischen U und U : U n1 n bzw. Berechnung für das Beispiel: U 55 3 n U ( n 1) T U n1 n n 1 = Anzahl an Personen in Gruppe 1 n = Anzahl an Personen in Gruppe T = Rangsumme für Gruppe U 8
9 Mann-Whitney U-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Statistische Nullhypothese des U-Tests: U = U Erwarteter U-Wert unter der Nullhypothese: U n 1 n Berechnung für das Beispiel: 55 U 1.5 Je stärker sich der empirische U-Wert (bzw. U ) vom erwarteten U-Wert unterscheidet, desto eher ist das Ergebnis signifikant Beispiel: Ist der Unterschied zwischen und 1.5 signifikant? 9
10 Mann-Whitney U-Test Zwei Möglichkeiten bei der inferenzstatistischen Entscheidung Nicht signifikant (U emp > U krit ): H 0 wird vorläufig beibehalten Signifikant (U emp U krit ): H 0 wird zugunsten der H 1 verworfen Wichtig: Je kleiner U emp ist, desto eher ist der Test signifikant! Beispiel: Da U emp = U krit = 4 (laut Tabelle für α =.05 (einseitig)) wird H 0 zugunsten der H 1 verworfen, d. h. das Ergebnis ist signifikant Inferenzstatistische Ergebnisdarstellung Signifikantes Ergebnis: Angabe des U-Wertes (alternativ des z-wertes) und des p-wertes sowie der Effektstärke (über z-wert berechenbar) Nicht signifikantes Ergebnis: Zusätzlich Angabe der Teststärke Beispiel: U =, p <.05, r =.69 10
11 Wilcoxon-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Wilcoxon-Test (bzw. W-Test): Nonparametrisches Verfahren zur Auswertung einer Studie mit zwei abhängigen Stichproben (vgl. t-test für abhängige Stichproben) Beispielsweise für Studien mit Messwiederholung geeignet Analyse der Rangplätze (vgl. U-Test) in vier Schritten: 1. Differenzbildung der Messwertpaare. Ermittlung der Betragswerte zu jeder Paardifferenz 3. Rangreihenbildung zu den Absolutbeträgen der Differenzen 4. Negatives Vorzeichen für alle absoluten Rangplätze, die zu einer negativen Paardifferenz gehören Ergebnis als gerichtete Ränge (engl. signed ranks) bezeichnet Paardifferenzen mit dem Wert 0 nicht berücksichtigen 11
12 Wilcoxon-Test Fiktive Rohdaten zu einer Studie (vgl. vorherige Sitzung) IQ Basketball Gerichtete Ränge VPN Leistung VPN Leistung VPN Betrag Rang Sheldon 9.5 Sheldon 1.5 Sheldon Leonard 6.5 Leonard.0 Leonard Howard 4.5 Howard.5 Howard.0 Rajesh 8.5 Rajesh 7.0 Rajesh Penny.0 Penny 6.0 Penny Summe positiver gerichteter Ränge (R positiv ): = 1 Summe negativer gerichteter Ränge (R negativ ): -3 1
13 Wilcoxon-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Betragsmäßig kleinerer Wert entspricht dem Testwert W: W min( Beispiel: W = 3 R positiv, R negativ Kritischer W-Wert für α =.05 (einseitig) laut Tabelle: W krit = 0 Zwei Möglichkeiten bei der inferenzstatistischen Entscheidung Nicht signifikant (W emp > W krit ): H 0 wird vorläufig beibehalten Signifikant (W emp W krit ): H 0 wird zugunsten der H 1 verworfen Wichtig: Je kleiner W emp ist, desto eher ist der Test signifikant! Beispiel: Da W emp = 3 > W krit = 0 wird H 0 vorläufig beibehalten, d. h. das Ergebnis ist nicht signifikant ) 13
14 Kruskal-Wallis H-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Kruskal-Wallis H-Test (bzw. Rangvarianzanalyse): Nonparametrisches Verfahren zur Auswertung einer Studie mit mehr als zwei unabhängigen Gruppen (vgl. Varianzanalyse) Analyse der Rangplätze analog zum U-Test über die Rangsummen T i Formel zur Berechnung des Testwertes H: H 1 N ( N 1) i1 T n 3( N 1) Bei hinreichend großen Stichproben kann dieser H-Wert mit einem kritischen Chi-Quadrat-Wert (χ ) mit df = p 1 verglichen werden Wenn H χ krit, dann ist das Ergebnis signifikant p i i N = Stichprobenumfang T i = Rangsumme für Gruppe i n i = Anzahl an Personen in Gruppe i 14
15 Kruskal-Wallis H-Test Welcher H-Wert resultiert für den nachfolgenden Datensatz? A: H = 1.0; B: H = 1.5; C: H = 13.0 Gruppe 1 Gruppe Gruppe 3 VPN Transfer VPN Transfer Berechnung: T 1 : 5; T : 1600; T 3 : 45 VPN Transfer H 110 3(15 1) (15 1) Rey.participoll.com A B C 0 15
16 Eindimensionaler Chi-Quadrat-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) χ -Verfahren (Chi-Quadrat-Verfahren) dienen der Analyse nominalskalierter (kategorialer bzw. diskreter) Daten, sprich der Analyse von Häufigkeiten Eindimensionaler χ -Test: Klassifikation von Versuchspersonen anhand eines Merkmals mit zwei oder mehr Stufen Beispiel: Überprüfung, ob signifikant mehr Frauen als Männer an einem Lernexperiment teilgenommen haben Vergleich zwischen beobachteten und erwarteten Häufigkeiten Erwartete Häufigkeiten entsprechen der Nullhypothese Gleichverteilungsannahme: Eine (von vielen möglichen) Nullhypothesen, bei der die erwarteten Häufigkeiten für alle Zellen gleich sind 16
17 Eindimensionaler Chi-Quadrat-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Beispiel: Geschlechtsverteilung aus dem Artikel von Wang und Yeh (013) zum Einfluss des Sexappeals pädagogischer Agenten: 11 Männer und 163 Frauen (N = 84; 57% ) Berechnung des χ -Wertes: k i1 (f bi f f ei ei ) k f bi f ei N = Anzahl der Kategorien des Merkmals = Beobachtete Häufigkeit in Kategorie i = Erwartete Häufigkeit in Kategorie i = Stichprobenumfang Unter der Gleichverteilungsannahme gilt: Beispiel: f ei = 84 : = fe 1 fe f ek N k 17
18 Eindimensionaler Chi-Quadrat-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Bestimmung der Freiheitsgrade durch df = k 1 (z. B. df = 1 = 1) Kritischer χ -Wert für df = 1 und α =.05 (zweiseitig): χ krit 3.84 Inferenzstatistische Entscheidung und Ergebnisdarstellung Da χ emp = 6.1 χ krit = 3.84 wird H 0 wird zugunsten der H 1 verworfen, d. h. das Ergebnis ist signifikant χ (1) = 6.1, p =.01, w = 0.0 Berechnung der Effektgröße w über w = χ : N Konventionen zu w : Effektgröße Kleiner Effekt Mittlerer Effekt Großer Effekt w
19 Zweidimensionaler Chi-Quadrat-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Zweidimensionaler χ -Test: Klassifikation von Versuchspersonen anhand zweier Merkmale mit jeweils zwei oder mehr Stufen Kontingenzanalyse: Spezieller zweidimensionaler χ -Test, bei dem die Unabhängigkeit der untersuchten Merkmale überprüft wird Beispiel: Überprüfung, ob signifikant mehr Frauen als Männer eine Lernaufgabe richtig gelöst haben Fiktive Rohdaten und Randhäufigkeiten zu einer Studie k x l Kreuztabelle Lernaufgabe Männer Geschlecht Frauen Richtig 5 55 Falsch Spaltensumme Zeilensumme
20 Zweidimensionaler Chi-Quadrat-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Berechnung des χ -Wertes: k l i1 j1 (f bij f f eij eij ) k l f bij f eij N = Anzahl der Kategorien des Merkmals A = Anzahl der Kategorien des Merkmals B = Beobachtete Häufigkeit der Kombination i,j = Erwartete Häufigkeit der Kombination i,j = Stichprobenumfang Bei der Kontingenzanalyse gilt: f eij n n i j N Zeilensumme Spaltensumme N Beispiel: f e11 = (15 60) : 100 = 9 ; f e1 = 51; f e1 = 6; f e =
21 Zweidimensionaler Chi-Quadrat-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Bestimmung der Freiheitsgrade durch df = (k 1) (l 1) Beispiel: df = ( 1) ( 1) = 1 Kritischer χ -Wert für df = 1 und α =.05 (zweiseitig): χ krit 3.84 Inferenzstatistische Entscheidung Da χ emp = 5.3 χ krit = 3.84 wird H 0 wird zugunsten der H 1 verworfen, d. h. das Ergebnis ist signifikant Ergebnisdarstellung: χ (1) = 5.3, p =.0, w =
22 Vierfelder Chi-Quadrat-Test (z. B. Rasch, Friese, Hofmann & Naumann, 014) Vierfelder χ -Test: Spezialfall des zweidimensionalen χ -Tests auf Unabhängigkeit mit zwei dichotomen Merkmalen, d. h. zwei Merkmalen mit jeweils zwei Stufen x Kontingenztabelle als Versuchsplan: x Kreuztabelle Merkmal A Merkmal B B 1 B A 1 a b A c d Berechnung des χ -Wertes: ( a N ( a d bc) b) ( c d) ( a c) ( b d)
23 Vierfelder Chi-Quadrat-Test Berechnen Sie den χ -Wert für den nachfolgenden Datensatz mit der Formel zum Vierfelder χ -Test! A: χ = 5.3 B: χ = 3.84 C: χ = 0.64 Berechnung: x Kreuztabelle Lernaufgabe Männer Geschlecht Frauen Richtig 5 55 Falsch ( ) (5 55) (10 30) (5 10) (55 30) Rey.participoll.com A B C 0 3
24 Beispiele für nonparametrische Verfahren in Fachzeitschriften Quelle: Nievelstein, van Gog, van Dijck und Boshuizen (013) Quelle: Jamet (014) Quelle: Stiller, Freitag, Zinnbauer und Freitag (009) 4
25 Zusammenfassung Einsatz nonparametrischer Verfahren bei groben Verletzungen der Annahmevoraussetzungen parametrischer Verfahren Mann-Whitney U-Test für Studien mit zwei unabhängigen Gruppen Wilcoxon-Test für Studien mit zwei abhängigen Stichproben Kruskal-Wallis H-Test für Studien mit mehr als zwei unabhängigen Gruppen Chi-Quadrat-Verfahren zur Analyse nominalskalierter Daten, sprich der Analyse von Häufigkeiten 5
26 Prüfungsliteratur Rasch, B., Friese, M., Hofmann, W., & Naumann, E. (014). Quantitative Methoden : Einführung in die Statistik für Psychologen und Sozialwissenschaftler (4. Aufl.). Heidelberg: Springer. Verfahren für Rangdaten (S ) Verfahren für Nominaldaten (S ) 6
27 Weiterführende Literatur I Bortz, J., & Schuster, C. (010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Berlin: Springer. Nicht-parametrische Tests (S ) Analyse von Häufigkeiten (S ) Eid, M., Gollwitzer, M., & Schmitt, M. (015). Statistik und Forschungsmethoden (4. Aufl.). Weinheim: Beltz. Vergleich zweier Stichprobenmediane (Wilcoxon-Rangsummen- Test bzw. U-Test) (S ) Vergleich von Häufigkeitsverteilungen zwischen zwei unabhängigen Stichproben (S ) Der Zweistichproben-χ -Test (S ) Test auf Gruppenunterschiede für Rangdaten (Kruskal-Wallis- Test) (S ) 7
28 Weiterführende Literatur II Leonhart, R. (013). Lehrbuch Statistik. Einstieg und Vertiefung (3. Auflage). Bern: Huber. Nicht-parametrische Testverfahren (S. 9-58) Sedlmeier, P., & Renkewitz, F. (013). Forschungsmethoden und Statistik: Ein Lehrbuch für Psychologen und Sozialwissenschaftler (. Aufl.). München: Pearson. Verfahren zur Analyse nominalskalierter Daten: Chi-Quadrat (χ -)Tests (S ) Verfahren zur Analyse ordinalskalierter Daten (S ) 8
Mehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
MehrEinfaktorielle Varianzanalyse
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einfaktorielle Varianzanalyse Überblick Einführung Alphafehler-Kumulierung Grundprinzip
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrStichprobenumfangsplanung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
MehrWeitere Varianzanalysen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Weitere Varianzanalysen Überblick Varianzanalyse mit Messwiederholung Kovarianzanalyse
MehrEinführung in Web- und Data-Science
Einführung in Web- und Data-Science Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Tanya Braun (Übungen) P-Wert (einseitiger Ablehnungsbereich) Hypothesentest H 0 vs. H 1
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrKorrelation und Regression
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Korrelation und Regression Überblick Kovarianz und Korrelation Korrelation und Kausalität
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrEinführung in die Statistik Einführung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning
MehrZusammenfassung. Einführung in die Statistik. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Zusammenfassung Überblick 2 Überblick Zentrale Tendenz, Streuung und Verteilung Tabellen
MehrTabellen und Abbildungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Tabellen und Abbildungen Überblick Tabellen Abbildungen Polygonzug Histogramm Box-Plot
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Der Mann-Whitney U-Test 1 Der Wilcoxon-Test 3 Der Kruskal-Wallis H-Test 4 Vergleich von Mann-Whitney U-Test und Kruskal-Wallis H-Test 6 Der Mann-Whitney U-Test In Kapitel
MehrMann-Whitney-U-Test für zwei unabhängige Stichproben
Mann-Whitney-U-Test für zwei unabhängige Stichproben Wir haben bis jetzt einen einzigen Test für unabhängige Stichproben kennen gelernt, nämlich den T-Test. Wie wir bereits wissen, sind an die Berechnung
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
MehrDeskriptive Statistik Kapitel IX - Kontingenzkoeffizient
Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Untersuchung der Abhängigkeit 2.
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrÜbersicht über verschiedene Signifikanztests und ihre Voraussetzungen
SPSSinteraktiv von Signifikanztests - 1 - Übersicht über verschiedene Signifikanztests und ihre Verfahren zur Überprüfung von Unterschieden in der zentralen Tendenz Unterschieden werden können Testsituationen
MehrBiometrische Planung von Versuchsvorhaben
Biometrische Planung von Versuchsvorhaben Einführung in das Prinzip der Lehrstuhl für Mathematik VIII Statistik http://statistik.mathematik.uni-wuerzburg.de/~hain Ziel des Vortrags Im nachfolgenden Vortrag
MehrHerzlich willkommen zur Vorlesung Statistik
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik Zusammenhänge zwischen nominalen (und/oder ordinalen) Merkmalen: analyse und II: Signifikanztests und Maße der Assoziation
MehrGibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
Arbeitsblatt SPSS Kapitel 8 Seite Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon aus, dass Sie die Datei elporiginal.sav geöffnet haben.
MehrBiometrieübung 7 t-test (gepaarte Daten) & Wilcoxon-Test
Biometrieübung 7 (t-test gepaarte Daten & Wilcoxon-Test) - Aufgabe Biometrieübung 7 t-test (gepaarte Daten) & Wilcoxon-Test Aufgabe 1 Hirschläufe An 10 Hirschen wurde die Länge der rechten Vorder- und
MehrTabellen und Abbildungen
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Tabellen und Abbildungen Überblick Tabellen Abbildungen Histogramm und Polygonzug
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
MehrMittelwertvergleiche, Teil I: Zwei Gruppen
FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung 1 Berechnung der Effektstärke und der beobachteten Teststärke einer einfaktoriellen Varianzanalyse
Mehra) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?
Modul G 20.12.2007 Zur Hausaufgabe 3 Erkläre die folgenden Plots und Berechnungen zu Wahrscheinlichkeiten aus technischer und statistischer Sicht. a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen,
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 7: Varianzanalyse mit Messwiederholung Nach dem Starten von GPower müssen Sie für Varianzanalysen
MehrModul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 10.01.2008 1 2 Test Anwendungen Der 2 Test ist eine Klasse von Verfahren für Nominaldaten, wobei die Verteilung der beobachteten Häufigkeiten auf zwei mehrfach gestufte Variablen
MehrMethodik für Linguisten
Claudia Methodik für Linguisten Eine Einführung in Statistik und Versuchsplanung narr VERLAG 1 Reisevorbereitungen und Wegweiser 2 Linguistik als empirische Wissenschaft 15 2.1 Karl Popper und der Falsifikationismus
MehrBivariater Zusammenhang in der Vierfeldertafel PEΣO
Bivariater Zusammenhang in der Vierfeldertafel PEΣO 12. Oktober 2001 Zusammenhang zweier Variablen und bivariate Häufigkeitsverteilung Die Bivariate Häufigkeitsverteilung gibt Auskunft darüber, wie zwei
MehrBiostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrEinführung in die Korrelationsrechnung
Einführung in die Korrelationsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Korrelationsrechnung
MehrAufgaben zu Kapitel 4
Rasch, Friese, Hofmann & aumann (2006). Quantitative Methoden. Band (2. Auflage). Heidelberg: Springer. Aufgaben zu Kapitel 4 Aufgabe a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl
MehrMultivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167
Multivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.167 Multivariate Regression Verfahren zur Prüfung des gemeinsamen linearen Einflusses mehrerer unabhängiger Variablen auf eine
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrHerzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 19. Januar 2011 1 Nichtparametrische Tests Ordinalskalierte Daten 2 Test für ein Merkmal mit nur zwei Ausprägungen
MehrSven Garbade. Statistik 1
χ 2 -Test für nominale Daten Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) χ 2 -Test für nominale
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrKapitel 9: Verfahren für Nominaldaten
Kapitel 9: Verfahren für Nominaldaten Eindimensionaler Chi²-Test 1 Zweidimensionaler und Vierfelder Chi²-Test 5 Literatur 6 Eindimensionaler Chi²-Test Berechnen der Effektgröße w² Die empirische Effektgröße
MehrStatistik III. Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS.
Statistik III Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse
MehrNicht-parametrische Statistik Eine kleine Einführung
Nicht-parametrische Statistik Eine kleine Einführung Überblick Anwendung nicht-parametrischer Statistik Behandelte Tests Mann-Whitney U Test Kolmogorov-Smirnov Test Wilcoxon Test Binomialtest Chi-squared
Mehrt-test Einführung in die Statistik Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät
Professr E-Learning nd Nee Medien Institt für Medienforschng Philosophische Fakltät Einführng in die Statistik t-test Überblick Zfallsstichproben generieren Zentrale Verteilng abtragen Kritischen nd empirischen
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrSPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
MehrInstitut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation
MehrTest-Finder. Inhalt. Orientierung im Test-Chaos Dipl.-Psych. Dr. Guido Strunk
Test-Finder 1 Test-Finder Orientierung im Test-Chaos Dipl.-Psych. Dr. Guido Strunk Inhalt 1 Grundlagen... 2 2 Maße der zentralen Tendenz vergleichen Zwei Gruppen... 3 2.1 T-Test für unabhängige Daten...
MehrUnterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)
MehrTutorial:Unabhängigkeitstest
Tutorial:Unabhängigkeitstest Mit Daten aus einer Befragung zur Einstellung gegenüber der wissenschaftlich-technischen Entwicklungen untersucht eine Soziologin den Zusammenhang zwischen der Einstellung
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrSTATISTIK II. Hans-Otfried Müller Institut für Mathematische Stochastik.
STATISTIK II Hans-Otfried Müller Institut für Mathematische Stochastik http://www.math.tu-dresden.de/sto/mueller 1 Ausgewählte Verfahren der multivariaten Datenanalyse und Statistik Werden bei einer Analyse
MehrBusiness Value Launch 2006
Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrEinführung in die Statistik Testgütekriterien
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Testgütekriterien Überblick Einleitung Objektivität Reliabilität Validität Nebengütekriterien
MehrTutorial: Vergleich von Anteilen
Tutorial: Vergleich von Anteilen Die Sicherung des Pensionssystems ist in vielen Ländern ein heikles Thema. Noch stärker als der Streit, wer wann welche Pension beziehen können soll, tobt ein Streit, welche
MehrStatistik: Planung, Auswertung, Lesen von Meta-Studien
Grundlage: Effektgrößen Statistik: Planung, Auswertung, Lesen von Meta-Studien Forschungsseminar für Fortgeschrittene für Planung, Auswertung und Meta-Studien relevant Bekannte: r = Pearson Korrelation
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
MehrQuantitative Methoden Band 2 Einführung in die Statistik für Psychologen und Sozialwissenschaftler
Springer-Lehrbuch B. Rasch M. Friese W. Hofmann E. Naumann Quantitative Methoden Band 2 Einführung in die Statistik für Psychologen und Sozialwissenschaftler 3., erweiterte Auflage Mit 29 Abbildungen und
MehrForschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser
Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-
MehrVergleich von Parametern zweier Stichproben
Vergleich von Parametern zweier Stichproben Vergleich von Mittelwerten bei gebundenen Stichproben Vergleich von Mittelwerten bei unabhängigen Stichproben Vergleich von Varianzen bei unabhängigen Stichproben
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
MehrEinführung in die Induktive Statistik: Varianzanalyse
Einführung in die Induktive Statistik: Varianzanalyse Jörg Drechsler LMU München Wintersemester 2011/2012 Varianzanalyse bisher: Vergleich der Erwartungswerte für zwei normalverteilte Variablen durch t-test
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
Mehr12 Rangtests zum Vergleich zentraler Tendenzen
12 Rangtests zum Vergleich zentraler Tendenzen 12.1 Allgemeine Bemerkungen 12.2 Gepaarte Stichproben: Der Wilcoxon Vorzeichen- Rangtest 12.3 Unabhängige Stichproben: Der Wilcoxon Rangsummentest und der
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrAlternative Darstellung des 2-Stichprobentests für Anteile
Alternative Darstellung des -Stichprobentests für Anteile DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Bei Gültigkeit der Nullhypothese Beobachtete Response No Response Total absolut
MehrSkript zur Vorlesung Statistik 2
Weder die Autorin noch der Fachschaftsrat Psychologie übernimmt Irgendwelche Verantwortung für dieses Skript. Das Skript soll nicht die Lektüre der Prüfungsliteratur ersetzen. Verbesserungen und Korrekturen
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik für Naturwissenschaften 00 180 160 Frauen 140 10 100 80 80 100 10 140 160 180 00 Männer Modul 08 Testen von Hypothesen Lernumgebung. Teil 1 Hans Walser: Modul 08, Testen von Hypothesen.
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge Tabellenanalyse: Kreuztabellierung und Kontingenzanalyse Philosophische Fakultät Institut für Soziologie Berufsverläufe und Berufserfolg von Hochschulabsolventen Dozent: Mike Kühne
Mehr