Jun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König. Interventionsstudien. Workshop am Tag der Zentren (PH Weingarten am
|
|
- Katrin Hausler
- vor 7 Jahren
- Abrufe
Transkript
1 Jun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König Interventionsstudien Workshop am Tag der Zentren (PH Weingarten am ) Weingarten, Balingen, den S. König & S. Lukas Folie 1
2 Agenda Einleitung: Zielsetzung und Grundstruktur von Interventionsstudien Das Projekt Soundkarate Statistische Auswertung Datenexploration: Aufdeckung von Eingabefehlern, Prüfung auf Normalverteilung, Berechnung von Kennwerten, explorative Datenanalyse (z. B. Konfidenzintervalle), Vergleich Ausgangsniveau (T-Test, ANOVA, Levene-Test) T-Test für gepaarte Stichproben ALM mit Messwiederholung Zufallsfaktoren und Kovariate Effektstärken Fragen und Diskussion Weingarten, den S. König & S. Lukas Folie
3 Einleitung: Zielsetzung und Grundstruktur von Interventionsstudien Weingarten, den S. König & S. Lukas Folie 3
4 Forschungsmethodische Merkmale Quantitativ erklären nomothetisch theorieprüfend deduktiv objektiv ahistorisch Prädetermination des Forschers statisch Zufallsstichprobe reduktive Datenanalyse hohes Messniveau Labor Qualitativ verstehen idiographisch theorieentwickelnd induktiv subjektiv historisierend Relevanzsysteme der Betroffenen dynamisch-prozessual theoretische Stichprobe explikative Datenanalyse niedriges Messniveau Feld Theories first! Weingarten, den S. König & S. Lukas Folie 4
5 Grundsätzliches zur Interventionsstudie Interventionsstudien sind ein in den Sozialwissenschaften, und vor allen in der dortigen Feldforschung, häufig verwendetes Design. Ein Grund liegt in ihrer relativ hohen ökologischen Validität, die Laboruntersuchungen eindeutig abzusprechen ist. => Beispiel: Qualität von Bewegungen unter Belastung. Der Workshop möchte deshalb die folgenden Ziele realisieren: Forschungsdesign Tests bzw. Testtheorie Auswertung und Dateninterpretation Weingarten, den S. König & S. Lukas Folie 5
6 Grundstruktur der Interventionsstudie Weingarten, den S. König & S. Lukas Folie 6
7 Ausgewählte Forschungsdesigns Prä-Post-Vergleich mit parallelisierten Gruppen (Quasi-Experiment) Prä-Post-Vergleich mit randomisierten Gruppen (Experiment) Prä-Post-Vergleich mit entgegengesetztem Treatment und Randomisierung der Gruppen (Experiment) Prä-Post-Messung mit Follow up-testung Weingarten, den S. König & S. Lukas Folie 7
8 Untersuchungspläne mit Messzeitpunkten Untersuchungsplan Ablauf X = Treatment O = Testung Vorteil Problem Quasi-Experiment O1 X O O1 O Reifeeffekte Externe Validität Kohorteneffekte Experiment R / O1 X O R / O1 O Generalisierung möglich Realisierung Entgegengesetztes Treatment R / O1 X+ O R / O1 X- O s. o. s. o. Mehrfachmessungen Entwicklung kann besser beschrieben werden Kohorteneffekte Weingarten, den S. König & S. Lukas Folie 8
9 Das Projekt Soundkarate Weingarten, den S. König & S. Lukas Folie 9
10 Die Theorie Weingarten, den S. König & S. Lukas Folie 10
11 Die Hypothesen Wissenschaftliche Hypothesen (Level 1): H 1: Soundkarate führt zu einer Verbesserung der körperlichen Fitness. H 0: Soundkarate hat keinen Einfluss auf die körperliche Fitness Wissenschaftliche Hypothesen (Level ): H 1.1: Soundkarate führt zu einer Verbesserung der einer Verbesserung der Rumpfkraft H 0.1: Soundkarate führt zu keiner Verbesserung der einer Verbesserung der Rumpfkraft Statistische Hypothesen: H 1.1: Die Anzahl der Sit-ups ist im Posttest höher als im Prätest H 0.1: Die Anzahl der Sit-ups ist im Posttest geringer oder gleich als im Prätest. H 1.1: μ post > μ prä H 0.1: μ post < μ prä Weingarten, den S. König & S. Lukas Folie 11
12 Die Testbatterie Nr Testitem Verbesserung Kommentar zur Validität 1 0m Sprint - Schnellkraft, Koordination Rumpfbeuge - Beweglichkeit 3 Liegestütze + Kraftausdauer 4 Sit-ups + Kraftausdauer 5 Standweitsprung + Schnellkraft 6 6-Minuten-Lauf + Ausdauer 7 Gleichgewicht - Koordination 8 Hindernislauf - Ausdauer, Koordination 9 Seitspagat + Beweglichkeit Weingarten, den S. König & S. Lukas Folie 1
13 Mittelwertvergleiche Trainingsgruppe Kontrollgruppe Nr Testitem MZP 1 MZP MZP 1 MZP 1 0m Sprint (sec) 4,89 4,75* 4,61 4,59 Rumpfbeuge (cm) -1,03 -,84**,43,93 3 Seitspagat (Grad) 111,57 108,93 108,03 109,88 4 Liegestütze (Wh) 14,15 18,49** 15,68 17,58* 5 Sit-Ups (Wh) 1,85 4,6** 1,16,5* 6 Standweitsprung (cm) 139,3 140,18 139,35 141, min Lauf (m) 873,8 873,01 857,74 947,6** 8 Gleichgewicht (sec),41 16,30** 0,78 17,87** 9 Hindernislauf (sec) 5,49 1,4** 4,77 4,00 Weingarten, den S. König & S. Lukas Folie 13
14 Datenauswertung mit SPSS Weingarten, den S. König & S. Lukas Folie 14
15 Statistische Auswertung Datenexploration: Aufdeckung von Eingabefehlern, Prüfung auf Normalverteilung, Berechnung von Kennwerten, explorative Datenanalyse (z. B. Konfidenzintervalle),. Vergleich Ausgangsniveau (ANOVA, Levene-Test für Homogenität der Varianzen) Haupt- und Interaktionseffekte: Varianzanalyse mit Messwiederholung (ALM) Gruppenentwicklung: T-Test für gepaarte Stichproben Effektstärken: Cohen s d ANCOVA und Zufallsfaktoren Zusammenschau und Gesamtinterpretation der Daten Weingarten, den S. König & S. Lukas Folie 15
16 Übersicht Freiheitsgrad was ist das eigentlich? Varianzanalysen und Berechnung der Freiheitsgrade Einfaktorielle Varianzanalyse ohne Messwiederholung Zweifaktorielle Varianzanalyse ohne Messwiederholung Einfaktorielle Varianzanalyse mit Messwiederholung Zweifaktorielle Varianzanalyse mit Messwiederholung Beispiel in SPSS Workshop mit SPSS: Varianzanalyse mit Messwiederholung Partielles Eta-Quadrat Umgang mit Ungleichheit der Varianzen Vergleich mit t-test und Cohen s d Konfidenzintervalle ANCOVA (Kovarianzanalyse) Weingarten, den S. König & S. Lukas Folie 16
17 Der Freiheitsgrad was ist das eigentlich? Eine Alternative zur Stichprobengröße, aber mathematisch leichter handhabbar Gibt Information darüber, wie eine Verteilung (z. B. eine t-verteilung) aussieht Ein Freiheitsgrad steht für die Anzahl der Werte, die in einem statistischen Ausdruck frei variieren können Beispiel: Stichprobenvarianz s²: n i1 ( x i x) Bei n = 4 und den ersten drei Abweichungen vom Mittelwert:, -6, 7, dann muss der vierte Wert = -3 sein. df also n-1 Faustregel: für jeden Mittelwert, der in die Berechnung des statistischen Ausdrucks mit eingeht, muss man einen Freiheitsgrad abziehen, z. B. bei t- Test für unabhängige Mittelwertsunterschiede; beim t-test für abhängige Messungen wird nur ein Mittelwert (der Differenz) berechnet, deswegen geht hier nur 1 Freiheitsgrad verloren 0 Sedlmeier & Renkewitz, 008, Forschungsmethoden und Statistik in der Psychologie Weingarten, den S. König & S. Lukas Folie 17
18 Die Varianzanalyse Das Grundprinzip Bei Versuchsplänen, die mehr als eine unabhängige Variable (UV) haben oder bei denen die UV mehr als zwei Stufen hat Einfaktoriell: eine UV, mehrfach gestuft Zweifaktoriell: zwei UVn, zwei oder mehrfach gestuft Ohne Messwiederholung: Zwischensubjekt-Design (Between- Subjects) mehrere Gruppen durchlaufen unterschiedliche Treatments, z. B. Kontroll- und Experimentalgruppe Mit Messwiederholung: Innersubjekt-Design (Within-Subjects) innerhalb einer Gruppe wird mehrfach gemessen, z. B. Prä-Posttest Univariat: nur eine abhängige Variable (AV) Multivariat: mehr als eine AV Weingarten, den S. König & S. Lukas Folie 18
19 Warum nicht mehrere T-Tests? Bei jedem Test, den ich mache, besteht die Irrtumswahrscheinlichkeit von 5% Wenn ich mehrere Tests mache, dann sind die Irrtumswahrscheinlichkeiten nicht mehr unabhängig voneinander zu betrachten Wenn ich mehrere Tests unter einer Fragestellung durchführe, sind auch die Testentscheidungen nicht mehr unabhängig Beispiel: Männer und Frauen unterscheiden sich in ihrer Intelligenz nicht signifikant voneinander; also suche ich weiter und teile sie in Altersgruppen auf irgendwann wird mal der Unterschied zwischen und signifikant aber könnte Zufall sein Weingarten, den S. König & S. Lukas Folie 19
20 Varianz innerhalb der Gruppen Wenn 3 Gruppen verglichen werden sollen, dann sollten deren Varianzen gleich sein und sie sollten wiederum eine Schätzung der Populationsvarianz sein: ˆ 1 ˆ ˆ ˆ 3 Pop Was ist die beste Schätzung der Populationsvarianz unter diesen Bedingungen? 1 * p Die Varianz innerhalb der Gruppen, die durch Mittelung (Poolung) der Gruppenvarianzen berechnet wird: ˆ Pop ˆ i i1 ˆ inn Minn p p p = Anzahl der Gruppen i = Index für die Gruppe Da σ jedoch eine Schätzung ist, wird bei der Berechnung der Gruppenvarianz durch n-1 dividiert: n n n xm xi xm xk... xm xp n 1 n n n xm xi xm xk... xm xp m1 m1 m1 m1 m1 m1 ˆ inn p* n 1 Weingarten, den S. König & S. Lukas Folie 0
21 Varianz zwischen den Gruppen Falls die Nullhypothese gilt (d. h. kein Unterschied zwischen den Gruppen), dann ist die Varianz der Gruppenmittelwerte multipliziert mit der Anzahl an Personen pro Gruppe eine Schätzung der Populationsvarianz anders ausgedrückt: Quadratsumme zwischen den Gruppen: n * x ˆ Für jeden Gruppenmittelwert werden die Abweichungen zum Gesamtmittelwert berechnet, quadriert und aufsummiert und mit n multipliziert Weingarten, den S. König & S. Lukas Folie 1
22 Varianz zwischen den Gruppen II Gruppeneffekt: Abweichung der Gruppenmittelwerte vom Gesamtmittelwert Im Zähler wieder die Quadratsumme diesmal zwischen den Gruppen, im Nenner die Freiheitsgrade Wenn die Varianz zwischen deutlich größer ausfällt, als die Varianz innerhalb, ist das ein Hinweis darauf, dass die Nullhypothese eher nicht zutrifft n* i1 ˆ zw Mzw p x i p 1 x Weingarten, den S. König & S. Lukas Folie
23 Gesamtvarianz Die Gesamtvarianz kann zum einen durch die Varianz innerhalb der Gruppen und zum anderen durch die Varianz zwischen den Gruppen erklärt werden: tot zw Varianz innerhalb: erklärt die Abweichungen zum Populationsmittelwert aufgrund bestehender interindividueller Unterschiede und Messfehler; ist eine Schätzung der Populationsvarianz, unabhängig davon, ob die Nullhypothese zutrifft Varianz zwischen: erklärt die Abweichungen zum Populationsmittelwert aufgrund der unterschiedlichen Gruppen (Treatments, Faktorstufen) stellt nur dann einen Schätzung der Populationsvarianz dar, wenn die Nullhypothese zutrifft; unterscheidet sie sich also nicht von der Varianz innerhalb, kann die Nullhypothese angenommen werden Weingarten, den S. König & S. Lukas Folie 3 inn
24 Einfaktorielle Varianzanalyse ohne Messwiederholung: Signifikanztest ˆ ˆ F inn zw emp M M M M zw inn n* zw inn n n n xm xi xm xk... xm xp Wenn die Nullhypothese zutrifft, und beide Quadratsummen eine Schätzung der Populationsvarianz sind, so sollte der Bruch F = 1 ergeben Je stärker die Abweichung nach oben ausfällt, desto größer ist der Unterschied zwischen den Varianzen Ist der Wert < 1, dann ist die Varianz innerhalb der Gruppen größer als zwischen und somit ebenfalls kein Unterschied zwischen den Gruppen feststellbar n p xmi Ai m1 m1 m1 p i1 x i p 1 x A i G p i = Gruppenmittelwert = Gesamtmittelwert = Anzahl der Gruppen = Index der Gruppe p i1 n* p* A G i n 1 m1 i1 Weingarten, den S. König & S. Lukas Folie 4
25 Zweifaktorielle Varianzanalyse ohne Messwiederholung Zusätzlich zu den Unterschieden zwischen Gruppen, kommen nun noch mehrere Haupt- bzw. Gruppeneffekte und potentielle Interaktionen hinzu tot zw inn zw A B AB Die Quadratsumme zwischen ist nun aus mehreren Unterquadratsummen zusammengesetzt um auf die Nullhypothese zu testen, müssen für alle Unterquadratsummen Signifikanztests durchgeführt werden Annahme auch hier: jede der Untergruppen-Quadratsummen ist ein Schätzer der Populationsvarianz, wenn die Nullhypothese zutrifft bei der Wechselwirkung leicht anders Weingarten, den S. König & S. Lukas Folie 5
26 Berechnung der Haupteffekte A n* q p A i G i1 df A p 1 ˆ A df A A B n* p q B i G j1 df B q 1 ˆ B df B B G A i B j = Gesamtmittelwert = Mittelwert des Faktors A in Gruppe i = Mittelwert des Faktors B in Gruppe j p = Anzahl der Faktorstufen von Faktor A q = Anzahl der Faktorstufen von Faktor B n = Anzahl der Personen je Gruppe Weingarten, den S. König & S. Lukas Folie 6
27 Berechnung des Interaktionseffekts AB AB df AB ˆ AB ij A i zw B j A G p 1* q 1 df AB AB B n* zw df zw p q AB ij ABij i1 j1 n* p q AB G i1 j1 p* q1 Frage, die hinter der Wechselwirkung steckt: wie müssten die Gruppenmittelwerte in jeder Zelle ausfallen, wenn angenommen wird, dass beide Faktoren voneinander unabhängig sind? Ohne Wechselwirkung ergibt sich jeder Gruppenmittelwert nur durch die Addition der beiden Haupteffekte, abzüglich des Gesamtmittelwerts Je größer die Varianz der Interaktion im Vergleich zur Varianz innerhalb ausfällt, um so wahrscheinlicher ist eine signifikante Wechselwirkung Weingarten, den S. König & S. Lukas Folie 7
28 Signifikanztests F A F B F AB ˆ ˆ ˆ ˆ A inn B inn ˆ ˆ AB inn ˆ inn inn df inn n x mij ABij m1 i1 j1 df p inn inn q p* q* n 1 Weingarten, den S. König & S. Lukas Folie 8
29 Einfaktorielle Varianzanalyse mit Messwiederholung tot zw inn inn treat Res df ˆ treat treat treat n* p 1 df treat treat p i1 ( A i G ) df ˆ Res Res Res p i1 m1 n 1* p 1 df Res Res n x mi A i P m G Weingarten, den S. König & S. Lukas Folie 9
30 Zweifaktorielle Varianzanalyse mit Messwiederholung df ˆ zwischenvp zwischenvp zwischenvp p* q* n df q j1 m1 n 1 zwischenvp zwischenvp P mj G P mj = individueller Mittelwert über alle Messzeitpunkte (pro VP) m = Index der Versuchsperson j = Index von Faktor B (Gruppenfaktor) p = Anzahl der Faktorstufen von Faktor A (Messwiederholung) q = Anzahl der Faktorstufen von Faktor B n = Anzahl der Personen je Gruppe Für jede Person m wird der Mittelwert über alle Messzeitpunkte p hinweg bestimmt: Effekt der Messwiederholung Weingarten, den S. König & S. Lukas Folie 30
31 Zweifaktorielle Varianzanalyse mit Messwiederholung II df B B B n* q 1 df B B p* q j1 B j G B stellt die Unterschiedlichkeit zwischen den Personen dar, die auf die jeweilige Gruppenzugehörigkeit zurückzuführen ist Weingarten, den S. König & S. Lukas Folie 31
32 Zweifaktorielle Varianzanalyse mit Messwiederholung III df inns inns inns p* q* df inns inns q j1 n 1 P mj B inns ist die Quadratsumme innerhalb der einzelnen Gruppen, bzw. Teilstichproben: Abweichungen zwischen den gemittelten individuellen Messwerten der Personen über die Messzeitpunkte und den jeweiligen Gruppenmittelwerten des Faktors B Weingarten, den S. König & S. Lukas Folie 3
33 Zweifaktorielle Varianzanalyse mit Messwiederholung IV df ˆ innvp innvp innvp p q i1 j1 m1 q* n* df innvp innvp n p x 1 mij P mj Messwertschwankungen innerhalb der Versuchspersonen Weingarten, den S. König & S. Lukas Folie 33
34 Zweifaktorielle Varianzanalyse mit Messwiederholung V df ˆ Res Res Res p q n q* df i1 j1 m1 p 1* n 1 Res Res x mij AB ij P mj B j Residualvarianz: Messfehler sowie die Wechselwirkung zwischen Person und Messzeitpunkt Die Streuung, die durch systematische Effekte nicht erklärt werden kann n ist hierbei die Anzahl der VP pro Bedingung! Weingarten, den S. König & S. Lukas Folie 34
35 Signifikanztests F A F B F AB ˆ ˆ ˆ ˆ A Res B inns ˆ ˆ AB Res df df df df df A B AB inns Res p 1 q 1 p 1* q 1 q* n 1 q*( p 1)*( n 1) Faktor A: Messwiederholungsfaktor Faktor B: Gruppenfaktor Weingarten, den S. König & S. Lukas Folie 35
36 Einfaktorielle Varianzanalyse in SPSS ANALYSIEREN MITTELWERTE VERGLEICHEN EINFAKTORIELLE ANOVA Wichtig: die Variablen müssen korrekt skaliert sein! AV: av1 (Kommunikation) UV: uv1 (Beruf)
37 Optionen Hiermit wird die Voraussetzung überprüft, ob die Varianzen homogen sind Nur wichtig, wenn Stichprobe gering und somit auch die Teststärke; Unterschiede zwischen den Varianzen können dann nur schwer entdeckt werden sind zwei robustere Testverfahren als der F-Test
38 Einfaktorielle Varianzanalyse Quadratsummenzerlegung zwischen den Gruppen, innerhalb der Gruppen und die Addition derer Quadratsummen geteilt durch deren Freiheitsgrade ergeben die jeweiligen Varianzanteile F s s Faktor Fehler 37,04,518 14,71 Weingarten, den S. König & S. Lukas Folie 38
39 Workshop: Varianzanalyse mit Messwiederholung H 1.1: Die Anzahl der Sit-ups ist im Posttest höher als im Prätest Weingarten, den S. König & S. Lukas Folie 39
40 Faktoren definieren Wir haben hier erstmal nur einen zweifach gestuften Faktor: Situps vor und nach dem Training; damit könnte man auch einen t-test rechnen Weingarten, den S. König & S. Lukas Folie 40
41 Faktoren (Innersubjektvariablen) auswählen Erst die Innersubjektvariablen festlegen (d.h. mit Messwiederholung), dann die Optionen Weingarten, den S. König & S. Lukas Folie 41
42 Berechnungen auswählen Interaktionen sollen angezeigt werden, sowie einzelne Mittelwerte Haupteffekte sollen verglichen werden Weingarten, den S. König & S. Lukas Folie 4
43 Ausgabe (Viewer) interpretieren Quadratsumme und Signifikanzen ändern sich nicht, Sphärizität kann deswegen angenommen werden Sollte Sphärizität nicht angenommen werden können, muss eine der Korrekturen (z.b. Greenhouse-Geisser) angewendet werden (dazu gleich mehr) Weingarten, den S. König & S. Lukas Folie 43
44 Partielles Eta-Quadrat ηp² (partielles Eta-Quadrat) ist die Effektgröße = Faktor Anteil an der totalen, der durch den Faktor erklärt werden kann Total = 13, ,886 = 496 Hier in diesem Fall sind es 6.6% = 13, Weingarten, den S. König & S. Lukas Folie 44 total
45 Exkurs: Was tun, wenn Sphärizität nicht gegeben ist? Weingarten, den S. König & S. Lukas Folie 45
46 Exkurs: Was tun, wenn Sphärizität nicht gegeben ist? Im Bericht steht dann: F(1.3, 35.53) =, p =.161 Weingarten, den S. König & S. Lukas Folie 46
47 Im Vergleich dazu: der T-Test ANALYSIEREN MITTELWERTE VERGLEICHEN T-TEST BEI VERBUNDENEN STICHPROBEN OK gibt sofort das Ergebnis Einfügen gibt die Syntax in das Syntaxfenster ein Diese Herangehensweise wird von mir empfohlen Weingarten, den S. König & S. Lukas Folie 47
48 Vergleich T-Test Weingarten, den S. König & S. Lukas Folie 48
49 Cohen s d Auch für den t-test kann die Effektstärke berechnet werden Dieser Wert nennt sich Cohen s d d x ( s 1 1 s x ) / x1 x s s 1 Mittelwert 1 Mittelwert Varianz 1 Varianz Cohen s d wird von SPSS nicht berechnet, kann aber leicht anhand der vorliegenden Daten berechnet werden d / 0,44 Weingarten, den S. König & S. Lukas Folie 49
50 Konfidenzintervalle Mithilfe des Standardfehlers des Mittelwerts können Konfidenzintervalle berechnet werden: KI x SE * z 1 Im Bereich ± 1.96 Standardabweichungen um den Mittelwert befinden sich 95% aller Werte das heißt mit einer Wahrscheinlichkeit von 95% befindet sich der Mittelwert der Grundgesamtheit innerhalb dieses Intervalls Je geringer der Standardfehler, um so enger ist das Intervall, und um so genauer wird der Mittelwert geschätzt Wahr ist: wenn sich die Konfidenzintervalle zweier zu vergleichenden Stichprobenmittelwerte nicht überlappen, dann unterscheiden sie sich signifikant voneinander Falsch ist: wenn sich die Konfidenzintervalle zweier zu vergleichenden Stichprobenmittelwerte überlappen, dann unterscheiden sie sich nicht signifikant voneinander tatsächlich können sie sich bis zu 5% überlappen und trotzdem einen signifikanten Mittelwert aufweisen, siehe z. B.: p#more Weingarten, den S. König & S. Lukas Folie 50
51 Zweifaktorielle Varianzanalyse mit Messwiederholung Zweiter Faktor: Zwischensubjektfaktor (Between-subjects) OK gibt sofort das Ergebnis Einfügen gibt die Syntax in das Syntaxfenster ein Diese Herangehensweise wird von mir empfohlen Weingarten, den S. König & S. Lukas Folie 51
52 Zweifaktorielle Varianzanalyse mit Messwiederholung II Analysis of Variance = ANOVA Weingarten, den S. König & S. Lukas Folie 5
53 Syntax Zweifaktorielle ANOVA mit Messwiederholung Withinsubjects-Faktor ist Situps, dieser ist zweifach gestuft Diagramm wird erstellt mit Gruppe in der Y-Achse und Situps in der X-Achse Mittelwerttabellen werden erstellt Deskriptive Statistik und Partielles Eta² wird ausgegeben Betweensubjects-Faktor ist Gruppe Weingarten, den S. König & S. Lukas Folie 53
54 Zweifaktorielle ANOVA mit Messwiederholung: Ergebnis df Situp df FehlerSitu p F Situp ( 1) 1 ( p 1)*( N q) ( 1)*(70 ) 68 ˆ A ˆ Res 1,419 5,10 3,498 Weingarten, den S. König & S. Lukas Folie 54
55 Zweifaktorielle ANOVA mit Messwiederholung: Ergebnis Weingarten, den S. König & S. Lukas Folie 55
56 Zweifaktorielle ANOVA mit Messwiederholung: Ergebnis Signifikanzwert: es gibt einen Haupteffekt (HE) im Faktor Situps Es gibt keine Interaktion Weingarten, den S. König & S. Lukas Folie 56
57 Zweifaktorielle ANOVA mit Messwiederholung: Diagramm Weingarten, den S. König & S. Lukas Folie 57
58 Kovarianzanalyse - ANCOVA Die Kovarianzanalyse (ANalysis of COVAriance) verbindet die ANOVA und die Regressionsanalyse Eine ANCOVA testet, ob gewisse Faktoren einen Effekt auf die AV haben, nachdem die Varianz eines quantitativen Prädiktors (der Kovariaten) berücksichtigt wurde Weingarten, den S. König & S. Lukas Folie 58
59 ANCOVA Alter wird kontrolliert Alter hat keinen Einfluss auf die Variablen Situps Weingarten, den S. König & S. Lukas Folie 59
60 Schlussfolgerungen Fragen und Diskussion Weingarten, den S. König & S. Lukas Folie 60
61 Herzlichen Dank für Ihre Aufmerksamkeit. Weingarten, den JUli 009 S. König & S. Lukas Folie 61
Hypothesentests 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
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
MehrMethodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
MehrMehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
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
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrAnwendungsaufgaben. Effektgröße bei df Zähler = df A = 1 und N = 40 (zu berechnen aus df Nenner ): Der aufgedeckte Effekt beträgt also etwa 23 %.
Anhang A: Lösungen der Aufgaben 39 beiden Kombinationen sehr hoch ist. (Dieses Ergebnis wäre aber in diesem Beispiel nicht plausibel.) 5. Der Faktor A und die Wechselwirkung werden signifikant: Lärm hat
MehrEinfaktorielle Varianzanalyse
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einfaktorielle Varianzanalyse Überblick Einführung Alphafehler-Kumulierung Grundprinzip
MehrStichprobenumfangsplanung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
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 Varianzanalyse Statistik
MehrEinfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte
Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,
MehrBeispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)
MehrEinführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
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
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
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
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 I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
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
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse 2 Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Kovarianzanalyse 5 Multivariate Varianzanalyse 6 Zweifaktorielle Varianzanalyse
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 II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrMethodenlehre. Vorlesung 6. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 6 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
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrMethodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrWebergänzung zu Kapitel 10
10.1.5 Varianzanalyse (ANOVA: analysis of variance ) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder werden zwei unterschiedliche
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
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)
LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;
MehrSkript zur Vorlesung Statistik 2
Weder die Autorin noch der Fachschaftsrat Psychologie übernimmt Irgendwelche Verantwortung für dieses Skript. Das Skript soll nicht die Lektüre der Prüfungsliteratur ersetzen. Verbesserungen und Korrekturen
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrStatistik I. Methodologie der Psychologie
Statistik I Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
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...
MehrKipp/Opitz UdS 2007/08. Experimentalmethodik
Experimentalmethodik Alltagspsychologie & Wissenschaftliche Psychologie nicht systematisch trennend zw. Richtigem und Falschem nicht methodisch kontrolliert geeignete Werkzeuge nicht kritische Überprüfung
Mehr1. Es sind einfach zu viele! Varianzanalytische Verfahren.
1. Es sind einfach zu viele! Varianzanalytische Verfahren. 1.3. Vorbereitung des Datensatzes Auch wenn im Kapitel zur Einfaktoriellen ANOVA nur ein kleiner Unterschied im Gehalt zwischen den Herkunftsländern
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 6-6) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
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
Mehr1 Übungsaufgaben zur Regressionsanalyse
1 Übungsaufgaben zur Regressionsanalyse 1 1 Übungsaufgaben zur Regressionsanalyse 1.1 Übungsaufgaben zu Seite 1 und 2 1. Wie lautet die Regressionsfunktion? 2. Welche Absatzmenge ist im Durchschnitt bei
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
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori Berechnen der Effektgröße f aus empirischen Daten und Bestimmung
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
MehrZweifache Varianzanalyse
Zweifache Varianzanalyse Man kann mittels VA auch den (gleichzeitigen) Einfluss mehrerer Faktoren (unabhängige Variablen) auf ein bestimmtes Merkmal (abhängige Variable) analysieren. Die Wirkungen werden
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
MehrEinführung in Web- und Data-Science
Einführung in Web- und Data-Science Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Tanya Braun (Übungen) P-Wert (einseitiger Ablehnungsbereich) Hypothesentest H 0 vs. H 1
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrSeminar: Multivariate Analysemethoden. Dozent: Dr. Thomas Schäfer. Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz
Seminar: Multivariate Analysemethoden Dozent: Dr. Thomas Schäfer Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz 22.05.2012 GLIEDERUNG 1. Einführung 1.1 unsere Fragestellungen 1.2 unsere
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrInferenzstatistik verstehen
Markus Janczyk Roland Pfister Inferenzstatistik verstehen Von A wie Signifikanztest bis Z wie Konfidenzintervall ^ Springer Spektrum vii 1 Einführung und deskriptive Statistik 1 1.1 Wichtige mathematische
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:
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
Mehrmethodenlehre ll ALM und Mehrfaktorielle ANOVA Mehrfaktorielle ANOVA methodenlehre ll ALM und Mehrfaktorielle ANOVA
15.04.009 Das Allgemeine lineare Modell Post hoc Tests bei der ANOVA Mehrfatorielle ANOVA Thomas Schäfer SS 009 1 Das Allgemeine lineare Modell (ALM) Varianz als Schlüsselonzept "The main technical function
MehrGlossar. den man als mindesten oder interessanten Effekt für die Population annimmt. Anpassungstest; 148 f., 151: Der Anpassungstest
Literatur Aron, A., Aron, E. N., and Coups, E. J. (2009). Statistics for Psychology. Upper Saddle River: Prentice Hall. Backhaus, K.; Erichson, B.; Plinke, W. und Weiber, R. (2006). Multivariate Analysemethoden.
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
MehrAufgaben zu Kapitel 3
Aufgaben zu Kapitel 3 Aufgabe 1 a) Berechnen Sie einen t-test für unabhängige Stichproben für den Vergleich der beiden Verarbeitungsgruppen strukturell und emotional für die abhängige Variable neutrale
Mehr3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
MehrForschungsmethoden VORLESUNG SS 2018
Forschungsmethoden VORLESUNG SS 2018 SOPHIE LUKES Überblick Letzte Woche: - Hypothesen Heute: -Versuchspläne Rückblick Hypothesentesten Merkmale von Hypothesen verschiedene Arten von Hypothesen Logik des
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Juni 2014 Waldherr / Christodoulides Einführung in Quantitative Methoden 1/46 Anpassungstests allgemein Gegeben: Häufigkeitsverteilung
MehrStatistische Methoden in der MMST: Schließende Statistik
Statistische Methoden in der MMST: Schließende Statistik VL MMST Wintersemester 2014/15 Professur für Prozessleittechnik L. Urbas; J. Pfeffer S6 - Dateninterpretation und Schlussfolgerung Versuchsdurchführung
Mehr1. Es sind einfach zu viele! Varianzanalytische Verfahren.
1. Es sind einfach zu viele! Varianzanalytische Verfahren. In diesem Kapitel behandeln wir die Varianzanalyse (ANOVA). Varianzanalysen kommen in sehr sehr vielen verschiedenen Gestalten einher. Das Ziel
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
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
MehrFür diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte
Voraussetzung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte Themen sind: media.crgraph.de/hypothesentests.pdf media.crgraph.de/multiple_regression.pdf
MehrWeitere Varianzanalysen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Weitere Varianzanalysen Überblick Varianzanalyse mit Messwiederholung Kovarianzanalyse
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrStatistik III. Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS.
Statistik III Einfaktorielle Varianzanalyse (ANOVA), Regressionsanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
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
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Überblick Letzte Woche: - Hypothesen Heute: -Versuchspläne Rückblick Hypothesentesten Kriterien von Hypothesen verschiedene Arten von Hypothesen Logik
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
MehrWörterbuch zur Statistik III. Um den Einfluss der Kovariablen bereinigte Mittelwerte Man schaut die Zentroide an und bildet den Mittelwert aller Vpn.
Adjustierte Mittelwerte Wörterbuch zur Statistik III. Um den Einfluss der Kovariablen bereinigte Mittelwerte Man schaut die Zentroide an und bildet den Mittelwert aller Vpn. ŷ ŷ X - x X Gemeinsamer Mittelwert
Mehr2.5 Lineare Regressionsmodelle
2.5.1 Wiederholung aus Statistik I Gegeben Datenpunkte (Y i, X i ) schätze die beste Gerade Y i = β 0 + β 1 X i, i = 1,..., n. 2 Induktive Statistik 409 Bsp. 2.30. [Kaffeeverkauf auf drei Flohmärkten]
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 5. Juni 2013 Christodoulides / Waldherr Einführung in Quantitative Methoden- 11. VO 1/48 Anpassungstests allgemein Gegeben:
Mehr1 Varianzanalyse (ANOVA)
1 Varianzanalyse (ANOVA) Ziele: Erklärung einer Meßgröße durch ein additves Modell. Abschätzung der Wirkungsweise von Einflußfaktoren, ihres Zusammenwirkens und ihres anteiligen Beitrages an der Variation
MehrThema der Stunde. I. Die Form der Stichprobenkennwerteverteilung. II. Schlüsse von der Stichprobe auf die Population
Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung II. Schlüsse von der Stichprobe auf die Population III. t-test für unabhängige und abhängige Stichproben Stichprobenkennwerte Population
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
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
MehrT-Test für unabhängige Stichproben
T-Test für unabhängige Stichproben Wir gehen von folgendem Beispiel aus: Wir erheben zwei Zufallstichproben, wobei nur die Probanden der einen Stichprobe einer speziellen experimentellen Behandlung (etwa
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
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
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrThema 2: Forschungsstrategien & Forschungsdesigns. PD Dr. Maximilian Sailer
Thema 2: Forschungsstrategien & Forschungsdesigns PD Dr. Maximilian Sailer Lernziele Funktion Forschungsstrategien und Forschungsdesigns in den Sozialwissenschaften Experimentelle Forschung Versuchspläne
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
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrWahrscheinlichkeit 1-α: richtige Entscheidung - wahrer Sachverhalt stimmt mit Testergebnis überein. Wahrscheinlichkeit α: falsche Entscheidung -
wahrer Sachverhalt: Palette ist gut Palette ist schlecht Entscheidung des Tests: T K; Annehmen von H0 ("gute Palette") positive T > K; Ablehnen von H0 ("schlechte Palette") negative Wahrscheinlichkeit
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
MehrStatistische Methoden in der MMST: Schließende Statistik
Statistische Methoden in der MMST: Schließende Statistik VL MMS Wintersemester 2012/13 Professur für Prozessleittechnik L. Urbas; J. Pfeffer Evaluation mittels Stichprobe Stichprobenziehung Beschreibende
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
MehrStatistik für Human- und Sozialwissenschaftler
Jürgen Bortz Statistik für Human- und Sozialwissenschaftler Sechste, vollständig überarbeitete und aktualisierte Auflage mit 84 Abbildungen und 242 Tabellen 4y Springer Inhaltsverzeichnis* > Vorbemerkungen:
Mehr