Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
|
|
- Walther Meinhardt
- vor 7 Jahren
- Abrufe
Transkript
1 Sommersemester 2009, Statistik mit SPSS 25. August August 2009 Statistik Dozentin: mit Anja SPSS Mays 1
2 Überblick: 1. Hilfsbefehl und Datentransformationsbefehl (EXECUTE und COMPUTE) 2. Möglichkeiten und Aufgabe der deskriptiven (univariaten) Statistik 3. SPSS- Prozeduren zur univariaten Statistik: a) Für nominale und ordinale Daten (FREQENCIES) b) metrische Daten (EXAMINE) 2
3 1a. Hilfsbefehl EXECUTE 3
4 1a. Hilfsbefehl EXECUTE SPSS-Befehle zur Datenbeschreibung, Transformationen und Auswahl von Daten werden vom Programm nicht sofort ausgeführt, sondern zunächst nur auf Syntaxfehler hin überprüft. Erst bei der nächsten Statistikprozedur (z.b. fre) wird der Befehl ausgeführt und das Ergebnis (z.b. die neue Variable) in der Arbeitsdatei gespeichert. Soll ein Befehl (z.b. recode, compute) sofort umgesetzt werden, dann muss nach dem betreffenden Befehl die SPSS- Anweisung EXECUTE folgen. 4
5 1b. Datentransformationsbefehl COMPUTE (Legt neue Variablen an, berechnet neue Variablen) (Wahlstudie 2005) 5
6 Variablen berechnen: COMPUTE Anwendungsbeispiele: Viele benötigte Variablen existieren im Datensatz nicht, z.b.: Alter (berechnet aus Geburtsjahr und Befragungsjahr) Additiver Index Rechtsextremismus (Addition versch. Items) Berechnung Fernsehdauer in Stunden pro Tag BMI (berechnet aus Körpergröße und Gewicht) 6
7 Variablen berechnen: COMPUTE Beispiel 1: Aus der Variable vjahr (Geburtsjahr) soll das Alter der Befragten errechnet werden COMPUTE zielvariable = arithmetischer Ausdruck. compute alter =???? 7
8 Beispiel 1: Berechnung Alter in Jahren Geburtsjahr vjahr Befragungszeitpunkt 2005 Formel für die Berechnung des Alters: 2005-vjahr Befehl zur Erstellung einer neuen Variable Vollständiger SPSS-Befehl: COMPUTE alter = 2005-vjahr. Ausdruck Zielvariable 8
9 Beispiel 1: Berechnung Alter in Jahren 9
10 Gültig 18,00 19,00 20,00 21,00 22,00 23,00 24,00 25,00 26,00 27,00 28,00 29,00 30,00 31,00 32,00 33,00 34,00 35,00 36,00 37,00 38,00 39,00 40,00 41,00 Sozialwissenschaftliche 63,00 Fakultät der Universität Göttingen 68,00 69,00 alter 70,00 71,00 Gültige 72,00 Kumulierte Häufigkeit Prozent Prozente 73,00 Prozente 32 1,2 1,3 74,00 1,3 21,8,9 75,00 2,1 30 1,2 1,2 76,00 3,3 19,7,7 77,00 4,1 25 1,0 1,0 78,00 5,1 23,9,9 79,00 6,0 24 1,0 1,0 80,00 7,0 30 1,2 1,2 81,00 8,2 34 1,3 1,3 82,00 9,5 29 1,2 1,2 83,00 10,7 31 1,2 1,3 84,00 11,9 38 1,5 1,5 85,00 13,5 38 1,5 1,5 86,00 15,0 44 1,7 1,8 87,00 16,7 39 1,5 1,6 89,00 18,3 36 1,4 1,5 90,00 19,8 35 1,4 1,4 91,00 21,2 46 1,8 1,8 92,00 23,0 49 1,9 2,0 94,00 24,9 54 2,1 2,2 Gesamt 27,1 69 2,7 Fehlend 2,8 System 29,9 49 1,9 Gesamt 2,0 31,8 51 2,0 2,0 33,8 45 1,8 1,8 35,6 47 1,9 1,9 37,5 42,00 43,00 64,00 65,00 66,00 67, ,4 2,4 40,0 63 2,5 2,5 73,8 53 2,1 2,1 75,9 42 1,7 1,7 77,6 52 2,1 2,1 79,7 38 1,5 1,5 81,2 43 1,7 1,7 83,0 Beispiel 1: Berechnung Alter in Jahren 23,9,9 83,9 42 1,7 1,7 85,6 40 1,6 1,6 87,2 22,9,9 88,1 38 1,5 1,5 89,6 30 1,2 1,2 90,8 23,9,9 91,7 20,8,8 92,5 29 1,1 1,2 93,7 25 1,0 1,0 94,6 20,8,8 95,5 27 1,1 1,1 96,5 11,4,4 97,0 13,5,5 97,5 16,6,7 98,1 13,5,5 98,7 13,5,5 99,2 7,3,3 99,5 4,2,2 99,7 1,0,0 99,7 2,1,1 99,8 2,1,1 99,8 2 Überprüfen,1,1 ob 99,9 2 Missings,1 gesetzt,1 100, ,1 100,0 48 sind! 1, ,0 10
11 Häufigkeit Sozialwissenschaftliche Fakultät der Universität Göttingen Beispiel 1: Berechnung Alter in Jahren Histogramm ,00 20,00 40,00 alter 60,00 80,00 100,00 Mittelwert =49,93 Std.-Abw. =17,397 N =2.491,831 Fälle gewichtet nach proportionales Personengewicht 11
12 Beispiel 1: Berechnung Alter in Jahren ***Beispiel 1: Alter berechnen, Wahlstudie 2005 (BTW05). fre s02a. compute alter = 2005-s02a. exe. fre alter/histo. 12
13 Beispiel 1: Berechnung Alter in Jahren alter Aus dem Geburtsjahr wird das Alter Gültig 18,00 19,00 20,00 21,00 22,00 23,00 24,00 25,00 26,00 27,00 28,00 29,00 30,00 31,00 32,00 33,00 34,00 35,00 36,00 37,00 38,00 39,00 Gültige Kumulierte Häufigkeit Prozent Prozente Prozente 32 1,2 1,3 1,3 21,8,9 2,1 30 1,2 1,2 3,3 19,7,7 4,1 25 1,0 1,0 5,1 23,9,9 6,0 24 1,0 1,0 7,0 30 1,2 1,2 8,2 34 1,3 1,3 9,5 29 1,2 1,2 10,7 31 1,2 1,3 11,9 38 1,5 1,5 13,5 38 1,5 1,5 15,0 44 1,7 1,8 16,7 39 1,5 1,6 18,3 36 1,4 1,5 19,8 35 1,4 1,4 21,2 46 1,8 1,8 23,0 49 1,9 2,0 24,9 54 2,1 2,2 27,1 69 2,7 2,8 29,9 49 1,9 2,0 31,8 13
14 Zusatz: Struktur des Compute-Befehls COMPUTE zielvariable = arithmetischer Ausdruck. Arithmetischer Ausdruck (mathematische Formel): - Bereits definierte Variablen - Zahlen - arithmetische Operationen: Potenzfunktion (**), Multiplikation (*), Division (/), Addition (+), Subtraktion (-) - Klammern - Funktionen 14
15 Zusatz: Struktur des Compute-Befehls COMPUTE zielvariable = arithmetischer Ausdruck. Abarbeitungsreihenfolge beim arithmetischen Ausdruck: 1. Klammern 2. Funktionen 3. ** 4. *, / 5. +, - 15
16 Beispiel 2: Indexerstellung Index: Zusammenfassung mehrerer Items zu einer neuen Variable. Neue Variable beinhaltet verschiedene Aspekte eines theoretischen Konstruktes. Aufgabe: Aus den sechs Variablen f062_1 bis f062_6 (Wahlstudie 2005) soll ein additiver Index Rechtsextremismus erstellt werden. f062_1 Rechtsextr: herausragende Leistung deutsche n Volke s Gültig Fehlend Gesamt Gültige Kumulierte Häufigkeit Prozent f062_2 Rechtsextr: Prozente unwertes Prozente Le ben 1 lehne voellig ab ,6 26,6 26,6 2 lehne eher ab ,9 38,8 65,4 Gültige Kumulierte Häufigkeit Prozent Prozente Prozente 3 stimme eher zu Gültig lehne voellig 24,9 ab 26,9 92, ,8 68,8 68,8 4 stimme voellig zu lehne eher ab 7,1 7,7 100, ,0 13,8 82,5 Gesamt stimme eher 92,5 zu 100, ,8 10,4 93,0 8 weiss nicht 4173 stimme voellig 6,8zu 168 6,6 7,0 100,0 9 keine Angabe Gesamt 18, ,3 100,0 Gesamt Fehlend 8191 weiss nicht 7, , keine Angabe 100,0 30 1,2 Gesamt 145 5,7 Gesamt ,0 16
17 Beispiel 2: Indexerstellung Beachte: vor dem Compute-Befehl: Sind missing values definiert? alle Items müssen den gleichen Wertebereich aufweisen (hier: 1 bis 4) alle Items müssen die gleiche Polung aufweisen (hier: je höher der Wert, desto rechtsextremer die Einstellung) Wertebereich der neuen Variable: 6 bis 24, d.h. Wert 6 = keine rechtsextreme Einstellung, Wert 24 = stärkste rechtsextreme Einstellung 17
18 Beispiel 2: Indexerstellung 18
19 Häufigkeit Beispiel 2: Indexerstellung rex_idx Index Re chtse xtremismus Gültig Fehlend Gesamt 6,00 keine rechtsextreme Einstellung 7,00 8,00 9,00 10,00 11,00 12,00 13,00 14,00 15,00 16,00 17,00 18,00 19,00 20,00 21,00 22,00 23,00 24,00 starke rechtsextreme Einstellung Gesamt System Häufigkeit Prozent Gültige Prozente Kumulierte Prozente 251 9,9 12,8 12, ,2 11,9 Histogramm 24, ,5 12,3 37, ,4 10,8 47, ,7 8,6 56, ,2 8,0 64, ,9 7,6 72, ,4 5,7 77, ,6 5,9 83,7 83 3,3 4,2 87,9 59 2,3 3,0 91,0 55 2,2 2,8 93,8 51 2,0 2,6 96, ,7,9 97,3 18,7,9 98,2 12,5,6 98,8 11,5,6 99,4 2,1,1 99,5 0 5,00 10,00 15,00 20,00 25,00 10,4,5 100,0 Index Rechtsextremismus ,4 100, ,6 Fälle gewichtet nach proportionales Personengewicht ,0 Mittelwert =10,61 Std.-Abw. =3,845 N =1.966,8 19
20 Übungsaufgaben 1 3 (Allbus 2004) 20
21 2. Möglichkeiten und Aufgabe der deskriptiven (univariaten) Statistik 21
22 Möglichkeiten und Aufgabe der univariaten Statistik Überblick über univariate Verteilungen: Häufigkeitstabellen und graphische Darstellung Zusammenfassung der Eigenschaften einer Verteilung in einem Wert (bzw. wenigen Werten): Kennwerte univariate Verteilungen wie z.b. Lagemaße, Streuungsmaße, Schiefe, Kurtosis Insbesondere Verteilung, Lage, Streuung und Schiefe der sollten untersucht werden: Fehler im Datensatz (z.b. Alter) sind fehlende Werte definiert? zu schiefe Verteilungen häufig problematisch Ausreißeridentifikation Anwendungsvoraussetzungen erfüllt? 22
23 SPSS Prozeduren zur univariaten Statistik 1. Häufigkeiten (FREQUENCIES): Analysieren Deskriptive Statistiken Häufigkeiten 2. Explorative Datenanalyse (EXAMINE): Analysieren Deskriptive Statistiken Explorative Datenanalyse 23
24 1. Die Prozedur FREQUENCIES 24
25 FREQUENCIES [VARIABLES=]varlist [/FORMAT=[{DVALUE}] [{NOTABLE }]] {AFREQ } {LIMIT(n)} {DFREQ } [/MISSING=INCLUDE] [/BARCHART=[MIN(n)][MAX(n)][{FREQ(n) }]] {PERCENT(n)} [/PIECHART=[MIN(n)][MAX(n)][{FREQ }] {PERCENT} [{MISSING }]] {NOMISSING} [/HISTOGRAM=[MIN(n)][MAX(n)][{FREQ(n) }] {PERCENT(n)} [{NONORMAL}][INCREMENT(n)]] {NORMAL } [/NTILES=n] [/PERCENTILES=value list] [/STATISTICS=[DEFAULT][MEAN][STDDEV][SUM] [MINIMUM][MAXIMUM][RANGE] [SEMEAN][VARIANCE][SKEWNESS][SESKEW] [MODE][KURTOSIS][SEKURT][MEDIAN] [ALL][NONE]] [/GROUPED=varlist [{(width) }]] {(boundary list)} [/ORDER = [{ANALYSIS}] [{VARIABLE}] 25
26 1. FREQENCIES (Nominale Daten) Für die Variable f012c (Wahlentscheidung, Nachwahlbefragung) soll der Modus und ein Tortendiagramm ausgegeben werden. 26
27 Statistiken f012c BTW 05 Nachwahlbefragung Zweitstimme N Modus Gültig Fehlend Gültig Fehlend Gesamt f012c BTW 05 Nachwahlbefragung Zweitstimme 10 SPD 11 CDU/CSU 12 Bd90/Die Gruenen 13 FDP 14 Die Linke.PDS 15 Rep 16 NPD 17 Graue 18 andere 19 ungueltig gewaehlt Gesamt -1 trifft nicht zu 98 kann mich nicht erinnern 99 verweigert Gesamt Gültige Kumulierte Häufigkeit Prozent Prozente Prozente ,6 38,4 38, ,9 31,2 69, ,0 8,8 78, ,6 9,6 88, ,7 8,4 96,4 18,7,9 97,3 26 1,0 1,3 98,6 6,2,3 98,9 11,4,6 99,4 11,4,6 100, ,7 100, ,5 10, , , ,0 BTW 05 Nachwahlbefragung Zweitstimme Fälle gewichtet nach proportionales Personengewicht SPD CDU/CSU Bd90/Die Gruenen FDP Die Linke.PDS Rep NPD Graue andere ungueltig gewaehlt Fehlend 27
28 1. FREQENCIES (Ordinale Daten ) Für die Variable f003 (Demokratiezufriedenheit) sollen Modus, Median und Quartile und zusätzlich ein Balkendiagramm ausgegeben werden. 28
29 Prozent Statistiken f003 Demokratie: Zufriedenheit mit tatsaechlicher Demokratie in BRD N Gültig Fehlend 10 Median 4,00 30 Modus 5 Minimum 1 20 Maximum 6 Perzentile , , ,00 0 Demokratie: Zufriedenheit mit tatsaechlicher Demokratie in BRD sehr unzufrieden ziemlich unzufrieden etwas unzufrieden etwas zufrieden ziemlich zufrieden sehr zufrieden Demokratie: Zufriedenheit mit tatsaechlicher Demokratie in BRD Fälle gewichtet nach proportionales Personengewicht 29
30 2. Die Prozedur EXAMINE 30
31 EXAMINE VARIABLES=varlist [[BY varlist] [varname BY varname]] [/COMPARE={GROUP** }] {VARIABLE} [/ID={$CASENUM**}] {varname } [/PERCENTILES[(value list)=[{haverage }] [NONE]] {WAVERAGE } {ROUND } {AEMPIRICAL} {EMPIRICAL } [/PLOT=[STEMLEAF**] [BOXPLOT**] [NPPLOT]] [SPREADLEVEL(value)] [HISTOGRAM] [{ALL }] {NONE} [/STATISTICS=[DESCRIPTIVES**] [EXTREME({5})]] {n} [{ALL }] {NONE} [{/TOTAL }] {/NOTOTAL}. [/MISSING={LISTWISE**} [INCLUDE]] {REPORT } {PAIRWISE } **Default if the subcommand is omitted. 31
32 2. EXAMINE (Metrische Daten) 32
33 De Ve skriptive rarbe itete Statistik Fälle f057_c Merkel: glaubwuerdig f057_c Merkel: glaubwuerdig Fälle Standardf Gültig Fehlend Statistik Gesamt ehler Mittelwert 3,17,032 N Prozent N Prozent N Prozent 95% Konfidenzintervall Untergrenze 3,11 des 2430 Mittelwerts 95,7% Obergrenze 110 4,3% ,0% 3,24 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis Schiefe: Wert 0 = symmetrische Verteilung Wert > 0 = rechtsschiefe Verteilung Wert < 0 = linksschiefe Verteilung 3,19 3,00 2,566 1, ,249,050 -,577,099 Kurtosis: Wert 0 = symmetrische Verteilung Wert > 0 = schmale (steile) Verteilung Wert < 0 = breite (flache) Verteilung 33
34 Häufigkeit f057_c Merkel: glaubwuerdig a. Größte Werte Kleinste Werte Extremwe rte , ,000 Fallnummer Wert Histogramm a b Nur eine partielle Liste von Fällen mit dem Wert 6 wird in der Tabelle der oberen Extremwerte angezeigt. b. Nur eine partielle Liste von Fällen mit dem Wert 0 wird in der 200,000 Tabelle der unteren Extremwerte angezeigt. 0, Merkel: glaubwuerdig 5 6 Mittelwert =3,17 Std.-Abw. =1,602 N =2.429,738 Fälle gewichtet nach proportionales Personengewicht 34
35 Übungsaufgaben 4 und 5 (Allbus 2004) 35
Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 8. Mai 2009 8. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Hilfsbefehl und Datentransformationsbefehl (II) 1.a. execute 1.b. compute
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 25. August 2009 25. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. Datentransformation (Befehle IF und COUNT) 2. Grafiken (Teil 2) Überblick: 2 Überblick:
MehrUnivariate Kennwerte mit SPSS
Univariate Kennwerte mit SPSS In diesem Paper wird beschrieben, wie eindimensionale Tabellen und Kennwerte mit SPSS erzeugt werden. Eine Herleitung der Kennwerte und eine inhaltliche Interpretation der
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 8. Mai 2009 8. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Datentransformationsbefehle (III) 1.a. If 1.b. Count 2. Grafiken (II) 2.a.
MehrUnivariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66
Univariate Häufigkeitsverteilungen Kühnel, Krebs 2001: Statistik für die Sozialwissenschaften, S.41-66 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/19 Skalenniveaus Skalenniveau Relation
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 24. August 2009 24. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Arbeitsschritte bei der Datenanalyse 2. Datensatz kennenlernen, Variableninformationen
MehrUE Statistik für PflegewissenschafterInnen I
UE Statistik für PflegewissenschafterInnen I 1 7 Analysieren Sie die Unterschiede in der Zufriedenheit mit dem Lebensstandard (H129) zwischen Personen, die als höchste abgeschlossene Ausbildung einen Pflichtschulabschluss
MehrI.V. Methoden 2: Deskriptive Statistik WiSe 02/03
I.V. Methoden 2: Deskriptive Statistik WiSe 02/03 Vorlesung am 04.11.2002 Figures won t lie, but liars will figure. General Charles H.Grosvenor Dr. Wolfgang Langer Institut für Soziologie Martin-Luther-Universität
MehrVerfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
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
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 28. August 2009 28. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Korrelation vs. Regression 2. Ziel der Regressionsanalyse 3. Syntax für den
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
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie () Überblick. Deskriptive Statistik I - Grundlegende
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/57 Die Deskriptivstatistik
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
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
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrSkript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen
Skript 6 Häufigkeiten und Deskriptive Statistiken einer Variablen Ziel: Charakterisierung der Verteilung einer Variablen. Je nach Variablentyp geschieht dies durch Häufigkeitsauszählung und Modus (Nominale
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrLÖSUNG 2C a. Bei HHEINK handelt es sich um eine metrische Variable.
LÖSUNG 2C a. Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Mag. Dipl.Ing. Dr. Pantelis Christodoulides & Mag. Dr. Karin Waldherr SS 2011 Christodoulides / Waldherr Einführung in Quantitative Methoden- 2.VO 1/62 Summenzeichen
MehrDeskriptive Statistik
Fakultät für Humanwissenschaften Sozialwissenschaftliche Methodenlehre Prof. Dr. Daniel Lois Deskriptive Statistik Stand: April 2015 (V2) Inhaltsverzeichnis 1. Notation 2 2. Messniveau 3 3. Häufigkeitsverteilungen
MehrInstitut für Soziologie Sabine Düval. Methoden 2. Grundlegende Stata-Bedienung und univariate Statistik
Institut für Soziologie Methoden 2 Grundlegende Stata-Bedienung und univariate Statistik Organisatorisches Kontakt Bitte kontaktieren Sie uns bei Fragen ausschließlich über die E-Mailadresse methoden2@soziologie.uni-muenchen.de
MehrStreuungsmaße von Stichproben
Streuungsmaße von Stichproben S P A N N W E I T E, V A R I A N Z, S T A N D A R D A B W E I C H U N G, Q U A R T I L E, K O V A R I A N Z, K O R R E L A T I O N S K O E F F I Z I E N T Zentrale Methodenlehre,
Mehrberuflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2
Häufigkeiten Deskriptive Statistiken Häufigkeiten Beruflicher Bildungsabschluss (Mbfbil4) Zielvariablenliste OK Er erscheint: Statistiken beruflicher Bildungsabschluss incl. N Gültig 3445 Fehlend 0 beruflicher
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
MehrUnivariate explorative Datenanalyse in R
Univariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-03 1 Ein metrisches Merkmal Wir laden den Datensatz: R> load("statlab.rda") und machen die Variablen direkt verfügbar: R>
MehrSPSS (20.0) Hilfe Version 1
SPSS (20.0) Hilfe Version 1 Statistik-UE SS 2015 Datenmanagement Informationen zur Syntax: Öffnen der Syntax: Datei Öffnen Syntax Eingabe z. B. COMPUTE bzw. wenn Sie einen Befehl in SPSS ausführen, drücken
Mehr2. Deskriptive Statistik
Philipps-Universitat Marburg 2.1 Stichproben und Datentypen Untersuchungseinheiten: mogliche, statistisch zu erfassende Einheiten je Untersuchungseinheit: ein oder mehrere Merkmale oder Variablen beobachten
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
Mehr- Beschreibung der Stichprobe(n-Häufigkeitsverteilung) <- Ermittlung deskriptiver Maßzahlen (Mittelungsmaße, Variationsmaße, Formparameter)
Mehr
Grundsätzliches Ein erster Blick auf die Daten
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 3 Seite 1 Grundsätzliches Ein erster Blick auf die Daten Das vorliegende Online-Material soll
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrMerkmalstypen Univ.-Prof. Dr. rer. nat. et med. habil. Andreas Faldum
1 Merkmalstypen Quantitativ: Geordnete Werte, Vielfache einer Einheit Stetig: Prinzipiell sind alle Zwischenwerte beobachtbar Beispiele: Gewicht, Größe, Blutdruck Diskret: Nicht alle Zwischenwerte sind
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
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 08.05.2009 08.05.2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Arbeitsschritte bei der Datenanalyse 2. Allgemeine Regeln bei den SPSS-Syntax-
MehrMethoden empirischer Sozial- und Wirtschaftsforschung
Dr. sc. Siassi HTW Berlin Januar 2017 Klausur Methoden empirischer Sozial- und Wirtschaftsforschung Aufgabe 1 40 Punkte Fallzusammenfassung Fälle Gültig Fehlend Gesamt N Prozent N Prozent N Prozent $Verkehrsmittel
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrKlausurvorbereitung - Statistik
Aufgabe 1 Klausurvorbereitung - Statistik Studenten der Politikwissenschaft der Johannes Gutenberg-Universität wurden befragt, seit wie vielen Semestern sie eingeschrieben sind. Berechnen Sie für die folgenden
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Statistik für SoziologInnen 1 4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 2C a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
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
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
MehrDeskriptive Statistik & grafische Darstellung
Deskriptive Statistik & grafische Darstellung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Deskriptive
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
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
MehrLagemasse und Streuung
Lagemasse und Streuung Benjamin Schlegel 07. März 2016 Lagemasse sagen etwas über die Lage und das Zentrum der Daten aus, Streuungsmasse, wie die Daten um dieses Zentrum gestreut sind. Lagemasse Lagemasse
MehrÜbung Statistik I Statistik mit Stata SS Wiederholung und Probeklausur
Übung Statistik I Statistik mit Stata SS07 04.06.2007 7. Wiederholung und Probeklausur Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata -
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelation vs. Regression 2. Ziele der Regressionsanalyse 3. Syntax für
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
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
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
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax 3. 2x2 Kreuztabellen Überblick
MehrDeskriptivstatistik a) Univariate Statistik Weiters zum Thema der statistischen Informationsverdichtung
20 Weiters zum Thema der statistischen Informationsverdichtung M a ß z a h l e n Statistiken bei Stichproben Parameter bei Grundgesamtheiten Maßzahlen zur Beschreibung univariater Verteilungen Maßzahlen
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
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
MehrDeskriptive Statistik
Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
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
MehrEinstieg in SPSS. Man kann auch für jede Ausprägung einer Variablen ein Wertelabel vergeben.
Einstieg in SPSS In SPSS kann man für jede Variable ein Label vergeben, damit in einer Ausgabe nicht der Name der Variable (der kryptisch sein kann) erscheint, sondern ein beschreibendes Label. Der Punkt
MehrAufgaben zu Kapitel 1
Aufgaben zu Kapitel 1 Aufgabe 1 a) Öffnen Sie die Datei Beispieldatensatz.sav, die auf der Internetseite zum Download zur Verfügung steht. Berechnen Sie die Häufigkeiten für die beiden Variablen sex und
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
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
MehrWie bekomme ich einen schnellen Überblick über die bereits eingegebenen Daten?
Datenanalyse 1 Datenanalyse Wie bekomme ich einen schnellen Überblick über die bereits eingegebenen Daten? In SPSS: Die Variablenansicht sollte bereits ordentlich ausgefüllt sein! Daten öffnen: Doppelklick
Mehr1. Informieren Sie sich im Codebuch über die Bedeutung der Variablen V20 und : Fehlend 103. v20 GERECHTER ANTEIL A.LEBENSSTANDARD,BEFR.?
Dr. Renate Prust: Einführung in quantitative Forschungsmethoden Übung zur univariaten Statistik (mit SPSS-Ausgabe) 1. Informieren Sie sich im Codebuch über die Bedeutung der Variablen V20 und : a. Erstellen
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 11 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 5. Januar 2009 1 / 22 Online-Materialien Die Materialien
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrStatistik I für Betriebswirte Vorlesung 9
Statistik I für Betriebswirte Vorlesung 9 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik Vorlesung am 8. Juni 2017 im Audi-Max (AUD-1001) Dr. Andreas Wünsche Statistik I für Betriebswirte
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:
MehrDas harmonische Mittel
Das harmonische Mittel x H := 1 1 n n 1 x i Das harmonische Mittel entspricht dem Mittel durch Transformation t 1 t Beispiel: x 1,..., x n Geschwindigkeiten, mit denen konstante Wegstrecken l zurückgelegt
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrDer Mittelwert (arithmetisches Mittel)
Der Mittelwert (arithmetisches Mittel) x = 1 n n x i bekanntestes Lagemaß instabil gegen extreme Werte geeignet für intervallskalierte Daten Deskriptive Statistik WiSe 2015/2016 Helmut Küchenhoff (Institut
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...........................................
MehrTesten von Unterschiedshypothesen mit parametrischen Verfahren Der t-test
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 1 Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Im Folgenden
MehrDeskriptive Statistik
Helge Toutenburg Christian Heumann Deskriptive Statistik Eine Einführung in Methoden und Anwendungen mit R und SPSS Siebte, aktualisierte und erweiterte Auflage Mit Beiträgen von Michael Schomaker 4ü Springer
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrAngewandte Marktanalyse und Marktforschung
Angewandte Marktanalyse und Marktforschung #8 Datenaufbereitung und -kontrolle Tobias Berger M.A. Friedrich-Schiller-Universität Jena Fakultät für Sozial- und Verhaltenswissenschaften Institut für Sportwissenschaft
MehrRainer Diaz-Bone. Statistik für. Soziologen. 3M erweiterte Auflage. UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München
Rainer Diaz-Bone Statistik für Soziologen 3M erweiterte Auflage UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München 5 Inhalt Vorwort zur dritten Auflage 9 Vorwort zur zweiten Auflage 10 1 Einleitung
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
MehrLagemaße Übung. Zentrale Methodenlehre, Europa Universität - Flensburg
Lagemaße Übung M O D U S, M E D I A N, M I T T E L W E R T, M O D A L K L A S S E, M E D I A N, K L A S S E, I N T E R P O L A T I O N D E R M E D I A N, K L A S S E M I T T E Zentrale Methodenlehre, Europa
MehrStreuungsmaße. Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre Varianz (empirische) Varianz (Streuung) s 2 = 1 n
Streuungsmaße Diskrete Stetige Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre (empirische) (Streuung) s 2 = 1 n (X i X) 2 n 1 i=1 s 2 n var(x) Warum Division durch (n
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
MehrAufgaben zu Kapitel 1
Aufgaben zu Kapitel 1 Aufgabe 1 a) Öffnen Sie die Datei Beispieldatensatz.sav, die auf der Internetseite zum Download zur Verfügung steht. Berechnen Sie die Häufigkeiten für die beiden Variablen sex und
MehrBeide Verteilungen der Zeiten sind leicht schief. Der Quartilsabstand für Zeiten zum Surfen ist kleiner als der zum Fernsehen.
Welche der folgenden Maßzahlen sind resistent gegenüber Ausreißer? Der Mittelwert und die Standardabweichung. Der und die Standardabweichung. Der und die Spannweite. Der und der Quartilsabstand. Die Spannweite
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:
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrWiederholung Statistik I. Statistik für SozialwissenschaftlerInnen II p.8
Wiederholung Statistik I Statistik für SozialwissenschaftlerInnen II p.8 Konstanten und Variablen Konstante: Merkmal hat nur eine Ausprägung Variable: Merkmal kann mehrere Ausprägungen annehmen Statistik
MehrDie erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man:
Die erhobenen Daten werden zunächst in einer Urliste angeschrieben. Daraus ermittelt man: a) Die absoluten Häufigkeit: Sie gibt an, wie oft ein Variablenwert vorkommt b) Die relative Häufigkeit: Sie erhält
MehrEinführung in SPSS. Sitzung 2: Datenbereinigung und Datenmanagement. Knut Wenzig. 4. Dezember 2006
Sitzung 2: 4. Dezember 2006 Rückblick auf die Datenimport Benutzeroberfläche von SPSS Auswahl von Fällen Fälle anzeigen lassen Bestimmte Werte manipulieren Variablen in andere umkodieren Neue Variablen
MehrÜbung Statistik I Statistik mit Stata SS Probeklausur, Wiederholungen und Übungen
Übung Statistik I Statistik mit Stata SS07 11.06.2007 8. Probeklausur, Wiederholungen und Übungen Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
Mehr