Inhalt. Einführung in die Faktorenanalyse mit SPSS. 1. Faktorenanalyse: Wozu? 1. Faktorenanalyse: Wie?
|
|
- Gerhardt Kaufer
- vor 7 Jahren
- Abrufe
Transkript
1 Einführung in die Faktorenanalyse mit SPSS Benutzertreffen am URZ Christoph Witzel. Juni 00 Inhalt. Faktorenanalyse: Wozu und wie?. Beispieldaten Metalle. Vorgehensweise. Verfahren zur Berechnung der Faktoren. Image-Analyse. Alpha-Faktorenanalyse. Zusammenfassung. Faktorenanalyse: Wozu? Allgemeiner Zweck: Zusammenhänge zwischen den Variablen durch neue Variablen, die Faktoren, ausdrücken.. Faktorenanalyse: Wozu? Veranschaulichung: Variablen seien: Wie oft Personen Fußball spielen, Rad fahren, fernsehen, schwimmen, spazieren gehen, lesen, Squash spielen, kochen Mögliche Faktoren, durch die die Werte der Variablen zustande kommen könnten: - Motivation, Sport zu treiben - Motivation, im Freien zu sein. Faktorenanalyse: Wie? Die Maßzahlen für die Zusammenhänge der Variablen sind Korrelationen (manchmal auch andere Zusammenhangsmaße vgl. ). Die Variablen werden in eine lineare Verknüpfung der Faktoren zerlegt: Einzelne Ausprägungen einer Variable = faktor + faktor + + einzelne Einflüsse. Faktorenanalyse: Wie?. Mathematisches Grundmodell p beobachtete Merkmale sollen durch k Faktoren und eine Restvariable dargestellt werden. In Matrixschreibweise für alle p Variablen und n Fälle: Y = L F + E Dazu muss L ermittelt werden! Aber wie?
2 . Faktorenanalyse: Wie?. Die Grundprobleme der FA. Faktorenanalyse: Wie?. Die Grundprobleme der FA. Kommunalitätenproblem: Welchen Anteil hat L * F und welchen hat E?. Faktorenanzahlproblem: Wie viele k Faktoren sind nötig?. Rotationsproblem: Nach welchen Kriterien werden die Faktoren festgelegt? Je nachdem wie diese Grundprobleme gelöst werden, gibt es verschiedene Verfahren :. Hauptkomponentenanalyse (Pearson, Hottelling). Maximum-Likelyhood-FA (Lawley & Maxwell). Kanonische Faktorenanalyse (Rao, 9). Zentroidmethode (Thurstone, 97). Und viele mehr. Faktorenanalyse: Wozu?. Beispieldaten Metalle 8 Metalle mit Ordnungszahl, Atommasse, Dichte, Schmelzpunkt und Siedetemperatur und je nach Verfahren, kann man die Analysen zu verschiedenen Zwecken einsetzen. usw Beispieldaten Metalle. Vorgehensweise Ordnungszahl, Atommasse und Dichte hängen linear zusammen. Zur vollständigen Erklärung von Atommasse bzw. Dichte durch Ordnungszahl bräuchte man aber auch die Elektronenzahl bzw. das Volumen. Schmelzpunkt und Siedetemperatur sind nicht-linear abhängig voneinander.. Variablenauswahl. Errechnen der Faktorenladungen L : - Aufteilen in Kommunalitäten und Rest. - Festlegen von Rotationskriterien - Bestimmen der Faktorenanzahl. Rotation der Faktoren. Interpretation der Faktoren. Bestimmen der Faktorenwerte (Vgl. z.b. )
3 . Vorgehensweise:. Variablenauswahl. Variablenauswahl Welche Variablen? Welche Variablen sollen faktorisiert werden? Welches Skalenniveau und Zusammenhangsmaß? Sind die Zusammenhänge hoch genug, damit sich eine FA zu rechnen lohnt? Meist: Merkmale der Fälle sollen durch Faktoren dargestellt werden (= R-Technik nach Cattell,966) Ausgangsdaten können aber auch andere Verknüpfungen von Fällen, Merkmalen und Meßwiederholungen sein. (mehr dazu, S.9 u. 0) Dazu kann es nötig sein, die Daten zu transponieren: Daten Transponieren. Variablenauswahl Welches Zusammenhangsmaß?. Variablenauswahl Welches Zusammenhangsmaß? Intervallskaliert Produkt-Moment- Korrelation (automatisch!) Andere mögliche Korrelationen sind z.b. Phi-Koeffizient Spearmans Rangkorrelation punktbiseriale Korrelationen (vgl. 8) Sind aber nicht unproblematisch!!! Phi-Koeffizient: Analyse Korrelationen Distanzen: Ähnlichkeiten Maße: Phi Spearmans Rangkorrelation Analyse Korrelationen Bivariat: Spearman punktbiseriale Korrelationen = normale Korrel. zw. kontinuierlichem & binärem Merkmal Syntax zur Nutzung dieser Maße: Syntax Über einfügen Syntax aufrufen und ändern. Variablenauswahl Genügen die Zusammenhänge?. Variablenauswahl Genügen die Zusammenhänge? Zur Überprüfung: [ ] Diemensionenreduktion Faktorenanalyse: Deskritptive Statistiken Korrelationenkoeffizienten: Möglichst hohe Korrelationen Signifikanzniveaus: möglichst gering Inversentest und Anti-Image: Nicht-Diagonale Elemente 0 Übersichtliche Beschreibung der Tests auf Eignung der Korrelationsmatrix in ()...
4 . Variablenauswahl Genügen die Zusammenhänge?. Vorgehensweise:. Errechnen der Faktorenladungen Der MSA Wert liegt zwischen 0,6 und 0,7 und die Korrelationsmatrix ist damit mittelmäßig gut geeignet Über: [ ] Dimensionenreduktion Faktorenanalyse: Extraktion KMO- und Bartlett-Test Maß der Stichprobeneignung nach Kaiser-Meyer-Olkin.,68 Die Variablen der Population sind korreliert Bartlett-Test auf Sphärizität Ungefähres Chi-Quadrat df Signifikanz nach Bartlett,0 0,000 Mehr dazu!!!. Vorgehensweise:. Rotation der Faktoren. Vorgehensweise:. Rotation der Faktoren Rechtwinklige Rotationen: Die Faktoren bleiben unkorreliert (trennscharf), z.b. varimax, quartimax Über: [ ] Dimensionenreduktion Faktorenanalyse: Rotation Schiefwinklige Rotationen: Die Faktoren können korrelieren, z.b. promax. Vorgehensweise:. Interpretation der Faktoren. Vorgehensweise:. Interpretation der Faktoren Kriterien zur Interpretation: Einfachstruktur nach Thurstone (vgl. z.b.,, 8) - Variablen sollen möglichst eindeutig auf einem Faktor laden - Faktoren sollen möglichst eindeutig zu möglichst wenigen Variablen gehören Interpretierbarkeit gemäß Guadagnoli u. Velicer: - Faktor interpretierbar, wenn Ladungen >0,60 bei Variablen oder >0,0 bei 0 (siehe, S.09) Graphische Darstellung der Variablen in Bezug zu den Faktoren:
5 . Vorgehensweise:. Interpretation der Faktoren. Vorgehensweise:. Bestimmen der Faktorwerte Ergebnis-Diagramm: Leider nur für rotierte Lösung,0 siede Siede- und Schmelzpunkt können Komponente dichte zugeordnet werden, Über: [ ] Faktorenanalyse: Werte Drei Möglichkeiten der Schätzung der Faktorenwerte Komponente 0,0 -, -,0 amasse ozahl Amasse, Ozahl und Dichte können Komponente zugeordnet werden Die Beschriftungen überdecken sich -,0 -, 0,0,,0 Komponente. Vorgehensweise:. Bestimmen der Faktorwerte Die Ergebnisse finden sich im Datansatz: Regression Bartlett Anderson-Rubin Berechnung ausgehend von der Kovarianzbzw. Korrelationsmatrix R(Y) der Variablen. R(Y)= R(L) + R(E) Zu Anfang werden bei vielen Verfahren die Kommunalitäten (Diagonale von R(L)) geschätzt und im Laufe des Verfahrens angepaßt. (Kommunalitätenproblem) Varianzzerlegung in Kommunalitäten. Keine Aufteilung: Die Kommunalitäten sind gleich der Gesamtvarianz und R(Y)= R(L) nur bei: Extraktion Hauptkomponenten. SPSS schätzt bei allen anderen Verfahren die Kommunalitäten automatisch durch die quadrierten multiplen Korrelationen. Alle anderen Verfahren unter Extraktion. Eine andere Aufteilung geht nur durch Syntax (diagonal) & nur Hauptfaktorenanalyse!!! Sinnvolle Ergebnisse sind nur möglich, wenn R(L) positiv semi-definit, D.h.: Die Diagonale von R(L) ist größer als die nicht diagonalen Elemente D.h. die Eigenwerte sind >0, D.h. ihre Determinante R(L) 0 ist.
6 Bei Hauptkomponenten ist die Determinante von R(L) stets positiv semi-definit, denn dann ist R(Y)= R(L). Problem: Manchmal kann es durch die Vorab- Schätzung der Kommunalitäten oder während der Berechnung dazu führen, daß R(L) eine negative Determinante bekommt. Anzahl der Faktoren SPSS bietet Kriterien: Nur Faktoren, die einen bestimmten Grenzwert an Varianz der Variablen übernehmen (Eigenwert), werden übernommen. Faktorenanzahl kann von vorneherein festgelegt werden Scree-Test: Graphische Bestimmung Anzahl der Faktoren Über: [ ] Dimensionenreduktion Faktorenanalyse: Extraktion Man unterscheidet (Nomenklatur nach 7 bzw. 8):. Hauptachsenrotation: keine Aufteilung in Kommunalitäten, alle Faktoren werden extrahiert.. Hauptkomponentenanalyse, PCA: keine Aufteilung in Kommunalitäten, nur wichtigste Faktoren.. Hauptfaktorenanalyse: Aufteilung in Kommunalitäten und Rest Beispiel : PCA Hauptachsenrotation: Methode: Hauptkomponenten Eigenwerte > 0 Hauptkomponentenanalyse (PCA): Methode: Hauptkomponenten oder eines der Kriterien, z.b: Eigenwerte > Hauptfaktorenanalyse: Methode: Hauptachsen-Faktorenanalyse eines der Kriterien Hauptkomponenten mit Korrelationsmatrix Eigenwert- bzw. Kaiser- Guttman-Kriterium: Der Eigenwert soll größer als sein Graphik für Scree-Test
7 Beispiel : PCA Beispiel : PCA Keine Aufteilung der Varianz AMASSE DICHTE SCHMELZ Kommunalitäten Anfänglich Extraktion,000,990,000,988,000,98,000,966,000,99 Extraktionsmethode: Hauptkomponentenanalyse. Die Varianz einer Variable, die durch beibehaltenen Komponenten aufgeklärt wird (=Kommunalität) Zwei Faktoren erklären Varianz > u. werden daher für die Berechnung der Kommunalitäten (s.o.) weiterverwendet Die Kommunalitäten erfahren KEINE Neuberechnung, lediglich die Anzahl an Faktoren wird gestutzt!!! Erklärte Gesamtvarianz Summen von quadrierten Faktorladungen Anfängliche Eigenwerte für Extraktion Komponente Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte %, 70,8 70,8, 70,8 70,8,60,9 96,0,60,9 96,0,7,7 98,76,06,9 99,98,00,06 00,000 Extraktionsmethode: Hauptkomponentenanalyse. Anzahl der Faktoren Beispiel : PCA Screeplot. Scree-Test: Alle Faktoren, die man nicht der Gerade zuordnen kann, behält man; hier: Eigenwert 0 AMASSE DICHTE SCHMELZ Komponentenmatrix a Komponente,89 -,,889 -,,99 -,,66,7,800,8 Extraktionsmethode: Hauptkomponentenanalyse. a. Komponenten extrahiert Jeder Koeffizient ist ein Zusammenhang zwischen Variable und einem der beiden Komponenten Faktor Beispiel : Hauptfaktorenanalyse Beispiel : Hauptfaktorenanalyse SPSS berechnet automatisch eine Iteration auch bei Hauptfaktorenanalysen. SPSS bricht nicht automatisch die Iteration bei Nicht-Konvergenz ab, daher muß eine Maximalanzahl an Iterationen angegeben werden. Kommunalitäten Anfänglich,998 AMASSE,998 DICHTE,87 SCHMELZ,88,87 Extraktionsmethode: Hauptachsen-Faktorenanalyse. Erklärte Gesamtvarianz Anfängliche Eigenwerte Faktor Gesamt % der Varianz Kumulierte %, 70,8 70,8,60,9 96,0,7,7 98,76,06,9 99,98,00,06 00,000 Extraktionsmethode: Hauptachsen-Faktorenanalyse. Schätzung der Kommunalitäten durch den quadrierten multiplen
8 Beispiel : Hauptfaktorenanalyse. Image- Analyse Faktor Erklärte Gesamtvarianz Anfängliche Eigenwerte Gesamt % der Varianz Kumulierte %, 70,8 70,8,60,9 96,0,7,7 98,76,06,9 99,98,00,06 00,000 Extraktionsmethode: Hauptachsen-Faktorenanalyse. Faktorenmatrix a a. Es wurde versucht, Faktoren zu extrahieren. In Iteration überschritt die Kommunalität einer Variable,0. Die Extraktion wurde abgebrochen. SPSS macht stets eine iterierte Hauptkomponentenanalyse und bricht automatisch ab, wenn sich eine nichtinterpretierbare Kommunalität ergibt. Eine Heywood-Korrektur der Kommunalitäten ist nicht vorgesehen. (Nicht so: SAS) Aufteilung in Multiple Korrelationsquadrate und Rest Der Rest ist UNGEFÄHR diagonal und die Image-Analyse daher nur näherungsweise eine Hauptfaktorenanalyse. Vorteil: kein Problem bezüglich der positivsemitdefiniten Matrix.. Image- Analyse. Image- Analyse Um zu sehen ob das Anti-Image (der Rest) ungefähr eine diagonale Matrix ist, betrachte man sich die Anti-Image.Kovarianz-Matrix über [ ] Diemensionenreduktion Faktorenanalyse: Deskritptive Statistiken Anti-Image-Kovarianz Anti-Image-Korrelation AMASSE DICHTE SCHMELZ AMASSE DICHTE SCHMELZ a. Maß der Stichprobeneignung Anti-Image-Matrizen AMASSE DICHTE SCHMELZ,00 -,00 -,00 -,00,00 -,00,00,00,00 -,00 -,00,00,6 -,07,06 -,00,00 -,07, -,,00 -,00,06 -,,,66 a -,99 -,6 -,0,9 -,99,6 a,6,6 -,00 -,6,6,890 a -,9,7 -,0,6 -,9,0 a -,88,9 -,00,7 -,88,669 a Nichtdiagonalen Elements sind in etwa 0 Die Kommunalitäten (Diagonalelemente) selbst sind die gleichen Werte wie bei Hauptfaktorenanalyse (vgl. o.). Aber die nicht Diagonalelemente sind verschieden! AMASSE DICHTE SCHMELZ Kommunalitäten Anfänglich Extraktion,998,998,998,998,87,87,88,8,87,8 Extraktionsmethode: Image-Faktorisierung. Es können (ungefähre) Kommunalitäten berechnet werden. Image- Analyse. Alpha- Faktorenanalyse Es ergeben sich geringere Eigenwerte, u.a. da in der Imageanalyse nicht sämtliche Kovarianzen verwendet werden (= nicht-diagonale Elemente). Versucht die Reliabilität zu maximieren Faktoren sind generalisierbar. Erklärte Gesamtvarianz Summen von quadrierten Faktorladungen Anfängliche Eigenwerte für Extraktion Faktor Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte %, 70,8 70,8,06 6, 6,,60,9 96,0,8 8,7 89,996,7,7 98,76,06,9 99,98,00,06 00,000 Extraktionsmethode: Image-Faktorisierung. Durch Iteration (und Mangel an Heywood- Korrektur) kann es zu Kommunalitäten > kommen Das trifft für die Metalldaten zu
9 . Alpha- Faktorenanalyse. Zusammenfassung: Für einen anderen Beispieldatensatz ergeben sich nach Iterationen Faktoren nach dem Eigenwert-Kriterium: Faktor Anfängliche Eigenwerte Erklärte Gesamtvarianz Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte %,879,,,0 0,090 0,090,07 9, 9,,89,6 6,979,9 8,69 8,9, 9,0 8,9,8 7,89 6,68,7 6, 7,0,60,66 76,68,8,070 8,77,9,80 86,,,96 90,68,0,67 9,,,9 97,79,99,7 00,000 Extraktionsmethode: Alpha-Faktorisierung. Summen von quadrierten Faktorladungen für Extraktion Nach Rotation Rotierte Summe der quadrierten Ladungen Die Hauptkomponentenmethode (PCA und HFA) und die Imageanalyse können nur Aussagen über die vorliegenden Daten machen, sie sind lediglich datenmanipulierend. Die Alpha- und die ML-Faktorenanalyse (ML) allerdings schätzen hingegen die Faktoren ausgehend von der Stichprobe für die Population. (ML-, kanonische- und Maximum-Determinanten-FA haben gleiche Ergebnisse, vgl. Tabelle). Zusammenfassung Wozu FA?. Zusammenfassung Wozu FA? Je nach Verfahren lassen sich verschiedene Ziele verfolgen: Datenreduktion zum Weiterbearbeiten oder zur Interpretation (mit Faktorenanzahlreduktion). (laut das einzige, S. 8) Die wichtigsten Zusammenhänge voneinander trennen (bei orthogonaler Rotation) Trennung von gemeinsamem Varianzanteil und variablenspezifischem Varianzanteil. (ML, α) Überprüfung der Dimensionalität komplexer Merkmale (ML, α mit orthogonaler Rotation) Modifikation & Erstellung von Hypothesen (ML, α ) Latente Strukturen, kausale Faktoren (heuristisch) ermitteln (ML, α mit schiefwinkliger Rotation) Zuordnung von Items und dann Probanden zu den Faktoren (ML, α mit orthogonaler Rotation). Zusammenfassung Routineanwendung: Little Jiffy. Zusammenfassung Achtung Interpretation. Hauptkomponentenanalyse. Bestimmung der Faktorenzahl durch Eigenwert-Kriterium und Scree-Test. Orthogonale Varimax- oder schiefwinklige Promax-Rotation. Interpretation: Zuweisung der Variablen zu Faktoren bei Ladungen >.0, ev. auch >.0. Berechnung der Faktorenwerte (vgl. S. -) ist mathematisches Modell liefert keine inhaltliche Interpretation (wie im Bsp.: Motivation zum Sport etc.). liefert nur lineare Zusammenhänge liefert kein eindeutiges Ergebnis (Rotation usw.) ist Hypothesen bildend, nicht testend! zum Testen gibt es konfirmatorische FA!
10 . Zusammenfassung Achtung Interpretation: Beispiel Zylinderdatensatz von Thurstone (vgl. ) Sämtliche Variablen wurden aus Höhe und Durchmesser errechnet, aber: Komponentenmatrix a Komponente HOEHE,0,89 DURCHMES,898 -, D_HOCH_,899 -,6 FLAECHE,899 -,6 MANTEL,8, VOLUMEN,97,0 DIAGONAL,97,9 Extraktionsmethode: Hauptkomponentenanalyse. a. Komponenten extrahiert Höhe und Durchmesser haben keine Ladungen von, obwohl alle anderen aus diesen Größen errechnet wurden, sie also quasi die latenten Faktoren sind!!! Die Formeln, z.b. für Volumen, sind nicht linear!!! Literatur:. Backhaus, K., Erichson, B., Plinke, W. & Weiber, R. (000): Multivariate Analysemethoden. (9. Auflage). Berlin: Springer.. Bortz, J. (999): Statistik für Sozialwissenschaftler. (. Auflage). Berlin: Springer.. Fahrmeir, L., Hamerle, A. & Tutz, G. (996): Multivariate statistische Verfahren. (. Auflage) Berlin: De Gruyter.. Hartung, J. & Eppelt, B. (986): Multivariate Statistik. (.Auflage). München: Oldenbourg.. Revenstorf, D. (976): Lehrbuch der Faktrorenanalyse. Stuttgart: Kohlhammer. 6. Schuhbö, W., Uehlinger, H.-M., Perleth, Ch., Schröger, E. & Sierwald, W. Handbuch der Programmversion.0 und SPSS-X.0 (99).Stuutgart: Gustav Fischer Verlag. 7. Überla, K. (97): Faktorenanalyse. Heidelberg: Springer. 8. Weber, E. (97): Einführung in die Faktorenanalyse. Stuttgart: Gustav Fischer Verlag. 9. Bühl, A. & Zöfel P. (000): SPSS Version 0 Einführung in die moderne Datenanalyse unter Windows. München: Addison-Wesley. 0. SPSS Reference Guide (990), Chicago: SPSS.
Veranschaulichung: Einführung in die Faktorenanalyse mit SAS. 1. Faktorenanalyse: Wie? Inhalt. 1. Faktorenanalyse: Wozu?
Einführung in die Faktorenanalyse mit SAS Benutzertreffen am URZ Christoph Witzel 6. Juni 2003 1. Faktorenanalyse: Wozu? Veranschaulichung: Variablen seien: Wie oft Personen Fußball spielen, Rad fahren,
MehrEigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung. 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend?
Eigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend? a) Die Faktorenanalyse hat ihren Ursprung in der theoretischen Intelligenzforschung.
MehrSkript Einführung in SPSS
SPSSinteraktiv Faktorenanalyse - 1 - Skript Einführung in SPSS Faktorenanalyse Explorative Faktorenanalyse Hauptkomponentenanalyse (PCA) Hinweise zum Schreiben des statistischen Reports 1. Sämtliche Tabellen
MehrEiner Reihe von Merkmalen zugrunde liegende, gemeinsame Faktoren ermitteln.
Faktoranalysen Aufbau 1. Sinn und Zweck 2. Eigenschaften der Merkmale 3. Extraktion der Faktoren 4. Anzahl der Faktoren 5. Rotation der Faktoren 6. Interpretation der Faktoren Sinn und Zweck Einer Reihe
MehrExploratorische Faktorenanalyse. Exploratorische Faktorenanalyse. Exploratorische Faktorenanalyse
Exploratorische Faktorenanalyse Der Begriff Faktorenanalyse umfasst eine Gruppe multivariater Analyseverfahren, mit denen zugrundeliegende gemeinsame Dimensionen von Variablenmengen (z.b. Fragebogenitems)
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 13 a.
Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 13 a. Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 13 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
MehrDie Faktorenanalyse. Anwendung dann, wenn zwischen beobachtbaren und nicht direkt beobachtbaren Variablen ein kausales Verhältnis vermutet wird
Die Faktorenanalyse Zielsetzung Datenreduktion: eine größere Anzahl von Variablen auf eine kleinere Anzahl unabhängiger Einflussgrößen zurückführen Grundlegende Idee Direkt beobachtbare Variablen spiegeln
Mehr6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse 1 Einsatz der Faktorenanalyse Verfahren zur Datenreduktion Analyse von Datenstrukturen 2 -Ich finde es langweilig, mich immer mit den selben Leuten zu treffen -In der Beziehung
MehrFaktorenanalyse. Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie
Faktorenanalyse Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie Seminar: Multivariate Analysemethoden Seminarleiter: Dr. Thomas Schäfer Referenten:
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduktion. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduktion Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im Datensatz
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im
MehrMusterklausur im Fach Käuferverhalten und Marketingforschung. Prof. Dr. M. Kirchgeorg
Lehrstuhl Marketingmanagement Musterklausur im Fach Käuferverhalten und Marketingforschung Prof. Dr. M. Kirchgeorg Punkteverteilung: Aufgabe max. Punktzahl erreichte Punktzahl I-1 12 I-2 10 I-3 8 Gesamt
MehrGrundzüge der Faktorenanalyse
SEITE Grundzüge der Faktorenanalyse Bei der Faktorenanalyse handelt es sich um ein Verfahren, mehrere Variablen durch möglichst wenige gemeinsame, hinter ihnen stehende Faktoren zu beschreiben. Beispiel:
Mehr11.2 Ergebnisse der Faktorenanalysen
11.2 Ergebnisse der Faktorenanalysen Die Durchführung von Faktorenanalysen zu Beginn der empirischen Untersuchungen hatte neben der Itemanalyse das Ziel, den Fragebogen als Erhebungsinstrument zu prüfen.
MehrAufgaben zur Multivariaten Statistik
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Universität Kassel Aufgaben zur Multivariaten Statistik Teil : Aufgaben zur Einleitung. Was versteht man unter einer univariaten, bivariaten
MehrStatistik II: Klassifikation und Segmentierung
Medien Institut : Klassifikation und Segmentierung Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Faktorenanalyse 2. Clusteranalyse 3. Key Facts 2 I 14 Ziel
MehrMETHODENPRAKTIKUM II Kurs 1. Prof. Dr. Beat Fux SUZ Frühlingssemester 2009
METHODENPRAKTIKUM II Kurs 1 Prof. Dr. Beat Fux SUZ Frühlingssemester 2009 Ziel der Faktorenanalyse Struktur hinter den Korrelationen zwischen Variablen entdecken Reduzierung einer Vielzahl von Variablen
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
MehrSPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1
SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter
MehrMultivariate Analysemethoden, Dozent: Dr. Thomas Schäfer Alexander Allnoch, Markus Burkhardt & Vivien Röder
Multivariate Analysemethoden, Dozent: Dr. Thomas Schäfer 29.05.2012 Alexander Allnoch, Markus Burkhardt & Vivien Röder 1. Einführung 2. Grundlagen Faktorenanalyse 3. Nutzungsdimensionen von Musik - unsere
MehrProf. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION
Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 2. FS Master Rehabilitationspsychologie, SoSe 2012 Faktorenanalyse/ faktorielle Validität 2 Einleitung Allgemeines zu Faktorenanalysen (FA)
MehrHauptkomponentenanalyse. Die Schritte bei einer Hauptkomponentenanalyse
Die Schritte bei einer FACTOR /VARIABLES f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r /MISSING LISTWISE /ANALYSIS f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r
Mehr4. Skalenbildung: Faktorenanalyse, Aggregation von Items & Normierung
4. Skalenbildung: Faktorenanalyse, Aggregation von Items & Normierung Über die interne Struktur eines Tests bestehen präzise theoretische Vorstellungen --> ja: Konfirmatorische Faktorenanalyse CFA -->
Mehr6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - soziale Kontakte (6 Items) - Markenbewusstsein (6 Items) - Werbeakzeptanz (6 Items) - materielle
MehrZur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen.
4.3 Faktorenanalyse Problemstellung Zur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen. Je größer jedoch die
MehrExplorative Faktorenanalyse
Bachelorseminar: Ausgewählte Aspekte der Wirtschafts- und Sozialstatistik Explorative Faktorenanalyse Simon Reitzner Betreuerin: Eva Endres, M.Sc. LMU München, Institut für Statistik 19.06.2015 1 / 43
Mehr6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - Preisorientierung (6 Items) - Werbeakzeptanz (6 Items) - Qualitätsbewusstsein (6 Items) - Trendbewusstsein
MehrHolger Dette. 30. Oktober 2015
Ruhr-Universität Bochum 30. Oktober 2015 1 / 1 Methodenlehre III Prof. Dr. NA 3/73 Telefon: 0234 32 28284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag,
MehrInhaltsverzeichnis 1. EINLEITUNG...1
VII Inhaltsverzeichnis Vorwort...V Verzeichnis der Abbildungen...XII Verzeichnis der Tabellen... XVI Verzeichnis der Übersichten...XXII Symbolverzeichnis... XXIII 1. EINLEITUNG...1 2. FAKTORENANALYSE...5
MehrGHF SoSe 2011 HS MD-SDL
GHF SoSe 2011 HS MD-SDL 6/28/2011 1 Bitte recherchieren Sie die verschiedenen Bestimmungsstücke des Validitätskonzepts Bitte überlegen Sie sich Strategien zur Prüfung dieser verschiedenen Bestimmungsstücke
MehrStatistik-Quiz Sommersemester
Statistik-Quiz Sommersemester Seite 1 von 8 Statistik-Quiz Sommersemester Die richtigen Lösungen sind mit gekennzeichnet. 1 In einer Gruppe von 337 Probandinnen und Probanden wurden verschiedene Merkmale
MehrStatistische Methoden in der Wirtschaftsund Sozialgeographie
Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 0.5--45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-
MehrEinführung in die Hauptkomponentenanalyse und Faktorenanalyse mit SPSS. Datenanalyse HS09 Susan Kriete Dodds 18. November 2009
Einführung in die Hauptkomponentenanalyse und Faktorenanalyse mit SPSS Datenanalyse HS09 Susan Kriete Dodds 18. November 2009 Hauptkomponentenanalyse Öffne die Datei Kamera.csv Analysieren > Dimensionsreduzierung
MehrFaktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur
MehrMessen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse
Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Dominik Ernst 26.05.2009 Bachelor Seminar Dominik Ernst Reliabilität und explorative Faktorenanalyse 1/20
MehrFaktoren- und Hauptkomponentenanalyse
Ziel: Anwendung von Verfahren der Dimensionsreduzierung Erkennen von Strukturen in Daten an ausgewählten Anwendungsbeispielen Betreuer: Dipl.-Chem. Stefan Möller IAAC, Lehrbereich Umweltanalytik Lessingstraße
Mehr2.5 Das Rotationsproblem
.5 Das Rotationsproblem Das Verfahren der Faktorenextraktion ist so ausgestaltet, dass - der erste Faktor F 1 einen möglichst großen Teil der Varianz der manifesten Variablen erklärt, - der zweite Faktor
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge Tabellenanalyse: Kreuztabellierung und Kontingenzanalyse Philosophische Fakultät Institut für Soziologie Berufsverläufe und Berufserfolg von Hochschulabsolventen Dozent: Mike Kühne
MehrInstitut für Marketing und Handel Prof. Dr. W. Toporowski. SPSS Übung 5. Heutige Themen: Faktorenanalyse. Einführung in Amos
SPSS Übung 5 Heutige Themen: Faktorenanalyse Einführung in Amos 1 Faktorenanalyse Datei Öffnen V:/Lehre/Handelswissenschaft/Daten_Übung3/Preisimage_F_und_C.sav 2 Datensatz (I) v1 Wenn Produkte zu Sonderpreisen
MehrStatistische Methoden in der Geographie
Statistische Methoden in der Geographie Band 2.; Multivariate Statistik Von Dr. rer. nat. Gerhard Bahrenberg Professor an der Universität Bremen Dr. rer. nat. Ernst Giese Professor an der Universität Gießen
MehrStatistik II im Wintersemester 2006/2007
Statistik II im Wintersemester 2006/2007 Themen am 16.1. Multivariate Analysemodelle Multivariate Regression Hauptkomponentenanalyse Faktorenanalyse Lineare Strukturgleichungsmodelle Lernziele: 1. Unterschied
MehrInterdisziplinäres Seminar. Multivariate Statistik bei psychologischen Fragestellungen. Markus Bühner und Helmut Küchenhoff WS 2008/09
Interdisziplinäres Seminar Multivariate Statistik bei psychologischen Fragestellungen Markus Bühner und Helmut Küchenhoff WS 2008/09, Homepage: http://www.stat.uni-muenchen.de/~helmut/seminar_0809.html
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
Mehr17. Januar Ruhr-Universität Bochum. Methodenlehre III, WS 2010/2011. Prof. Dr. Holger Dette. 1. Matrizenrechnung. 2.
Ruhr-Universität Bochum 17. Januar 2011 1 / 232 Methodenlehre III NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Hauptkomponenten- und enanalyse Hauptkomponentenanalyse Von der Hauptomponentenananlyse zur exploratischen enanalyse Bestimmung der Zahl der en
MehrMultivariate statistische Analyseverfahren
Prof. Dr. Petra Stein Universität Duisburg-Essen Institut für Soziologie Wintersemester 2011/2012 Multivariate statistische Analyseverfahren MA Soziologie, MA Survey Methodology Verfahren mit abhängigen
MehrFaktorenanalyse Beispiel
Faktorenanalyse Zweck der Faktorenanalyse ist die Dimensionsreduktion einer gegebenen Variablenanzahl, d. h. also die Zusammenfassung vorhandener Variablen zu wenigen latenten, i. d. R. voneinander unabhängigen
Mehrexplorative Faktorenanalyse Spickzettel
9.Testkonstruktion eplorative Faktorenanalyse Spickzettel Interpretation / Faktorentaufe Passung Datenmatri standardisiert berechnen /schätzen Beispiel: Item Ich habe gerne viele Menschen um mich herum
MehrMultivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
MehrKapitel 26 Faktorenanalyse
Kapitel 26 Faktorenanalyse In den Wirtschafts- und Sozialwissenschaften hat man es häufig mit Begriffen und Sachverhalten zu tun, die einen hohen Grad an Komplexität aufweisen und sich daher nicht durch
Mehr1 Beispiele multivariater Datensätze... 3
Inhaltsverzeichnis Teil I Grundlagen 1 Beispiele multivariater Datensätze... 3 2 Elementare Behandlung der Daten... 15 2.1 Beschreibung und Darstellung univariater Datensätze... 15 2.1.1 Beschreibung und
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 27. März 2015 Aufgabe 1 Kennzeichnen Sie die folgenden Aussagen über die beiden Zufallsvektoren ([ ] [ ]) ([ ] [ ]) 2 1 0 1 25 2 x 1 N, x 3 0 1 2
MehrEntwicklung der Faktorenanalyse 17.06.2009. Faktorenanalyse. Faktorenanalyse nach Spearman Variablen zur Beschreibung von Intelligenz
Faktorenanalyse Thomas Schäfer SS 009 1 Entwicklung der Faktorenanalyse Faktorenanalyse nach Spearman Variablen zur Beschreibung von Intelligenz Hauptkomponentenanalyse (Pearson, Hotelling) Thomas Schäfer
MehrEinführung in SPSS. Sitzung 5: Faktoranalyse und Mittelwertsvergleiche. Knut Wenzig. 22. Januar 2007
Sitzung 5: Faktoranalyse und Mittelwertsvergleiche 22. Januar 2007 Verschiedene Tests Anwendungsfall und Voraussetzungen Anwendungsfall Mehrere Variablen, die Gemeinsamkeiten haben, werden gebündelt. (Datenreduktion)
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse Die explorative Faktorenanalyse ist ein Verfahren aus der multivariaten Statistik. Mithilfe der Faktorenanalyse kann aus den Beobachtungen vieler manifester Variablen (z.b Items
MehrMultivariate Analysemethoden
Multivariate Analysemethoden Dipl.-Volksw. Rafael Rucha Klausur erster Termin im Wintersemester 2006/2007 3. Januar 2007 Das Arbeitsministerium beauftragte ein sozialwissenschaftliches Institut, eine Studie
MehrKonfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse Eric Klopp 1 Universität des Saarlandes Zusammenfassung Die explorative Faktorenanalyse (EFA) ist ein Verfahren aus der multivariaten Statistik. Mithilfe der Faktorenanalyse
MehrK. Überla. Faktorenanalyse. Eine systematische Einfohrung for Psychologen, Mediziner, Wirtschafts- und Sozialwissenschaftler. Mit 110 Abbildungen
K. Überla Faktorenanalyse Eine systematische Einfohrung for Psychologen, Mediziner, Wirtschafts- und Sozialwissenschaftler Mit 110 Abbildungen Springer-Verlag Berlin Heidelberg New York 1968 Dr. med. Dipl.
Mehr9. November Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. Matrizenrechnung. 2. Multiple Korrelationen
Ruhr-Universität Bochum 9. November 2009 1 / 62 Methodenlehre III NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30-10.00
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
MehrMultivariate Verfahren
Faktorenanalyse 1 Matthias Rudolf & Johannes Müller Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS Praxisbeispiel zur Faktorenanalyse: FABA Inhalt: 1 Beschreibung
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse Bachelorseminar: Ausgewählte Aspekte der Wirtschafts- und Sozialstatistik Autor: Simon Reitzner Betreuerin: Eva Endres, M.Sc. 23. September 2015 Inhaltsverzeichnis 1 Einleitung
MehrINHALTSVERZEICHNIS Inhaltsverzeichnis Tabellenverzeichnis Abbildungsverzeichnis Anhangsverzeichnis Abkürzungsverzeichnis. 1.
INHALTSVERZEICHNIS Inhaltsverzeichnis Tabellenverzeichnis Abbildungsverzeichnis Anhangsverzeichnis Abkürzungsverzeichnis I IV IX X XI 1. Einleitung 1 2. Literaturrückblick 5 2.1 Die biographische Methode
MehrBeispiele für Faktorscores realer Marken sowie minimaler und maximaler Score in den fünf Dimensionen. 2 Sensorik
Addendum zum Aufsatz Positionierungsmodell für Marken in: Planung & Analyse, 2/2015, S. 38-42 I Ergänzende Auswertungen Letzte Variante der Hauptkomponentenanalyse nach Überprüfung mehrerer Lösungen mit
MehrExploratorische Faktorenanalyse
Exploratorische Faktorenanalyse Kapitel 5 Einführung in die Test- und Fragebogenkonstruktion, Pearson Education 2003, Markus Bühner, 1 5.1 Ziele der Faktorenanalyse (1) Daten reduzieren (2) Zusammenhänge
MehrStatistik für Psychologen, Pädagogen und Mediziner
Thomas Köhler Statistik für Psychologen, Pädagogen und Mediziner Ein Lehrbuch ^~i: Verlag W. Kohlhammer 1 Einführung: Begriffsklärungen und Überblick 11 1.1 Aufgaben und Subdisziplinen der Statistik 11
Mehr1 Übungsaufgaben zur Regressionsanalyse
1 Übungsaufgaben zur Regressionsanalyse 1 1 Übungsaufgaben zur Regressionsanalyse 1.1 Übungsaufgaben zu Seite 1 und 2 1. Wie lautet die Regressionsfunktion? 2. Welche Absatzmenge ist im Durchschnitt bei
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrDimensionale Methoden: Hauptkomponentenanalyse (HKA) und Faktorenanalyse (FA)
Dimensionale Methoden: Hauptkomponentenanalyse (HKA) und Faktorenanalyse (FA) 1 HKA und FA: das Problem Beispiel: Supermärkte: Welches sind die Hauptattribute von Supermärkten? (637 Kunden beurteilen Attribute
Mehr5.Tutorium Multivariate Verfahren
5.Tutorium Multivariate Verfahren - Hauptkomponentenanalyse - Nicole Schüller: 27.06.2016 und 04.07.2016 Hannah Busen: 28.06.2016 und 05.07.2016 Institut für Statistik, LMU München 1 / 18 Gliederung 1
MehrEinführung in die Test- und Fragebogenkonstruktion
Markus Bühner 1 Einführung in die Test- und Fragebogenkonstruktion 2., aktualisierte und erweiterte Auflage PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England
MehrVertiefungsrichtung Marktforschung
Vertiefungsrichtung Marktforschung Sommersemester 2006 Dipl.-WiInf.(FH) Christian Reinboth Darstellen Faktorenanalyse Erkennen Beschreiben Testen Faktorenanalyse In der Marktforschung hat man es häufig
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
MehrWichtigkeit und Intensität des Einsatzes von Methoden zur Neukundengewinnung
2.2. Analyse und Ergebnisse Für die Analyse des Datenmaterials und Prüfung der Hypothesen werden verschiedene statistische Verfahren eingesetzt, bei deren Anwendung zu beachten ist, daß sie auf Annahmen
MehrStatistische Datenanalyse
Wolf-Michael Kahler Statistische Datenanalyse Verfahren verstehen und mit SPSS gekonnt einsetzen 6., verbesserte und erweiterte Auflage Mit 345 Abbildungen STUDIUM VIEWEG+ TEUBNER Inhaltsverzeichnis 1
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
MehrStatistik im Klartext Für Psychologen, Wirtschaftsund Sozialwissenschaftler. Fabian Heimsch Rudolf Niederer Peter Zöfel
Statistik im Klartext Für Psychologen, Wirtschaftsund Sozialwissenschaftler 2., aktualisierte und erweiterte Aulage Fabian Heimsch Rudolf Niederer Peter Zöfel Statistik im Klartext - PDF Inhaltsverzeichnis
MehrStatistik. Für Sozialwissenschaftler. Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen
Jürgen Bortz Statistik Für Sozialwissenschaftler Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen Springer-Verlag Berlin Heidelberg Newlfork London Paris Tokyo Inhaltsverzeichnis Einleitung
MehrMultivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
MehrExploratorische Faktorenanalyse: Hauptachsenanalyse und Hauptkomponentenanalyse SPSS-Beispiel zu Kapitel 13 1
Exploratorische Faktorenanalyse: Hauptachsenanalyse und Hauptkomponentenanalyse SPSS-Beispiel zu Kapitel 13 1 Karin Schermelleh-Engel, Christina S. Werner & Helfried Moosbrugger Inhaltsverzeichnis 1 Vorbemerkungen...
MehrAusgangsmatrix. Wert. Wert. Wert. 18 erhobene Merkmale. 74 Raumordnungsregionen
Ausgangsmatrix 18 erhobene Merkmale 74 Raumordnungsregionen Wert Wert Wert Korrelationsmatrix Korrelationen Personen je Raum /95 je 1000 Einw# Einwohner in m2 Industrie je Besch# Qualifikation Anteil 10#000
MehrKonfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
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
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrLehrbuch der Statistik
Jürgen Bortz Lehrbuch der Statistik Für Sozialwissenschaftler Zweite, vollständig neu bearbeitete und erweiterte Auflage Mit 71 Abbildungen und 223 Tabellen Springer-Verlag Berlin Heidelberg New York Tokyo
MehrDrittvariablenkontrolle in der linearen Regression: Trivariate Regression
Drittvariablenkontrolle in der linearen Regression: Trivariate Regression 14. Januar 2002 In der Tabellenanalyse wird bei der Drittvariablenkontrolle für jede Ausprägung der Kontrollvariablen eine Partialtabelle
Mehr2.6 Bestimmung der Faktorwerte ( Matrizenmanipulation bei Hauptkomponentenmethode)
2.6 Bestimmung der aktorwerte ( Matrizenmanipulation bei Hauptkomponentenmethode) usgangspunkt zur Ermittlung der aktorwerte ist die Strukturgleichung Z E mn mp pn mn Z: Matrix der standardisierten Merkmalsausprägungen,
MehrMultivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
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.
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 1. Vorlesung: 07.04.2003 Agenda 1. Organisatorisches 2. Literaturempfehlungen 3. Überblick: Was ist multivariate Statistik? 4. Lernziele und Prüfungsanforderungen
Mehrσ 2 (x) = σ 2 (τ) + σ 2 (ε) ( x) ( ) ( x) ( ) ( ) σ =σ τ +σ ε σ τ σ σ ε ( ) ( x) Varianzzerlegung Varianzzerlegung und Definition der Reliabilität
Varianzzerlegung Die Varianz der beobachteten Testwerte x v : setzt sich zusammen aus zerlegen wahrer Varianz und Fehlervarianz: σ (x) = σ (τ) + σ (ε) Varianzzerlegung und Definition der Reliabilität (
MehrSind mehrere Merkmale untereinander hoch korreliert, so kann man sie als zusammengehörig interpretieren, sie bilden einen Faktor.
5 Faktorenanalyse 5.1 Das orthogonale Faktorenmodell Sind mehrere Merkmale untereinander hoch korreliert, so kann man sie als zusammengehörig interpretieren, sie bilden einen Faktor. Beispiel 5.1. Körpergröße
Mehr