Kapitel 6. Zusammenfassung der wichtigsten Ergebnisse dieser Arbeit
|
|
- Reinhold Burgstaller
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 6 Zusammenfassung der wichtigsten Ergebnisse dieser Arbeit 159
2 160 Kapitel 6. Zusammenfassung der Ergebnisse Im Fokus der vorliegenden Arbeit steht die Frage nach der Eignung verschiedener Matchingverfahren für die empirische Evaluationsforschung unter unterschiedlichen Ausgangsbedingungen. Das bedeutet zum einen die besondere Berücksichtigung relativ kleiner Stichproben, zum anderen eine starke Orientierung an der Art der in der Praxis zur Verfügung stehenden Informationen. Solche Informationen liegen in den zur Evaluation eingesetzten Datensätzen in Form unterschiedlich skalierter Variablen vor. Das macht die Anwendung von Distanzoder Ähnlichkeitsindikatoren notwendig, mit deren Hilfe die Berücksichtigung verschieden skalierter Merkmale ohne Informationsverlust möglich ist. Neben den in empirischen Studien häufig angewendeten Balancing Scores werden im zweiten Kapitel dieser Arbeit aggregierte Distanzmaße aus anderen Wissenschaftsbereichen vorgestellt. Es wird erwartet, dass diese Maße in kleinen Stichproben besser in der Lage sind, die Informationen über Ähnlichkeiten und Unterschiede der betrachteten Personen zusammenzufassen als die bisher überwiegend verwendeten Scores. Für die Zuordnung von Partnern auf Grundlage der ermittelten Distanzen bzw. Ähnlichkeiten werden in der Literatur sehr unterschiedliche Verfahren diskutiert und angewendet. Dabei ist kein Verfahren den anderen generell überlegen. Die Algorithmen lassen sich nach verschiedenen Aspekten unterscheiden. So ist die Anzahl der einer Person zugeordneten Partner ein Kriterium, nach dem Nearest Neighbor Matching von Zuordnungen einer festen oder variablen Anzahl von Personen incl. der vollständigen Zuordnung der zur Verfügung stehenden potenziellen Partner zu einem Teilnehmer unterschieden wird. Ein anderes Kriterium ist die Möglichkeit der Mehrfachzuordnung einer Person, nach dem Verfahren mit dieser Möglichkeit (Zuordnung mit Zurücklegen) von solchen ohne Mehrfachnutzung (Zuordnung ohne Zurücklegen) zu trennen sind. Zur erstgenannten Gruppe gehören auch die Verfahren der Local Polynomial Regression. Eine besondere Bedeutung kommt den optimalen Zuordnungsprozessen zu, da mit ihnen die bestmögliche Zuordnung (hinsichtlich eines vorher festgelegten Kriteriums) erreicht werden kann. Die Vorstellung solcher überwiegend aus der linearen Optimierung bzw. der Graphentheorie bekannten Verfahren bildet einen weiteren Schwerpunkt des zweiten Kapitels dieser Arbeit.
3 161 Das dritte Kapitel gibt einen Überblick über den Stand der Forschung zur Entwicklung von Standards bei der Wahl geeigneter Matchingverfahren in verschiedenen Situationen. In diesen Studien wird festgestellt, dass Matchingverfahren besser als andere nichtparametrische und parametrische Verfahren in der Lage sind, das Selektionsproblem zu lösen, wenn umfangreiche Informationen über die betrachteten Personen zur Verfügung stehen. Die Wahl eines geeigneten Algorithmus ist dabei abhängig von den verfügbaren Daten. Unter den diskutierten Distanzmaßen werden der Propensity Score und der Index Score sowie die Mahalanobisdistanz für die empirische Forschung empfohlen. In Bezug auf Zuordnungsprozesse werden Optimal Full Matching, Ridge Matching und die Zuordnung mit Zurücklegen als vorteilhaft gegenüber anderen Verfahren angesehen. Im vierten Kapitel wird eine Simulationsstudie vorgestellt, in der die empfohlenen Distanzmaße und Zuordungsprozesse miteinander verglichen werden. Zusätzlich zu den in der Literatur favorisierten Distanzmaßen werden zwei der vorgestellten aggregierten Distanzmaße, die Mahalanobis-Matching-Distanz und das Ähnlichkeitsmaß von Gower, in die Analyse einbezogen. Neben den in früheren Studien hervorgehobenen Zuordnungsalgorithmen und einem in der empirischen Literatur weit verbreiteten Verfahren, dem Random Matching, werden zwei Algorithmen aus der Gruppe der optimalen Zuordnungsprozesse betrachtet: der Ungarische Algorithmus für optimale 1:1-Zuordungen sowie ein Auktionsalgorithmus für Optimal Full Matching. Als Datenbasis der Simulation dient eine Nachbildung des Mikrozensus Deutschland. Mit dieser engen Orientierung an einem häufig in der Arbeitsmarktforschung eingesetzten Datensatz wird eine realitätsnahe Verteilung der unterschiedlich skalierten Merkmale in den untersuchten Stichproben erreicht. In jedem Schritt der Untersuchung werden verschiedene Teilnehmer- und Nichteilnehmerstichproben miteinander kombiniert, die sich in ihrer Größe insgesamt, dem Zahlenverhältnis von Teilnehmern und Nichtteilnehmern sowie dem Grad der Übereinstimmung der Merkmalsverteilungen in beiden Gruppen unterscheiden. In jedem Schritt werden jeweils 100 Simulationsläufe durchgeführt. Die Ergebnisse werden anhand unterschiedlicher Gütemaße beurteilt. Zur Prüfung der Distanzmaße werden neben der Bias Reduzierung durch Matching nichtpara-
4 162 Kapitel 6. Zusammenfassung der Ergebnisse metrische skalenspezifische Tests der Übereinstimmung der Mittelwerte bzw. Häufigkeitsverteilungen der einzelnen betrachteten Variablen eingesetzt: für metrisch skalierte Merkmale der Vorzeichen-Rangtest von Wilcoxon, für dichotome der Mc- Nemartest und für polytome Variablen der χ 2 -Homogenitätstest. Diese Tests stellen eine sinnvolle Alternative zu den bisher in der Literatur gebräuchlichen Verfahren der Gütemessung dar. Die Beurteilung der Zuodnunsprozesse erfolgt anhand des mittleren quadratischen Fehlers, des Bias und der empirischen Varianz sowie der Summe der quadrierten Distanzen zwischen Teilnehmern und Nichtteilnehmern. Im ersten Teil der Analyse wird festgestellt, dass die Zusammenfassung unterschiedlich skalierter Merkmale mit den untersuchten Balancing Scores (Index Score und Propensity Score) deutlich schlechter gelingt als mit der Mahalanobisdistanz und den aggregierten Distanzmaßen. Die gewichtete Mahalanobis-Matching-Distanz scheint am besten zur Feststellung von Ähnlichkeiten bzw. Unterschieden der betrachteten Personen geeignet zu sein. Allerdings schwankt die Güte der erzielten Ergebnisse mit dem Skalenniveau der Variablen. Während die Angleichung der Verteilung nominaler (dichotomer und vor allem polytomer) Variablen sehr gut gelingt, treten nach dem Matching relativ häufig noch Unterschiede in der Verteilung der metrischen Variablen auf. Das Gegenteil gilt für das Distanzmaß nach Gower. In einer weiterführenden Analyse wäre zu prüfen, ob mit einer Verbindung beider Distanzmaße die Kombination ihrer jeweiligen Vorteile möglich ist. Dazu müsste der verallgemeinerte Matchingkoeffizient für nominale Variablen mit der normierten absoluten Merkmalsdifferenz metrischer Variablen verknüpft werden. Im zweiten Teil der Analyse ergeben die verschiedenen betrachteten Gütemaße ein sehr heterogenes Bild. Kein Zuordnungsalgorithmus liefert in allen Qualitätskriterien gleichermaßen gute oder schlechte Ergebnisse. Die Rangfolge, die sich beim Vergleich der Prozesse ergibt, ist abhängig vom betrachteten Gütemaß. Wird der mittlere quadratische Fehler betrachtet, gelingt mit Optimal Full Matching die Zuordnung der besten Partner in Stichproben mit unterschiedlich großen Teilnehmer- und Nichtteilnehmerzahlen. Dies ist umso deutlicher, je größer die Nichtteilnehmerstichprobe im Vergleich zur Teilnehmerstichprobe ist. Verwendet man dagegen die Summe der quadrierten Distanzen als Gütekriterium zur Beurteilung der Ähnlichkeit der Merkmalsverteilungen in Teilnehmer- und Kontrollgruppe,
5 163 liefert die Zuordnung mit Zurücklegen die besten Ergebnisse unter den betrachteten Zuordnungsprozessen. Für die beiden 1:1-Zuordnungsprozesse ohne Mehrfachzuordnung werden sehr ähnliche Ergebnisse hinsichtlich aller Gütemaße beobachtet. Es lässt sich kein Vorteil des optimalen Nearest Neighbor Matching gegenüber dem Random Matching nachweisen. Das Ridge Matching wird hinsichtlich aller Kriterien schlechter bewertet als die anderen analysierten Zuordnungsprozesse. Mit der empirischen Untersuchung des fünften Kapitels soll die Frage, ob die Absolventen geförderter Berufsausbildungen in den Neuen Bundesländern beim Berufseinstieg gegenüber Absolventen ungeförderter Ausbildungsgänge benachteiligt sind, beantwortet werden. Hinsichtlich der Förderung wird zwischen außerbetrieblicher und betriebsnaher Ausbildung unterschieden. Die Analyse wird auf Basis des Jugendpanels des Zentrums für Sozialforschung Halle durchgeführt, aus dem Informationen über die Jugendlichen, die eine Berufsausbildung erfolgreich abgeschlossen haben, genutzt werden. Aus der deskriptiven Analyse dieser Stichprobe wird deutlich, dass die Berufseinstiegschancen der geförderten Jugendlichen schlechter sind als die der ungefördert Ausgebildeten. Ebenfalls deutlich wird eine ungleiche Verteilung der Merkmale in den Teilstichproben, woraus sich die ungleichen Chancen auf dem Arbeitsmarkt zum Teil erklären lassen. Ob darüber hinaus der Umstand der Förderung selbst einen Einfluss auf die Beschäftigungschancen der Jugendlichen hat, wird in der Analyse mit Hilfe der Zuordnung mit Zurücklegen ermittelt. Sowohl für die außerbetriebliche als auch die betriebsnahe Berufsausbildung wird ein negativer Effekt der Förderung auf die Berufseinstiegschancen der Jugendlichen festgestellt. Dies trifft sowohl auf den Anteil der Jugendlichen, die eine Beschäftigung aufnehmen, als auch auf qualitative Merkmale der aufgenommenen Berufstätigkeit zu. Der Vergleich beider Arten der Förderung ergibt keinen Hinweis darauf, dass außerbetrieblich geförderte Jugendliche schlechtere Berufseinstiegschancen haben als die Absolventen betriebsnaher Ausbildungen.
6 164 Kapitel 6. Zusammenfassung der Ergebnisse
Anhang A Symbolverzeichnis
Anhang A Symbolverzeichnis AI... Distanzmaß von Abadie/Imbens B... BS... Balancing Score C... Kontrollgruppe C(X i )... Menge aller Nichtteilnehmer mit ähnlichen Merkmalen wie ein Teilnehmer Cov... Varianz-Kovarianz-Matrix
MehrKapitel 4. Simulation zum Vergleich verschiedener Matchingverfahren
Kapitel 4 Simulation zum Vergleich verschiedener Matchingverfahren 77 78 Kapitel 4. Simulation Die Analyse im folgenden Teil der Arbeit leistet einen Beitrag zur Entwicklung von Entscheidungshilfen bzw.
MehrKapitel 1. Einleitung
Kapitel 1 Einleitung 1 2 Kapitel 1. Einleitung Matching gehört zu den am weitesten verbreiteten Verfahren in der empirischen Evaluationsforschung. Diese Popularität ist u.a. mit der leicht verständlichen
Mehrurn:nbn:de:gbv: [
urn:nbn:de:gbv:3-000014674 [http://nbn-resolving.de/urn/resolver.pl?urn=nbn%3ade%3agbv%3a3-000014674] Zusammenfassung Die durchgeführte Studie liefert einen Beitrag zur Entwicklung von Standards für den
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
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
MehrStatistische Matching-Verfahren
Statistische Matching-Verfahren Erste Statistik-Tage 2012 Bamberg Fürth 26./27. Juli 2012 in Bamberg Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie in den Sozial- und Wirtschaftswissenschaften
MehrKapitel 2. Vorstellung verschiedener Matchingverfahren
Kapitel 2 Vorstellung verschiedener Matchingverfahren 9 10 Kapitel 2. Matchingverfahren Die Idee der Evaluation der Entscheidungen von Personen besteht im Ex-post- Vergleich der Situation, die aus einer
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrExecutive Summary. Bachelorarbeit Universität Zürich 2012
I Executive Summary Die Verhaltensökonomie entdeckte in den letzten Jahren vermehrt verzerrte Verhaltensweisen, die dazu beitragen, dass sich Menschen auf Finanzmärkten teilweise irrational verhalten.
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Der Mann-Whitney U-Test 1 Der Wilcoxon-Test 3 Der Kruskal-Wallis H-Test 4 Vergleich von Mann-Whitney U-Test und Kruskal-Wallis H-Test 6 Der Mann-Whitney U-Test In Kapitel
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrMultivariate Verfahren
Multivariate Verfahren Lineare Regression Zweck: Vorhersage x Dimensionsreduktion x x Klassifizierung x x Hauptkomponentenanalyse Korrespondenzanalyse Clusteranalyse Diskriminanzanalyse Eigenschaften:
Mehr(K)Ein Weg aus der Arbeitslosigkeit? Evaluation von Weiterbildungsmaßnahmen für verschiedene Zielgruppen
(K)Ein Weg aus der Arbeitslosigkeit? Evaluation von Weiterbildungsmaßnahmen für verschiedene Zielgruppen Die Förderung der beruflichen Weiterbildung ist eines der wichtigsten Instrumente der Arbeitsmarktpolitik
MehrLangfristige Effekte von Massnahmen der Fortbildung und Umschulung
Langfristige Effekte von Massnahmen der Fortbildung und Umschulung April 2006 Michael Lechner, Ruth Miquel, Conny Wunsch www.siaw.unisg.ch/lechner Wissenschaftlicher Beitrag dieses Papiers kurz-, mittel-
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrVU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /
VU mathematische methoden in der ökologie: räumliche verteilungsmuster / h.lettner / Analyse räumlicher Muster und Verteilungen Die Analyse räumlicher Verteilungen ist ein zentrales Gebiet der ökologischen
MehrZfTM-Work in Progress Nr. 75: Ordinale Regression. Eine anwendungsorientierte Einführung. Torsten J. Gerpott * /Ilaha Mahmudova **
ZfTM-Work in Progress Nr. 75: Eine anwendungsorientierte Einführung Torsten J. Gerpott * /Ilaha Mahmudova ** 2007 * ** Univ.-Prof. Dr. Torsten J. Gerpott, Lehrstuhl Unternehmens- und Technologieplanung,
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrBivariater Zusammenhang in der Vierfeldertafel PEΣO
Bivariater Zusammenhang in der Vierfeldertafel PEΣO 12. Oktober 2001 Zusammenhang zweier Variablen und bivariate Häufigkeitsverteilung Die Bivariate Häufigkeitsverteilung gibt Auskunft darüber, wie zwei
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
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
MehrStatistik für Ingenieure und Naturwissenschaftler
Sheldon M. Ross Statistik für Ingenieure und Naturwissenschaftler 3. Auflage Aus dem Amerikanischen übersetzt von Carsten Heinisch ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spektrum Inhalt Vorwort zur dritten
MehrLehrinhalte Statistik (Sozialwissenschaften)
Lehrinhalte Technische Universität Dresden Institut für Mathematische Stochastik Dresden, 13. November 2007 Seit 2004 Vorlesungen durch Klaus Th. Hess und Hans Otfried Müller. Statistik I: Beschreibende
MehrBivariate Verteilungen
Bivariate Verteilungen Tabellarische Darstellung: Bivariate Tabellen entstehen durch Kreuztabulation zweier Variablen. Beispiel: X Y Student(in) Herkunft Fakultät 0001 Europa Jura 000 Nicht-Europa Medizin
MehrPolynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen
Rückblick Polynomiale Regression lässt sich mittels einer Transformation der Merkmale auf multiple lineare Regression zurückführen Ridge Regression vermeidet Überanpassung, indem einfachere Modelle mit
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,
MehrKapitel 5. Anwendungsbeispiel: Evaluation der Förderung der Berufsausbildung in den Neuen Bundesländern
Kapitel 5 Anwendungsbeispiel: Evaluation der Förderung der Berufsausbildung in den Neuen Bundesländern 131 132 Kapitel 5. Anwendungsbeispiel In den vergangenen Jahren hat sich das Berufsausbildungssystem
MehrAufgaben zu Kapitel 4
Aufgaben zu Kapitel 4 Aufgabe 1 a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl erinnerter positiver Adjektive. Wie nennt sich eine solche Korrelation und wie lässt sich der Output
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
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
MehrAnalyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung
Analyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung Zusammenfassung der Diplomarbeit an der Hochschule Zittau/Görlitz Maria Kiseleva Motivation
MehrEntscheidungen bei der Durchführung einer Cluster-Analyse
7712Clusterverfahren Entscheidungen bei der Durchführung einer Cluster-Analyse nach: Eckes, Thomas, und Helmut Roßbach, 1980: Clusteranalysen; Stuttgart:Kohlhammer A. Auswahl der Merkmale Festlegung des
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrÜberblick über multivariate Verfahren in der Statistik/Datenanalyse
Überblick über multivariate Verfahren in der Statistik/Datenanalyse Die Klassifikation multivariater Verfahren ist nach verschiedenen Gesichtspunkten möglich: Klassifikation nach der Zahl der Art (Skalenniveau)
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrPrüfung im Fach Panel- und Evaluationsverfahren im WS 2017/18
Lehrstuhl für Statistik und empirische Wirtschaftsforschung Prof. Regina T. Riphahn, Ph.D. Prüfung im Fach Panel- und Evaluationsverfahren im WS 2017/18 Aufgabe 1 (10,5 Punkte) Ihnen steht ein Paneldatensatz
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
MehrGeförderte Berufsausbildung in den Neuen Ländern: Sprungbrett oder Sackgasse?
Geförderte Berufsausbildung in den Neuen Ländern: Sprungbrett oder Sackgasse? Innerhalb des Berufsausbildungssystems, das traditionell geprägt ist durch die duale und schulische sgänge, haben sich in den
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Statistische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Statistische Tests Testentscheidung: Deskriptive Statistik Basis-Kurs Statistik und SPSS für Mediziner 2 Mit Datensatz Daten_SPSS_Kurs_I.sav
MehrInhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27
Inhalt I Einführung Kapitel 1 Konzept des Buches........................................ 15 Kapitel 2 Messen in der Psychologie.................................. 27 2.1 Arten von psychologischen Messungen....................
MehrRecommender Systeme mit Collaborative Filtering
Fakultät für Informatik Technische Universität München Email: rene.romen@tum.de 6. Juni 2017 Recommender Systeme Definition Ziel eines Recommender Systems ist es Benutzern Items vorzuschlagen die diesem
MehrÄhnlichkeits- und Distanzmaße
Einheit 1 Ähnlichkeits- und Distanzmaße IFAS JKU Linz c 2015 Multivariate Verfahren 1 0 / 41 Problemstellung Ziel: Bestimmung von Ähnlichkeit zwischen n Objekten, an denen p Merkmale erhoben wurden. Die
Mehr11. Übungsblatt zur Vorlesung Ökonometrie SS 2014
Universität des Saarlandes Lehrstab Statistik Dr. Martin Becker Dipl.-Kfm. Andreas Recktenwald 11. Übungsblatt zur Vorlesung Ökonometrie SS 2014 Aufgabe 45 Die in Aufgabe 43 getroffene Annahme heteroskedastischer
MehrÄhnlichkeits- und Distanzmaße
Ähnlichkeits- und Distanzmaße Jörg Rahnenführer, Multivariate Verfahren, WS89, TU Dortmund 11.1.8-1 - Ähnlichkeits- und Distanzmaße Jörg Rahnenführer, Multivariate Verfahren, WS89, TU Dortmund 11.1.8 -
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
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
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrStatistik II: Signifikanztests /2
Medien Institut : Signifikanztests /2 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Korrelation 2. Exkurs: Kausalität 3. Regressionsanalyse 4. Key Facts 2 I
MehrKapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen
Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen 5.1 Darstellung der Verteilung zweidimensionaler Merkmale 5.2 Maßzahlen für den Zusammenhang zweier nominaler Merkmale 5.3 Maßzahlen
MehrLösungen zu den Aufgaben zur Multivariaten Statistik Teil 4: Aufgaben zur Clusteranalyse
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Universität Kassel Lösungen zu den Aufgaben zur Multivariaten Statistik Teil 4: Aufgaben zur Clusteranalyse 1. Erläutern Sie, wie das Konstrukt
MehrSelbstständigkeit von Migranten in Deutschland: Die Effekte sozialer Einbettung
Selbstständigkeit von Migranten in Deutschland: Die Effekte sozialer Einbettung Reinhard Schunck Michael Windzio Universität Bremen Bremen International Graduate School of Social Sciences (BIGSSS) 6. Nutzerkonferenz
MehrUnterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrSigmaStat Nina Becker, Christoph. Rothenwöhrer. Copyright 2004 Systat Software, Inc.
SigmaStat 3.11 Copyright 2004 Systat Software, Inc. http://www.systat.com Nina Becker, Christoph Rothenwöhrer Die Aufgabe der Statistik ist die Zusammenfassung von Daten, deren Darstellung, Analyse und
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
MehrAlgorithmik Übung 2 Prof. Dr. Heiner Klocke Winter 11/
Algorithmik Übung 2 Prof. Dr. Heiner Klocke Winter 11/12 23.10.2011 Themen: Asymptotische Laufzeit von Algorithmen Experimentelle Analyse von Algorithmen Aufgabe 1 ( Asymptotische Laufzeit ) Erklären Sie,
MehrInhalt. Vorwort Univariate Verteilungen Verteilungen Die Normalverteilung... 47
Inhalt Vorwort... 9 1 Einleitung: Grundlagen der Statistik... 11 1.1 Die statistische Fragestellung im Forschungsprozess... 11 1.2 Grundbegriffe der Statistik... 13 1.3 Voraussetzung jeder Statistik: Die
MehrAuswertung von Wertprüfungsbonituren (U. Meyer, Bundessortenamt)
Auswertung von Wertprüfungsbonituren (U. Meyer, Bundessortenamt) - Ziel - Daten - Modell - Methoden - Ergebnisse - Schlussfolgerungen 1 Referat 111 Ziel Prüfung der Anwendbarkeit verfügbarer Methoden für
MehrEmpirische Forschungsmethoden
Winfried Stier Empirische Forschungsmethoden Zweite, verbesserte Auflage Mit 22 Abbildungen und 53 Tabellen Springer L Inhaltsverzeichnis I. Grundlagen 1 1.1. Methoden, Methodologie, Empirie 1 1.2. Einige
MehrKapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt
Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal
MehrMittelwert, Standardabweichung, Median und Bereich für alle durchgeführten Messungen (in Prozent)
3. Ergebnisse 3.1 Kennwerte, Boxplot Die Kennwerte der deskriptiven Statistik sind in der Tabelle 1 für alle Messungen, in der Tabelle 2 für die Messungen, bei denen mit der Referenzmethode eine festgestellt
MehrForschungsstatistik II
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-3 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik II Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrStatistik-Quiz Wintersemester
Statistik-Quiz Wintersemester Seite 1 von 8 Statistik-Quiz Wintersemester Die richtigen Lösungen sind mit gekennzeichnet. 1a Für 531 Personen liegen Daten zu folgenden Merkmalen vor. Welche der genannten
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrReihe Risikomanagement und Finanzcontrolling, Band 10:
Reihe Risikomanagement und Finanzcontrolling, Band 10: QUALITATIVE MERKMALE IN BANKINTERNEN RATINGSYSTEMEN Eine empirische Analyse zur Bonitätsbeurteilung von Firmenkunden von Arne Fischer 456 Seiten,
MehrSignalverarbeitung 2. Volker Stahl - 1 -
- 1 - Überblick Bessere Modelle, die nicht nur den Mittelwert von Referenzvektoren sondern auch deren Varianz berücksichtigen Weniger Fehlklassifikationen Mahalanobis Abstand Besseres Abstandsmaß basierend
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrTÜV geprüftes Preis-Leistungs- Verhältnis Standard Prüfgrundlagen
TÜV geprüftes Preis-Leistungs- Verhältnis Standard Prüfgrundlagen Grundsätzliche Prüfgrundlagen Für die Auszeichnung Preis / Leistung müssen zwei Voraussetzungen erfüllt sein: 1. Die Gesamtzufriedenheit
MehrDie ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.
.3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil
MehrLineare Diskriminanzanalyse Ein sehr kurzer Einblick
Ein sehr kurzer Einblick 1 Beispiele 2 Grundgedanken der DA 3 Diskriminanzkriterium 4 Schätzung der Diskriminanzfunktion 5 Teststatistiken 6 Klassifizierung 7 Schätzung der Klassifikationsfehler Literatur:
MehrWas wissen Kinder und Jugendliche über Gerichtsverhandlungen
Petra Wolf Was wissen Kinder und Jugendliche über Gerichtsverhandlungen Eine empirische Untersuchung Theorie und Forschung, Bd. 491 Psychologie, Bd. 157 Roderer Verlag, Regensburg 1997 Inhaltsverzeichnis
MehrZusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
MehrArbeitsbuch zur deskriptiven und induktiven Statistik
Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
MehrÜbungen zur Vorlesung. Statistik 2
Institut für Stochastik WS 2007/2008 Universität Karlsruhe JProf. Dr. H. Holzmann Blatt 11 Dipl.-Math. oec. D. Engel Übungen zur Vorlesung Statistik 2 Aufgabe 40 (R-Aufgabe, keine Abgabe) In dieser Aufgabe
MehrInhaltsverzeichnis DESKRIPTIVE STATISTIK. 1 Grundlagen Grundbegriffe Skalen... 15
Inhaltsverzeichnis 1 Grundlagen... 13 1.1 Grundbegriffe...13 1.2 Skalen... 15 DESKRIPTIVE STATISTIK 2 Eindimensionale Häufigkeitsverteilungen...16 2.1 Häufigkeiten... 16 2.1.1 Grundbegriffe... 16 2.1.2
MehrGewichtung und Validierung der Nettostichprobe (Welle 1 des Projekts Lebensziele und Lebensverläufe in Ostdeutschland )
Gewichtung und Validierung der Nettostichprobe (Welle 1 des Projekts Lebensziele und Lebensverläufe in Ostdeutschland ) Gewichtung Da es sich bei dieser Studie um eine Einwohnermeldeamtsstudie handelt,
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrEinführung in die Statistik
Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,
MehrVorlesungsskript. Deskriptive Statistik. Prof. Dr. Günter Hellmig
Vorlesungsskript Deskriptive Statistik Prof. Dr. Günter Hellmig Prof. Dr. Günter Hellmig Vorlesungsskript Deskriptive Statistik Erstes Kapitel Die Feingliederung des ersten Kapitels, welches sich mit einigen
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
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
MehrVorlesung 3: Schätzverfahren
Vorlesung 3: Schätzverfahren 1. Beispiel: General Social Survey 1978 2. Auswahl einer Zufallsstichprobe und Illustration des Stichprobenfehlers 3. Stichprobenverteilung eines Regressionskoeffizienten 4.
Mehr