3.2 Bivariate Verteilungen

Größe: px
Ab Seite anzeigen:

Download "3.2 Bivariate Verteilungen"

Transkript

1 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von Merkmalsausprägungen (x i, y i ) Beispiele: Alter - Körpergewicht berufliche Qualifikation - Einkommen Wetter - Anzahl der Verkehrsunfälle Variablen mit verschiedenem Skalenniveau können zusammengestellt werden (Problem!) Fragen: Zusammenhang ja / nein Stärke eines evtl. vorhandene Zusammenhanges evtl. Richtung, Typ eines vorliegenden Zusammenhanges Antworten sind nur für spezielle Situationen möglich Kausalität muß in der Regel Fachwissenschaft klären Tabellen, grafische Methoden und ein großes Spektrum von Maßzahlen (Koeffizienten) wurden zur Bewertung von Zusammenhängen entwickelt (Assoziations-, Kontingenzund Korrelationskoeffizienten) 1

2 3.2.1 Darstellungen bivariater Verteilungen (zweidimensionaler Daten) Urliste für zwei Variablen Versuchsperson (Objekt) Ausprägung von Merkmal X Y 1 x 1 y 1 2 x 2 y 2 3 x 3 y n x n y n Beispiel 7: Datensatz STUDIUM.SAV (siehe PC-Praktikum): In einer Befragung von Studenten wurde einerseits das Geschlecht und andererseits eine Bewertung der psychischen Lage erfaßt. Also: X-Variable: sex - Geschlecht (nominal, dichotom) Y-Variable: psyche - Bewertung der psychischen Lage (ordinal) Zunächst Variablen einzeln untersuchen (univariate Statistik) und dann Variablen gemeinsam analysieren (multivariate bzw. bivariate Statistik): 2

3 Im Beispiel: Frage: Besteht ein Zusammenhang zwischen dem Geschlecht (Einflußgröße) und der Bewertung der psychischen Lage (abhängige Größe; Kausalstruktur!)? Bestimmung der absoluten Häufigkeiten für alle möglichen Beobachtungspaare/Kombinationen (für metrische Variable evtl. Klasseneinteilung vornehmen) Darstellung in Tabelle heißt Kontingenztafel, Kreuztabelle, (Kreuztafel) Merkmal X mit k Ausprägungen (Kategorien) a 1,..., a k Merkmal Y mit l Ausprägungen (Kategorien) b 1,..., b l h ij... absolute Häufigkeit des gleichzeitigen Auftretens der Ausprägung a i und der Ausprägung b j (also des Paares - der Kombination - (a i, b j )) Kontingenztafel = Darstellung der gemeinsamen Häufigkeitsverteilung der Merkmale X und Y (der empirischen Verteilung des bivariaten Merkmales (X, Y )) hat allgemein die Gestalt: 3

4 mit und Y b 1... b j... b l X a 1 h h 1j... h 1l h a i h i1... h ij... h il h i a k h k1... h kj... h kl h k h 1... h j... h l h h i = h = k l j=1 h ij, h i = l j=1 h j = k h j = k h ij l h ij j=1 h 11,...,h 1l,h 21,......,h k1,...,h kl heißt gemeinsame absolute Häufigkeitsverteilung von (X, Y ) Randhäufigkeiten h 1,...,h k liefern Randverteilung von X; Randhäufigkeiten h 1,...,h l liefern Randverteilung von Y Hinweis: Die Randverteilungen entsprechen den univariaten Verteilungen von X bzw. Y und h ist gleich dem Stichprobenumfang n! 4

5 grafische Veranschaulichung derartiger Tabellen: Z. B. bivariates Histogramm, besser: gestapeltes oder gruppiertes Balkendiagramm für die absoluten oder relativen gemeinsamen Häufigkeiten (Prozentsätze) Hinweis: Eine Prozentuierung sollte bei klarer Kausalstruktur immer in Richtung auf die vermuteten Einflußgröße erfolgen! bei stetigen (metrischen) Variablen: Erst Klasseneinteilung (sonst Tabelle unsinnig), Informationsverlust durch Vergröberung! bei metrischen Einzeldaten zur grafischen Darstellung oft besser: Streudiagramm oder Scatterplot (Punktwolke): Beobachtungspaare (x i, y i ), i = 1,..., n, werden als Punkte mit den Koordinaten x i und y i in der Ebene dargestellt Erahnen funktionaler Abhängigkeiten z.b. y = ax + b y = ax 2 + bx + c y = a sin(bx) + c y = f(x) lineare Abhängigkeit (metrischer Variabler) wird als Korrelation - im engeren Sinne - bezeichnet (Unterschied zur Umgangssprache!; Interpretation der Linearität!) 5

6 Beispiele: a) Variablen extrem korreliert, Korrelation positiv b) Variablen stark korreliert, Korrelation positiv c) Variablen schwach korreliert, Korrelation positiv d) Variablen nahezu unkorreliert e) Variablen negativ korreliert f) Variablen extrem korreliert, Korrelation negativ g) Variablen nahezu unkorreliert, jedoch starker funktionaler Zusammenhang Quantifizierung der Stärke der Korrelation Korrelationskoeffizient (siehe nächster Abschnitt) 6

7 3.2.2 Abhängigkeitsmaße bivariater Verteilungen Zusammenhang zwischen zwei Variablen/Merkmalen soll durch numerische Größen, Kenngrößen beschrieben werden breites Spektrum solcher Kenngrößen (auch in SPSS) Abhängig vom Skalenniveau: nominal z.b. Kontingenzkoeffizient ordinal z.b. Rangkorrelationskoeffizient metrisch z.b. Korrelationskoeffizient (Pearson) Unterschiede in der Qualität der Aussagen über mögliche Zusammenhänge: abhängig, monoton abhängig, linear abhängig gemischte Skalenniveaus Literatur Nominale Daten Grundlage: absolute Häufigkeiten h ij für das Auftreten der Merkmalskombination (a i, b j ) zweier Merkmale X und Y Kontingenztafel, Kreuztabelle Beispiel 8: Zusammenhang zwischen Spezialisierung im Abitur X (naturwiss., sprachlich, Spezialgymnasium) und Chance für Lehrvertrag als Bankkauffrau/-mann Y (sofort angenommen, sofort abgelehnt, Warteposition) 7

8 Zugehörige Kreuztabelle in allgemeiner Form: Y : angen. warten abgel. naturw. h 11 h 12 h 13 h 1 X: sprachl. h 21 h 22 h 23 h 2 spezial h 31 h 32 h 33 h 3 h 1 h 2 h 3 h = n Die (absoluten) Randhäufigkeiten (Randverteilungen) sind bekannt! Y : angen. warten abgel. naturw. n 11 n 12 n X: sprachl. n 21 n 22 n spezial n 31 n 32 n Also im Beispiel: 7 angenommen, 21 Warteposition, 14 abgelehnt (Verhältnis 1:3:2) 12 naturwiss., 24 sprachlich, 6 spezial (Verhältnis 2:4:1) 8

9 Angenommen, es besteht kein Zusammenhang zwischen X und Y, dann müßten sich diese Verhältnisse in jeder Zeile (1:3:2) bzw. Spalte (2:4:1) widerspiegeln: Y : angen. warten abgel. Anteile naturw /7 X: sprachl /7 spezial / Anteile 1/6 1/2 1/3 1 Unabhängigkeit bedeutet demnach: Inhalt h ij einer Zelle ist dann jeweils proportional zu den relativen Randhäufigkeiten und zur Gesamtzahl der Fälle: 6 = = Also: Bestimmung der bei Unabhängigkeit zu erwartenden Häufigkeiten h ij (Idealwerte bei Unabhängigkeit) gemäß: h ij = h i h j n ( = h i n h j n n ) 9

10 Tabelle dieser Werte h ij heißt Indifferenztabelle (die Verteilungen in allen Zeilen der Tabelle sind gleich und auch die Verteilungen in den Spalten sind gleich) Vergleiche mit den beobachteten Häufigkeiten h ij liefern Hinweise auf evtl. vorliegende Abhängigkeiten! Bei (näherungsweiser) Gleichheit: Merkmale X und Y (näherungsweise) empirisch unabhängig Maßzahl für die Abweichung von der Unabhängigkeit, unter Einbeziehung der Abweichungen h ij h ij : χ 2 = i,j (h ij h ij ) 2 h ij chi Summe über alle i, j Abstand der beobachteten Kreuztabelle von der zugehörigen Indifferenztabelle χ 2 Basis für weitere Kenngrößen, Bsp.: Kontingenzkoeffizient C = χ 2 χ 2 + n C = 0 empirische Unabhängigkeit, weitere Koeffizienten auf der Basis von χ 2 siehe Literatur 10

11 Hinweis: χ 2 ist sehr gut für den Nachweis der Signifikanz einer beobachteten Abhängigkeit geeignet ( schließende Statistik). Die Größe von χ 2 läßt sich aber nur schwer interpretieren. Daher kommen bei Kreuztabellen auch sogenannte PRE-Maße zum Einsatz. PRE steht für proportional reduction in error. Derartige Maße bewerten die Reduktion von Fehlern bei Vorhersagen. Verglichen wird z.b. die Vorhersage (der Verteilung) der abhängigen Größe ohne Kenntnis (der Verteilung) der Ausprägungen der Einflußgröße mit einer Vorhersage bei Kenntniss (der Verteilung) der Einflußgröße. Derartige Kenngrößen reflektieren also direkt die Reduktion eines Fehlerprozentsatzes und lassen sich entsprechend interpretieren ( Literatur, in SPSS, Keuztabellen Statistiken z.b. Lambda und Unsicherheitskoeffizient). Beispiel 7: Betrachtung von beobachteten und (bei Unabhängigkeit) erwarteten Häufigkeiten (absolut bzw. Prozentangaben) grafische Methode: gestapelte Balkendiagramme zum Vergleich der Antwortverteilung von Frauen und Männern Empirische Unabhängigkeit würde bedeuten: Gleiche Verteilung der Selbsteinstufung der psychischen Lage bei männlichen und weiblichen Befragten; also Balken sehen gleich aus für beide Geschlechter auch möglich: gruppierte Balkendiagramme 11

12 Metrische Daten Wie kann man lineare Abhängigkeit = Korrelation messen? Gegeben: n Beobachtungen zweier Merkmale X und Y : (x i, y i ), i = 1, 2,..., n. empirische Kovarianz cov(x, Y ) = 1 n 1 n (x i x)(y i ȳ) = 1 n 1 ( n x i y i n xȳ ) Interpretation: Gehören z.b. zu kleinen x i häufig kleine (große) y i, so ist das Vorzeichen von (x i x)(y i ȳ) häufig + ( ) und die Summe wird groß (klein), bei Unabhängigkeit ergibt sich ein Wert nahe 0. Nachteil: cov(x, Y ) ist von der Skalierung der Merkmale abhängig (z.b. g oder kg) 12

13 Normierung führt auf den empirischen Korrelationskoeffizienten (auch: Produkt-Moment-Korrelationskoeffizient nach Pearson und Bravais) r XY = cov(x, Y ) s X s Y n (x i x)(y i ȳ) = n (x i x) 2 n (y i ȳ) 2 = n n x i y i x 2 i n x 2 n xȳ n y 2 i nȳ 2 x, ȳ... Mittelwerte der Merkmale X bzw. Y s X, s Y... Standardabweichung der Merkmale X bzw. Y Unabhängig von der Maßeinheit Es gilt 1 r XY 1. Besteht zwischen den Merkmalen X und Y ein deterministischer linearer Zusammenhang Y = a + bx ( y i = a + b x i, i = 1,..., n ), so ist ( ) r XY = 1, wenn b > 0 1, wenn b < 0 13

14 r XY = 0 empirische Unkorreliertheit r XY (nur) Maß für die Stärke eines linearen Zusammenhanges liefert Anhaltspunkt, ob die Bestimmung einer Ausgleichsgerade sinnvoll ist ( Regressionsanalyse) 14

15 Ordinale Daten Frage nach dem Grad einer monotonen Abhängigkeit (eines gleichläufigen oder gegenläufigen Zusammenhanges) zweier Merkmale X und Y (d.h. X wächst/fällt gleichzeitig mit Y ) Es sei: Rg(x i ) Rg(y i ) Rang von x i unter den x-werten Rang von y i unter den y-werten d i = Rg(x i ) Rg(y i ) Differenz der Ränge Rangkorrelationskoeffizient nach Spearman und Krueger für ordinale Daten (ohne oder mit wenigen Bindungen) R = 1 6 n d 2 i n(n 2 1) Summe klein bei etwa gleichlaufenden Reihen (d i 0 also R 1) Summe groß bei gegenläufigen Reihen, Normierung so, daß dann R 1. Es gilt 1 R 1 Beim Fehlen von Bindungen stimmt R mit dem Korrelationskoeffizienten r, berechnet für (Rg(x i ), Rg(y i )), i = 1,..., n, überein (R erfaßt also die lineare Abhängigkeit der Folgen der Ränge der Daten und damit - auch bei metrischen Daten - die monotone Abhängigkeit der Originaldaten) 15

16 Problem: Rangplätze treten mehrfach auf, Bindungen : korrigierter Rangkorrelationskoeffizient Literatur Hinweis: Bei sehr vielen Bindungen - die häufig bei Merkmalen mit nur wenigen möglichen verschiedenen Ausprägungen zu beobachten sind (z.b. Likert-Skala) - sollten andere Kenngrößen verwendet werden. Diese beruhen auf Paarkonzepten ( konkordante Paare, diskonkordante Paare ) Literatur; in SPSS, Kreuztabellen Statistiken z.b. Kendall s τ Beispiel 8: Zusammenhang zwischen Leistung und sozialer Position in der Gruppe (n=6) i Rangplatz Leistung Rangplatz Sympathie d i d i Damit ist R = 1 = 0, 77 6 (36 1) Es besteht also ein ausgeprägter gleichläufiger Zusammenhang zwischen der Bewertung der Leistung und der Bewertung der sozialen Position in der untersuchten Gruppe. 16

Analyse bivariater Kontingenztafeln

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

Mehr

Kontingenzkoeffizient (nach Pearson)

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

Mehr

Zusammenhänge zwischen metrischen Merkmalen

Zusammenhänge zwischen metrischen Merkmalen Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl

Mehr

Kreuztabellenanalyse -Zusammenhangsmaße

Kreuztabellenanalyse -Zusammenhangsmaße Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Kreuztabellenanalyse -Zusammenhangsmaße 14. Dezember 2007 Anja Hall, Bundesinstitut für Berufsbildung, AB 2.2:

Mehr

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

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

Mehr

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur. Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte

Mehr

Abhängigkeit zweier Merkmale

Abhängigkeit zweier Merkmale Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

Beeinflusst das Geschlecht das Erwerbseinkommen?

Beeinflusst das Geschlecht das Erwerbseinkommen? 74 Kapitel 5 Analyse von Zusammenhängen 5.1 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt. Letztendlich kommt es auf die Analyse von

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

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

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

Mehr

5 Zusammenhangsmaße, Korrelation und Regression

5 Zusammenhangsmaße, Korrelation und Regression 5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

Der Internetdienst für Ihre Online-Umfragen. Leitfaden statistische Auswertung

Der Internetdienst für Ihre Online-Umfragen. Leitfaden statistische Auswertung Der Internetdienst für Ihre Online-Umfragen Leitfaden statistische Auswertung Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten einen Fragebogen

Mehr

8. Methoden der klassischen multivariaten Statistik

8. Methoden der klassischen multivariaten Statistik 8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Grundbegriffe (1) Grundbegriffe (2)

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

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

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

Mehr

3 Zusammenhangsmaße Zusammenhangshypothesen

3 Zusammenhangsmaße Zusammenhangshypothesen 3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

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

Mehr

Linearer Zusammenhang von Datenreihen

Linearer Zusammenhang von Datenreihen Linearer Zusammenhang von Datenreihen Vielen Problemen liegen (möglicherweise) lineare Zusammenhänge zugrunde: Mein Internetanbieter verlangt eine Grundgebühr und rechnet minutenweise ab Ich bestelle ein

Mehr

6.1 Grundbegriffe und historischer Hintergrund

6.1 Grundbegriffe und historischer Hintergrund Kapitel 6 Regression 61 Grundbegriffe und historischer Hintergrund Bedeutung der Regression: Eines der am häufigsten verwendeten statistischen Verfahren Vielfache Anwendung in den Sozialwissenschaften

Mehr

0 Einführung: Was ist Statistik

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

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

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

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

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

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

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

Univariate Lineare Regression. (eine unabhängige Variable)

Univariate Lineare Regression. (eine unabhängige Variable) Univariate Lineare Regression (eine unabhängige Variable) Lineare Regression y=a+bx Präzise lineare Beziehung a.. Intercept b..anstieg y..abhängige Variable x..unabhängige Variable Lineare Regression y=a+bx+e

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

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

Mehr

Grundbegriffe der Beschreibenden Statistik

Grundbegriffe der Beschreibenden Statistik Grundbegriffe der Beschreibenden Statistik 1. Datenmatrix und Messniveaus...3 1.1. Merkmale, Datenmatrix, uni- und multivariate Analysen...3 1.2. Messniveaus (Skalentypen)...4 2. Ausgewählte Verfahren

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

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

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)

Mehr

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen. Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes

Mehr

Anwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik

Anwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik Anwendung von Statistik in Excel Deskriptive Statistik und Wirtschaftsstatistik Wintersemester 08/09 Kai Schaal Universität zu Köln Organisatorisches und Einleitung (1) Was, wann, wo? Anwendung von Statistik

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

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

Mehr

Methoden Quantitative Datenanalyse

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

Mehr

Log-lineare Analyse I

Log-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

Mehr

Korrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1

Korrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1 Korrelation Die Korrelationsanalyse zeigt Zusammenhänge auf und macht Vorhersagen möglich Was ist Korrelation? Was sagt die Korrelationszahl aus? Wie geht man vor? Korrelation ist eine eindeutige Beziehung

Mehr

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Datenanalyse mit SPSS spezifische Analysen

Datenanalyse mit SPSS spezifische Analysen Datenanalyse mit SPSS spezifische Analysen Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.015 Sprechstunde: Dienstags 15-16 Uhr 25. Mai 2001 2 Auswertung von Häufigkeitsdaten

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Bivariate Chi-Quadrat-Verfahren

Bivariate Chi-Quadrat-Verfahren Inhaltsverzeichnis Bivariate Chi-Quadrat-Verfahren... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-3)... 3 1. Kontingenztafeln... 3 2. Vergleich einer bivariaten mit einer theoretisch erwarteten Verteilung...

Mehr

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3 I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von

Mehr

Felix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009

Felix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4

Mehr

Erste Schritte mit SPSS - eine Anleitung

Erste Schritte mit SPSS - eine Anleitung Der Internetdienst für Ihre Online-Umfragen Erste Schritte mit SPSS - eine Anleitung -1- Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten

Mehr

Einführung in die Statistik mir R

Einführung in die Statistik mir R Einführung in die Statistik mir R ww w. syn t egris.de Überblick GESCHÄFTSFÜHRUNG Andreas Baumgart, Business Processes and Service Gunar Hofmann, IT Solutions Sven-Uwe Weller, Design und Development Jens

Mehr

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

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

Mehr

ALM. Allgemeines lineares Modell. Teil 1. Regressionsanalyse Varianzanalyse Kovarianzanalyse Diskriminanzanalyse. Kurt Holm

ALM. Allgemeines lineares Modell. Teil 1. Regressionsanalyse Varianzanalyse Kovarianzanalyse Diskriminanzanalyse. Kurt Holm ALM Allgemeines lineares Modell Teil 1 Regressionsanalyse Varianzanalyse Kovarianzanalyse Diskriminanzanalyse Kurt Holm Almo Statistik-System www.almo-statistik.de holm@almo-statistik.de kurt.holm@jku.at

Mehr

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

Mehr

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27 Inhaltsverzeichnis Einleitung 19 SPSS oder PASW oder was? 19 Über dieses Buch 20 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut

Mehr

Multinomiale logistische Regression

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

Mehr

Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken

Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken ÜBERSICHTSARBEIT Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken Teil 7 der Serie zur Bewertung wissenschaftlicher Publikationen Albert Spriestersbach,

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

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

Mehr

Willkommen zur Vorlesung Statistik

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

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

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

Mehr

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen.

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen. 5 Statistik mit SPSS Die Durchführung statistischer Auswertungen erfolgt bei SPSS in 2 Schritten, der Auswahl der geeigneten Methode, bestehend aus Prozedur Variable Optionen und der Ausführung. 5.1 Variablen

Mehr

1 Deskriptive Statistik

1 Deskriptive Statistik 1 1 Deskriptive Statistik Statistik und die von dieser Wissenschaft bereitgestellten Methoden sind stets notwendig, wenn im Rahmen empirischer Untersuchungen Daten erhoben und analysiert werden sollen.

Mehr

2. Eindimensionale (univariate) Datenanalyse

2. Eindimensionale (univariate) Datenanalyse 2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Kapitel 23 Lineare Regression

Kapitel 23 Lineare Regression Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

Quantitative empirische Sozialforschung

Quantitative empirische Sozialforschung Heinz-Günter Micheel Quantitative empirische Sozialforschung Mit 37 Abbildungen und 34 Tabellen Ernst Reinhardt Verlag München Basel Dr. Heinz-Günter Micheel ist Privatdozent an der Fakultät für Erziehungswissenschaft

Mehr

SPSS 16 für b ummies

SPSS 16 für b ummies Felix Brosius SPSS 16 für b ummies WILEY- VCH WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsverzeichnis Über den Autor 7 Einführung 21 Über dieses Buch 21 Konventionen in diesem Buch 22 Was Sie nicht lesen müssen

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

Anhang A: Fragebögen und sonstige Unterlagen

Anhang A: Fragebögen und sonstige Unterlagen Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben

Mehr

Statistische Auswertungsverfahren mit SPSS. Prof. Dr. Andrea Raab Fachhochschule Ingolstadt

Statistische Auswertungsverfahren mit SPSS. Prof. Dr. Andrea Raab Fachhochschule Ingolstadt Inhaltliche Übersicht Informationen zum Programm SPSS Grundlagen der Programmbedienung in SPSS Befragung und Datenerstellung Daten und Variablen Deskriptive Analysemethoden 2 Das Programmpaket SPSS für

Mehr

Conjoint Analyse. Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe.

Conjoint Analyse. Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe. Conjoint Analyse CONsidered JOINTly Conjoint Analyse Ordnen Sie bitte die Objekte Ihren Präferenzen entsprechend in eine Rangreihe. traditionelle auswahlbasierte Wählen Sie bitte aus den Alternativen,

Mehr

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav Beispiel für eine multivariate Varianzanalyse () Daten: POKIV_Terror_V12.sav Es soll überprüft werden, inwieweit das ATB-Syndrom (Angst vor mit den drei Subskalen affektive Angst von, Terrorpersistenz,

Mehr

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell

Mehr

Einführung in SPSS. 1. Die Datei Seegräser

Einführung in SPSS. 1. Die Datei Seegräser Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten

Mehr

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

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

Mehr

3 Deskriptive Statistik in R (univariat)

3 Deskriptive Statistik in R (univariat) (univariat) Markus Burkhardt (markus.burkhardt@psychologie.tu-chemnitz.de) Inhalt 3.1 Ziel... 1 3.2 Häufigkeiten... 1 3.3 Deskriptive Kennziffern I Lagemaße... 2 3.4 Streuungsmaße... 5 3.5 Standardisierung:

Mehr

Gefahrene km Anzahl der. eine Summenlinie beziehungsweise Summentreppe zur graphischen Darstellung einer Häufigkeitsverteilung geeignet? 3.

Gefahrene km Anzahl der. eine Summenlinie beziehungsweise Summentreppe zur graphischen Darstellung einer Häufigkeitsverteilung geeignet? 3. SEMINAR FÜR STATISTIK Stand 17. April 23 UNIVERSITÄT MANNHEIM Aufgabensammlung zur Veranstaltung Deskriptive Statistik 1. Aufgabe Geben Sie für die Merkmale Einkommen Haarfarbe soziale Stellung Körperlänge

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

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

Mehr

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Eine Einführung für Anwender - Marcel Erlinghagen - Gelsenkirchen, Oktober 2003 Gliederung

Mehr

Binäre abhängige Variablen

Binäre abhängige Variablen Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen

Mehr

Datenanalyse aus einer unklassierten Häufigkeitstabelle

Datenanalyse aus einer unklassierten Häufigkeitstabelle Datenanalyse aus einer unklassierten Häufigkeitstabelle Worum geht es in diesem Modul? Häufigkeitstabelle Stabdiagramm Die empirische Verteilungsfunktion Quantile Worum geht es in diesem Modul? Nachdem

Mehr

Kapitel 3. Erste Schritte der Datenanalyse. 3.1 Einlesen und Überprüfen der Daten

Kapitel 3. Erste Schritte der Datenanalyse. 3.1 Einlesen und Überprüfen der Daten Kapitel 3 Erste Schritte der Datenanalyse 3.1 Einlesen und Überprüfen der Daten Nachdem die Daten erfasst worden sind, etwa mit Hilfe eines Fragebogens, ist die nächste Frage, wie ich sie in den Rechner

Mehr

Medizinische Statistik

Medizinische Statistik FH JENA Medizinische Statistik Einführung in SPSS V22 J. Schütze / M. Walther 2015 Literatur: Bühl, A.: "SPSS 20 - Einführung in die moderne Datenanalyse, 13. Auflage, Pearson Studium, 2011 Kähler, W.-M.:

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

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

Mehr

Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1

Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1 Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1 Aufgabe 1 a) BWL-Student S hat von seinem Lieblingsonkel 10.000 geschenkt bekommen mit der Auflage damit etwas Vernünftiges zu machen. Nachdem

Mehr

Diskriminanzanalyse Beispiel

Diskriminanzanalyse Beispiel Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode

Mehr

Übungen zur Veranstaltung Statistik 2 mit SPSS

Übungen zur Veranstaltung Statistik 2 mit SPSS Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

Neuerungen in Minitab 16

Neuerungen in Minitab 16 Neuerungen in Minitab 16 minitab@additive-net.de - Telefon: 06172 / 5905-30 Willkommen zu Minitab 16! Die neueste Version der Minitab Statistical Software umfasst mehr als siebzig neue Funktionen und Verbesserungen,

Mehr

Kundenzufriedenheitsbefragung 2014

Kundenzufriedenheitsbefragung 2014 Kundenzufriedenheitsbefragung 2014 Auswertungsband über alle bisher erhobenen Augenoptiker Anton Optik e.k. Februar 2015, V100 Label TÜV SÜD Management Service GmbH 1 1 2 Hintergrund der Erhebung Zusammenfassung

Mehr

Multivariate and Geostatistical Data Analysis. Multivariate and Geostatistical Data Analysis

Multivariate and Geostatistical Data Analysis. Multivariate and Geostatistical Data Analysis Multivariate and Geostatistical Data Analysis Multivariate and Geostatistical Data Analysis c 2012 Helmut Schaeben Geomathematics and Geoinformatics Technische Universität Bergakademie Freiberg, Germany

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

Quantitative Methoden der Bildungsforschung

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

Mehr

Glossar Statistik & Forschungsmethoden

Glossar Statistik & Forschungsmethoden Glossar Statistik & Forschungsmethoden Hinweis: Mit * markierte Begriffe sollten Ihnen aus der Schulzeit bekannt sein! A Abbildung (auch *Funktion): Beziehung bzw. Relation zwischen zwei Mengen, die jedem

Mehr

SPSS-Beispiel zu Kapitel 6: Methoden der Reliabilitätsbestimmung 1

SPSS-Beispiel zu Kapitel 6: Methoden der Reliabilitätsbestimmung 1 SPSS-Beispiel zu Kapitel 6: Methoden der Reliabilitätsbestimmung 1 Karin Schermelleh-Engel & Christina S. Werner Inhaltsverzeichnis 1 Empirischer Datensatz... 1 2 Interne Konsistenz... 2 3 Split-Half-Reliabilität...

Mehr