Inferenzstatistik Vergleich mehrerer Stichproben - Varianzanalyse
|
|
- Georg Voss
- vor 7 Jahren
- Abrufe
Transkript
1 Vergleich mehrerer Stichproben - Varianzanalyse Zweifache VA mit hierarchischen Faktoren Voraussetzungen zwei unabhängige Variablen (Faktoren), die unabhängige Gruppen definiert zweite Faktor ist innerhalb des ersten Faktors definiert zweite Faktor definiert somit Untergruppen innerhalb Faktor 1 metrische (zumindest intervallskalierte) Daten zumindest 10 (ideal ab 30 Personen) pro Gruppe zumindest annähernd normalverteilte Daten pro Gruppe Gleichheit der Varianz-Kovarianz-Matrix (wird im SPSS mittels Box-M-Test geprüft) Vergleich mehrerer Stichproben - Varianzanalyse Fortsetzung Datensatz Arbeitszufriedenheit. Fragestellung Gibt es Unterschiede bei der Arbeitszufriedenheit zwischen den Ländern und Firmen 1
2 Vergleich mehrerer Stichproben - Varianzanalyse Zweifache VA mit einem Messwiederholungsfaktor Voraussetzungen eine unabhängige Variable (Faktor), die unabhängige Gruppen definiert ein Faktor, dessen Stufen Messwiederholungen darstellen (Messwiederholungsfaktor) metrische (zumindest intervallskalierte) Daten zumindest 10 (ideal ab 30 Personen) pro Gruppe zumindest annähernd normalverteilte Daten pro Gruppe Gleichheit der Varianz-Kovarianz-Matrix (wird im SPSS mittels Box-M-Test geprüft) Vergleich mehrerer Stichproben - Varianzanalyse Fortsetzung Datensatz Arbeitszufriedenheit. Fragestellung Unterscheiden sich Arbeitszufriedenheit und Zufriedenheit mit Kolleginnen und wenn ja auch in allen 3 Ländern gleichartig? - H 0 : es gibt keine Unterschiede zwischen Arbeitszufriedenheit und Zufriedenheit mit KollegInnen - H 0 : Unterschiede zwischen Arbeitszufriedenheit und Zufriedenheit mit KollegInnen in allen Ländern gleich - H 0 : keine Unterschiede zwischen den 3 Ländern bezüglich Zufriedenheit 2
3 Vergleich mehrerer Stichproben - Varianzanalyse Multivariate Tests b Effect Faktor1 Faktor1 * Land a. Exact statistic Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root Pillai's Trace Wilks' Lambda Hotelling's Trace b. Design: Intercept+Land Within Subjects Design: Faktor1 Roy's Largest Root Value F Hypothesis df Error df Sig a a a a a a a a Vergleich mehrerer Stichproben - Varianzanalyse Measure: MEASURE_1 Within Subjects Effect Faktor1 Mauchly's Test of Sphericity b Epsilon a Approx. Greenhous Mauchly's W Chi-Square df Sig. e-geisser Huynh-Feldt Lower-bound Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identit a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Design: Intercept+Land Within Subjects Design: Faktor1 3
4 Vergleich mehrerer Stichproben - Varianzanalyse Tests of Within-Subjects Effects Measure: MEASURE_1 Faktor1 Source Faktor1 * Land Error(Faktor1) Sphericity Assumed Greenhouse-Geisser Huynh-Feldt Lower-bound Sphericity Assumed Greenhouse-Geisser Huynh-Feldt Lower-bound Sphericity Assumed Greenhouse-Geisser Huynh-Feldt Lower-bound Type III Sum of Squares df Mean Square F Sig Vergleich mehrerer Stichproben - Varianzanalyse Measure: MEASURE_1 Tests of Between-Subjects Effects Transformed Variable: Average Type III Sum of Squares df Mean Square F Sig. Source Intercept Land Error
5 Vergleich mehrerer Stichproben - Varianzanalyse Vergleich mehrerer Stichproben - Varianzanalyse Kovarianzanalysen Zusätzlich zu den (nominalskalierten) unabhängigen Variablen (Faktoren) kann eine metrische Variable als Prädiktor ins Modell aufgenommen werden (z.b. Alter) 5
6 Vergleich mehrerer Stichproben - Varianzanalyse Weitere Modelle definierbar, indem - Zahl der unabhängigen Variablen variiert wird - mehr als eine abhängige Variable definiert wird (multivariate Verfahren) - Kombination von Faktoren und Messwiederholungsfaktoren variiert wird - zwischen festen und zufälligen Faktoren unterschieden wird - Kovariaten verwendet werden Bemerkung Messwiederholung ist ein Spezialfall multivariater Verfahren Ersatzverfahren für Varianzanalysen 6
7 Ersatzverfahren für Varianzanalysen Ersatz für einfache univariate VA f. unabhängige Stichproben Falls eine der Voraussetzungen NICHT erfüllt ist, kommt ein Kruskal Wallis-Test (K-W Test) zur Anwendung Bei lediglich rangskalierten Daten oder extremen Abweichungen der Verteilung der Daten von der Normalverteilung, sollten Mediane zur Beschreibung verwendet werden Bemerkung Varianzanalysen sind relativ robust gegenüber Verletzungen der Annahme der Normalverteilung Ersatzverfahren für Varianzanalysen K-W Test Fragestellung Unterscheidet sich Interesse an Apfelsaftkonzentrat je nachdem, welcher Vorteil beworben wird? H 0 : Kein Unterschied bei Interesses je nach Werbemethode H 1 : Es gibt Unterschiede bei Interesses je nach Werbemethode 7
8 Ersatzverfahren für Varianzanalysen K-W Test One-Sample Kolmogorov-Smirnov Test Interesse an Apfelsaftkonzentrat Bequemlichkeit Asymp. Sig. (2-tailed).116 Werbeinhalt Qualität Asymp. Sig. (2-tailed).433 Preis Asymp. Sig. (2-tailed).111 a. Test distribution is Normal. Ersatzverfahren für Varianzanalysen K-W Test Descriptive Statistics Dependent Variable: Interesse an Apfelsaftkonzentrat Mean Std. Deviation N Bequemlichkeit Qualität Werbeinhalt Preis Total
9 Ersatzverfahren für Varianzanalysen K-W Test Levene's Test of Equality of Error Variances a Dependent Variable: Interesse an Apfelsaftkonzentrat F df1 df2 Sig Tests the null hypothesis that the error variance o the dependent variable is equal across groups. a. Design: Intercept+werbe Ersatzverfahren für Varianzanalysen K-W Test Ranks N Mean Rank Bequemlichkeit Interesse an Apfelsaftkonzentrat Werbeinhalt Qualität Preis Total 162 Test Statistics a,b Interesse an Apfelsaftko nzentrat Chi-Square df 2 Asymp. Sig..000 a. Kruskal Wallis Test b. Grouping Variable: Werbeinhalt 9
10 Ersatzverfahren für Varianzanalysen K-W Test Post Hoc Tests verwendet paarweise U-Tests diese müssen allerdings händisch korrigiert werden (z.b mittels Korrektur nach Bonferroni-Holm oder Shaffer) Tabelle steht Online Ersatzverfahren für Varianzanalysen K-W Test Post Hoc Tests Vorgehensweise p-werte der paarweisen U-Tests der Größe nach ordnen (beginnend mit dem Kleinsten) p-werte mit Zahlen laut Tabelle multiplizieren, bis der erste der korrigierten p-werte größer als α ist. Dieser und alle nachfolgenden Vergleiche sind nicht signifikant 10
11 Ersatzverfahren für Varianzanalysen K-W Test Interesse an Apfelsaftkonzentrat Werbeinhalt Qualität Preis Mean Rank Asymp. Sig. (2-tailed) Interesse an Apfelsaftko nzentrat.000 Interesse an Apfelsaftkonzentrat Werbeinhalt Bequemlichkeit Preis Mean Rank Asymp. Sig. (2-tailed) Interesse an Apfelsaftko nzentrat.037 Interesse an Apfelsaftkonzentrat Werbeinhalt Bequemlichkeit Qualität Mean Rank Asymp. Sig. (2-tailed) Interesse an Apfelsaftko nzentrat.065 Ersatzverfahren für Varianzanalysen Ersatz für einfache univariate VA für abhängige Stichproben Falls eine der Voraussetzungen NICHT erfüllt ist, kommt ein Friedman-Test zur Anwendung Bei lediglich rangskalierten oder extrem Abweichungen der Verteilung der Daten von der Normalverteilung, sollte Median zur Beschreibung der Daten verwendet werden 11
12 Ersatzverfahren für Varianzanalysen Friedman Test Fragestellung Ist die Kompetenz einer Person von ihrer Kleidung abhängig? H 0 : Einschätzung der Kompetenz unterscheidet sich nicht H 1 : Einschätzung der Kompetenz unterscheidet sich Ersatzverfahren für Varianzanalysen Friedman Test Ranks Test Statistics a Business Freizeit sportlich modern Mean Rank N 24 Chi-Square df 3 Asymp. Sig..000 a. Friedman Test 12
13 Ersatzverfahren für Varianzanalysen Friedman Test Post Hoc Tests verwendet paarweise Friedman oder Wilcoxon Tests diese müssen allerdings händisch korrigiert werden (z.b mittels Korrektur nach Bonferroni-Holm oder Shaffer) Ersatzverfahren für Varianzanalysen Friedman Test Post Hoc Tests Vorgehensweise p-werte der paarweisen Wilcoxon oder Friedman Tests der Größe nach ordnen (beginnend mit dem Kleinsten) p-werte mit Zahlen laut Tabelle multiplizieren, bis der erste der korrigierten p-werte größer als α ist. Dieser und alle nachfolgenden Vergleiche sind nicht signifikant 13
14 Ersatzverfahren für Varianzanalysen Ersatz für zweifache VA für unabhängige Stichproben zweifache Rangvarianzanalyse nach Kubinger ist in SPSS nicht implementiert Auswahl anderer Möglichkeiten (alle jedoch suboptimal) - Bildung eines neuen Faktors aus der Kombination der Faktoren A und B=> ein Kruskal Wallis Test - zwei K-W Tests zur Testung der Haupteffekte und mehrere K-W Tests zum Vergleich der Stufen von Faktor 1 getrennt für Faktor A und umgekehrt Bemerkung Korrekturen gegen α-überhöhung notwendig 14
15 Anwendungsgebiete Daten auf Nominalskalen-Niveau (= qualitative Daten) quantitative Daten, die zu Gruppen zusammengefasst wurden (z.b. Altersgruppen, Einkommensgruppen ) verwendet Häufigkeiten zur Beschreibung prüft die Gleichheit von Verteilungen beobachtete Häufigkeit Anzahl der Personen in der jeweiligen Kategorie erwartete Häufigkeit Anzahl der Personen, die bei Geltung der H 0 Kategorie zu erwarten sind in der jeweiligen 15
16 Voraussetzungen Fälle gehen nur einmal in Tabelle ein unter H 0 erwartete Zellbesetzungen 5 falls erwarteten Zellbesetzungen zu klein sind, sollten exakte Tests verwendet werden 2 Arten Anpassungstests z.b - Test auf Gleichverteilung - Test auf Normalverteilung - Kontingenztafeln überprüft die Gleichheit von 2 oder mehr Verteilungen unabhängig davon, welche Verteilung vorliegt. Inhaltlich gleichbedeutend mit der Frage nach dem Zusammenhang zwischen 2 nominalen Variablen 16
17 Anpassungstests Es sei bekannt, dass in der Gruppe der jährigen nur 10% verheiratet sind. Fragestellung ist das in der vorliegenden Stichprobe auch so? H 0 : 10% sind verheiratet H 1 : % Satz der Verheirateten beträgt nicht 10% nicht verheiratet verheiratet Total Status Observed N Expected N Residual Test Statistics Chi-Square a df Asymp. Sig. Status a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is
18 Kontingenztafeln Unterscheidet sich der Prozentsatz der Verheirateten bei Männern und Frauen? H 0 : bei Männern und Freuen ist der Prozentsatz der Verheirateten gleich H 1 : bei Männern und Freuen ist der Prozentsatz der Verheirateten nicht gleich Count Status Total Status * Geschlecht Crosstabulation Geschlecht Männer Frauen Total nicht verheiratet verheiratet Chi-Square Tests Pearson Chi-Square N of Valid Cases Value df Asymp. Sig. (2-sided) 18
19 Kontingenztafeln Unterscheiden sich Personen verschiedenen Altersgruppen hinsichtlich der Marke des bevorzugten PKWs? H 0 : es gibt keinen Unterschied zwischen den Altersgruppen H 1 : es gibt einen Unterschied zwischen den Altersgruppen Pearson Chi-Square N of Valid Cases Chi-Square Tests Value a df Asymp. Sig. (2-sided) a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
20 altersgruppe * Marke Crosstabulation Jahre altersgruppe Jahre über 50 Jahre Total Count Expected Count Std. Residual Count Expected Count Std. Residual Count Expected Count Std. Residual Count Expected Count Marke A B C D Total Spezialfall von Kontingenztafeln Abhängige Vier-Felder-Tafel für 2 dichotome Variablen, die anhand derselben Stichprobe erhoben wurden dient dem Vergleich von Prozentsätzen aus abhängigen Stichproben wird mittels Binomial oder McNemar Test geprüft 20
21 Geben Personen häufiger Probleme mit ArbeitskollegInnen als mit Vorgesetzten an? H 0 : Probleme treten gleich häufig auf H 1 : Probleme treten unterschiedlich häufig auf Probleme mit Vorgesetztem/r * Probleme mit KollegInnen Crosstabulation Count Probleme mit Vorgesetztem/r Total keine Probleme Probleme Probleme mit KollegInnen keine Probleme Probleme Total
22 N Chi-Square Asymp. Sig. Probleme mit Vorgesetztem/r & Probleme mit KollegInnen
Einflussfaktoren auf die Macht der Hypothesenprüfung
Einflussfaktoren auf die Macht der Hypothesenprüfung Einflussfaktoren auf die Macht Die Jagd nach den Sternen In der Wissenschaft gilt der Blick oft nur den Sternen * p
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen ob die in diesem Datensatz untersuchte
MehrAnhang zu Asexualität, sexuelle und nicht sexuelle Gewalt
Anhang zu Asexualität, sexuelle und nicht sexuelle Multivariate Varianzanalyse zur Analyse der Einflüsse von sexueller (Sexgewalt) und nicht sexueller () auf fünf Asexualitäts-Maße Bezüglich mögliche Auswirkungen
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
MehrAnalyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7. Tierkreiszeichen * Crosstabulation
2012 03 31 Analyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7 Count Tierkreiszeichen * Crosstabulation Total nicht Tierkreiszeichen 22.12.-20.01. Steinbock 36278 22383 58661 21.01.-19.02.
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
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
Mehr1. Erklären Sie den Unterschied zwischen einem einseitigen und zweiseitigen Hypothesentest.
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
MehrSPSS 13.0 Advanced. Mittelwertvergleiche
Mittelwertvergleiche Der Vergleich von verschiedenen Stichproben hinsichtlich ihrer Mittelwerte gehört zu den gängigsten statistischen Analysen. Dabei soll stets die Frage geklärt werden, ob auftretende
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
MehrFH- Management & IT. Constantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen)
FH- Management & IT Folie 1 Rückblick Häufigkeiten berechnen Mittelwerte berechnen Grafiken ausgeben Grafiken anpassen und als Vorlage abspeichern Variablenoperationen Fälle vergleichen Fälle auswählen
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
MehrMetrische und kategoriale Merkmale
Kapitel 6 Metrische und kategoriale Merkmale 6.1 Wie kann man metrische und kategoriale Merkmale numerisch beschreiben? Typischerweise will man geeignete Maßzahlen (beispielsweise Lage- oder Streuungsmaße)
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 11. Vorlesung: 18.0.200 Agenda. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse ii. iii. iv. Uni- vs. multivariate Varianzanalyse
MehrLösung zu Aufgabe 16.4
Lösung zu Aufgabe 16.4 Zum Einlesen der Daten: Die Aufgabe wird mit dem Statistik Programm SPSS gelöst. Hierzu muss zunächst der Datensatz absol95.txt in den SPSS Editor eingelesen werden. Laden Sie dazu
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
MehrSPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrStatistik II für Betriebswirte Vorlesung 4
Statistik II für Betriebswirte Vorlesung 4 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 6. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 4 Version:
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
MehrPROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)
PROC NPAR1WAY zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) Allgemeine Form: PROC NPAR1WAY DATA=name Optionen ; VAR variablenliste ; CLASS
MehrEinfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
Mehr# Befehl für den Lilliefors-Test
1/5 Matthias Rudolf & Diana Vogel R-Kurs Graduiertenakademie September 2017 Loesungsskript: Tests 1a library(nortest) 1b lillie.test Befehl für den Lilliefors-Test 2a, Datensatz "Schachbeispiel einlesen"
MehrAnalyse von Kontingenztafeln
Analyse von Kontingenztafeln Mit Hilfe von Kontingenztafeln (Kreuztabellen) kann die Abhängigkeit bzw. die Inhomogenität der Verteilungen kategorialer Merkmale beschrieben, analysiert und getestet werden.
MehrStatistik II für Betriebswirte Vorlesung 5
Statistik II für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. November 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 5 Version:
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
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
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 13. Dezember 2012 Bernd Klaus, Verena Zuber,
MehrEinleitung. Statistik. Bsp: Ertrag Weizen. 6.1 Einfache Varianzanalyse
Einleitung Statistik Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Der Begriff Varianzanalyse (analysis of variance, ANOVA) taucht an vielen Stellen in der Statistik mit unterschiedlichen
MehrStatistik für Psychologen
Peter Zöfel Statistik für Psychologen Im Klartext Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney a part of Pearson plc worldwide Statistik für Psychologen
MehrKommentierter SPSS-Output für hierarchische log-lineare Modelle (Modul Modellauswahl) 3 Dimensionen
Kommentierter SPSS-Output für hierarchische log-lineare Modelle (Modul Modellauswahl) 3 Dimensionen Hierarchisches log-lineares Modell: Saturiertes Modell (SPSS-Modul Modellauswahl ) HILOGLINEAR polview(1
MehrEinführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
MehrÜbungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg
Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten
MehrKovarianzanalyse. Truthahngewicht. Truthahngewicht. Methoden empirischer Sozialforschung. 1 metrische und mehrere metrische und kategoriale Variablen
Kovarianzanalyse 1 metrische und mehrere metrische und kategoriale Variablen Methoden empirischer Sozialforschung Lineare Modelle (2. Teil) Wie läßt sich die Abhängigkeit einer metrischen Variablen von
MehrLog-lineare Analyse I
1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln
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
Mehr9. Übung (Analyse von qualitativen Daten)
9. Übung (Analyse von qualitativen Daten) (Prüfung von Unabhängigkeit, Homogenität und Anpassung) Man unterscheidet vor allem die folgenden Tests: Unabhängigkeitstest: Hier wird geprüft, ob zwei Merkmale
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
Mehrerwartete Häufigkeit n=80 davon 50% Frauen fe=40 davon 50% Männer fe=40 Abweichung der beobachteten von den erwarteten Häufigkeiten:
Verfahren zur Analyse von Nominaldaten Chi-Quadrat-Tests Vier-Felder Kontingenztafel Mehrfach gestufte Merkmale Cramers V, Kontingenzkoeffizient, Phi-Koeffizient Muster aller Chi-Quadrat-Verfahren eine
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrUmgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen
Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
MehrQuantitative Auswertung II. Korpuslinguistik Heike Zinsmeister
Quantitative Auswertung II Korpuslinguistik Heike Zinsmeister 16.12.2011 Unterschiedstest Fall 1: unabhängige Stichproben Daten eine unabhängige Variable auf Nominal- oder Kategorialniveau eine abhängige
MehrGrundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2
Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Statistischer Schluss Voraussetzungen z.b. bzgl. Skalenniveau und
MehrNichtparametrische Varianzanalysen - praktische Anwendung
Nichtparametrische Varianzanalysen - praktische Anwendung Nichtparametrische Varianzanalysen sind primär anzuwenden, wenn die abhängige Variable entweder metrisch ist und die Voraussetzungen Normalverteilung
MehrSTATISTIK Für Soziologen, Pädagogen, Psychologen und Mediziner
STATISTIK Für Soziologen, Pädagogen, Psychologen und Mediziner Band 6 Michael Röhr Andreas Hinz Rolf Ludwig PC - Software: SPSS/PC+, BMDR STATISTICA mit Beispieldateien auf Diskette Л Verlag Harri Deutsch
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
MehrStatistik für Ingenieure Vorlesung 13
Statistik für Ingenieure Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 6. Februar 2018 5.1.4. Weitere ausgewählte statistische Tests a) Binomialtest Der Binomialtest
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
Mehr> read.table("d:\\reifen.txt",header=t) > Reifen
1. Aufgabe: Auf einer Reifenrollentestanlage werden Versuche durchgeführt um die Langlaufeigenschaften zu untersuchen. Insbesondere wird die Untersuchung des Abriebs über simulierte Anfahr- Brems- und
MehrOnline Statistik-Coaching
Online Statistik-Coaching Modul 3 Statistisches Testen - Auswahl der passenden Methode - Durchführung mit SPSS - Interpretation und Darstellung Dipl.-Math. Daniela Keller www.statistik-und-beratung.de
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
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)
MehrStatistik mit R, Sitzung am
Statistik mit R, Sitzung am 19.06.07 Mike Kühne 1 R-Kurs INHALTSVERZEICHNIS Inhaltsverzeichnis 1 Bivariate Statistik 3 1.1 Tabellen.............................. 3 1.2 Zusammenhangsmaße für nominal skalierte
MehrPROC FREQ für Kontingenztafeln
zum Überprüfen von Zusammenhängen zweier qualitativer Merkmale Allgemeine Form: PROC FREQ DATA=name Optionen ; TABLES (variablenliste) * (variablenliste) / Optionen ; Beispiel und Beschreibung der Programm-Statements:
MehrStatistik für Ingenieure Vorlesung 12
Statistik für Ingenieure Vorlesung 12 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 23. Januar 2017 5.1.1. Tests für eine Stichprobe mit stetiger Skala a) Shapiro-Wilk-Test
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 Rängen. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrGibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 1 Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon
MehrEinführung in Web- und Data-Science
Einführung in Web- und Data-Science Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Tanya Braun (Übungen) P-Wert (einseitiger Ablehnungsbereich) Hypothesentest H 0 vs. H 1
Mehr7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018
7. Lösung weitere Übungsaufgaben Statistik II WiSe 2017/2018 1. Aufgabe: Die durchschnittliche tägliche Verweildauer im Internet wurde bei 60 Studierenden (30 Männer und 30 Frauen) erfragt. Die Studierenden
MehrEinführung in die Varianzanalyse mit SAS
Einführung in die Varianzanalyse mit SAS Benutzertreffen am URZ Carina Ortseifen 9. Mai 2003 Inhalt 1. Varianzanalyse 2. Prozedur GLM 3. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
MehrMittelwertsvergleich bei mehr als 2 Stichproben
Mittelwertsvergleich bei mehr als 2 Stichproben Im Fall von 2 Gruppen kennen wir nunmehr verschiedene Varianten des t-tests für den Vergleich der Mittelwerte Liegen k > 2 Gruppen von Beobachtungen vor
MehrVarianzanalyse mit Messwiederholungen. (Repeated-measures (M)ANOVA)
Varianzanalyse mit Messwiederholungen (Repeated-measures (M)ANOVA) Jonathan Harrington Befehle: anova2.txt pfad = "Verzeichnis wo Sie anovaobjekte gespeichert haben" attach(paste(pfad, "anovaobjekte",
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
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrDie Varianzanalyse. Jonathan Harrington
Die Varianzanalyse Jonathan Harrington Anova und t- test t- test oder ANOVA (Analysis of Variance = Varianzanalyse) Ein Faktor mit 2 Stufen ANOVA Hat Geschlecht einen Einfluss auf die Dauer? Ein Faktor
MehrInhaltsübersicht.
Inhaltsübersicht Vorwort zur vierten Auflage 1 Einleitung 2 Installation 3 Ein erster Überblick 4 Einführung in die Programmiersprache 5 Objekte 6 Dateneingabe und -management 7 Variablen bearbeiten 8
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung
Institut für Soziologie Dipl.-Soz. Methoden 2 Ausblick; Darstellung von Ergebnissen; Wiederholung Ein (nicht programmierbarer) Taschenrechner kann in der Klausur hilfreich sein. # 2 Programm Ausblick über
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick Kreuztabellen 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax
MehrAlternative Darstellung des 2-Stichprobentests für Anteile
Alternative Darstellung des -Stichprobentests für Anteile DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Bei Gültigkeit der Nullhypothese Beobachtete Response No Response Total absolut
MehrBiostatistik 101 Korrelation - Regressionsanalysen
Good Data don't need statistics Biostatistik 101 Korrelation - Regressionsanalysen Carl Herrmann IPMB Uni Heidelberg & DKFZ B080 carl.herrmann@uni-heidelberg.de Korrelation Sind Alter und Blutdruck miteinander
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
MehrEmpirische Wirtschaftsforschung in R
Empirische Wirtschaftsforschung in R Schätzung der keynesianischen Geldnachfragefunktion auf Basis von Daten der dänischen Volkswirtschaft Jonas Richter-Dumke Universität Rostock, Institut für Volkswirtschaftslehre
MehrStatistik II für Betriebswirte Vorlesung 3
Statistik II für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 30. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 3 Version:
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse 2 Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Kovarianzanalyse 5 Multivariate Varianzanalyse 6 Zweifaktorielle Varianzanalyse
MehrVorwort zur vierten Auflage Einleitung 13
http://www.beltz.de/de/nc/verlagsgruppe-beltz/gesamtprogramm.html?isbn=978-3-621-28249-9 6 Inhalt Inhalt Vorwort zur vierten Auflage 11 1 Einleitung 13 1.1 Warum R? 13 1.2 Fürwen ist dieses Buch? 14 1.3
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Juni 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden 1/46 Anpassungstests allgemein Gegeben: Häufigkeitsverteilung
Mehr9.1 Einleitung. Statistik. Qualitative 2-Weg Daten. Bsp: UCB Admissions. Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien
Statistik 91 Einleitung Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Sommersemester 2012 9 Kontingenztafeln Qualitative 2-Weg Daten Bsp: UCB Admissions Datensatz mit zwei kategorischen
MehrTest-Finder. Inhalt. Orientierung im Test-Chaos Dipl.-Psych. Dr. Guido Strunk
Test-Finder 1 Test-Finder Orientierung im Test-Chaos Dipl.-Psych. Dr. Guido Strunk Inhalt 1 Grundlagen... 2 2 Maße der zentralen Tendenz vergleichen Zwei Gruppen... 3 2.1 T-Test für unabhängige Daten...
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
MehrMittelwertsvergleich bei mehr als 2 Stichproben. Marcus Hudec
Mittelwertsvergleich bei mehr als 2 Stichproben Im Fall von 2 Gruppen kennen wir nunmehr verschiedene Varianten des t-tests für den Vergleich der Mittelwerte Liegen k > 2 Gruppen von Beobachtungen vor
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
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....................
MehrLineare Modelle in R: Zweiweg-Varianzanalyse und Kovarianzanalyse
Lineare Modelle in R: Zweiweg-Varianzanalyse und Kovarianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon im Tutorium LiMo2.pdf laden wir den GSA Datensatz R> load("gsa.rda") und wählen
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax 3. 2x2 Kreuztabellen Überblick
MehrZweifache Varianzanalyse
Zweifache Varianzanalyse Man kann mittels VA auch den (gleichzeitigen) Einfluss mehrerer Faktoren (unabhängige Variablen) auf ein bestimmtes Merkmal (abhängige Variable) analysieren. Die Wirkungen werden
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik Philipp Mitteröcker Basic terms Statistik (statistics) stammt vom lateinischen statisticum ( den Staat betreffend ) und dem italienischen statista ( Staatsmann" oder
MehrDer χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
Mehr