DATENBESCHREIBUNG KODIERPLAN

Größe: px
Ab Seite anzeigen:

Download "DATENBESCHREIBUNG KODIERPLAN"

Transkript

1 MODUL 2 DATENBESCHREIBUNG KODIERPLAN Wie Daten entstehen Die Datenbeschreibung - der Kodierplan Spezialfälle der Kodierung Mehrfachnennungen Skip-Fragen Offene Fragen Missing Values - Fehlende Werte Übungsfragen und praktische Übungen Literaturhinweise 1

2 1. Wie Daten entstehen Alles messen, was meßbar ist, und versuchen meßbar zu machen, was es noch nicht ist. Galilei Daten sind gewöhnlich Informationen über die Ausprägung bestimmter Merkmale oder Eigenschaften bzw. die Häufigkeit bestimmter Verhaltensweisen bei Personen oder Personengruppen, die in empirischen Untersuchungen gewonnen wurden. Daten entstehen also z.b. dadurch, daß ein bestimmtes Merkmal von einem Untersucher ausgewählt wird (z.b. Jahre formaler Schulbildung ), und dieses Merkmal (eine Variable ) dann bei einer bestimmten Gruppe oder einer gesamten Population beobachtet oder erfragt wird. So liefert der im Abstand von 10 Jahren stattfindende Zensus (Volkszählung) Daten von jeder in Österreich ständig lebenden Person (z.b. Hauptwohnsitz, Beruf, Wohnungsgröße). Bei vielen Gelegenheiten erfragen Institutionen wie die Krankenkasse, das Finanzamt, Banken oder Versicherungen von uns bestimmte Merkmale und sammeln sie in riesigen Datenbanken (z.b. unser Einkommen, den Familienstand, das Alter) - die Möglichkeiten der modernen Datenverarbeitung erlauben es uns, solche Informationen systematisch zu speichern und in Sekundenschnelle abzurufen und zu verknüpfen. Prinzipiell derselben Methoden bedient sich auch die Wissenschaft. Ihr Ziel ist es, in empirischen Untersuchungen wichtige Informationen zu bestimmten Problemen (Fragestellungen, Hypothesen, Theorien) zu sammeln, um das Ausmaß des Problems darstellen zu können und seine Ursache zu ergründen. Auf der Basis dieser systematischen Datensammlung, ihrer statistischen Analyse und Interpretation können Entscheidungen gefällt oder Maßnahmen getroffen werden. Für die Erhebung dieser Daten werden häufig Fragebögen oder Interviews verwendet, in wissenschaftlichen Untersuchungen haben auch noch die systematische Verhaltensbeobachtung und die Inhaltsanalyse vorhandener Dokumente einen hohen Stellenwert. Alle Datenerhebungsmethoden führen zu einer meist schriftlichen Aufzeichnung der Ausprägung der Merkmale/Eigenschaften/Verhaltensweisen der untersuchten Personen. Diese Antworten im Fragebogen oder im Interview, die Stricherlliste in der Beobachtung, die Häufigkeiten in einem inhaltsanalytischen Kategoriensystem müssen für die elektronische Datenverarbeitung nach Variablen aufbereitet werden, d.h. jede Aufzeichnung, jede Antwort muß für den Computer systematisiert und übersetzt werden. Dieser Vorgang zerfällt in zwei Teile: die Datenbeschreibung (der Kodierplan) und die Dateneingabe. Hypothese èinteressierendes Merkmal è Instrument/Variable èdatenerhebung/daten ècodes EIN AUSSCHNITT AUS EINEM LEHRER-FRAGEBOGEN 1. In welchem Jahr wurden Sie geboren? Bitte kreuzen Sie Ihr Geschlecht an: weiblich männlich 3. Welche Ausbildung (Lehramtsprüfung) und akademischen Grade haben Sie abgeschlossen? Bitte alles Zutreffende ankreuzen. Lehramt Hauptschule Lehramt VS oder SoS Lehramt für AHS/BHS (Mag.) Diplomstudium (Mag.) Doktorat nichts von dem Genannten 4. Wie wichtig ist Ihrer Meinung nach das Folgende, damit Schüler gut in Mathematik sind? Bitte nur ein Feld pro Zeile ankreuzen. nicht wichtig wichtig sehr wichtig a) sich Formeln und Prozeduren gut merken können... b) logisch und folgerichtig zu denken... c) mathematische Konzepte und Prinzipien gut zu verstehen... d) kreativ zu denken... 2 Skriptum Deskriptive Statistik

3 2. Die Datenbeschreibung - der Kodierplan Grundlage einer Datenbeschreibung ist im allgemeinen ein vorliegendes Datenerhebungsinstrument (z.b. ein Fragebogen, ein Interviewleitfaden oder ein Beobachtungssystem). Jedes Datenerhebungsinstrument ist nach den interessierenden, bzw. zu erhebenden Informationen gegliedert, praktisch also nach Fragen/Antworten, Verhaltensweisen, etc. Jede vorkommende Information (z.b. jede Frage/mögliche Antwort) wird in Einheiten zerlegt - jede Informationseinheit wird im Kodierplan und im späteren Datensatz durch eine Variable repräsentiert. Für jede Variable muß ein Name gefunden werden. Es muß festgehalten werden, welche Werte die Variable bei den untersuchten Personen annehmen kann (welche Werte erlaubt sind) und welche Codes für jeden dieser Werte vergeben werden. Weiters ist es notwendig, das verwendete Skalenniveau der Variable festzuhalten und darüber zu entscheiden, welchen Wert/Code man Personen zuweist, die nicht geantwortet haben bzw. von denen man keine Informationen für diese Variable erhoben hat ( Missing oder fehlender Wert ) - Konvention für den Missingwert ist 9 für einstellige Werte, 99 für zweistellige, 999 usw. Beispiel Lehrerfragebogen Die Zerlegung der vier Fragen im Beispiel geht folgendermaßen vor sich: Frage 1 Die Informationen aus Frage 1 können in einer Variable erfaßt werden, vorgeschlagene Bezeichnung der Variable: Geburtsjahr. Die Variable kann in der untersuchten Stichprobe (Lehrer, die 1995 an allgemeinbildenden Schulen Österreichs literarisch unterrichten) prinzipiell zweistellige Werte zwischen 00 und 75 annehmen, wobei Werte zwischen 30 und 75 realistisch sind. Codes und Werte sollen identisch bleiben, d.h. Wert 56 wird durch Code 56 ausgedrückt. Sollte ein Lehrer diese Frage nicht beantwortet haben, erhält er den fehlenden Wert -Code 99. Die Variable ist intervallskaliert - durch die spätere Transformation x = (95 - Code) wird aus Geburtsjahr die Variable Alter rechnerisch erzeugt. Frage 2 Variable Geschlecht, Werte weiblich (Code 1) und männlich (Code 2), Missing 9, nominal Frage 3 Variable 3: Lehramt Hauptschule Ja (Code 1) Nein (Code 0) Missing 9 Variable 4: Lehramt VS oder SoS Ja (Code 1) Nein (Code 0) Missing 9 Variable 5: Lehramt AHS Ja (Code 1) Nein (Code 0) Missing 9 Variable 6: Diplomstudium (Mag.) Ja (Code 1) Nein (Code 0) Missing 9 Variable 7: Doktorat Ja (Code 1) Nein (Code 0) Missing 9 Variable 8: keine Ausbildung Ja (Code 1) Nein (Code 0) Missing 9 als missing ist definiert, wenn keine der Variablen angekreuzt ist - alle Variablen nominalskaliert; Frage 4 Variable 9: Formeln merken nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) Variable 10: logisch denken nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) Variable 11: Konzepte verstehen nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) Variable 12: kreativ denken nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) alle Variablen sind ordinalskaliert; Eine vollständige Liste dieser Variablenbeschreibungen (= Kodierplan) sollte daher folgende Systematik aufweisen (für die Übertragung in SPSS kommt ein maximal 8-stelliger SPSS-Variablenname hinzu): Lfd.Nr. SPSS-Name Bezeichnung Werte Codes Missing Skala 1 GEBJAHR 1/Geburtsjahr Int 2 GESCHL 2/Geschlecht weiblich 1 Nom männlich 2 3

4 Der vollständige Kodierplan für den Fragebogenausschnitt auf der vorhergehenden Seite sieht folgendermaßen aus (eine durchlaufende Numerierung der Bögen steht immer am Anfang): Lfd.Nr. SPSS-Name Bezeichnung Werte Codes Missing Skala 1 LAUFNR Nummer des Bogens Nom 2 GEBJAHR 1/Geburtsjahr Int 3 GESCHL 2/Geschlecht weiblich 1 Nom männlich 2 4 LA_HS 3/Lehramt Hauptschule Nein 0 Nom 5 LA_VS 3/Lehramt VS oder Sos Nein 0 Nom 6 LA_AHS 3/Lehramt AHS Nein 0 Nom 7 DIPLOM 3/Diplomstudium (Mag) Nein 0 Nom 8 DOKTORAT 3/Doktorat Nein 0 Nom 9 KEINE_A 3/keine Ausbildung Nein 0 Nom 10 FORMELN 4a/Formeln merken nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 11 LOGISCH 4b/logisch denken nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 12 KONZEPTE 4c/Konzepte verstehen nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 13 KREATIV 4d/kreativ denken nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 Der Kodierplan ist ein komplette Übersetzung der Datenerhebungsinstrumente in die Systematik eines Datenverarbeitungsprogrammes (hier z.b. SPSS). Durch diese Zuordnungsvorschrift wird jede mögliche Ausprägung einer Variable auf einem bestimmten numerischen Wert abgebildet. Der Kodierplan ist die notwendige Vorlage für die Definition eines SPSS-Files und für die spätere Eingabe aller erhobenen Daten. 4 Skriptum Deskriptive Statistik

5 Spezialfälle der Kodierung Mehrfachnennungen Die Frage 3 in unserem Beispiel Lehrerfragebogen wird als Frage mit Mehrfachnennung von Antworten genannt, d.h. man weiß im vorhinein nicht, welche Anzahl von zutreffenden Antworten man für eine längere, vorgegebene Antwortliste erhalten wird. Theoretisch kann eine bis fünf Antworten angekreuzt werden, mit fast jeder beliebigen Kombination der Antworten (z.b. 3 ja, 4 ja, 5 nein, 6 ja, 7 ja, 8 nein). Es gibt für solche Antworttypen stets zwei Strategien für die Vercodung: a) Mehrfache Dichotomisierung: Jede Alternative wird vercodet, d.h. für jede mögliche (aufgezählte) Antwortalternative wird vercodet, ob sie angekreuzt oder nicht angekreuzt wurde - man erhält dann so viele Einzelvariablen, wie es Antwortalternativen gibt (siehe unser Kodierplan). Dies ist meistens die beste Methode, ist leicht zu kodieren und auch sehr einfach auszuwerten - sie kann aber bei sehr langen Listen und sehr wenigen Antworten sehr ineffizient sein. b) Maximale Antwortzahl: Nur so viele Variablen werden verwendet, wie maximal Antworten erwartet werden. Dies erspart bei langen Antwortlisten das sehr zeitraubende Kodieren aller nicht gewählten/nicht angekreuzten Antworten. Man benötigt dazu allerdings ein Kategorien-/Codesystem für den Inhalt der Antworten. Beispiel aus dem Fragebogen 8. Bitte kreuzen Sie jene Sachgebiete an, die Sie in den letzten beiden Schulwochen in Mathematik behandelt haben: 1. Zahlen und Zahlenmengen Natürliche Zahlen O 1.1 Natürliche Zahlen, Anwendung, Stellenwert, Zählen, Vergleichen O 1.2 Operationen (Addition, Subtraktion, Multiplikation, Division, gemischte Op.) O 1.3 Eigenschaften natürlicher Zahlen (kommutativ, distributiv, etc.) Brüche, Dezimalzahlen, Prozente O 1.4 Gewöhnliche (gemeine) Brüche O 1.5 Dezimalbrüche/-zahlen (Bedeutung, Darstellung, Berechnungen) O 1.6 Beziehung zwischen/umwandlung von Brüchen und Dezimalzahlen O 1.7 Prozente, Prozentrechnungen (Regeln, Anwendung) O 1.8 Verzinsung, Zinsrechnung, Zinseszinsrechnung O 1.9 Eigenschaften von Brüchen und Dezimalzahlen (kommutativ, distributiv,..) Ganze, Rationale und Reelle Zahlen O 1.10 Ganze Zahlen (positive und negative), Ordnung, Eigenschaften O 1.11 Ganze Zahlen und Grundrechnungsarten (Anwendung) O 1.12 Rationale Zahlen (Eigenschaften, Veranschaulichung) O 1.13 Rationale Zahlen und Grundrechnungsarten (Anwendung) O 1.14 Reelle Zahlen (Eigenschaften, Darstellung) O 1.15 Quadratwurzeln, Wurzelziehen, Rechnen mit Wurzeln O 1.16 Kubikwurzel (3. Wurzel) Andere Zahlen und Zahlenmengen O 1.17 Binäre Arithmetik, Binäres Zahlensystem O 1.18 Exponenten, Darstellung von Zahlen in Potenzschreibweise 2. Gleichungen, Ungleichungen, Formeln O 2.1 Rechnen mit Variablen (Elementare Algebra), Aufstellen von Formeln O 2.2 Umformen von Formeln/Umformungsschritte/Rechenregeln O 2.3 Verhältnisse / Proportionen (Konzepte, Regeln, Bedeutung) O 2.4 Verhältnisse / Proportionen (Anwendung, Probleme, Gleichungen lösen) O 2.5 Lineare Gleichungen mit einer Unbekannnten/Variablen O 2.6 Arbeiten/Rechnen mit Termen/Formeln/Bruchtermen O 2.7 Ungleichungen, Rechnen mit Ungleichungen O 2.8 Lineare Gleichungen mit zwei Unbekannten/zwei Variablen O 2.9 Angewandte Aufgaben mit Formeln und Gleichungen O 2.10 Andere Themen zu diesem Bereich (z.b.quadrat./logarithm./trigon. Gleichungen) O 3 keines der obengenannten Themen In diesem Fall wäre ein Vorgehen nach Kodierstrategie a) ziemlich ineffizient. Denn es sind im Maximalfall nur drei Themen angekreuzt worden, drei Variablen wären also vollkommen ausreichend, um die gesamte Information zu beschreiben. Der Kodierplan für das Beispiel würde bei Anwendung der Strategie b) folgendermaßen aussehen: Variable 1: 1. angekreuztes Gebiet zulässige Werte/Codes: 11 bis 210 und 3, Missing 9, nominal Variable 2: 2. angekreuztes Gebiet zulässige Werte/Codes: 0 kein 2. Gebiet, 11 bis 210, Missing 9, nominal Variable 3: 3. angekreuztes Gebiet zulässige Werte/Codes: 0 kein 3. Gebiet, 11 bis 210, Missing 9, nominal Missing ist vereinbarungsgemäß, wenn kein einziges Kreuz gemacht wurde. Mit dieser Strategie läßt sich der Kodieraufwand von 29 Variablen auf nur 3 reduzieren, allerdings muß der richtige Code für das Sachgebiet eingegeben werden und die spätere Auswertung gestaltet sich etwas aufwendiger. 5

6 Skip-Fragen Bei manchen Fragen/Variablen kann es vorkommen, daß sie auf eine Person nicht zutreffen bzw. daß sie für bestimmte Personengruppen irrelevant sind. In diesem Fall verwendet man sogenannte Filterfragen, um die Personen dann auf die für sie jeweils richtigen Fragen verweisen zu können. Irrelevante Fragen können dann übersprungen werden ( skip bedeutet springen, daher der Name Skip- Fragen ). Beispiel (aus einem Schülerfragebogen): 19. Besuchst Du im laufenden Schuljahr die Unverbindliche Übung Informatik? O Nein Þ wenn nein, bitte gehe zu Frage 21 O Ja 20. Wie viele Unterrichtstunden pro Woche umfaßt Deine Unverbindliche Übung Informatik? O eine Stunde O zwei Stunden O drei Stunden 21. Besitzt Du selbst einen Computer (zuhause)? O Nein Þ wenn nein, bitte gehe zu Frage 24 O Ja 22. Welche Art von Computer hast Du zuhause? O einen IBM-kompatiblen Personalcomputer (XT, AT, 386 oder 486-kompatibel) O einen Commodore 64/128 oder Amiga O einen APPLE Computer (Apple II, MacIntosh) O einen anderen Personalcomputer (Atari, etc.) 23. Wie viele Stunden wöchentlich benutzt Du Deinen Computer?... Stunden FILTER SKIP-FRAGE FILTER SKIP-FRAGE SKIP-FRAGE Die Fragen 19 und 21 sind Filterfragen, die die Personen je nach gegebener Antwort auf verschiedenen Pfaden z.b. durch den Fragebogen oder das Interview führen. Beantwortet ein Schüler Frage 19 mit Nein, so soll er Frage 20 überspringen, weil diese Frage für ihn nicht relevant ist. Die Fragen 20, 22 und 23 werden Skip-Fragen genannt, sie werden nur von einem Teil der Befragten tatsächlich beantwortet. Anmerken möchte ich hier noch, daß man in Fragebögen für jüngere Schüler Filter bzw. Skips möglichst selten verwenden soll, für die Kleineren (aber manchmal nicht nur für die) ist diese Form etwas verwirrend. Besonderheiten in der Vercodung von Skip-Fragen: Schüler, die wegen der Filterfragen über eine Skip-Frage hinwegspringen, geben natürlich keine Antworten auf diese Skip-Fragen - allerdings können diese nicht als Missings behandelt werden. Für diesen Fall muß in jede Skipfrage ein spezieller Code für den Fall des Überspringens eingebaut werden. Per Konvention ist es 8 bei einstelligen Variablen, 88 bei zweistelligen, usw. Die Bezeichnung des Codes 8 könnte z.b. Frage übersprungen oder Skip wegen Filter 19 heißen. Die vollständige Variablenbeschreibung im Kodierplan für die Frage 20 würde daher lauten: Lfd.Nr. SPSS-Name Bezeichnung Werte Codes Missing Skala 56 UU_STUND 20/Stunden UÜ eine Stunde 1 Int zwei Stunden 2 drei Stunden 3 Frage übersprungen 8 Missing 9 6 Skriptum Deskriptive Statistik

7 Offene Fragen Bei Fragen unterscheidet man prinzipiell zwischen solchen mit vorgegebenen Antworten (Multiple Choice, Ankreuzfragen,Auswahlantwort-Fragen) und solchen, in denen die Antwort frei zu formulieren ist. Letztere werden als Offene Fragen bezeichnet, da es an sich völlig offen ist, was der Befragte hier in welcher Reihenfolge angibt. Beispiele für offene Fragen: 7. Was gefällt Dir an diesem Lehrer besonders? An welchem Schultyp haben Sie ihre Matura abgelegt? Welche Fächer unterrichten Sie in diesem Jahr? Als empirisch wird eine Untersuchung bezeichnet, wenn sie Was würden Sie als größte Schwäche des Managements in diesem Betrieb bezeichnen? TESTAUFGABE: Eine Flasche enthält 120 ml Haarshampoo und kostet 24 Schilling. Durch eine Umstellung in der Abfüllung werden ab sofort neue Flaschen mit 150 ml Inhalt verwendet. Trotzdem bleibt der Preis für die Flasche gleich. Wieviel Prozent Preisvorteil gegenüber der alten Flasche ergibt sich dadurch für den Konsumenten? Bitte schreiben Sie die vollständige Berechnung und die Antwort auf. An diesen Beispielen ersieht man, daß es sehr unterschiedliche Arten von offenen Fragen/Antworten gibt: von eher vorhersehbaren, leicht kategorisierbaren Antworten (Beispiel 21,29,33) bis zu Antworten, für die nachträglich - und möglicherweise schwierig - ein Kategoriensystem zu erstellen ist (z.b. 7,37) oder deren Antwortmuster sehr komplex werden können und die spezielles Fachwissen benötigen, um eine sinnvolle Kategorisierung der Antworten herbeizuführen (z.b. 39). Besonderheiten in der Vercodung von Offenen Fragen: Für offene Fragen gibt es sehr verschiedene Vercodungsstrategien, die meisten jedoch beruhen darauf, daß entweder vor ( theoretisch ) oder nach der Datenerhebung ( empirisch ) ein Kategoriensystem für die möglichen Antworten erstellt wird - die gegebenen Antworten werden dann bestimmten Kategorien zugeordnet und jede Kategorie wird durch einen festgelegten Code repräsentiert. Beispiel - Kategoriensystem für Die Datenbeschreibung für die Variable zu Frage 21 im Kodierplan könnte demnach so aussehen: Frage 21 (Schultyp der Matura) Code Kategorie/Schultyp SCHULTYP, 21/Schultyp der Matura, Werte und Codes (wie in der nebenstehenden Tabelle), Missing 99, nominal 10 AHS - Gymnasium 11 AHS - Realgymnasium (auch ORG) 20 BHS - HTL und HGL 21 BHS - HAK 22 BHS - HLA für WB 23 BHS - HLA für Land&Forst 30 BA für Kindergartenpädagogik 31 BA für Sozialpädagogik 40 andere Schultypen Für Kategoriensysteme gilt insbesondere, daß sie * vollständig (jede Antwort soll zuordenbar/kategorisierbar sein) * und ausschließend sein müssen (eine Antwort darf nicht zwei Kategorien zuordenbar sein). Offene Restkategorien (wie 40 in unserem Beispiel) sollten keinen großen Anteil haben (möglichst nicht mehr als 5% aller Antworten). 7

8 Missing values - Fehlende Werte a) Missings verhindern Bei der Entwicklung eines Datenerhebungsinstruments (Fragebogen, Interview, Beobachtungsbogen,..) muß darauf geachtet werden, daß es Fragen gibt, deren Antwort weiß ich nicht oder trifft für mich nicht zu oder - bei persönlich heiklen Fragen - keine Antwort sein kann. Sollte dies eine inhaltlich plausible Möglichkeit sein, so sind diese Alternativen (Antwortkategorien) als Merkmalsausprägungen direkt im Fragebogen aufzuführen und im Kodierplan mit entsprechenden Codes zu versehen. Dadurch lassen sich solche Fälle bewußten Nicht-Antwortens oder Nicht-Antworten-Könnens deutlich von jenen unterscheiden, die z.b. eine Frage übersehen haben und deswegen nicht geantwortet haben. Dies ist wichtig für die Bewertung der übrigen korrekten Antworten, denn Antwortverweigerung könnte systematisch mit bestimmten Variablen korrelieren, während zufälliges Übersehen der Frage durch einzelne Personen keinen systematischen Fehler bedeuten würde. Missings lassen sich auch durch ein übersichtliches Layout der Instrumente/Fragebögen verhindern. Insbesondere bei langen Listen von Antwortalternativen können optische Hilfen (Linien, graue Bereiche) dazu beitragen, daß die Befragten nichts übersehen. Beachtet werden muß auch, daß die Zeit für die Beantwortung eines Tests oder Fragebogens ausreichend ist, auch für die langsamen Leser. Ansonsten häufen sich natürlich die Missings im letzten Teil des Bogens und dies führt möglicherweise zu einer systematischen Verzerrung der Antworten. b) Missings vercoden Kommt es in einer (Nicht-Skip-)Frage trotzdem vor, daß eine Antwort völlig fehlt (warum auch immer), dann erhält sie einen speziellen Code, den man als Missing (value) oder Fehlenden Wert bezeichnet. Für Missings haben sich die Codes 9 für einstellige, 99 für zweistellige, 999 für dreistellige Variablen usw. eingebürgert. Aus Gründen der Übersichtlichkeit und Durchschaubarkeit der SPSS-Ausdrucke sollte man für alle Variablen dasselbe Missing-Kodiersystem verwenden. Dadurch ist es leicht, die Codes für Missings in jeder Auswertung zu identifizieren. Darüber hinaus hält SPSS eine spezielle Prozedur zur Kennzeichnung und Behandlung solcher fehlender Werte bereit - denn normalerweise werden solche Werte (wegen ihrer Informationslosigkeit) nicht zur Erstellung von Tabellen oder Grafiken verwendet. Der Gesamtanteil der Missings bei einer Variable muß jedoch - insbesondere wenn er 5% überschreitet - bei Auswertungen wie Tabellen oder Grafiken erwähnt werden. Datensätze - Datenmatrix Für jeden Befragten/jede Versuchsperson sollen bei der Dateneingabe laut Datenbeschreibung Codes für jede Variable des Kodierplanes entstehen - eine solche Gruppe von Codes wird als Datensatz bezeichnet. Ein Datensatz enthält also die Daten aller im Kodierplan beschriebenen Variablen für eine Person (oder einen Fall, ein Objekt). Die Darstellung aller Datensätze und Variablen geschieht in SPSS in Form einer Datenmatrix, deren Zeilen durch die einzelnen Fälle (Personen, Objekte) gebildet werden (Datensätze) und in deren Spalten die im Kodierplan beschriebenen Variablen stehen. Jede Zelle dieser Matrix ist dadurch genau definiert, so enthält die in der Grafik markierte Zelle den Code 43 für Variable 3 der Person 4. DATENMATRIX Variablen è F ä l l e ê Lfd.Datensatz Variable 1 Variable 2 Variable 3 Variable 4 Variable , , , , Skriptum Deskriptive Statistik

9 ÜBUNGSFRAGEN UND PRAKTISCHE ÜBUNGEN zu Modul 2 Datenbeschreibung - Kodierplan 1. Schildern Sie - unter Verwendung der notwendigen Fachbegriffe - den Vorgang, in dem Daten entstehen. 2. Warum muß von allen Variablen in Erhebungsinstrumenten eine vollständige Datenbeschreibung, ein Kodierplan angefertigt werden? 3. Denken Sie über die folgende Regel nach und erläutern Sie, welche Vorteile sie hat: In jeder empirischen Untersuchung sollte ein sorgfältiger Kodierplan bereits vor dem Druck der Fragebögen bzw. vor der Datenerhebung erstellt werden. 4. Aus welchen sieben Teilen sollte ein Kodierplan mindestens bestehen? Geben Sie Beispiele für jeden Teil. 5. Lesen Sie sich den folgenden Abschnitt aus einem Fragebogen genau durch und erstellen Sie dafür einen vollständigen Kodierplan, genau nach den Vorgaben in diesem Kapitel. 6. Was ist ein Missing, wodurch entsteht es, wie kann es vielleicht verhindert werden und auf welche Weise würde man ein Missing sinnvoll vercoden? 7. Was sind Filter- und Skip-Fragen und was ist bei der Vercodung zu beachten? 8. Was ist das Besondere an Variablen/Fragen mit Mehrfachnennungen und welche beiden grundsätzlichen Vercodungsstrategien werden bei ihnen angewandt? 9. Wie vercodet man im allgemeinen die Antworten auf offene Fragen? 10.Wie ist eine Datenmatrix aufgebaut? 9

Auswertung und Darstellung wissenschaftlicher Daten (1)

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

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Im Original veränderbare Word-Dateien

Im Original veränderbare Word-Dateien Binärsystem Im Original veränderbare Word-Dateien Prinzipien der Datenverarbeitung Wie du weißt, führen wir normalerweise Berechnungen mit dem Dezimalsystem durch. Das Dezimalsystem verwendet die Grundzahl

Mehr

1. Makrozulassung in Excel - Version 2010 -

1. Makrozulassung in Excel - Version 2010 - Damit die Excel-Maske richtig funktioniert, achten Sie bitte unbedingt auf die Reihenfolge der folgenden Schritte! 1. Makrozulassung in Excel - Version 2010 - Da die Excel-Maske Makros enthält, sollten

Mehr

Zur Universalität der Informatik. Gott ist ein Informatiker. Die Grundordnung der Welt läßt sich mathematisch formulieren:

Zur Universalität der Informatik. Gott ist ein Informatiker. Die Grundordnung der Welt läßt sich mathematisch formulieren: Daten und ihre Codierung Seite: 1 Zur Universalität der Informatik Gott ist ein Informatiker Die Grundordnung der Welt läßt sich mathematisch formulieren: Naturgesetze, wie wir sie in der Physik, Chemie

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg

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

Mehr

1. Makrozulassung in Open Office

1. Makrozulassung in Open Office Damit die OpenOffice-Maske richtig funktioniert, achten Sie bitte unbedingt auf die Reihenfolge der folgenden Schritte! 1. Makrozulassung in Open Office Öffnen Sie zu diesem Zweck das Programm Open Office

Mehr

Seminar: Angewandte Methoden der empirischen Bildungsforschung. Sommersemester 2012, Dozenten: Patrick Schaar, Tom Schröter

Seminar: Angewandte Methoden der empirischen Bildungsforschung. Sommersemester 2012, Dozenten: Patrick Schaar, Tom Schröter Seminar: Angewandte Methoden der empirischen Bildungsforschung Sommersemester 2012, Dozenten: Patrick Schaar, Tom Schröter Fahrplan für Heute: - Termine - Ablauf - Themen und Inhalte - Aufgaben im Seminar

Mehr

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II)

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II) Prinzipien der Fragebogenkonstruktion Seminar: Patricia Lugert, Marcel Götze 17.04.2012 Medien-Bildung-Räume Inhalt Fragebogenerstellung Grundlagen Arten von Fragen Grundlegende Begriffe: Merkmal, Variable,

Mehr

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43 Zahlenbereiche Jörn Loviscach Versionsstand: 20. Oktober 2009, 17:43 1 Natürliche, ganze und rationale Zahlen Zum Zählen benötigt man die positiven natürlichen Zahlen 1, 2, 3,... In der Informatik zählt

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Max. Gesamtpunktzahl: 28 (bestanden mit 14 Punkten) Matrikelnummer: - Bei Antwortmöglichkeiten mit müssen Sie jeweils alle die Kästchen

Mehr

Meisterstück Karin Gangl, BA Literatur- und Ressourcenplattform für den Studiengang Angewandtes Wissensmanagement

Meisterstück Karin Gangl, BA Literatur- und Ressourcenplattform für den Studiengang Angewandtes Wissensmanagement Meisterstück Karin Gangl, BA Literatur- und Ressourcenplattform für den Studiengang Angewandtes Wissensmanagement Fragebogen zur Onlinebefragung Mastertudiengang Angewandtes Wissensmanagement FH Burgenland,

Mehr

Computergrundlagen Boolesche Logik, Zahlensysteme und Arithmetik

Computergrundlagen Boolesche Logik, Zahlensysteme und Arithmetik Computergrundlagen Boolesche Logik, Zahlensysteme und Arithmetik Institut für Computerphysik Universität Stuttgart Wintersemester 2012/13 Wie rechnet ein Computer? Ein Mikroprozessor ist ein Netz von Transistoren,

Mehr

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

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

Mehr

Fragebogen zur Klientenbefragung in sozialpsychiatrischen Diensten und Einrichtungen

Fragebogen zur Klientenbefragung in sozialpsychiatrischen Diensten und Einrichtungen Fragebogen zur Klientenbefragung in sozialpsychiatrischen Diensten und Einrichtungen QUEP- Qualitätsentwicklung Psychiatrie in der Erzdiözese Freiburg Name und Adresse des Diensts/der Einrichtung: CARITASVERBAND

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

Mehr

Kurze Einführung in IBM SPSS für Windows

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

Mehr

Grundbegriffe (1) Grundbegriffe (2)

Grundbegriffe (1) Grundbegriffe (2) Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.

Mehr

WIRIS quizzes Datenbank, Mathematik für Moodle Quiz

WIRIS quizzes Datenbank, Mathematik für Moodle Quiz WIRIS quizzes Datenbank, Mathematik für Moodle Quiz Carles Aguiló Maths for More WIRIS quizzes verbessert die Funktionalität von Moodle Quiz in der Mathematik und in anderen wissenschaftlichen Themengebieten.

Mehr

Vom Taschengeld zum Haushaltsbudget

Vom Taschengeld zum Haushaltsbudget Mithilfe eines Tabellenkalkulationsprogramms kannst du Tabellen erstellen, Daten erfassen und auswerten, Kosten ermitteln, Diagramme erstellen, Notendurchschnitte errechnen usw. Die Dateien können als

Mehr

Kontingenzkoeffizient (nach Pearson)

Kontingenzkoeffizient (nach Pearson) Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen

Mehr

4 Binäres Zahlensystem

4 Binäres Zahlensystem Netzwerktechnik achen, den 08.05.03 Stephan Zielinski Dipl.Ing Elektrotechnik Horbacher Str. 116c 52072 achen Tel.: 0241 / 174173 zielinski@fh-aachen.de zielinski.isdrin.de 4 inäres Zahlensystem 4.1 Codieren

Mehr

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12 Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben

Mehr

A.1 Schaltfunktionen und Schaltnetze

A.1 Schaltfunktionen und Schaltnetze Schaltfunktionen und Schaltnetze A. Schaltfunktionen und Schaltnetze 22 Prof. Dr. Rainer Manthey Informatik II Bedeutung des Binärsystems für den Rechneraufbau Seit Beginn der Entwicklung von Computerhardware

Mehr

Werkstatt Multiplikation Posten: 8-Bit Multiplikation. Informationsblatt für die Lehrkraft. 8-Bit Multiplikation

Werkstatt Multiplikation Posten: 8-Bit Multiplikation. Informationsblatt für die Lehrkraft. 8-Bit Multiplikation Informationsblatt für die Lehrkraft 8-Bit Multiplikation Informationsblatt für die Lehrkraft Thema: Schultyp: Vorkenntnisse: Bearbeitungsdauer: 8-Bit Multiplikation (im Binärsystem) Mittelschule, technische

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

Hauptschule G-Kurs. Testform B

Hauptschule G-Kurs. Testform B Mathematiktest für Schülerinnen und Schüler der 8 Klassenstufe Teil 1 Hauptschule G-Kurs Testform B Zentrum für empirische pädagogische Forschung und Fachbereich Psychologie an der Universität Koblenz-Landau

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

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

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

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.

Mehr

Java Einführung Operatoren Kapitel 2 und 3

Java Einführung Operatoren Kapitel 2 und 3 Java Einführung Operatoren Kapitel 2 und 3 Inhalt dieser Einheit Operatoren (unär, binär, ternär) Rangfolge der Operatoren Zuweisungsoperatoren Vergleichsoperatoren Logische Operatoren 2 Operatoren Abhängig

Mehr

Die Excel Schnittstelle - Pro Pack

Die Excel Schnittstelle - Pro Pack Die Excel Schnittstelle - Pro Pack Die Excel Pro Pack ist eine Erweiterung der normalen Excel Schnittstelle, die in der Vollversion von POSWare Bestandteil der normalen Lizenz und somit für alle Lizenznehmer

Mehr

3 Berechnungen und Variablen

3 Berechnungen und Variablen 3 Berechnungen und Variablen Du hast Python installiert und weißt, wie man die Python-Shell startet. Jetzt kannst Du etwas damit machen. Wir fangen mit ein paar einfachen Berechnungen an und wenden uns

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Beispiel (Schule) Grundlegende Begriffe. Beispiel (Universität) Beispiel (Lotto) Untersuchungseinheiten und ihre Merkmale

Beispiel (Schule) Grundlegende Begriffe. Beispiel (Universität) Beispiel (Lotto) Untersuchungseinheiten und ihre Merkmale Grundlegende Begriffe Untersuchungseinheiten und ihre Merkmale Untersuchungseinheiten Merkmale Merkmalsausprägungen Beispiel (Schule) Untersuchungseinheiten: Schulkinder Merkmale: Körpergröße, Körpergewicht

Mehr

Auswertung qualitativer Interviews

Auswertung qualitativer Interviews Auswertung qualitativer Interviews Problem: umfangreiche Texte in eine Form zu bringen, die als Erzählung, als Leseangebot für den Leser dienen können Texte müssen eingedickt werden, sie müssen im Rahmen

Mehr

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume

Mehr

BITte ein BIT. Vom Bit zum Binärsystem. A Bit Of Magic. 1. Welche Werte kann ein Bit annehmen? 2. Wie viele Zustände können Sie mit 2 Bit darstellen?

BITte ein BIT. Vom Bit zum Binärsystem. A Bit Of Magic. 1. Welche Werte kann ein Bit annehmen? 2. Wie viele Zustände können Sie mit 2 Bit darstellen? BITte ein BIT Vom Bit zum Binärsystem A Bit Of Magic 1. Welche Werte kann ein Bit annehmen? 2. Wie viele Zustände können Sie mit 2 Bit darstellen? 3. Gegeben ist der Bitstrom: 10010110 Was repräsentiert

Mehr

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

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

Mehr

Wissenschaftlicher Taschenrechner

Wissenschaftlicher Taschenrechner TI-30 eco RS Wissenschaftlicher Taschenrechner Deutsch Grundoperationen... 2 Ergebnisse... 2 Einfache Arithmetik... 2 Prozentrechnung... 3 Bruchrechnung... 3 Potenzieren und Radizieren... 4 Logarithmische

Mehr

Binärdarstellung von Fliesskommazahlen

Binärdarstellung von Fliesskommazahlen Binärdarstellung von Fliesskommazahlen 1. IEEE 754 Gleitkommazahl im Single-Format So sind in Gleitkommazahlen im IEEE 754-Standard aufgebaut: 31 30 24 23 0 S E E E E E E E E M M M M M M M M M M M M M

Mehr

Einführung Datenbank

Einführung Datenbank Einführung Datenbank Einführung Datenbank Seite 2 Einführung in die Arbeit mit einer Datenbank Grundbegriffe: Datenbank - Datenbankmanagementsystem Eine Datenbank ist eine systematische strukturierte Sammlung

Mehr

ELTERN INFORMATIONS- ABEND 4. KLASSEN KONRAD LORENZ GYMNASIUM

ELTERN INFORMATIONS- ABEND 4. KLASSEN KONRAD LORENZ GYMNASIUM KONRAD LORENZ GYMNASIUM Bundesgymnasium und Bundesrealgymnasium 2230 Gänserndorf, Gärtnergasse 5-7 Wohin mit 14? Bildungswege ab der 9. Schulstufe Schulpräsentationen HTL Mistelbach Zistersdorf HAK Gänserndorf

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

Willkommen zur Vorlesung Statistik

Willkommen zur Vorlesung Statistik Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang

Mehr

Vokabeltrainer Ing. Rupert Schierz 2004-2011

Vokabeltrainer Ing. Rupert Schierz 2004-2011 Vokabeltrainer Ing. Rupert Schierz 2004-2011 Dieses Programm lässt Sie binnen kurzer Zeit Vokabeln in verschiedenen Sprachen lernen. Es ist für 9 Sprachen vorbereitet. Englisch, Französisch, Latein, Italienisch,

Mehr

Grundlagen der empirischen Sozialforschung

Grundlagen der empirischen Sozialforschung Grundlagen der empirischen Sozialforschung Sitzung 1 Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 20. Oktober 2008 1 / 28 Online-Materialien Die Materialien zur Vorlesung finden

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

Information in einem Computer ist ein

Information in einem Computer ist ein 4 Arithmetik Die in den vorhergehenden Kapiteln vorgestellten Schaltungen haben ausschließlich einfache, Boole sche Signale verarbeitet. In diesem Kapitel wird nun erklärt, wie Prozessoren mit Zahlen umgehen.

Mehr

Kapitel 3 Das Projekt Bankkonto Seite 1

Kapitel 3 Das Projekt Bankkonto Seite 1 Kapitel 3 Das Projekt Bankkonto Seite 1 3 Das Projekt Bankkonto Nun wirst du dich etwas gründlicher mit dem Quelltext einer Klasse beschäftigen. Du lernst, wie zwei Objekte eine gemeinsame Aufgabe erledigen.

Mehr

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector 7.4 Analyse anhand der SQL-Trace 337 7.3.5 Vorabanalyse mit dem Code Inspector Der Code Inspector (SCI) wurde in den vorangegangenen Kapiteln immer wieder erwähnt. Er stellt ein paar nützliche Prüfungen

Mehr

5. MESSUNG & DATENERHEBUNG IN DEN SOWI

5. MESSUNG & DATENERHEBUNG IN DEN SOWI 5. MESSUNG & DATENERHEBUNG IN DEN SOWI Ziel: kontrollierte Gewinnung empirischer Informationen Bei den Entscheidungen über geeignete Erhebungsinstrumente, Messen, Auswahlverfahren und dem anzustrebenden

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

Relationale Datenbanken Datenbankgrundlagen

Relationale Datenbanken Datenbankgrundlagen Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Wie komme ich jetzt an meinen freigeschalteten Speicherplatz von der Uni ran?

Wie komme ich jetzt an meinen freigeschalteten Speicherplatz von der Uni ran? Wie komme ich jetzt an meinen freigeschalteten Speicherplatz von der Uni ran? Das erste Mal 1. Öffne den Arbeitsplatz (Start Arbeitsplatz) 2. Unter Extras auf Netzlaufwerk verbinden klicken 3. Ein beliebiges

Mehr

Das Studiengangsinformationssystem (SGIS)

Das Studiengangsinformationssystem (SGIS) Das Studiengangsinformationssystem (SGIS) Manual für Typo3-Redakteure Version 1.a Mai 2015 Kontakt: Referat 1.4 - Allgemeine Studienberatung und Career Service Christian Birringer, christian.birringer@uni-rostock.de

Mehr

183.580, WS2012 Übungsgruppen: Mo., 22.10.

183.580, WS2012 Übungsgruppen: Mo., 22.10. VU Grundlagen digitaler Systeme Übung 2: Numerik, Boolesche Algebra 183.580, WS2012 Übungsgruppen: Mo., 22.10. Aufgabe 1: Binäre Gleitpunkt-Arithmetik Addition & Subtraktion Gegeben sind die Zahlen: A

Mehr

Zahlendarstellungen und Rechnerarithmetik*

Zahlendarstellungen und Rechnerarithmetik* Zahlendarstellungen und Rechnerarithmetik* 1. Darstellung positiver ganzer Zahlen 2. Darstellung negativer ganzer Zahlen 3. Brüche und Festkommazahlen 4. binäre Addition 5. binäre Subtraktion *Die Folien

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Forschungsmethoden forschend lernen: Lernprozesse fördern

Forschungsmethoden forschend lernen: Lernprozesse fördern Forschungsmethoden forschend lernen: Lernprozesse fördern im Kooperations-Master of Science in Pflege Vortrag auf dem Swiss Congress for Health Professions 31.05.2012 Prof. Dr. Petra Metzenthin Prof. Dr.

Mehr

Einführung in die Informatik I

Einführung in die Informatik I Einführung in die Informatik I Das Rechnen in Zahlensystemen zur Basis b=2, 8, 10 und 16 Prof. Dr. Nikolaus Wulff Zahlensysteme Neben dem üblichen dezimalen Zahlensystem zur Basis 10 sind in der Informatik

Mehr

Quantitative Methoden der Bildungsforschung

Quantitative Methoden der Bildungsforschung Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang

Mehr

Alltagskompetenz im Test Umfrage an Berliner Schüler

Alltagskompetenz im Test Umfrage an Berliner Schüler Berlin, 14. März 2006 Weltverbrauchertag 2006: Fragebogen zur Verbraucherbildung Alltagskompetenz im Test Umfrage an Berliner Schüler Der Hintergrund Anlass für die Erhebung ist der Weltverbrauchertag

Mehr

Rund ums Fahrrad Ein Unterrichtsprojekt für den 7. Jahrgang

Rund ums Fahrrad Ein Unterrichtsprojekt für den 7. Jahrgang Fahrrad Sicherheit: Jedes Fahrrad muss verkehrssicher sein, sonst darf es nicht am Straßenverkehr teilnehmen. Die meisten benutzten Fahrräder erfüllen die Kriterien der Verkehrssicherheit nicht. Beschreibe

Mehr

Kapitel 33 Hoch-Tief-Diagramme

Kapitel 33 Hoch-Tief-Diagramme Kapitel 33 Hoch-Tief-Diagramme 33.1 Diagrammtypen In einem Hoch-Tief-Diagramm werden Wertepaare oder -tripel dargestellt. Einen typischen Anwendungsfall für Hoch-Tief-Diagramme bildet die Darstellung von

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

LimeSurvey. Fragebögen online erstellt und verwalten. von und mit CVC. cvc it-services

LimeSurvey. Fragebögen online erstellt und verwalten. von und mit CVC. cvc it-services Fragebögen online erstellt und verwalten von und mit CVC Was ist der LimeSurvey? ein kostenloses Tool um Fragebögen online zu erstellen leicht zu bedienen sehr umfangreich Funktionen? 25 unterschiedliche

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

3. Rechnen mit natürlichen Zahlen

3. Rechnen mit natürlichen Zahlen 3. Rechnen mit natürlichen Zahlen 3.1 Inhaltliches Verstehen von Rechenoperationen 3.2 Die Grundaufgaben: Das 1+1 und 1x1 3.3 Lösungsstrategien für mündliches und halbschriftliches Rechnen 3.4 Die schriftlichen

Mehr

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................

Mehr

Grundlagen verteilter Systeme

Grundlagen verteilter Systeme Universität Augsburg Institut für Informatik Prof. Dr. Bernhard Bauer Stephan Roser Viviane Schöbel Wintersemester 07/08 Übungsblatt 5 08.01.08 Grundlagen verteilter Systeme Lösungsvorschlag Aufgabe 1:

Mehr

Wissenschaftliches Arbeiten mit dem Programm Microsoft Word

Wissenschaftliches Arbeiten mit dem Programm Microsoft Word Wissenschaftliches Arbeiten mit dem Programm Microsoft Word Ein Leitfaden und Ratgeber für Studierende der Hochschule Fulda des Fachbereichs Sozialwesen Inhaltsverzeichnis VORWORT... 1 1. EINRICHTEN DES

Mehr

TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung

TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung Diplomprüfung Wintersemester 2010-2011 im Fach Wirtschaftsinformatik,

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

3 FORMELN. 3.1. Formeln erzeugen

3 FORMELN. 3.1. Formeln erzeugen Formeln Excel effektiv 3 FORMELN 3.1. Formeln erzeugen Übungen: Quittung... 136 Kalkulation... 138 Bestellung... 128 Kassenbuch.. 132 Aufmaß... 152 Zum Berechnen verwendet Excel Formeln. Diese sind in

Mehr

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

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

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

1. Einführung. 2. Vorbereiten der Excel-Datei

1. Einführung. 2. Vorbereiten der Excel-Datei 1. Einführung Über den Datenimport-Assistenten im Bereich Verkauf -> E-Commerce-Bestellungen -> Webshop können Sie nicht nur Ihre Webshop-Bestellungen, sondern allgemein Vorgänge (sprich Aufträge, Lieferscheine

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster Webseitennavigation mit dem Content-Management-System Imperia Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster 10. Januar 2006 Inhaltsverzeichnis 1. Einführung 4 2. Rubrikenstruktur

Mehr

Technische Informatik I

Technische Informatik I Technische Informatik I Vorlesung 2: Zahldarstellung Joachim Schmidt jschmidt@techfak.uni-bielefeld.de Übersicht Geschichte der Zahlen Zahlensysteme Basis / Basis-Umwandlung Zahlsysteme im Computer Binärsystem,

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

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

Mehr

Bildungswege nach der achten Schulstufe

Bildungswege nach der achten Schulstufe Bildungswege nach der achten Schulstufe Prinzipielle Wahlmöglichkeit: Weiterbesuch einer allgemein bildenden Schule oder Einstieg in eine Berufsausbildung? 8. Schulstufe Allgemein bildende Schule Berufsbildende

Mehr

Qualität im Versicherungsvertrieb

Qualität im Versicherungsvertrieb Bitte beantworten Sie die folgenden Fragen. Abhängig von der Art der Frage, schreiben Sie bitte die Angabe direkt in das vorgesehene weiße Feld oder setzten ein Kreuz in das gewünschte Feld. 1 Herzlichen

Mehr