Definition multivariater Analysemethoden
|
|
- Hansl Schreiber
- vor 7 Jahren
- Abrufe
Transkript
1 Definition multivariater Analysemethoden Definition Multivariate Analysemethoden Multivariate Analysemethoden sind Methoden, die gleichzeitig p Merkmale (Variablen) von n Objekten (Merkmalsträger, Fälle, Personen etc.) analysieren. Basis dieser Methoden ist eine Datenmatrix X: X = x 11 x 12 x 1p x 21 x 22 x 2p x ij x n1 x n2 x np Bei p = 1 handelt es sich um univariate, bei p = 2 um bivariate Methoden. Ist p 3, so spricht man von multivariaten Methoden. Gelegentlich wird bei p = 3 auch von trivariaten Methoden gesprochen. x ij repräsentiert hier die Merkmalsausprägung für das i-te Objekt, wobei bei diesem Objekt das j-te Merkmal beobachtet wurde. Datengenerierung Umfragen Der Ablauf einer Umfrage zur Gewinnung von Daten kann in drei Phasen unterteilt werden: 1. Planungsphase 2. Feldphase 3. Auswertungsphase 10
2 Diese drei Phasen können genauer beschrieben werden: Zu 1. Planungsphase a. Erkenntnisziel b. Fragebogenkonstruktion c. Erhebungszeitraum d. Erhebungsmethode (Fragebogen zuschicken und persönlich ausfüllen lassen, PAPI, CATI, CAPI, CASI, Online-Fragebogen) e. Zielgruppe f. Incentivierung g. Skizzieren des Auswertungsplans (Methoden) Zu 2. Feldphase a. Pre-Test (Verständlichkeit, Überarbeitung) b. Datenerhebung c. Rücklaufquote (Reminder) Zu 3. Auswertungsphase a. Datenerfassung (Dateneingabe, Plausibilitätskontrolle, Kodierung) b. Datenauswertung (Methoden, Grafiken) c. Report 11
3 Fragebogengestaltung Nachfolgend einige Hinweise zur Gestaltung von Fragebögen: Glaubwürdige Kommunikation Einleitung im Anschreiben Vertrauen gewinnen (z. B. Hinweis auf Verwendungszweck und Datenschutz) Danken für die Teilnahme Kontaktmöglichkeiten angeben Neutrales und ansprechendes Design Professionalität zeigen Aufwand für den Fragebogensteller sollte deutlich werden ( Der Fragebogen ist für den Steller wichtig ) Unübersichtliches Design provoziert Fehler Fragen nummerieren Optische Hilfsmittel erlaubt (z. B. Pfeile, Hervorhebungen) Anweisungen zur Beantwortung (z. B. Bitte nur eine Antwort ankreuzen ) Gestaltung des Fragebogens: auf Länge und Strukturierung achten Die erste Frage soll möglichst Interesse wecken und leicht beantwortbar sein ( Eisbrecherfrage ) Einfache Fragen zu Beginn, heikle Fragen erst später Nach Themengebieten gruppieren 12
4 Personenbezogene (demografische und ökonomische) Fragen besser zum Schluss Eventuell konsistenzprüfende Fragen einbauen Eventuell Filterfragen, um andere Fragen überspringen zu können (inmaßeneinsetzen) Möglichst kurze Fragen entwerfen Geschätzte Dauer des Interviews angeben (Online auch: Fortschrittsbalken) Generell: alle Fragen sollten interessant sein Gestaltung der Fragen: kurz, klar, einfach Kurze, präzise Fragen Einfache Sprache keine doppelten Negationen, keine Fremdwörter, Mehrdimensionalität vermeiden, keine komplizierten Berechnungen etc. Der Befragte muss die Antwort kennen (auch können und wollen) Sensibilität bei heiklen Fragen (z. B. Kriminalität, Sexualität, Einkommen) Möglichst exakte Informationen abfragen. Aber: auf Anonymität achten Fragenreihenfolge: vom Allgemeinen zum Speziellen ( Trichter-Prinzip ) und logische Reihenfolge der Fragen Gestaltung der Antwortmöglichkeiten Bei Vorgaben: Vollständige Antwortkategorien (z. B. Rating von stimme ich voll zu bis stimme ich überhaupt nicht zu ) 13
5 keine Ahnung / Non Attitude -Feld = wertvolle Information; es soll keine Antwortmöglichkeit aufgezwungen werden Positive und negative (ausgewogene) Antwortoption (z. B. von -3 bis +3) Bei Rating: Überlegung gerade/ungerade Anzahl von Punkten Einheiten angeben Unterschiedliche Polung kann Aufmerksamkeit erhöhen Bei der Konzeption schon die Auswertung im Auge behalten Grundsätzlich: nicht manipulieren Suggestive Fragen vermeiden Keine durch Vorurteile belasteten Begriffe verwenden (z. B. Boss, Bürokrat ) Extreme Begriffe vermeiden (z. B. alles, immer) Keine Normfragen (z. B. sind Sie - wie die meisten Menschen - der Ansicht, dass...) Skalenniveaus Die Festlegung eines Skalentyps für eine Variable ist wichtig, weil davon abhängig ist, welche statistischen Auswertungen vorgenommen werden können. Der Skalentyp einer Variablen wird durch den Messvorgang festgelegt. Das Ziel des Messens ist die Zuordnung von Zahlen zu Objekten, so dass die Zahlen bestimmte Merkmale oder Eigenschaften (Variablen) der Objekte widerspiegeln. Nachfolgend ein tabellarischer Überblick über die wichtigsten Skalentypen: 14
6 Skalentyp Beispiele Merkmale mögliche rechnerische mögliche statistische Handhabung Handhabung Nominalskala Geschlecht, Familienstand, gleich oder ungleich Häufigkeitsauszählungen, Berufsgruppe, Beruf Unterscheidung der Ausprägungen möglich Kontingenztabellen und -koeffiziente, Modus (Modalwert) Ordinalskala Schulbildung (z. B. Haupt- Rangbeziehungen zwi- größer oder kleiner Median, Rangkorrelati- schule, Realschule, Gymschen den Ausprägumgem (gleich) onskoeffizient, Quantile nasium), Schulnoten interpretierbar Intervallskala Temperatur in Celsius, Ge- konstanter Werteab- Addition und Subtrak- arithmetisches Mittel, burtsjahr stand zwischen den tion (Gleichheit von Diffe- Standardabweichung, Kor- Ausprägungen; aber: kein renzen ist interpretierbar) natürlicher Nullpunkt relationskoeffizient (Pearson) (dieser wird willkürlich festgelegt) Verhältnisskala Länge, Gewicht, Einkom- Proportionalität der Division und Multipli- geometrisches Mittel, men, Preis, Zeit, Alter Ausprägungen ist interprekation (Gleichheit von Variationskoeffizient, Rela- tierbar; mit natürlichem tionen Nullpunkt Verhältnissen ist interpretierbar) 15
7 Die Transformation eines höheren auf ein niedrigeres Skalenniveau ist möglich, umgekehrt allerdings nicht (Beispiel: Einkommen (metrisch) kann in Einkommensklassen (ordinal) transformiert werden. Diese Einkommensklassen könnendanninbinäre Variablen (nominal) transformiert werden, um sagenzukönnen, ob ein Merkmal (die entsprechende Einkommensklasse) vorhanden ist oder nicht. Eine Transformation ist z. B. dann erforderlich, wenn eine logistische Regression durchgeführt werden soll). Zudem sei noch angemerkt, dass der Informationsgehalt von Daten umso höher ist, je höher das Skalenniveau ist. Gleiches gilt für Rechenoperationen und statistische Maße: Je höher das Skalenniveau ist, desto mehr Berechnungen sind möglich. Mit dem Programm SPSS ist Festlegung des Skalentyps (da: Messniveau) auf Nominal, Ordinal oder Metrisch beschränkt (Metrisch umfasst Intervall- und Verhältnisskala und die absolute Skala). Datenvorverarbeitung Datenfusionierung Gelegentlich kommt es zu dem Problem, dass die zu analysierenden Daten aus verschieden Datenquellen stammen, z. B. aus unterschiedlichen Umfragen, die auf gleiche Personen zielen. Ziel bei der Datenfusionierung ist dann die Verknüpfung dieser unterschiedlichen Datenquellen, so dass ein künstlicher Datenbestand vorhanden ist. Nicht relevant für die Datenfusionierung sind Datenfiles in unterschiedlichem Dateiformat (z. B. Excel *.xls und SPSS *.sav). Für solch einer Fusionierung gibt es Software, um Dateien von einem in das andere Dateiformat zu konvertieren bzw. es existieren Import- bzw. Exportfunktionen in den Programmen. 16
8 Die Grundidee der Datenfusionierung ist dabei folgende: Die Objekte, die sich in einem Datenfile A befinden, können von den Objekten, die sich in einem Datenfile B befinden, unterscheiden: 1. Die Objekte in Datenfile A entsprechen den Objekten in B: exakte Datenfusion 2. Die Objekte in Datenfile A unterscheiden sich von den Objekten in B: statistische Datenfusion Zu 1.: Das Problem hierbei ist das Auffinden des identischen Objektes in Datenfile A und B. Im einfachsten Fall liegt in den Datenfiles A und B eine Variable als Schlüsselvariable vor, z. B. als eindeutige Identifikationsvariable (ID) der Objekte. Ist dem nicht so, dann besteht die Möglichkeit einer Kombination von mehreren Variablen aus den Variablen Z, die sich jeweils in A und B befinden, um identische Objekte zu finden (z. B. über Name, Wohnort, Ge- 17
9 schlecht, Geburtsort). Zu 2.: Die statistische Datenfusion ist möglich über Proximitätsmaße (Ähnlichkeitsoder Distanzmaße) oder über Propensity-Scores, d. h. Wahrscheinlichkeiten zweier Objekte aus Datenfile A und B, diemöglichst nah beieinander liegen sollen (z. B. über Logit- oder Probit-Regressionsansätze). Bei der Datenfusionierung können homogene Gruppen hilfreich sein: Besteht das Datenfile A aus A=A 1 und A 2 und das Datenfile B aus B=B 1 und B 2, dann kann die Datenfusionierung über A=A 1 und B=B 1 und A=A 2 und B=B 2 erfolgen (z. B. über eine Variable Geschlecht mit Gruppe 1 der weiblichen Personen und Gruppe 2 der männlichen Personen): Darüber hinaus besteht die Möglichkeit, eine monogame oder eine po- 18
10 lygame Datenfusionierung vorzunehmen: Bei einer monogamen Datenfusionierung werden einzelne Objekte aus Datenfile B entsprechenden Objekten aus Datenfile A zugeordnet. Demgegenüber werden bei einer polygamen Datenfusionierung Ojekte aus Datenfile B mehreren Objekten aus Datenfile A zugeordnet: Behandlung fehlender Werte Die Behandlung fehlender Werte wir oftmals auch als Imputation fehlender Werte oder als Missing-Data-Problem bezeichnet. Das Problem in diesem Zusammenhang wird als Bias bzw. Verzerrung bezeichnet: Eine Stichprobe kann unter Umständen ein verzerrtes Bild der Grundgesamtheit liefern, wenn Elemente der Grundgesamtheit nicht in die Grundgesamtheit gelangen, z. B. wenn Befragte eine Frage nicht beantworten und dieses Verhalten von der gestellten Frage abhängt (Nonresponse-Bias). Ei- 19
11 ne Verzerrung - der Selection-Bias - gibt es auch, wenn z. B. Aussagen über die Bevölkerung Deutschlands getroffen werden sollen und die relevanten Merkmale über eine Onlineumfrage erhoben werden sollen: Es kann nicht die gesamte Bevölkerung in die Stichprobe gelangen, da nur ein Teil über eine Verbindung zum Internet verfügt. Es gibt verschiedene Möglichkeiten, dieses Problem zu lösen: Ignorierung des Problems, d. h. Ausschluß von Objekten oder Merkmalen mit fehlenden Werten (Complete-Case- vs. Available-Case-Analyse) (Einfache) Imputation fehlender Werte: Für jeden fehlenden Wert wird ein Wert generiert Bei der einfachen Imputation können zwei Imputationsverfahren unterschieden werden: die Mittelwertimputation und die Regressionsimputation. Bei der Mittelwertimputation werden fehlende Werte durch arithmetische Mittel (metrische Variablen), Mediane (ordinale Variablen oder höheres Skalenniveau) oder Modalwerte (nominale Variablen oder höheres Skalenniveau) ersetzt. Zudem wird bei dieser Imputationsmethode unterschieden zwischen einer unconditional und einer conditional Imputation. Bei einer unconditional Imputation werden fehlende Werte durch Lageparameter aller beobachteten Objekte ersetzt. Bei einer conditional Imputation hingegen werden fehlende Werte durch Lageparameter ersetzt, die sich aus Berechnungen für eine relevante Subgruppe der Objekte ergeben. Bei der Regressionsimputation werden fehlende Werte durch geschätzte Werte eines linearen (multiplen oder einfachen) Regressionsmodells auf Basis der übrigen, vollständig beobachteten Werte ersetzt. 20
Variablen und Skalenniveaus
Analytics Grundlagen Variablen und Skalenniveaus : Photo Credit: Unsplash, Roman Mager Statistik Was ist eigentlich eine Variable? Variable In der Datenanalyse wird häufig die Bezeichnung Variable verwendet.
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrImputation (Ersetzen fehlender Werte)
Imputation (Ersetzen fehlender Werte) Gliederung Nonresponse bias Fehlende Werte (missing values): Mechanismen Imputationsverfahren Überblick Mittelwert- / Regressions Hot-Deck-Imputation Row-Column-Imputation
MehrGestaltung von Fragebögen
Gestaltung von Fragebögen Inhalt Prinzipielles Formulieren von Fragen Antwortkategorien Kodieren von Fragebögen Erhebungsbögen (Case Record Forms) Prinzipielles Prinzipielles zu Fragebögen Studienziel
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
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. 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
MehrGundlagen empirischer Forschung & deskriptive Statistik. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Gundlagen empirischer Forschung & deskriptive Statistik Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
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
MehrI.3. Computergestützte Methoden 1. Deskriptive Statistik. Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010
I.3. Computergestützte Methoden 1. Deskriptive Statistik Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010 1 Seminarübersicht Nr. Thema 1 Deskriptive Statistik 1.1 Organisation und Darstellung von
MehrDr. Barbara Lindemann. Fragebogen. Kolloquium zur Externen Praxisphase. Dr. Barbara Lindemann 1
Dr. Barbara Lindemann Fragebogen Kolloquium zur Externen Praxisphase Dr. Barbara Lindemann 1 Überblick 1. Gütekriterien quantitativer Forschungen 2. Fragebogenkonstruktion 3. Statistische Datenanalyse
Mehr3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrSerie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6. Statistik-Tutorium. Lösungsskizzen Übung SS2005. Thilo Klein. Grundstudium Sommersemester 2008
Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Lösungsskizzen Übung SS2005 Grundstudium Sommersemester 2008 Serie 1 Serie 2 Serie 3 Serie 4 Serie 5 Serie 6 Inhalt Serie 1 Serie 2 Serie 3 Serie 4 Serie
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
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
Mehr'+4 Elisabeth Raab-Steiner / Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS-Auswertung. 4., aktualisierte und überarbeitete Auflage
'+4 Elisabeth Raab-Steiner / Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS-Auswertung 4., aktualisierte und überarbeitete Auflage facultas «4 Inhaltsverzeichnis 1 Elementare Definitionen
MehrAnalyse kategorialer Variablen Schriftliche Ausarbeitung des Referats vom 23. Mai 2002
Universität Tübingen Tübingen, im Mai 2002 Geographisches Institut Sommersemester 2002 Seminar Verarbeitung Geographischer Daten Dozent: Dr. H.-J. Rosner Referenten: Katrin Oehlkers, Helke Neuendorff,
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
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik 1 Überblick Das Gesamtbild (Ineichen & Stocker, 1996) 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
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
MehrStatistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
MehrQuantitative Methoden der Agrarmarktanalyse und des Agribusiness
Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Teil Quantitative Methoden der Agrarmarktanalyse Vorlesung: Montag und Mittwoch 8:30-10:00 Dr. Bernhard Brümmer Tel.: 0431-880-4449, Fax:
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrPlanung der Dateneingabe
Planung der Dateneingabe 1 Planung der Dateneingabe Wie kodiere ich meine Variablen? Hier muss ich bereits wissen, welche Informationen (Variablen) ich erfassen will. Zum Beispiel: Alter Geschlecht Familienstand
MehrDATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN
DATENERHEBUNG: MESSEN-OPERATIONALISIEREN - SKALENARTEN Was ist Messen? Messen - im weitesten Sinne - ist die Zuordnung von Zahlen zu Objekten und Ereignissen entsprechend einer Regel (Def. nach Stevensen
MehrDatenerhebung, Skalenniveaus und Systemdatei
Datenerhebung, Skalenniveaus und Systemdatei Institut für Geographie 1 Beispiele für verschiedene Typen von Fragen in einer standardisierten Befragung (3 Grundtypen) Geschlossene Fragen Glauben Sie, dass
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrGrundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens
Grundlagen sportwissenschaftlicher Forschung Untersuchungsplanung 2 und Grundlagen des Messens Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 AUFGABE 1. Beschreibe einen experimentellen
MehrArbeitsbuch zur deskriptiven und induktiven Statistik
Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen
Mehr1. Datei Informationen
1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten
MehrForschungsmethoden in der Sozialen Arbeit (XI)
Forschungsmethoden in der Sozialen Arbeit (XI) Fachhochschule für Sozialarbeit und Sozialpädagogik Alice-Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
Mehr1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung. Statistik und Wahrscheinlichkeitsrechnung
1 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2 Stochastik deskriptive Statistik und Wahrscheinlichkeitsrechnung Stochastik Wahrscheinlichkeitsrechnung
MehrMethoden der Klassifikation und ihre mathematischen Grundlagen
Methoden der Klassifikation und ihre mathematischen Grundlagen Mengenlehre und Logik A B "Unter einer 'Menge' verstehen wir jede Zusammenfassung M von bestimmten wohlunterschiedenen Objekten unserer Anschauung
MehrWas heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
MehrDie deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen. oder Grafiken zu beschreiben.
Die deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen wie Lage- und Streuungsmaße oder Grafiken zu beschreiben. Solche Datenmengen entstehen bei der Untersuchung
MehrAngewandte Statistik mit R
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 2., überarbeitete Auflage B 374545 GABLER Inhaltsverzeichnis Vorwort zur zweiten Auflage Tabellenverzeichnis
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrBiometrisches Tutorial III
Biometrisches Tutorial III Montag 16-18 Uhr Sitzung 3 07.05.2018 Dr. Christoph Borzikowsky Biometrisches Tutorial III 1. Anforderungen an Daten und Datenstrukturen 2. Einführung in SPSS (Grundlagen) 3.
MehrStatistik mit und ohne Zufall
Christoph Weigand Statistik mit und ohne Zufall Eine anwendungsorientierte Einführung Mit 118 Abbildungen und 10 Tabellen Physica-Verlag Ein Unternehmen von Springer Inhaltsverzeichnis Teil I Deskriptive
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
MehrÜberblick über multivariate Verfahren in der Statistik/Datenanalyse
Überblick über multivariate Verfahren in der Statistik/Datenanalyse Die Klassifikation multivariater Verfahren ist nach verschiedenen Gesichtspunkten möglich: Klassifikation nach der Zahl der Art (Skalenniveau)
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Erhebungsinstrument Lehrveranstaltung an der Fachhochschule für Sozialarbeit und Sozialpädagogik "Alice Salomon" Hochschule für Soziale Arbeit, Gesundheit, Erziehung
MehrAuswertung 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
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
MehrEmpirische Forschungsmethoden
Winfried Stier Empirische Forschungsmethoden Zweite, verbesserte Auflage Mit 22 Abbildungen und 53 Tabellen Springer L Inhaltsverzeichnis I. Grundlagen 1 1.1. Methoden, Methodologie, Empirie 1 1.2. Einige
MehrEinführung in die Statistik
Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,
MehrGrundlagen empirischer Forschung. Korpuslinguistik Heike Zinsmeister WS 2009/10
Grundlagen empirischer Forschung Korpuslinguistik Heike Zinsmeister WS 2009/0 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung des zu untersuchenden Phänomens Literaturstudien Erkundigungen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrAngewandte Statistik mit R. Eine Einführung für Ökonomen und
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 3. Auflage Springer Gabler Inhaltsverzeichnis Vorwort zur dritten Auflage Vorwort zur ersten Auflage Vorwort
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2013
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2013 1. Welche Aussage zur Statistik (in den Sozialwissenschaften) sind richtig? (2 Punkte) ( ) Statistik ist die Lehre von Methoden
MehrInhaltsverzeichnis. Vorwort. Abbildungsverzeichnis. Tabellenverzeichnis. 1 Einleitung Gegenstand Aufbau 4
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis Tabellenverzeichnis v xv xvii 1 Einleitung 1 1.1 Gegenstand 1 1.2 Aufbau 4 2 Datenerhebung - ganz praktisch 7 2.1 Einleitung 7 2.2 Erhebungsplan 7 2.2.1
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
Mehr1. Ziehen einer Stichprobe. 3. Rückschluss auf die Grundgesamtheit (induktive Statistik)
Induktive Statistik 1 Überblick 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss auf die Grundgesamtheit (induktive Statistik) 2 Begriffe
MehrWie bekomme ich einen schnellen Überblick über die bereits eingegebenen Daten?
Datenanalyse 1 Datenanalyse Wie bekomme ich einen schnellen Überblick über die bereits eingegebenen Daten? In SPSS: Die Variablenansicht sollte bereits ordentlich ausgefüllt sein! Daten öffnen: Doppelklick
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung. 5 Hypothesentests.
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung 5 Hypothesentests 6 Regression Lineare Regressionsmodelle Deskriptive Statistik:
MehrAngewandte Marktanalyse und Marktforschung
Angewandte Marktanalyse und Marktforschung #8 Datenaufbereitung und -kontrolle Tobias Berger M.A. Friedrich-Schiller-Universität Jena Fakultät für Sozial- und Verhaltenswissenschaften Institut für Sportwissenschaft
MehrStatistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrEinführung in die Statistik mit R
Einführung in die Statistik mit R Bernd Weiler syntegris information solutions GmbH Neu Isenburg Schlüsselworte Statistik, R Einleitung Es ist seit längerer Zeit möglich statistische Berechnungen mit der
MehrGliederung. Ursachen von Ergebnisverfälschung. Antworttendenzen/Urteilsfehler. Empirische Forschungsmethoden
SoSe 2017 6. Sitzung 23. Mai 2017 Gliederung Datenerhebung quantitative Forschung (Planungs- und Erhebungsphase): Urteilsverfälschung/Messfehler Maße der zentralen Tendenz 1 2 6) Quantitative empirische
MehrStatistische Matching-Verfahren
Statistische Matching-Verfahren Erste Statistik-Tage 2012 Bamberg Fürth 26./27. Juli 2012 in Bamberg Prof. Dr. Susanne Rässler Lehrstuhl für Statistik und Ökonometrie in den Sozial- und Wirtschaftswissenschaften
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
MehrWissenschaftliche Grundlagen und allgemeine Fähigkeiten I
Wissenschaftliche Grundlagen und allgemeine Fähigkeiten I Statistische Datenanalyse am PC Univ.-Prof. DI Dr. Andrea Berghold Institut für medizinische Informatik, Statistik und Dokumentation andrea.berghold@medunigraz.at
MehrName: Studiengang: B.A. MA. Vorname: In FlexNow angemeldet: Ja Nein
Name: Studiengang: B.A. MA. Vorname: In FlexNow angemeldet: Ja Nein Matrikelnummer: Studienfächer: Fachsemester: Allgemeine Hinweise: 1. Überprüfen Sie bitte, ob Sie alle Seiten der Klausurangabe vollständig
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrPRAXISORIENTIERTE EINFÜHRUNG
GRUNDLAGEN DER STATISTIK PRAXISORIENTIERTE EINFÜHRUNG Rainer Gaupp Leiter Qualität & Prozesse 1 INHALTE DER EINFÜHRUNG Theoretische Grundlagen: Natur vs. Sozialwissenschaft. Skalentypen. Streu- und Lagemasse.
MehrStichwortverzeichnis. Ausgleichsgerade 177 Ausreißer 13, 40
283 Stichwortverzeichnis a Alpha-Wert 76, 91 Alter 256 Alternativhypothese 68, 70 ANOVA siehe einfache Varianzanalyse, zweifache Varianzanalyse Anpassung 178 Anpassungstest siehe Chi-Quadrat-Anpassungstest
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
MehrFrank Lammers. Statistik I: deskriptive und explorative Statistik. Lehr- und Übungsbuch
Frank Lammers Statistik I: deskriptive und explorative Statistik Lehr- und Übungsbuch 2004 Verlag der Gesellschaft für Unternehmensrechnung und Controlling m.b.h. Vorwort I Vorwort zur zweiten Auflage
MehrStatistik I. 2. Klausur Wintersemester 2011/2012 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik I A 2. Klausur Wintersemester 2011/2012 Hamburg, 20.03.2012 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................
MehrDeskriptive Statistik
Deskriptive Statistik Lösungen+ Aufgabe 1.1 (a) Sammelnde Statistik: Wahl einer zufälligen Stichprobe aus der Grundgesamtheit. (b) Beschreibende (deskriptive) Statistik: Aufbereitung der Stichprobe (oder
MehrTeil I: Deskriptive Statistik
Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten
MehrEinführung in die Statistik
Einführung in die Statistik 1. Deskriptive Statistik 2. Induktive Statistik 1. Deskriptive Statistik 1.0 Grundbegriffe 1.1 Skalenniveaus 1.2 Empirische Verteilungen 1.3 Mittelwerte 1.4 Streuungsmaße 1.0
MehrBivariate Regressionsanalyse
Universität Bielefeld 15. März 2005 Kovarianz, Korrelation und Regression Kovarianz, Korrelation und Regression Ausgangspunkt ist folgende Datenmatrix: Variablen 1 2... NI 1 x 11 x 12... x 1k 2 x 21 x
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrVortrag Evaluation und Fragebogenkonstruktion
Vortrag Evaluation und Fragebogenkonstruktion Dipl. Soz. David Schneider, Hochschulreferat Studium und Lehre 25.04.2012 Was erwarten unsere Benutzerinnen und Benutzer von uns? Umfragen in Bibliotheken
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
MehrKapitel 3: Lagemaße. Ziel. Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt
Kapitel 3: Lagemaße Ziel Komprimierung der Daten zu einer Kenngröße, welche die Lage, das Zentrum der Daten beschreibt Dr. Matthias Arnold 52 Definition 3.1 Seien x 1,...,x n Ausprägungen eines kardinal
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig Einführungsveranstaltung am 16.4.2012 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen)
MehrMathematische Statistik. Zur Notation
Mathematische Statistik dient dazu, anhand von Stichproben Informationen zu gewinnen. Während die Wahrscheinlichkeitsrechnung Prognosen über das Eintreten zufälliger (zukünftiger) Ereignisse macht, werden
MehrFehlende Daten. Seminarvortrag im Rahmen des Seminars: Statistische Herausforderungen sozialwissenschaftlicher Studien.
Fehlende Daten Seminarvortrag im Rahmen des Seminars: Statistische Herausforderungen sozialwissenschaftlicher Studien Julia Schiele Betreuer: Professor Augustin Institut für Statistik LMU 22. Dezember
MehrInhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16
Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.
MehrGrundlagen 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