Forschungsmethodik Interventions- und Evaluationsforschung theoretisch begründen
|
|
- Vincent Hofer
- vor 7 Jahren
- Abrufe
Transkript
1 Forschungsmethodik Interventions- und Evaluationsforschung theoretisch begründen Biostatistik VL 5: Nichtparametrische Tests MSc Sportwissenschaft /-management, VL Statistik
2 Lernziele Nicht-parametrische Gruppenvergleiche für kontinuierliche Verteilungen kennen lernen Test nach verschiedenen Kriterien auswählen Anzahl der Gruppen unabhängige / verbundene Stichproben Den Unterschied zwischen additiver und multiplikativer Skala verstehen alternatives Vorgehen bei schiefen Verteilungen MSc Sportwissenschaft /-management, VL Statistik
3 Wahl des Verfahrens abhängige Variable: messbar, ordinal / kontinuierlich ( Skala ) unabhängige Variable (Gruppenvariable): kategorial (k=2 bzw. k>2) Fallzahl auch für kleine Stichproben Ausreißer robust gegen Ausreißer Tests k = 2 unabhängige Stichpr. Wilcoxon-Mann-Whitney U-Test k > 2 unabhängige Stichpr. Kruskal-Wallis-Test k = 2 verbundene Stichpr. Rangsummentest (Wilcoxon) Effektschätzer geschätzte mittlere Differenz Grafik Boxplot MSc Sportwissenschaft /-management, VL Statistik
4 B 5.1 Gruppenvergleich nichtparametrisch In der Diätstudie soll die Gewichtsveränderung von Frauen mit denen der Männer verglichen werden. Signifikanzniveau: 5% Extreme Werte sollen dabei nicht ins Gewicht fallen. Datei GReduktion2.sav MSc Sportwissenschaft /-management, VL Statistik
5 5.1 Einordnung Stichproben zweier Gruppen, also unabhängig abhängige Variable: kontinuierlich Fallzahl: n = relativ klein 2 ziemlich extreme Werte sollen nicht dominieren Irrtumswahrscheinlichkeit 5% Rangtest: Wilcoxon-Mann-Whitney U-Test MSc Sportwissenschaft /-management, VL Statistik
6 WMW-Test Gegeben: 2 kontinuierliche Größen X ~F 1 (x), Y ~ F 2 (x) Nullhypothese: H 0 : Die Werteverteilungen sind identisch F 1 (x) F 2 (x) Es gibt verschiedene Alternativhypothesen, z. B. Shift-Hypothesis: H A : F 1 (x) = F 2 (x) + Δ mit Δ >0 (Für jede dieser Alternativhypothesen ist ggf. ein anderer Test optimal!) MSc Sportwissenschaft /-management, VL Statistik
7 Shift-Hypothesis F(X) = F(Y+Δ) Genau für diese Situation ist der Wilcoxon-Mann- Whitney U-Test adäquat. Dann prüft er auch die Gleichheit von Mittelwert oder Median MSc Sportwissenschaft /-management, VL Statistik
8 Andere Situationen 1 Normalverteilung: Mittelwert und Streuung verschieden MSc Sportwissenschaft /-management, VL Statistik
9 Andere Situationen 2 zwei schiefe Verteilungen In solchen Situationen zeigt ein signifikanter WMW-Test einen Unterschied, aber nicht unbedingt eine Differenz der Mittelwerte oder Mediane an! Fay & Proschan (2010): Wilcoxon-Mann-Whitney or t-test? On assumptions for hypothesis tests and multiple interpretations of decision rules. Statistical Survey 4:1-39 MSc Sportwissenschaft /-management, VL Statistik
10 Wirkungsweise des WMW-Tests Summe der Ränge in beiden Gruppen (n 1, n 2 ) Mittlerer Rang müsste unter H 0 gleich sein Differenz misst die Abweichung von H 0 Aus der U-Statistik kann leicht die Proversionswahrscheinlichkeit errechnet werden: Wsk. dass bei zufälliger Paarbildung (X, Y) X größer als Y ist Ist ein "Effektmaß" MSc Sportwissenschaft /-management, VL Statistik
11 5.1 SPSS-Anforderung 1 Analysieren Nichtparametrische Tests Unabhängige Stichproben Analyse anpassen MSc Sportwissenschaft /-management, VL Statistik
12 5.1 SPSS-Anforderung 2 Analysieren Nichtparametrische Tests Unabhängige Stichproben Vorsicht vor Automatismen! SPSS mag in vielen Fällen richtig liegen, aber gelegentlich völlig daneben. Deshalb: Besser die 3 Registerkarten spezifizieren. MSc Sportwissenschaft, Vorlesung "Biometrie",
13 5.1 SPSS-Anforderung 3 Registerkarte "Felder" Testfelder: Reduktion Gruppen: Geschl Registerkarte "Einstellungen" Tests auswählen Tests anpassen Mann-Whitney-U-Test Hodge-Lehmann-Schätzung (schätzt den Median der Differenzen inkl. 1-α-Konfidenzintervall) MSc Sportwissenschaft /-management, VL Statistik
14 5.1 Optionen Testoptionen Signifikanzniveau 0.05 Konfidenzintervall 0.95 Ausführen MSc Sportwissenschaft /-management, VL Statistik
15 5.1 SPSS-Ausgabe 1 sehr schlichte (schlechte) Ausgabe als Grafik! D. h. mit p < signifikanter Unterschied zwischen Frauen und Männern. MSc Sportwissenschaft /-management, VL Statistik
16 5.1 SPSS-Ausgabe 2 Doppelklick: Modell Viewer Sehr genaue Angabe: p = 7.88*10-10 zur Konfidenzintervallübersicht MSc Sportwissenschaft /-management, VL Statistik
17 5.1 SPSS-Ausgabe 2 Modell Viewer, rechts Histogramme der beiden Gruppen Teststatistik, p-wert (lässt sich aber leider nicht kopieren!) MSc Sportwissenschaft /-management, VL Statistik
18 5.1 SPSS-Ausgabe 3 Konfidenzintervall: links unten: Konfidenzintervallübersicht Nichtparametrische Schätzung des Gruppenunterschieds 7.4 [6.0, 8.7] D. h. mit 95% Wsk. nahmen Frauen um 6.0 kg mehr ab als Männer MSc Sportwissenschaft /-management, VL Statistik
19 B 5.2 Alkoholkonsum nach Stadtteilen In 3 Stadtteilen wurden je 20 Schüler zu ihrem Alkoholkonsum befragt. MSc Sportwissenschaft /-management, VL Statistik
20 5.2 Einordnung 1 Sicht des Produzenten / Händlers: konsumierte Menge dpw ( drinks per week ) ein metrisches Merkmal. Psychosozialer Kontext / klinische Folgen: zwischen 0 und 2 sowie zwischen 3 und 5 dpw (Differenz jeweils 2) und zwischen 1 und 2 sowie zwischen 14 und 28 dpw (Quotient jeweils 2) trotz Gleichheit Differenz / Quotient verschieden zu bewerten dpw-menge in diesem Sinne kein metrisches, sondern ein ordinales Merkmal MSc Sportwissenschaft /-management, VL Statistik
21 5.2 Einordnung 2 abhängige Variable: ordinal / kontinuierlich Gruppenmerkmal: kategorial, k=3 >2 Gruppen Vergleich der Lage der Verteilung Stichprobenumfang klein (hier: 3 x 20) oder extreme Werte sollen wenig Gewicht erhalten Rangvarianzanalyse (Kruskal-Wallis-Test) MSc Sportwissenschaft /-management, VL Statistik
22 5.2 Gruppenvergleich: Rangvarianzanalyse Fragestellung: Nimmt die ordinale Variable X in einer der Gruppen A 1, A 2,..., A k von Individuen tendenziell größere oder kleinere Werte an als in anderen Gruppen? Definiere P ij = P [ X i > X j ], wobei X i ein in der Gruppe A i und X j ein in der Gruppe A j erhobener Wert ist. H 0 : P ij = P ji für alle Paare i,j Äquivalent: Ordne den X-Werten aller Gruppen (gepoolt) ihren Rang zu. H 0 : Die mittlere Rangzahl ist in jeder Gruppe dieselbe. MSc Sportwissenschaft /-management, VL Statistik
23 5.2 Anforderung in SPSS (Kruskal-Wallis-Test) Analysieren Nicht par. Tests Unabhängige Stichpr. Testfeld und Gruppenmerkmal eintragen MSc Sportwissenschaft, Vorlesung 4 "Statistik",
24 5.2 Anforderung in SPSS (Kruskal-Wallis-Test) Testoptionen / Benutzerdefiniert fehlende Werte Standard lassen Rang-ANOVA: Mehrfachvergleiche (Post-hoc-Tests!): Alle paarweise MSc Sportwissenschaft, Vorlesung "Statistik",
25 5.2 SPSS-Ausgabe: p-wert Wieder sehr schlichte (schlechte!) Ausgabe als Grafik! Aber: Doppelklick öffnet eine weitere Welt. MSc Sportwissenschaft, Vorlesung "Biometrie",
26 5.2 SPSS-Ausgabe: Modellanzeige Boxplots sind ganz nett, aber: p-wert wieder nur als Grafik (nicht in Tabelle kopierbar!) Hier verbergen sich die Post-Hoc-Tests: MSc Sportwissenschaft, Vorlesung "Biometrie",
27 5.2 SPSS-Ausgabe: Post-Hoc-Tests Mittlerer Rang zu jeder Gruppe, d. h. in der Unteren Neustadt wird am meisten getrunken. Ockergelbe Linien und Flächen kennzeichnen signifikante Paarvergleiche. 27 MSc Sportwissenscha ft, Vorlesung "Biometrie", 2015
28 5.2 Andere Möglichkeit: Alte Dialogfelder Analysieren Nichtparametrische Tests Alte Dialogfelder K unabhängige Stichproben wie vorher Variablen zuordnen 28 MSc Sportwissenscha ft, Vorlesung "Biometrie", 2015
29 5.2 Anforderung in SPSS: Gruppen Hier kann man die Vergleichsgruppen spezifizieren! (Das ist nützlich für Post-hoc- Analysen.) 29 MSc Sportwissenscha ft, Vorlesung "Biometrie", 2015
30 5.2 Anforderung in SPSS: Exakt Große Stichproben: Asymptotischer Test gültig 30 MSc Sportwissenschaft, Vorlesung "Biometrie", 2016
31 5.2 Anforderung in SPSS: Exakt Große Stichproben: Asymptotischer Test gültig Für kleine Stichproben: Simulations-Test anfordern! 31 MSc Sportwissenschaft, Vorlesung "Biometrie", 2016
32 5.2 SPSS-Ausgabe Ränge Alkoholkonsum [dpw] Stadt teil Altstadt Untere Neustadt Obere Neust adt Gesamt N Mit tlerer Rang Erster Eindruck: Mittlerer Rang der Unteren Neustadt deutlich größer, d. h. in der Tendenz sind auch die Werte größer. MSc Sportwissenschaft, Vorlesung "Biometrie",
33 5.2 SPSS-Ausgabe Asymptotischer Test Monte-Carlo-Test Exakter Test: hier nicht verfügbar Hier: fast perfekte Übereinstimmung mit asymptotischem Test MSc Sportwissenschaft, Vorlesung "Biometrie",
34 Anmerkungen Beim Vergleich von 2 Gruppen liefern Wilcoxon-Mann- Whitney und Kruskal-Wallis das gleiche Resultat (K-W ist Verallgemeinerung von W-M-W). Jonckheere-Terpstra-Test ist besser (hat größere Power), wenn die Gruppen eine Rangordnung besitzen (z. B. Probanden mehrerer Gruppen verschiedene Dosierungen derselben Therapie erhielten) und eine monotone Dosis-Response-Beziehung vermutet wird. MSc Sportwissenschaft, Vorlesung (Bio-)Statistik,
35 B 5.3 Verbundene Stichproben In einer Stichprobe von Herzinsuffizienten (N = 500) wurde baseline und im 2-Jahres-Follow-up NT-proBNP gemessen. erhöhtes NT-proBNP zeigt erhöhte Wandspannung des Herzens an, steigt mit dem Alter an hat sich als Marker bei Herzinsuffizienz etabliert, Normbereiche: weiblich: unter 50 J.: < 155 pg/ml, männlich: unter 50 J.: < 84 pg /ml J.: < 222 pg/ml J.: < 194 pg /ml MSc Sportwissenschaft /-management, VL Statistik
36 5.3 Verbundene Stichproben Hypothese: NT-proBNP erhöht sich im Zweijahresverlauf Signifikanzniveau 1% Datei Variablen age Alter b_ntpbnp f_ntpbnp NTproBNP_FU.sav NT-proBNP[pg/ml] baseline NT-proBNP[pg/ml] im Follow-up D. h. pro Patient zwei (verbundene) Messungen MSc Sportwissenschaft /-management, VL Statistik
37 5.3 Werteverteilung Grafik Alte Dialogfelder Histogramm Ganz und gar nicht normalverteilt, sehr schief mit ein paar extremen Ausreißern MSc Sportwissenschaft /-management, VL Statistik
38 5.3a Lösungsweg 1: nichtparametrischer Test abhängige Variable: kontinuierlich Verteilung: (sehr) schief Ausreißer: sollen nicht dominieren Fallzahl: N = 500 Stichproben: 2 (baseline, Follow-up verbunden!) Entscheidung: nichtparametrischer Test Wilcoxon-Test MSc Sportwissenschaft /-management, VL Statistik
39 Wilcoxon-Test (signed rank statistic) Stichproben X ~F(z) und Y ~G(z), gepaart, mind. ordinal H 0 : F(z) = G(z) Gleichheit zweier Verteilungen H A hier : F(z) > G(z) (Y hat tendenziell größere Werte) 1. Berechne für jedes Paar den Absolutwert der Differenz X - Y 2. Sortiere diese Differenzen aufsteigend der Größe nach 3. Berechne die Ränge der Differenzen und multipliziere sie mit dem Vorzeichen 4. Teststatistik = Summe dieser Ränge MSc Sportwissenschaft /-management, VL Statistik
40 5.3a SPSS-Anforderung Analysieren Nicht parametrische Tests Verbundene Stichproben Ziel: Analyse anpassen Felder: b_ntprobnp, f_ntprobnp Einstellungen: Test auswählen: Wilcoxon-Test Konfidenzintervall (Hodges-Lehmann) Optionen Signifikanzniveau 0.01 Konfidenzintervall 99 (%) Ausführen MSc Sportwissenschaft /-management, VL Statistik
41 5.3 a SPSS-Ausgabe 1 schlichte Ausgabe des p-wertes: p < 0.001, d. h. es gibt einen signifikanten Unterschied Doppelklick öffnet die Modellansicht MSc Sportwissenschaft /-management, VL Statistik
42 5.3a SPSS-Ausgabe 2 Anzeige der positiven und negativen Differenzen viel mehr positive als negative Differenzen Teststatistik und (asymptotischen ) p-wert links unten: "Ansicht zu Konfidenzintervallübersicht" MSc Sportwissenschaft /-management, VL Statistik
43 5.3a SPSS-Ausgabe 3 Konfidenzintervall-Ansicht D. h. im Median 33 pg/ml Zuwachs von baseline zum Followup Mit 99% Wsk. liegt der Zuwachs über MSc Sportwissenschaft /-management, VL Statistik
44 5.3b Anderer Ansatz Ursache schiefer Verteilungen ist oft eine multiplikative Skala: + Wachstum, + Stoffproduktion in Lebewesen, + Signalverarbeitung MSc Sportwissenschaft /-management, VL Statistik
45 Multiplikative Skala 1 gleiche Abstände usw. Effekt wächst multiplikativ z. B. Dosisverdopplung MSc Sportwissenschaft /-management, VL Statistik
46 Multiplikative Skala 2 log10(nt-probnp) Logarithmus verwandelt multiplikative Skala in additive Logarithmieren vor Einschluss in lineare Modelle MSc Sportwissenschaft /-management, VL Statistik
47 5.3b Vorüberlegung log10(nt-probnp) Logarithmieren verringert die Varianz und entfernt oft die Ausreißer Analyse mit parametrischen Methoden (hier: t-test) möglich MSc Sportwissenschaft /-management, VL Statistik
48 5.3b Realisierung in SPSS lg10(f_ntpbnp) Transformieren Variable berechnen neuen Namen Formel auf der rechten Seite ggf. Funktion (hier: lg10) aus Funktionsgruppe heraussuchen MSc Sportwissenschaft /-management, VL Statistik
49 5.3b Vergleich der Logarithmen mit gepaartem t-test Deskription N = 444, paar Probanden fehlen Korrelation sehr hoch MSc Sportwissenschaft /-management, VL Statistik
50 5.3b SPSS-Ausgabe 2 Ergebnis erfordert Rücktransformation lg10(x) "10 hoch x" Baseline- / F-U-Wert: , d. h. Werte nehmen von B F um Faktor 1/0.805 = 1.24 zu, 95%-Konfidenzintervall [1.18, 1.30] MSc Sportwissenschaft /-management, VL Statistik
51 5.3b Zuwachs NT-proBNP Der mittlere Zuwachs des Medians von 104 auf 126 entspricht ziemlich genau dem geschätzten Faktor von Der Zuwachs des Mittelwerts ist deutlich höher (schiefe Verteilung!) MSc Sportwissenschaft /-management, VL Statistik
UE 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...
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
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
Mehr12 Rangtests zum Vergleich zentraler Tendenzen
12 Rangtests zum Vergleich zentraler Tendenzen 12.1 Allgemeine Bemerkungen 12.2 Gepaarte Stichproben: Der Wilcoxon Vorzeichen- Rangtest 12.3 Unabhängige Stichproben: Der Wilcoxon Rangsummentest und der
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
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
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
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
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
MehrÜbung 4 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
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...
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
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
MehrStatistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
Mehr1.6 Der Vorzeichentest
.6 Der Vorzeichentest In diesem Kapitel soll der Vorzeichentest bzw. Zeichentest vorgestellt werden, mit dem man Hypothesen bezüglich des Medians der unabhängig und identisch stetig verteilten Zufallsvariablen
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
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
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
MehrStatistik II. Weitere Statistische Tests. Statistik II
Statistik II Weitere Statistische Tests Statistik II - 19.5.2006 1 Überblick Bisher wurden die Test immer anhand einer Stichprobe durchgeführt Jetzt wollen wir die statistischen Eigenschaften von zwei
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
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.
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
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
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrHypothesentests für Erwartungswert und Median. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15
Hypothesentests für Erwartungswert und Median für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Normalverteilung X N(μ, σ 2 ) : «X ist normalverteilt mit Erwartungswert μ und Varianz σ 2» pdf: f x = 1 2 x μ exp
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
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrÜbung 5 im Fach "Biometrie / Q1" Thema: Wilcoxon, Chi-Quadrat, multiples Testen
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrMotivation. Wilcoxon-Rangsummentest oder Mann-Whitney U-Test. Wilcoxon Rangsummen-Test Voraussetzungen. Bemerkungen
Universität Karlsruhe (TH) Forschungsuniversität gegründet 825 Wilcoxon-Rangsummentest oder Mann-Whitney U-Test Motivation In Experimenten ist die Datenmenge oft klein Daten sind nicht normalverteilt Dann
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrBiostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
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
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
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
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
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
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrSPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
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
MehrNicht-parametrische Statistik Eine kleine Einführung
Nicht-parametrische Statistik Eine kleine Einführung Überblick Anwendung nicht-parametrischer Statistik Behandelte Tests Mann-Whitney U Test Kolmogorov-Smirnov Test Wilcoxon Test Binomialtest Chi-squared
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)
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrZWEISTICHPROBENTESTS - NICHTPARAMETRISCHE TESTS
Universität Hannover Naturwiss. Fakultät BSc-Modul Biostatistik Prof. Dr. L. Hothorn (3./ 4. Semester) ZWEISTICHPROBENTESTS - NICHTPARAMETRISCHE TESTS 1. Ein motivierendes Beispiel Differences in collecting
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
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
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrFallzahlplanung bei unabhängigen Stichproben
Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme Benjamin Hofner benjamin.hofner@stat.uni-muenchen.de 12. Januar 2005 Übersicht 1. Einführung und Grundlagen der Fallzahlplanung
Mehr11. Nichtparametrische Tests
11. Nichtparametrische Tests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 In Kapitel 8 und 9 haben wir vorausgesetzt, daß die Beobachtungswerte normalverteilt sind. In diesem Fall kann
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 / Übungsaufgaben Prof. Dr. Achim Klenke http://www.aklenke.de 13. Vorlesung: 10.02.2012 1/51 Aufgabe 1 Aufgabenstellung Übungsaufgaben Ein Pharmakonzern möchte ein neues Schlankheitsmedikament
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1
MehrAnalyse von Experimenten. Stefan Hanenberg (University of Duisburg-Essen)
Analyse von Experimenten Stefan Hanenberg (University of Duisburg-Essen) Eine Intuitive Einführung Intuitive Einführung (1) siehe vorherige Vorlesung Beispiel und Diskussion Ich glaube, dass die Programmiersprache
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrGlossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung
Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind
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
MehrHerzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
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
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
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
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
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
Mehr5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest
Empirische Wirtschaftsforschung Prof. Dr. Ralf Runde 5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest Ein wesentliches Merkmal nichtparametrischer Testverfahren ist, dass diese im Allgemeinen weniger
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
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
MehrForschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser
Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
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
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrSoftware oder Tabellen (nicht Thema dieser Veranstaltung).
p-wert p-wert Der p-wert ist die Wahrscheinlichkeit, dass die Testgröße den beobachteten Wert oder einen noch extremeren Wert (,,weiter weg von H 0 ) annimmt unter der Bedingung, dass H 0 wahr ist. Bemerkungen
MehrEine Einführung in R: Statistische Tests
Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
Mehr1 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 Klassieren
MehrEin- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
MehrAuswertung 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
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
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
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
Mehr