Institut für Wirtschaftspädagogik Dipl. Hdl. Michael Fretschner Dipl. Hdl. Stephanie Starke, MBR
|
|
- Katrin Schwarz
- vor 7 Jahren
- Abrufe
Transkript
1 Proseminar Einführung in SPSS Institut für Wirtschaftspädagogik Tutoren: Monika Doll Carolin Dollinger Carolin Teicht 1
2 Was kommt heute auf Sie zu? Orga Erste Schritte in SPSS - Variablenansicht vs. Datenansicht - Definition von Variablen - Datenerfassung - Umkodieren - Prüfung der Reliabilität - Berechnen - Fälle auswählen Deskriptive Statistik und Induktive Statistik - Deskriptiv: theoretisch + Vorgehen in SPSS - Induktiv: theoretisch Prinzip der Signifikanztestung, Effektstärke, etc. Testen von Zusammenhangshypothesen (Unterschiedshypothesen nächste Woche) Arbeitsauftrag (zur nächsten Übung) Ausblick in die nächsten Veranstaltungen 2
3 WiSe 09/10 Sandra Trost Starke
4 Variablen WiSe 09/10 Sandra Trost Starke
5 Variablen Fälle WiSe 09/10 Sandra Trost Starke
6 Was kommt heute auf Sie zu? Orga Erste Schritte in SPSS - Variablenansicht vs. Datenansicht - Definition von Variablen - Datenerfassung - Umkodieren - Prüfung der Reliabilität - Berechnen - Fälle auswählen 6
7 Variablen definieren Name: kurz prägnant (keine Sonderzeichen, keine Leerzeichen, keine Ziffern zu Beginn Typ: String (Texteingaben) Numerisch (Zahleneingaben) Spaltenformat: Dezimalstellen: Variablenlabel: Wertelabel: Fehlende Werte: Anz. der Dezimalstellen des Variablenwertes bzw. des Wertelabels ausführliche Bezeichnung der Variable (auch Sonder- und Leerzeichen möglich) Kodierung (Skalenlabels) 9 bzw. 99 steht für missing data Meßniveau: Skalenniveau (metrisch, ordinal, nominal) 7
8 Übung: Erfasst die Variablen des Übungs-Kodierplans (S.1) (siehe Anhang SPSS-Reader)! Die Übungsdatei (bzw. der Fragebogen) enthält biographische Daten sowie die WiSe 09/10 Konstrukte Trierer Inventar zur Messung von chronischem Stress (TICS) und den Aspiration Index (AI). Sandra Trost Starke
9 Variablen definieren Fehlende Werte: 9 bzw. 99 9
10 Exkurs: Das Konstrukt: TICS
11 Exkurs: Das Konstrukt: AI
12 Daten eingeben In Datenansicht wechseln: Variablen Fälle Fälle (Fragebögen) fortlaufend numerisch erfassen (Die Fragebögen unserer Erhebung werden in der ersten Tutoriumsveranstaltung erfasst.) 12
13 Umkodieren die Kodierung wird verändert - Umgepolte Items - Künstliche Dichotomie Vorgehen: - anlegen einer weiteren Variable (umk_...) - Wertelables werden angepasst (1 wird 5, 2 wird 4, usw.) - neue Variable unter der alten Variable platzieren SPSS: - Transformieren + Umkodieren in andere Variable Hinweis: Das Umkodieren von Daten ist erst nach vollständiger Dateneingabe und -bereinigung sinnvoll, da korrigierte Falscheingaben nicht ausgebessert werden. Öffnen Sie daher für die weiteren Schritte die Übungsdatei. 13
14 Umkodieren in andere Variable Kodierung ändern: 1 wird zu 5 2 wird zu 4 usw. 14
15 Prüfung der Reliabilität Ausgangsidee: Messung von Auslösern von Stress (Operationalisierung mit Hilfe des TICS-Fragebogens) und angestrebter Lebensziele (Aspirationen) (Operationalisierung mit Hilfe des AI-Fragebogens) Es handelt sich bei den interessierenden Variablen um latente Konstrukte, die nicht direkt beobachtbar sind, für deren theoretische Konstruktionen allerdings standardisierte Tests (Schulz & Schlotz bzw. Klusmann et al.) zur Verfügung stehen. Jede einzelne theoretische Subskala (z. B. auch Stress aus Arbeitsüberlastung: tics_uebe ) der Konstrukte wird im vorliegenden FB hilfsweise mit 3 bis 4 Items abgebildet. Um zu prüfen, ob die 4 Items für Arbeitsüberlastung ein genaues Messinstrument (einen reliablen Test) darstellen, prüfen wir die Reliabilität der Subskala. Erst wenn sich der Test in der vorliegenden Stichprobe als messgenau darstellt, dürfen wir die Variable Arbeitsüberlastung (tics_uebe_ges) als Gesamtvariable aus den 4 Items abbilden. 15
16 Prüfung der Reliabilität hier mittels Cronbachs Alpha als Vorraussetzung, um eine Gesamtvariable (Stress aus Arbeitsüberlastung: tics_uebe) zusammenfassen zu dürfen Hinweis: Vergessen Sie nicht, die umkodierten statt der ursprünglichen Items zu verwenden. SPSS: Analysieren + Skalieren + Reliabilitätsanalyse 16
17 Prüfung der Reliabilität Ergebnisinterpretation Anzahl der ausgewerteten Fälle (gültige) Ausgeschlossene Fälle insgesamt 4 gemessene Items Reliabilität: =.859 Wie hoch korreliert das einzelne Item mit der Skala? Wie hoch wird die interne Konsistenz, wenn eines der Items weggelassen wird? 17
18 Berechnen Da sich die Reliabilität als angemessen hoch erwies, können wir die Items zu einer Gesamtvariable zusammenfassen: hier: (tics_uebe): Hinweis: Vergessen Sie nicht die umkodierten statt der ursprünglichen Items zu verwenden. SPSS: Transformieren + Variable berechnen aus der Funktionsgruppe statistisch und aus den Funktionen Mean auswählen 18
19 Fälle auswählen Auswahl von Teilbereichen aus der Stichprobe hier: Auswahl der Studierenden, die älter als 25 Jahre sind SPSS: Daten + Fälle auswählen 19
20 Fälle auswählen Ergebnis: alle gefilterten Fälle (Alter<=25) sind durchgestrichen Sollen sich nachfolgende Untersuchungen wieder auf alle Pbn beziehen, muss die Fallauswahl wieder zurück gesetzt werden: SPSS: Daten + Fälle auswählen 20
21 Übungsaufgabe Berechnen Sie für folgende Konstrukte die Gesamtvariablen: - Aspiration Index: Gesundheit (AI_gesundh_ges) - Aspiration Index: intrinsische Aspirationen (AI_intrin_ges)! (Achtung: immer zuvor die Reliabilität prüfen!)
22 Was kommt heute auf Sie zu? Orga Deskriptive Statistik und Induktive Statistik - Deskriptive Statistik theoretisch Vorgehen in SPSS - Induktive Statistik theoretisch (Prinzip der Signifikanztestung) Testen von Zusammenhangshypothesen Testen von Unterschiedshypothesen nächste Woche 22
23 Deskriptive Statistik Deskriptive, beschreibende Statistik Eigenschaften der Merkmale der Stichprobe werden zu einem bestimmten Zeitpunkt beschrieben und analysiert. Deskriptiv statistische Ergebnisse sagen ausschließlich etwas über die Objekte aus, die tatsächlich untersucht wurden. Beispiel: 2000 Bundesbürger wurden befragt, wen sie wählen würden, wenn am Sonntag Wahl wäre; eines der Ergebnisse: 7% würden die Linkspartei wählen. Wirtz & Nachtigall (2006). 23
24 Univariate Analysen Lagemaße: Aussage über zentrale Größe einer Verteilung Modalwert (Modus): häufigster Wert (ab nominalem Messniveau) Median: teilt geordnete Reihe in zwei Hälften (ab ordinalem Messniveau) Arithmetisches Mittel: 1 x= n n x i i= 1 (ab metrischem Messniveau) Streuungsmaße: Aussage, wie stark Werte um ein Lagemaß schwanken Häufigkeitsverteilung (ab nominalem Messniveau) Quartilsabstand Varianz s Standardabweichung: Spannweite: 2 1 = n 1 n i= 1 SP (x x) i = max i 2 s = x i 2 s min i x i (ab ordinalem Messniveau) (ab metrischem Messniveau) Backhaus, Erichson, Plinke & Weiber (2003). 24
25 Lage- und Streuungsparameter Zweck: - zur Gewinnung erster Eindrücke über die Verteilung der Merkmale - zur Beschreibung der Merkmale / Stichprobe - zur Bereinigung der Daten / Identifizierung von Fehleingaben - hier: Beschreibung der Stichprobe hinsichtlich des Alters SPSS: Analysieren +Deskriptive Statistik + Häufigkeiten (man kann mehrere Merkmale gleichzeitig testen hier nur Alter ausgewählt) 25
26 Lage- und Streuungsparameter Ergebnisdarstellung Anzahl der geprüften Fälle Lageparameter Streuungsparameter pro Altersklasse (von 15 bis 40) sind Häufigkeiten und Prozentwerte aufgelistet 26
27 Diagramme (insb. Histogramm) Zweck: - zur Gewinnung erster Eindrücke über die Verteilung der Merkmale - zur Beschreibung der Merkmale / Stichprobe - zur Bereinigung der Daten / Identifizierung von Fehleingaben - hier: Beschreibung der Stichprobe hinsichtlich des Alters SPSS: Analysieren +Deskriptive Statistik + Häufigkeiten 27
28 Explorative Datenanalyse Zweck: - Hier: zur Bereinigung der Daten / Identifizierung von Fehleingaben SPSS: Analysieren + Deskriptive Statistik + explorative Datenanalyse 28
29 Explorative Datenanalyse Ergebnisdarstellung Auflistung der 5 größten / kleinsten Werte der Variable Alter mit den dazugehörigen Fallnummern (Pbn): d.h. *der älteste Pbn ist 40 Jahre alt und ihr findet seinen Datensatz in der Datenansicht in Zeile 164 *im Alter von 30 Jahren sind die Pbn in Zeile 10 und 75, sowie weitere Pbn (siehe FN zu a.) 29
30 Inferenzstatistik Induktive, schließende Statistik (Inferenzstatistik) Die erfassten Objekte werden als repräsentative Teilmenge einer Population aufgefasst. Signifikanztests ermöglichen es, von den Verhältnissen in der Stichprobe auf die Verhältnisse in der Population zu schließen. Beispiel: Aus dem Ergebnis der Befragung schließen wir mit 95% Sicherheit, dass zwischen 6,7% und 7,3% die Linkspartei wählen würden. Wirtz & Nachtigall (2006). 30
31 Theoretische Grundlagen von Signifikanztestung Ablauf bei der Testung auf Signifikanz: 1. Schritt: Aufstellung der Alternativ-Hypothese (H 1 ) und der Null-Hypothese (H 0 ) Bsp: H 1 : Männer erzielen höhere Einkommen als Frauen. ( M > F ) H 0 : Männer erzielen gleich hohe oder niedrigere Einkommen als Frauen. ( M <= F ) 2. Schritt: Bestimmung einer Irrtumswahrscheinlichkeit α (0.05, 0.01 oder 0.001) 3. Schritt: Berechnung einer empirischen Teststatistik (empirischer Wert) Unterschiedshypothese: t-test (insofern Voraussetzungen erfüllt) Ergebnis: empirischer t-wert = t 4. Schritt: Ermittlung eines theoretischen Wertes für die Teststatistik unter Berücksichtigung von Irrtumswahrscheinlichkeit und Untersuchungsmerkmalen (Freiheitsgrade (df)) Ergebnis: Kritischer t-wert = t cvt (α,df) 5. Schritt: Vergleich von empirischem und theoretischem Wert der Teststatistik. Ist der empirische Wert größer als der theoretische Wert muss die Nullhypothese abgelehnt werden (interessierende Hypothese wird akzeptiert) Janssen, J, & Laatz, W., S
32 Wiederholung: Null- und Alternativhypothese Prinzip der Signifikanztestung interessierende Forschungsfrage Alternativhypothese (H 1 ) Nullhypothese (H 0 ) komplementärer Rest Beibehaltung der Alternativhypothese Statistisch prüfbar: Verwerfung der Alternativhypothese Rost, 2007, S Prinzip der Falsifikation 32
33 Theoretische Grundlagen der Signifikanztestung Gerichtete Hypothese Ungerichtete Hypothese Einseitiger Test Kritischer Wert t cv Zweiseitiger Test Kritischer Wert t cv (1- ) Konfidenz niveau /2 (1- ) Konfidenz niveau /2 Kritischer Wert t cv H 0 beibehalten H 1 verwerfen H 0 verwerfen H 1 annehmen H 0 verwerfen H 1 annehmen H 0 beibehalten H 1 verwerfen H 0 verwerfen H 1 annehmen Das Signifikanzniveau definiert die Wahrscheinlichkeit, einen Effekt zu behaupten, der in Wirklichkeit nicht existiert. Rost, D. 2007, S und ; Bortz, J., S
34 Theoretische Grundlagen der Signifikanztestung 1. Schritt: Aufstellung der Alternativ-Hypothese (H 1 ) und der Null-Hypothese (H 0 ) Bsp: H 1 : Männer erzielen höhere Einkommen als Frauen. ( M > F ) H 0 : Männer erzielen gleich hohe oder niedrigere Einkommen als Frauen. ( M <= F ) einseitige Fragestellung t-test (Unterschiedshypothese) Festlegung des Signifikanzniveaus Ermittlung des theoretischen Wertes (Verteilungstafeln: Signifikanzniveau, Freiheitsgrade) Berechnung des empirischen Testwertes 5. Schritt: Vergleich von empirischem und theoretischem Wert der Teststatistik. Ist der empirische Wert größer als der theoretische Wert muss die Nullhypothese abgelehnt werden. Ergebnis: Entweder: t>t cv : d.h. der kritische Wert fällt in das Signifikanzniveau; H 0 konnte falsifiziert werden unsere Vermutung (dass Männer höhere Einkommen erzielen als Frauen) trifft zu oder: t<t cv : d.h. der kritische Wert fällt nicht in das Signifikanzniveau; H 0 konnte nicht falsifiziert werden unsere Vermutung (dass Männer höhere Einkommen erzielen als Frauen) trifft nicht zu 34
35 Die Jagd nach den Sternen? Die Signifikanz sagt noch nichts über die praktische Relevanz von Ergebnissen aus denn bei genügend großen Stichproben kann auch ein kleiner Effekt signifikant sein/werden! 35
36 Effektstärke Ein Beispiel: Forschungshypothese: Die Abiturdurchschnittsnote von erfolgreich Studierenden (Examen) ist signifikant besser als von Studienabbrecher (Abbruch). Genauer: 2 Gruppen-Design: Examen vs. Abbruch Untersuchte Variable: Abiturdurchschnittsnote Stichprobengröße / TN pro Gruppe? 36
37 Effektstärke Alpha=0.05 d.h. wenn mind. 95% aller Fälle zeigen, dass erfolgreiche Studierende zuvor bessere Abiturdurchschnittsnoten erzielten als Studienabbrecher, erachte ich die Hypothese als bestätigt Anzahl der maximal fehlerhaften Fälle (entspricht den 5%) Gesamtstichprobengröße Bei kleinen Stichproben sind Zufälligkeiten (von der Hypothese abweichendes Ergebnis) nur in sehr geringem Maße zulässig, um ein signifikantes Ergebnis zu erzielen. Bei steigender Stichprobengröße erhöht sich die absolute Anzahl der erlaubten Zufälligkeiten. Die Wahrscheinlichkeit ein signifikantes Ergebnis zu erzielen, erhöht sich also mit steigender Stichprobengröße! FAZIT: Mit genügend großer Stichprobe wird nahezu jeder Effekt signifikant. 37
38 Mit genügend großer Stichprobe wird nahezu jeder Effekt signifikant! d.h. die Signifikanz reicht zur Bewertung der Qualität der Ergebnisse nicht aus! Ergebnisdokumentation: p-wert oder t-wert inkl. Symbolisierung (Signifikanz) (*=0.05; **=0.01;) UND Effektstärke (=praktische Relevanz) (Effektstärkenmaße sind abhängig vom Analyseinstrumentarium) Großer Effekt: Es gibt einen offensichtlichen Effekt (Studienabbrecher haben deutlich schlechtere Abiturdurchschnittsnoten, als erfolgreich Examinierte), auch in kleinen Stichproben finden sich nur wenig Zufälligkeiten (dass Studienabbrecher im Abitur bessere Noten aufweisen, als erfolgreich Examinierte). Kleiner Effekt: Der vermutete Effekt ist nur sehr vage, er lässt sich daher nur in großen Stichproben nachweisen. 38
39 Effektstärkenmaße müssen abhängig vom Analyseverfahren gewählt werden! ε d (oder ) als Effektstärkenmaß beim Mittelwertsvergleich zweier Gruppen Das Differenzmaß d ( ε) wird berechnet, indem man die Differenz zweier Mittelwerte durch die gemittelte Standardabweichung dividiert. Richtwerte für die Interpretation von Effekten ε Effektstärkenmaß d ( ) ab 0,20 kleiner Effekt ab 0,50 mittlerer Effekt ab 0,80 großer Effekt r als Effektstärkenmaß bei Korrelation von zwei Variablen Der Korrelationskoeffizient r quantifiziert die Enge des Zusammenhangs zweier Variablen. Richtwerte für die Interpretation von Effekten Effektstärkenmaß r Rost, 2007; Bortz, 2005; Bortz & Döring, ab 0,10 kleiner Effekt ab 0,30 mittlerer Effekt ab 0,50 großer Effekt 39
40 Hypothesentestung: -Fehler und -Fehler Aufgrund seiner empirischen Daten entscheidet sich der Forscher: H 0 nicht zurückzuweisen: Es gibt keinen Effekt. für H 1 : Es gibt einen Effekt. In Wirklichkeit trifft H 0 zu: Es gibt tatsächlich keinen Effekt. In Wirklichkeit trifft H 1 zu: Es gibt tatsächlich einen Effekt. Falsche Entscheidung: Fehler 2. Art: beta-fehler Falsche Entscheidung: Fehler 1. Art: alpha-fehler Rost,
41 Hypothesentestung: -Fehler und -Fehler Einflussfaktoren auf die optimale Stichprobe Populationsgröße Power (=1- ) Streuung in der Population Effektstärke Optimale Stichprobengröße Streuung in der Stichprobe Signifikanzniveau Anzahl der unabhängigen Variablen Art der Hypothese/ Art der Testung 41
42 Hypothesentestung: -Fehler und -Fehler Einflussfaktoren auf die optimale Stichprobe Populationsgröße Power (=1- ) Streuung in der Population Effektstärke Optimale Stichprobengröße Streuung in der Stichprobe Signifikanzniveau Anzahl der unabhängigen Variablen Art der Hypothese/ Art der Testung 42
43 und nun zur Inferenzstatistik Bevor wir... - Zusammenhangshypothesen / - Unterschiedshypothesen testen, führen wir zunächst eine Verteilungsanalyse der Daten durch. 43
44 Kriterien zur für die Auswahl Auswahl von von statistischen VerfahrenTest: Skalenniveau Verteilung (v. a. Normalverteilung) Fallzahl/ Stichprobengröße abhängige/ unabhängige Stichproben Anzahl der zu vergleichenden Stichproben 44
45 Verteilungsanalyse Der K-S-Test zur Prüfung auf Normalverteilung Prüfung der Normalverteilung: Kolmogorov-Smirnoff-Test H 0 : Das Merkmal xy ist normalverteilt. H 1 : Das Merkmal xy ist nicht normalverteilt. SPSS: Analysieren + Nichtparametrische Tests + K-S bei einer Stichprobe Idee: 45
46 Verteilungsanalyse Der K-S-Test zur Prüfung auf Normalverteilung Prüfung der Normalverteilung: Kolmogorov-Smirnoff-Test Interpretation des Ergebnisses H 0 : Das Merkmal xy ist normalverteilt. H 1 : Das Merkmal xy ist nicht normalverteilt. p-wert> :.041<.05 d.h. statistisch signifikantes Ergebnis d.h. H 0 wird abgelehnt d.h. H 1 wird akzeptiert Ergebnis: Merkmal xy ist nicht normalverteilt 46
47 Verteilungsanalyse Der K-S-Test zur Prüfung auf Normalverteilung Prüfung der Normalverteilung: Kolmgorov-Smirnoff-Test Interpretation des Ergebnisses Variable: AI_Gesundh_ges (Gesundheit als angestrebtes Lebensziel) p-wert> :.000<.05 d.h. statistisch signifikantes Ergebnis d.h. H 0 wird abgelehnt d.h. H 1 wird akzeptiert Ergebnis: Merkmal xy ist nicht normalverteilt 47
48 Inferenzstatistik Das Testen von Zusammenhangshypothesen 48
49 Zusammenhangshypothesen Fragen danach, ob und wie stark die Ausprägungen zweier oder mehrer Variablen miteinander variieren. Beispiele: * Je höher der Grad der Selbstwirksamkeit, desto höher der Grad der Zufriedenheit mit dem Studium. * Zwischen den motivationalen Zuständen von Studierenden und der Wahl ihrer Lebensziele besteht ein Zusammenhang. Veranschaulichung mittels Streudiagrammen (scatterplots) Bortz & Döring,
50 Zusammenhangshypothesen - Bewertung von Korrelationskoeffizienten - Die Höhe und Ausrichtung des Zusammenhangs: Die (betragsmäßige) Höhe des Effektes: Beller,
51 Zusammenhangshypothese - Zusammenhangsmaße - Zusammenhang zwischen zwei Variablen: bivariate Zusammenhänge Korrelationsrechnung Variable B Variable A Intervallskala Ordinalskala Nominalskala Intervallskala Produkt-Moment- Korrelation (Pearson) Rangkorrelation (Spearmann, Kendalls tau) Punktbiserale Korrelation Ordinalskala Rangkorrelation Biserale Korrelation Nominalskala (2stufig) Phi-Koeffizient Zusammenhang zwischen mehr als zwei Variablen: multivariate Zusammenhänge Regressionsrechnung (wird im Vertiefungsteil behandelt) Bortz & Döring,
52 Zusammenhangshypothesen Die Pearsonsche Produkt-Moment Korrelation Die Produkt-Moment Korrelation beschreibt die Enge eines linearen Zusammenhangs zwischen zwei mindestens intervallskalierten Variablen. Voraussetzung: Metrisches Variablenniveau Normalverteilte Daten Korrelationskoeffizient: r = Kovarianz: n cov * sx sy ( xi mx)*( yi my) i= cov = 1 n Signifikanztestung der P-M-Korrelation: Prüfgröße: Signifikanzprüfung: - t-verteilung - Freiheitsgrade: - Signifikanzniveau Bortz & Döring, t r * N 2 = 2 1 r df = ( N 2) 52
53 Zusammenhangshypothesen Die Pearsonsche Produkt-Moment Korrelation Korrelation von zwei (metrischen) Merkmalen: H 0 : Es existiert kein Zusammenhang zwischen den Merkmalen x und y. H 1 : Es existiert ein Zusammenhang zwischen den Merkmalen x und y. SPSS: Analysieren + Korrelation + bivariat Merkmale: x: TICS_UEBE y: AI_gesundh (beide Merkmale sind nicht normalverteilt und haben metrisches Skalenniveau) Wahl des Testes: Pearson (P-M Korrelation) Spearman Richtung des postulierten Verhältnisses: zweiseitiger vs. einseitiger Test 53
54 Zusammenhangshypothesen Die Pearsonsche Produkt-Moment Korrelation Ergebnisinterpretation: Korrelationskoeffizient: r=.-163 Höhe der Korr.: gering Höhe des Effektes: klein p-wert:.007 Korrelation wird auf dem.01-niveau signifikant (ungerichtete Hypothese) N=256 (1 missing data) 54
55 Zusammenhangshypothesen Die Pearsonsche Produkt-Moment Korrelation im Vergleich zu Spearman Ergebnisinterpretation: Pearson Korrelationskoeffizient: r=-.163 Höhe der Korr.: gering Höhe des Effektes: klein p-wert:.007 Korrelation wird auf dem.01-niveau signifikant (ungerichtete Hypothese) N=256 (1 missing data) Spearman Korrelationskoeffizient: r=-.139 (Höhe des Zusammenhangs geringer) p-wert:.026 Korrelation wird auf dem.05-niveau signifikant (p-wert größer, Signifikanz weniger offensichtlich) 55
56 Zusammenhangshypothesen Kreuztabelle: Stress aus Arbeitsüberlastung Lebensziel: Gesundheit SPSS: Analysieren + Deskriptive Statistiken + Kreuztabellen Anzahl TICS UEBE GESAMT Gesamt TICS UEBE GESAMT * AspirationIndex Gesundheit gesamt Kreuztabelle AspirationIndex Gesundheit gesamt 1 1,33 1,67 2,00 2,33 2,67 3,00 3,33 3,67 4,00 4,33 4,67 5 1, , , , , , , , , , , Gesamt 4, , , ,
57 Zusammenhangshypothesen Streudiagramm: Stress aus Arbeitsüberlastung Lebensziel: Gesundheit SPSS: Diagramme+ Diagrammerstellung 57
58 Zusammenhangshypothesen Streudiagramm: Stress aus Arbeitsüberlastung Lebensziel: Gesundheit 58
59 Zusammenhangshypothese Das Effektstärkenmaß für Pearsonsche P-M-Korrelationen Effektstärkenmaß für P-M Korrelationen: r Optimale Stichprobengröße für eine Power von 0.8: α -Niveau Kleiner Effekt Mittlerer Effekt Großer Effekt Einseitiger Test Zweiseitiger Test r ( =0,1) r ( =0,3) r ( =0,5) Beller, 2004, S
60 Zusammenhangshypothese - Schwächen von Korrelationen - Keine Schlussfolgerung auf Kausalbeziehung der Variablen möglich! Existiert ein kausaler Mechanismus? Welche Variable ist die Ursache und welche die Wirkung? Kommt der Zusammenhang direkt zustande, oder ist er vielleicht über andere Variablen vermittelt? Fazit: Korrelationen können nur Hinweise auf kausale Zusammenhänge liefern; untermauern muss man sie aber auf andere Weise. Bortz & Döring, 2006, S
61 Wie geht s jetzt weiter? Ausblick in die nächsten Veranstaltungen 61
62 Was ist Thema der nächsten Übung! Orga Beispielstudien weiter analysieren: - Welche Untersuchungen wurden genau getestet? - Wie erfolgt die Ergebnisdarstellung? - Welche Inhalte enthält die Diskussion / der Ausblick? Projektthema weiter explizieren (Arbeitsauftrag): - Welche Zusammenhangshypothesen / Unterschiedshypothesen könnten interessante Fragestellungen für die eigene Forschung sein? 62
63 Arbeitsauftrag zur nächsten Übung Orga Ein weiterer Schritt in Ihrer Projektarbeit! Versuchen Sie Ihr Forschungsvorgehen weiter zu explizieren! - Welche theoretischen Zusammenhänge / Verbindungen lassen sich zwischen Ihren beiden zu untersuchenden Konstrukten herstellen? - Finden sich in der vorliegenden Literatur bereits Evidenzen für Abhängigkeiten / Zusammenhänge? Welche konkreten Ergebnisse lassen sich als Voraussetzung aufgreifen? - Finden sich in der Literatur Implikationen / Anregungen, die auf eine Abhängigkeit / einen Zusammenhang schließen lassen? - Formulieren Sie konkrete Zusammenhangs- und Unterschiedshypothesen, welche Sie in ihrer Projektarbeit mit Hilfe von SPSS testen wollen! Nicht vergessen: - Noch ausstehende ausgefüllte Fragebögen mitbringen! 63
Statistische 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
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
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
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
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
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
MehrSommersemester Marktforschung
Dipl.-Kfm. Sascha Steinmann Universität Siegen Lehrstuhl für Marketing steinmann@marketing.uni-siegen.de Sommersemester 2010 Marktforschung Übungsaufgaben zu den Themen 3-6 mit Lösungsskizzen Aufgabe 1:
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
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
MehrGibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
Arbeitsblatt SPSS Kapitel 8 Seite Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon aus, dass Sie die Datei elporiginal.sav geöffnet haben.
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
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
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
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
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)
MehrDeskriptive Statistik Winfried Zinn
Deskriptive Statistik Winfried Zinn Inhalte Statistik 1 1. Themenblock: Grundlagen der beschreibenden Statistik: Skalenniveaus Häufigkeitsverteilungen Mittelwerte (Lagemaße) Standardabweichung und Varianzen
MehrEinführung in die Korrelationsrechnung
Einführung in die Korrelationsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Korrelationsrechnung
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
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
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1
Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Rückblick: Besonders wichtige Themen Wissenschaftstheoretischer
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrEmpirische Methoden zur Analyse gesprochener Sprache
Empirische Methoden zur Analyse gesprochener Sprache Prinzip der Hypothesenprüfung (am Beispiel des t-tests für unabhängige Stichproben) Statistische Verfahren: Einordnung Deskriptive (beschreibende) Statistik:
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
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
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.
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
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
MehrMethodik für Linguisten
Claudia Methodik für Linguisten Eine Einführung in Statistik und Versuchsplanung narr VERLAG 1 Reisevorbereitungen und Wegweiser 2 Linguistik als empirische Wissenschaft 15 2.1 Karl Popper und der Falsifikationismus
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
MehrKlausur Statistik I Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrEigene MC-Fragen SPSS
Eigene MC-Fragen SPSS 1. Welche Spalte ist in der Variablenansicht unbedingt festzulegen? [a] Variablenlabel [b] Skala [c] Name [d] Typ [e] Wertelabel 2. Wie heißt das Standardfenster von SPSS? [a] Dialogfenster
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
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
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
Mehr3.Wiederholung: Toleranzbereiche Für EX Geg:
3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet
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:
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrInhalt. Vorwort Univariate Verteilungen Verteilungen Die Normalverteilung... 47
Inhalt Vorwort... 9 1 Einleitung: Grundlagen der Statistik... 11 1.1 Die statistische Fragestellung im Forschungsprozess... 11 1.2 Grundbegriffe der Statistik... 13 1.3 Voraussetzung jeder Statistik: Die
MehrUnterschiedshypothesen Vergleiche von Häufigkeiten bzw. Mittelwerten zwischen (mindestens) zwei Gruppen Zusammenhangshypothesen Korrelationsanalysen
Statistische Überprüfung von Hypothesen Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen und logischen Sachverhalten.Allgemein bezeichnet man diejenigen Aussagen als Hypothesen,
MehrTeil / Ein paar statistische Grundlagen 25. Kapitel 1 Was Statistik ist und Warum sie benötigt Wird 2 7
Inhaltsverzeichnis Einführung 21 Über dieses Buch 21 Törichte Annahmen über den Leser 22 Wie dieses Buch aufgebaut ist 23 Teil I: Ein paar statistische Grundlagen 23 Teil II: Die beschreibende Statistik
MehrPrüfung aus Statistik 2 für SoziologInnen
Prüfung aus Statistik 2 für SoziologInnen 11. Oktober 2013 Gesamtpunktezahl =80 Name in Blockbuchstaben: Matrikelnummer: Wissenstest (maximal 16 Punkte) Kreuzen ( ) Sie die jeweils richtige Antwort an.
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 10 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 22. Dezember 2008 1 / 21 Online-Materialien Die Materialien
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 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
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen
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.
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,
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
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrKlausur: Einführung in die Statistik Sommersemester 2014
Klausur: Einführung in die Statistik Smmersemester 2014 1. Für eine statistische Analyse wird eine Reihe vn Merkmalen erfasst- Ntieren Sie jeweils mit N, O, I bzw. R, b es sich um eine Nminal-, Ordinal-,
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
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
MehrLineare Korrelation. Statistik für SozialwissenschaftlerInnen II p.143
Lineare Korrelation Statistik für SozialwissenschaftlerInnen II p.143 Produkt-Moment-Korrelation Der Produkt-Moment-Korrelationskoffizient r von Pearson ist ein Zusammenhangsmaß für metrische Variablen
MehrStatistische Datenanalyse
Wolf-Michael Kahler Statistische Datenanalyse Verfahren verstehen und mit SPSS gekonnt einsetzen 6., verbesserte und erweiterte Auflage Mit 345 Abbildungen STUDIUM VIEWEG+ TEUBNER Inhaltsverzeichnis 1
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
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
MehrLösung 1. die 1 angeben. Alternativ kann man auch. Variable berechnen wählen und dann die Summe von Q2_6 und Q2_7 wählen.
SPSS Kurs Lösungen Lösung 1 2) Erstellen Sie eine neue Variable Ausland, diese soll die Summe der im Ausland bereisten Städte (Paris, Madrid) wider spiegeln. z.b. über Transformieren Werte in Fällen zählen
MehrEinführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012
Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012 Es können von den Antwortmöglichkeiten alle, mehrere, eine oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von
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
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Überblick Letzte Woche: Messen Heute: Hypothesen Warum Hypothesen? Menschliches Erleben und Verhalten? Alltag vs. Wissenschaft Alltagsvermutung Wissenschaftliche
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2013
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2013 Die folgende Klausur umfasst 24 Fragen. Bitte bearbeiten Sie ALLE Fragen. Bei den Multiple Choice Fragen können keine, eine, mehrere
MehrFH- Management & IT. Constantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen)
FH- Management & IT Folie 1 Rückblick Häufigkeiten berechnen Mittelwerte berechnen Grafiken ausgeben Grafiken anpassen und als Vorlage abspeichern Variablenoperationen Fälle vergleichen Fälle auswählen
MehrDeskriptive Statistik
Markus Wirtz, Christof Nachtigall Deskriptive Statistik 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Statistische
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
MehrInhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen
Inhaltsverzeichnis 1 Einführung und deskriptive Statistik... 1 1.1 Wichtige mathematische Schreibweisen... 1 1.1.1 Das Summenzeichen... 1 1.1.2 Mengentheoretische Schreibweisen... 3 1.1.3 Variablentransformationen...
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.
MehrKarl Entacher. FH-Salzburg
Ahorn Versteinert Bernhard.Zimmer@fh-salzburg.ac.at Statistik @ HTK Karl Entacher FH-Salzburg karl.entacher@fh-salzburg.ac.at Beispiel 3 Gegeben sind 241 NIR Spektren (Vektoren der Länge 223) zu Holzproben
MehrInhaltsverzeichnis. Teil I Einführung
Teil I Einführung 1 Was ist Statistik?... 3 1.1 Der Begriff Statistik..................................... 3 1.2 Wozu Statistik?......................................... 4 1.3 Grundbegriffe...........................................
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 K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
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
MehrHypothesenbasierende Untersuchungen. Hypothesenbasierende Untersuchungen
Hypothesenbasierende Untersuchungen Hypothesenbasierende Untersuchungen Unterschiedshypothesen Zusammenhangshypothesen Veränderungshypothesen Äquivalenzhypothesen PD Dr. Sven Reese, LMU München 1 Definition:
MehrInstitut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation
MehrKlausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrStatistik II: Signifikanztests /2
Medien Institut : Signifikanztests /2 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Korrelation 2. Exkurs: Kausalität 3. Regressionsanalyse 4. Key Facts 2 I
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
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Überblick Letzte Woche: Messen Heute: Hypothesen Warum Hypothesen? Menschliches Erleben und Verhalten? Alltag vs. Wissenschaft Alltagsvermutung Wissenschaftliche
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
MehrInstitut für Soziologie Werner Fröhlich. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Was sind Kontingenztabellen? Wofür werden Kontingenztabellen verwendet? Aufbau und Interpretation
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
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
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
MehrInstitut für Soziologie Sabine Düval. Methoden 2. Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest
Institut für Soziologie Methoden 2 Kontingenztabellen Chi-Quadrat-Unabhängigkeitstest Aufbau der Sitzung Wiederholung Exkurs zur Inferenzstatistik Was sind Kontingenztabellen? Recodieren, Kategorisieren
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrModul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 10.01.2008 1 2 Test Anwendungen Der 2 Test ist eine Klasse von Verfahren für Nominaldaten, wobei die Verteilung der beobachteten Häufigkeiten auf zwei mehrfach gestufte Variablen
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
MehrWelche der folgenden Aussagen ist/sind richtig? Kreuzen Sie bitte jede zutreffende Aussage an.
AUFGABE 1) Z-TRANSFORMATION (4 PUNKTE) Welche der folgenden Aussagen ist/sind richtig? Kreuzen Sie bitte jede zutreffende Aussage an. Eine z-transformierte Verteilung hat einen Mittelwert von 0 und eine
MehrOnline Statistik-Coaching
Online Statistik-Coaching Modul 3 Statistisches Testen - Auswahl der passenden Methode - Durchführung mit SPSS - Interpretation und Darstellung Dipl.-Math. Daniela Keller www.statistik-und-beratung.de
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2016
Signifikanzprüfung Peter Wilhelm Herbstsemester 2016 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha-Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
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
Mehr