Einführung in die Datenanalyse mit SPSS
|
|
- Jasper Albert
- vor 7 Jahren
- Abrufe
Transkript
1 Einführung in die Datenanalyse mit SPSS - Allgemeines - Dateneingabe - Datenbereinigung/ Auswahl - Datenbeschreibung und exploration - Statistische Tests
2 Geschichtliches Lizenzen Installation Versionen Allgemeines Benutzeroberfläche Daten-Editor Viewer
3 Dateneingabe in SPSS Der Ihnen vorliegende Fragebogen soll mit SPSS ausgewertet werden. Bereiten Sie die Variablen für die Dateneingabe vor. Frage 1: Einfachantwort, man braucht eine Zeile in SPSS. Messung kategorisch, also Kategorie 1-5 möglich. Frage 2: Mehrfachantwort möglich, man braucht also pro Abfrage (hier: Stadt) eine Spalte in SPSS (hier 7). Antwortmöglichkeiten sind nein (=0) und ja (=1). Frage 3: beinhaltet 6 Abfragen mit jeweils 5 Antwortkategorien, es werden also 6 Zeilen in SPSS benötigt. Hier auch als Kodierung 1= trifft voll zu bis 5=trifft überhaupt nicht zu. Frage 4: offene Antwort, Angabe ist metrisch, also Skalenniveau. Hiermit kann man am meisten rechnen, also Informationsgehalt am höchsten.
4 Dateneingabe in SPSS Frage 5: auch offene Antwort, aber nominal. Schwierig auszuwerten! Daten von 20 befragten Personen stehen in einer Excel- Datei zur Verfügung. Eine Möglichkeit der Dateneingabe in SPSS ist, in ein bestehendes Tabellenblatt per copy/ paste Daten aus Excel einzufügen. Aufgabe: Kopieren Sie die Daten der Excel Datei Fragebogen_Daten.xlsx in das bereits vorbereitete Tabellenblatt.
5 Struktur der Datensätze In den Spalten stehen die einzelnen gemessenen Merkmale (Variablen), d.h. alle Messungen für das Gewicht stehen in einer Spalte In einer Zeile stehen alle stehen alle Messungen einer Beobachtungseinheit (z.b. Patient, Pflanze) Keine freien Zeilen zur besseren Übersichtlichkeit Werteeingaben immer einheitlich, also entweder nur Text oder nur Zahl (Empfehlung: immer als Zahl kodieren) Bei fehlenden Werten Zellen frei lassen Variablenname muss mit Buchstaben beginnen, keine Leerund Sonderzeichen SPSS ist nicht case-sensitiv, d.h. Alter = alter = ALTER
6 Struktur der Datensätze falsch Männer Frauen Größe Gewicht Größe Gewicht k.a richtig Geschlecht Größe Gewicht m m m m m m m m m m w w w w w w 168 w w w w
7 Datenerzeugung in SPSS Beispiel anhand des Datensatzes atemwege.xlsx (Quelle: Laden einer Excel-Datei in SPSS: Datei Öffnen Daten Auswahl des Dateityps, hier.xlsx die gewünschte Datei kann ausgewählt werden. Dann Abfrage, ob in erster Zeile die Variablennamen stehen (in unserem Fall ist das so). Empfehlung: kurz visuell überprüfen, ob Daten sinnig sind. Angabe der Variablenlabels und Wertelabels Aufgabe: Vervollständigen Sie die Variablen- und Wertelabels gemäß den Angaben. Beachten: fehlende Werte! Tipp: gleiche Wertelabels können über copy & paste schneller eingegeben werden!
8 Datenbereinigung In vielen Fällen möchte man an den bestehenden Variablen noch etwas verändern bzw. neu Variablen erzeugen/ berechnen. Hierzu gibt es unter dem Menüpunkt Transformieren diverse Möglichkeiten: Variable berechnen: Man möchte in dem vorliegenden Datensatz eine Variable erhalten, die über die Anzahl der Vorerkrankungen (Allergie, Kehlkopfentzündung, Schnupfen, Husten) Auskunft gibt, also kann hier die neue Variable Anz_Vorerkr durch Addition erzeugt werden.
9 Datenbereinigung Bei dem Menüpunkt Variable berechnen besteht auch die Möglichkeit auf eine Vielzahl von Funktionen zurück zu greifen. Bei dem vorherigen Beispiel hätte man hier auch die Funktion SUM auswählen können.
10 Datenbereinigung Für die gleiche Aufgabe wäre auch ein andere Lösung möglich gewesen: Werte in Fällen zählen Unter dem Punkt Werte definieren muss man dann noch den Wert 1 eingeben. Bei dieser Funktion kann man sich jede Merkmalsausprägung, fehlende Werte oder auch Bereiche durchzählen lassen!
11 Datenbereinigung Umkodieren von Variablen: Bei dieser Funktion (entweder Umkodieren in dieselben Variablen oder Umkodieren in andere Variablen) können folgende Operationen durchgeführt werden: einfaches Umbenennen, z.b. sollen die mit -1 kodierten fehlenden Werte in 99 umgewandelt werden. Klassifizierung von Werten, z.b. möchte man Analysen nach Altersklassen durchführen, abgefragt wurde aber der Geburtsjahrgang. Bei der Variable gebja treten Jahrgänge von auf. Man möchte hier die Einteilung vornehmen von alt(1) und jung(2): 1: Jahrgänge : Jahrgänge Name der neuen Variable: gebja_klass Bedingte Umkodierung von Fällen (s. nächstes Blatt)
12 Datenbereinigung Bedingte Umkodierung einer Variable Man möchte die Kinder in Größengruppen einteilen, die Grenzen setzt man aber je nach Geschlecht unterschiedlich an. 1 = klein = Größe unterhalb des 25% Quartils 2 = mittel = Größe zwischen 25% und 75% Quartil 3= groß = Größe oberhalb des 75% Quartils Die Quartile für die Mädchen sind 25: 128,00 50: 138,00 75: 151,00 für die Jungen 25: 131,25 50: 142,00 75: 153,00 Transformieren Umkodieren in andere Variablen Im sich öffnenden Fenster Auswahl der Variable gross, Benennung der Ausgabevariable als gross_klass, Bezeichnung Größe in Klassen nach Geschlecht
13 Datenbereinigung Durch Drücken der Schaltfläche Alte und neue Werte öffnet sich ein weiteres Fenster, in das nacheinander die vorher festgelegten Bereiche zuerst für die Mädchen eingefügt werden. Durch Drücken von Weiter kehrt man wieder zu dem vorherigen Fenster zurück.
14 Datenbereinigung Im nächsten Schritt muss man angeben, dass die eingegebenen Werte nur für die weiblichen Probanden gelten; dies geschieht durch Drücken des Feldes Falls und Eintragen der Bedingung sex=2, wie im neben stehenden Fenster gezeigt. Aufgabe: Führen Sie die Einteilung für die Jungen durch
15 Exkurs Syntax Man möchte eine Variable über die örtliche Belastung des Kindes einführen, dabei wird berücksichtigt der Wohnort des Kindes (Variable zone) Ob die Mutter raucht (raumu) Ob der Vater raucht (rauva) Die neue Variable soll belast heißen und soll folgende Werte annehmen können: 1: geringe Belastung (bei zone 2 raumu 0 rauva 0, 2 0 1, 2 1 0, 1 0 0, 3 0 0) 2: hohe Belastung (bei 2 1 1, 1 0 1, 1 1 0, 1 1 1, 3 0 1, 3 1 0, 3 1 1)
16 Exkurs Syntax Es besteht die Möglichkeit, diese Variable über das Menü zu erzeugen (Transformieren Variable berechnen), dies ist allerdings etwas umständlich! Möglich wäre auch der Weg über den Syntax: IF (zone = 2 & raumu = 0 & rauva = 0) (zone = 2 & raumu = 0 & rauva = 1) (zone = 2 & raumu = 1 & rauva = 0) (zone = 1 & raumu = 0 & rauva = 0) (zone = 3 & raumu = 0 & rauva = 0) belast=1. IF (zone = 2 & raumu = 1 & rauva = 1) (zone = 1 & raumu = 0 & rauva = 1) (zone = 1 & raumu = 1 & rauva = 0) (zone = 1 & raumu = 1 & rauva=1) (zone = 3 & raumu = 1 & rauva = 0) (zone = 3 & raumu = 0 & rauva = 1) (zone = 3 & raumu = 1 & rauva = 1) belast=2. EXECUTE.
17 Exkurs Syntax Vorteile zur Dokumentation der Analysen, z.b. bei Abschlussarbeiten Bei sich regelmäßig wiederholenden Analysen (Empfehlung: Kommentare schreiben) Nachteil es hat den Charakter einer Programmiersprache Öffnen des Syntax-Editors über Datei Neu Syntax oder bei Durchführung einer Aufgabe durch Drücken der Schaltfläche Einfügen (anstatt OK ), der durchzuführende Befehl wird gleich in den Syntax-Editor eingetragen und kann jederzeit erneut durch geführt werden.
18 Datenauswahl Man möchte in einer Analyse nur die Kinder früherer Jahrgänge untersuchen. Von der selbst erstellten Variable gebja_klass sollen daher nur die Fälle 1 ausgewählt werden. Daten Fälle auswählen Beachten: dieser Filter bleibt auch nach Deaktivierung als eigene Variable erhalten Zur besseren Übersichtlichkeit sollen die Daten dann nach der Variable gebja_klass aufsteigend sortiert werden. Daten Fälle sortieren
19 Übung Sortieren Sie die Fälle zurück in die alte Ordnung. Setzen Sie einen Filter: wählen Sie die Fälle von männlichen Kindern aus, die als Anzahl an Vorerkrankungen (Anz_Vorerkr) mindestens 2 haben Erzeugen Sie eine Variable, die die Differenz zwischen fef50 und fef75 angibt, Name: diff_fef, Berechnung: fef50 fef75 Erzeugen Sie eine Variable geb_jz (Jahreszeit Geburt) ausgehend von der Variable gebmo: 12, 1, 2 Winter 3-5 Frühjahr 6-8 Sommer 9-11 Herbst
20 Hilfe Öffnen des Lernprogramms beim Start von SPSS Menüpunkt Hilfe Themen öffnet online-hilfe sortiert nach Themen Fallstudien zu diversen Analysemethoden (Englisch) Statistik Assistent, ist quasi Ratgeber zur Auswahl des statistischen Verfahrens Arbeiten mit R Anleitung zur Integration von R Befehlen Befehlssyntax-Referenz Beschreibung der Syntaxsprache SPSS Community verbindet zu IBM Seite mit FAQ s Algorithmen Beschreibung der mathematischen Formeln, die den Prozeduren zugrunde liegen Hilfe zu Prozeduren: im Fenster findet sich eine Schaltfläche Hilfe, es öffnet sich online eine Beschreibung mit Beispielen. Benutzerhandbücher von SPSS beim Installationsmedium bei gelegt
21 Datenbeschreibung Menüpunkt Analysieren Deskriptive Statistik am Beispiel der Variable Körpergröße In einem vorherigen Beispiel wurden die Quartile (25%, 50%, 75%) der Körpergröße von Mädchen und Jungen benötigt. Wie erhält man diese? Unter Analysieren Deskriptive Statistik Explorative Datenanalyse wird die Variable gross als abhängige Variable ausgewählt, die Variable sex in die Faktorenliste gesetzt. Im Fenster Statistiken muss noch ein Häkchen bei den Perzentilen gesetzt werden, die Ausgabe sieht u.a. so aus:
22 Datenbeschreibung Pivot-Tabellen Die Formatvorlage kann verändert werden unter Bearbeiten Optionen Pivot-Tabellen. Die Pivot-Tabelle an sich kann durch Doppelklicken im Pivot- Tabellen-Editor bearbeitet werden, z.b. kann die eben gezeigte Tabelle noch etwas reduziert werden:
23 Datenbeschreibung Kreuztabellen ermöglichen eine zwei- bis mehrfache Aufteilung der Daten, einfache statistische Tests können auch verwendet werden. Beispiel: Besteht ein Zusammenhang zwischen der Anzahl an Vorerkrankungen und der Umweltbelastung am Wohnort? Erstellen einer Kreuztabelle mit den Variablen zone und Anz_Vorerkr. Analysieren Deskriptive Statistik Explorative Datenanalyse Bei der Schaltfläche Zellen wurde bei Häufigkeiten Beobachtet und Erwartet ausgewählt.
24 Datenbeschreibung Hat man bei der Schaltfläche Statistiken ein Häkchen bei Chi- Quadrat gesetzt, erhält man noch folgende Ausgabe. Beim Chi-Quadrat Test nach Pearson ist der p-wert <0,05, d.h. es besteht ein signifikanter Einfluss der Umweltbelastung am Wohnort auf die Anzahl der Vorerkrankungen. Man kann auch noch eine weitere Aufschachtelung der Kreuztabelle vornehmen, z.b. das Geschlecht als Schichtvariable hinzu fügen.
25 Datenbeschreibung Bei der explorativen Datenanalyse können für Variablen mit Skalenniveau auch diverse Diagramme mit erstellt werden, z.b. Boxplots und Normalverteilungsdiagramme (Q-Q-Plot) sowie statistische Tests zur Überprüfung der Normalverteilungsannahme durch geführt werden. Dieses ist für die spätere Auswahl eines geeigneten Testverfahrens von Bedeutung (Explorative Datenanalyse, Diagramme, Häkchen setzen bei Normalverteilungstests mit Diagrammen ). Auch diese Diagramme können durch Doppelklicken im Diagramm- Editor geöffnet und bearbeitet werden, hierzu später.
26 Diagrammerstellung Mithilfe eines Balkendiagramms sollen die Häufigkeiten der Anzahlen an Vorerkrankungen dargestellt werden. Diagramme Diagrammerstellung. Per Drag and Drop wird die gewünschte Diagrammart und die Variable in das Vorschaufeld gezogen. Zum Bearbeiten des Diagramms doppelt klicken, es öffnet sich der Diagrammeditor. Durch Doppelklicken auf das zu ändernde Element (z.b. Balken) öffnet sich das Eigenschaften-Fenster
27 Diagrammerstellung Aufgaben: - Ändern der Dicke der Balken - Ändern der Balken in 3D - Ändern der Hintergrundfarbe - Ändern der Schriftgröße der Achsenbeschriftungen - Verkleinern des y-achsenabschnitts auf 0 bis Fügen Sie eine Anmerkung ein
28 Einfache Testverfahren Auswahl eines geeigneten Tests zum Vergleich zweier Stichproben: - welcher Art sind die Daten (ordinal, metrisch, ) - kann man eine Verteilungsannahme machen (sind Daten normalverteilt?) - sind die Varianzen der beiden Stichproben homogen? Um bei metrischen Variablen die Normalverteilungsannahme zu untersuchen, verwendet man wie bereits vorgestellt Analysen Deskriptive Statistik Explorative Datenanalyse Die erstellten Boxplots sowie das Ergebnis des Shapiro-Wilk bzw. des Kolmogorov-Smirnov Tests geben einen Aufschluss über die Verteilungsannahme. Die Annahme der Varianzhomogenität (z.b. Levene Test) wird automatisch beim Durchführen eines T-Tests überprüft.
29 Einfache Testverfahren Die Tests zum Vergleich zweier Stichproben finden sich unter Analysen Mittelwerte vergleichen sowie unter Nichtparametrische Tests Beispiel: Es soll festgestellt werden, ob sich Jungen und Mädchen hinsichtlich des fef75 unterscheiden. Der fef75 ist eine metrische Variable, wir prüfen vorerst, ob diese normalverteilt ist. -> Boxplots -> Q-Q- Diagramm -> Teststatistiken Bei den Q-Q-plots zeigt sich eine deutliche Abweichung des fef75 von der Normalverteilung, das Ergebnis des Shapiro-Wilk Tests bestätigt dies (p- Wert < 0,05). Die Verteilung ist rechtsschief, dies kann man anhand eines Histogramms oder des Schiefe -Wertes, der deutlich größer als 0 ist, sehen. Die Verteilung ist auch steilgipflig, angezeigt durch den deutlich positiven Kurtosis -Wert. Ein weiterer Hinweis auf eine Abweichung von der Normalverteilung ist ein deutlicher Unterschied zwischen Mittelwert und Median.
30 Einfache Testverfahren In diesem Fall würden wir also nicht von einer Normalverteilung ausgehen. Daher wählen wir einen nichtparametrischen Test: Analysieren Nichtparametrische Tests unabhängige Stichproben. SPSS verwendet den Mann-Whitney-U-Test für den Vergleich der zwei Stichproben. Dieser Test hat als Voraussetzung, dass die Verteilungen der beiden Stichproben gleich sind, was wir beim Betrachten der Boxplots bestätigen können (Levene-Test p-wert 0,809). Ergebnis: Der p-wert von 0,414 ist deutlich über dem Signifikanzniveau von 0,05, daher können keine geschlechterbedingten Unterschiede hinsichtlich des fef75 festgestellt werden.
31 Korrelation Untersucht, ob ein kausaler Zusammenhang zwischen zwei Variablen besteht. Beispiel: Es wird ein Zusammenhang zwischen der Vitalkapazität fvc und dem maximalen Ausatemstrom pef vermutet. Auch hier müssen die Variablen auf Normalverteilung untersucht werden, um das geeignete Verfahren auszuwählen. Beide Variablen folgen nicht der Normalverteilung, es kann daher nicht der Pearsonsche Korrelationskoeffizient verwendet werden, wir greifen daher auf den Spearman Rangkorrelationskoeffizienten zurück, der sich unter Analysieren Korrelation Bivariate Korrelationen findet. Als Ergebnis erhalten wir als Spearman-Rho-Wert 0,86, was eine starke, positive Korrelation anzeigt, die auf dem 1% Niveau signifikant ist.
32 Regression Erlaubt eine Aussage über den funktionalen Zusammenhang zweier metrischer, voneinander unabhängiger, (normalverteilter) und varianzhomogener Variablen. Wir möchten z.b. anhand des Gewichts der Kinder deren Körpergröße vorhersagen. Eine Korrelation zeigt einen starken positiven Zusammenhang dieser beiden Variablen auf (Spearman-rho= 0,923). Unter Analysieren Regression Linear erzeugen wir unser Regressionsmodell: abhängige Variable=Körpergröße, Unabhängige=Gewicht. Für die Bewertung des Modells sind folgende Angaben wichtig: das R² beträgt 0.794, d.h. fast 80% der Gesamtstreuung der Variable Körpergröße werden durch unser Modell, also die Variable Gewicht erklärt, die übrigen 20% ergeben die Residuen (nicht erklärte Streuung).
33 Regression Unser Modell ist mit einem p-wert<0.001 signifikant. Ausgehend von den Koeffizienten ergibt sich ein Regressionsmodell mit folgenden Werten: (y = mx + b) gross = 1.081*gewi Anschließend muss aber noch untersucht werden, ob das Modell geeignet ist, um diesen Zusammenhang zu beschreiben. Hierzu müssen die Residuen folgende Bedingungen erfüllen:
34 1. Unabhängig voneinander sein 2. Normalverteilt sein Regression 3. Homogene Varianzen aufweisen Um dieses zu überprüfen, wählt man bei dem Diagrammfenster der Regression die Schaltfläche Diagramme aus: 1. Häkchen setzen bei Histogramm und/ oder Normalverteilungsdiagramm 2. Streudiagramm der standardisierten vorhergesagten Werte (ZPRED) und standardisierten Residuen (ZRESID) Zusätzlich unter Schaltfläche Statistiken Auswahl des Durbin- Watson Tests.
35 Regression Histogramm sowie Normalverteilungsdiagramm zeigen eine Normalverteilung der standardisierten Residuen. Das Streudiagramm der stand. Residuen gegen die stand. geschätzten Werte zeigt keine regelmäßige Verteilung der Punkte, die auf eine Autokorrelation hinweisen.
36 Regression Der Durbin Watson Test auf Autokorrelation der Werte zeigt mit 1,665 einen unauffälligen Wert, es kann also davon ausgegangen werden, dass keine Autokorrelation der Werte vorliegt. Allerdings scheinen die Varianzen der Residuen nicht ganz homogen zu sein, es zeigt sich eine leichte Krümmungstendenz der Punktwolke, d.h. vor allem größere Werte zeigen geringere Varianz.
Einführung in die Datenanalyse mit SPSS
Einführung in die Datenanalyse mit SPSS - Allgemeines - Dateneingabe - Datenbereinigung/ Auswahl - Datenbeschreibung und exploration - Statistische Tests Geschichtliches Lizenzen Installation Versionen
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
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
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
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
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
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Statistische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Statistische Tests Testentscheidung: Deskriptive Statistik Basis-Kurs Statistik und SPSS für Mediziner 2 Mit Datensatz Daten_SPSS_Kurs_I.sav
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
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
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Dateneingabe und -aufbereitung
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Dateneingabe und - 1) Geben Sie die Daten der vier Patienten in eine Excel-Datei ein und lesen Sie diese anschließend in SPSS ein. Basis-Kurs
MehrStatistik mit MAXQDA Stats
Statistik mit MAXQDA Stats MAXQDA Stats ist ein eigenständiges Statistik-Modul, das aus MAXQDA heraus gestartet werden kann und das häufig verwendete Verfahren der Deskriptiv- und Inferenzstatistik offeriert.
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
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
MehrÜbung 3 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
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.
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
MehrIm ersten Schritt müssen die Daten in die Datenansicht eingelesen werden.
Kapitel 2 FRAGESTELLUNG 1 Im ersten Schritt müssen die Daten in die Datenansicht eingelesen werden. Dazu muss man auf den Menüpunkt Datei / Öffnen / Daten gehen und die Datei commercial.sav laden. Nun
Mehr1. Datei Informationen
1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 9A a.
LÖSUNG 9A a. Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Das Regressionsmodell soll nur für Büropersonal angewendet werden Management- und Bewachungspersonal (MIND =0) soll nicht einbezogen
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
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
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
Mehr» S C H R I T T - F Ü R - S C H R I T T - A N L E I T U N G «M U L T I P L E L I N E A R E R E G R E S S I O N M I T S P S S / I B M Daniela Keller
» SCHRITT-FÜR-SCHRITTANLEITUNG«MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Daniela Keller Daniela Keller - MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Impressum 2016 Statistik und Beratung Dipl.-Math. Daniela
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
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
MehrZusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
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
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.
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...
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
MehrStatistische Datenanalyse mit SPSS für Windows
Jürgen Janssen Wilfried Laatz Statistische Datenanalyse mit SPSS für Windows Eine anwendungsorientierte Einführung in das Basissystem und das Modul Exakte Tests Zweite, neubearbeitete Auflage Mit 357 AbbOdungen
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
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
MehrStatistische Datenanalyse mit R, Korrelation und Regression. Dr. Andrea Denecke Leibniz Universität IT-Services
Statistische Datenanalyse mit R, Korrelation und Regression Dr. Andrea Denecke Leibniz Universität IT-Services Korrelationsanalyse Eine Korrelationsanalyse soll herausfinden Ob ein linearer Zusammenhang
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
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
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Deskriptive Statistik
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Deskriptive Statistik Mit Datensatz Daten_SPSS_Kurs_I.sav 1) Die Ergebnisse der Studie sollen in einem medizinischen Journal veröffentlicht
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
MehrGrundsätzliches 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
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
Mehr5 Einfache Datentransformationen
ITS-Uni-SB SPSS Grundlagen 79 5 Einfache Datentransformationen Mit SPSS können Sie Datentransformationen durchführen, die von einfachen Aufgaben wie der Zusammenfassung von Kategorien für eine Analyse
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrB. Regressionsanalyse [progdat.sav]
SPSS-PC-ÜBUNG Seite 9 B. Regressionsanalyse [progdat.sav] Ein Unternehmen möchte den zukünftigen Absatz in Abhängigkeit von den Werbeausgaben und der Anzahl der Filialen prognostizieren. Dazu wurden über
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
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Korrelation, Regression und diagnostische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Korrelation, Regression und diagnostische Tests Mit Datensatz Daten_SPSS_Kurs_I.sav Berechnung der Blutdruckreduktion vom Studienbeginn zum
MehrÜbung 1 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
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
MehrInhaltsverzeichnis 1 SPSS Statistics 2 SPSS Datenmanagement 3 Verteilungsanalyse
VII 1 SPSS Statistics... 1 1.1 Wofür steht SPSS?... 2 1.2 SPSS starten und beenden... 3 1.3 SPSS Editoren und SPSS Viewer... 5 SPSS Dateneditor... 5 SPSS Viewer... 6 SPSS Pivot-Tabellen-Editor... 7 SPSS
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
Mehrhttps://www.uni-muenster.de/ziv/software/spssallgemeineinformationen.html
Organisatorisches: Das vorliegende Dokument beschreibt, welche inhaltlichen und technischen Bedingungen klinische Datensätze erfüllen sollen, um möglichst problemlose statistische Analysen zu ermöglichen.
MehrKapitel 3. FRAGESTELLUNG 1 und 2. Öffne die Datei commercial.sav. Folgende Darstellung sollte in der Datenansicht erscheinen:
Kapitel 3 FRAGESTELLUNG 1 und 2 Öffne die Datei commercial.sav. Folgende Darstellung sollte in der Datenansicht erscheinen: Wenn in der SPSS Datenansicht bis nach unten gescrollt wird, kann festgestellt
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen Rängen. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrStatistische Datenanalyse mit R, Statistische Tests. Dr. Andrea Denecke Leibniz Universität IT-Services
Statistische Datenanalyse mit R, Statistische Tests Dr. Andrea Denecke Leibniz Universität IT-Services Testdatensätze In R kann man auf viele Testdatensätze zurückgreifen: Die Eingabe von try(data(package
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
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
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
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
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
MehrUE Wahlfach - Praktische Anwendung statistischer Auswertungsmethoden Termin 1 WH und Erstellung von Auswertungsplänen
UE Wahlfach - Praktische Anwendung statistischer Auswertungsmethoden Termin 1 WH und Erstellung von Auswertungsplänen Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Ablauf der Lehrveranstaltung...
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
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
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrKapitel 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.
MehrAngewandte Statistik mit SPSS
Peter P. Eckstein Angewandte Statistik mit SPSS Praktische Einführung für Wirtschaftswissenschaftler 7., überarbeitete Auflage B 382205 4y Springer Gabler VII 1 SPSS Statistics 1 1.1 Wofür steht SPSS?
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
MehrKurzanleitung für SPSS Statistics 22
Kurzanleitung für SPSS Statistics 22 im Rahmen des Moduls Betriebssoziologie (Prof. Dr. Christian Ernst) Schritt 1: Variablen definieren (in der Variablenansicht) Daten können direkt in ein "leeres" Datenfenster
MehrAngewandte Statistik mit SPSS
Peter P. Eckstein Angewandte Statistik mit SPSS Praktische Einführung f ü r Wi rtschaftswi^sjenschaftler %%^4m 6. r überarbeitete Auflage GABLER VII 1 SPSS für Windows * 1 1.1 Wofür steht SPSS? 2 1.2 SPSS
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
MehrÜbung 4 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
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
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:
MehrDr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrBivariate explorative Datenanalyse in R
Bivariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-09 In der LV Statistik 1 haben wir auch den Zusammenhang von 2 Variablen untersucht. Hier werden die dazugehörenden R-Befehle
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
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
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
Mehr- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
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
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:
MehrDeskriptive Statistiken
Deskriptive Statistiken Inhaltsverzeichnis DESKRIPTIVE STATISTIKEN... 1 Deskriptive Statistiken Deskriptive Statistiken Mit MAXQDA Stats können Sie zahlreiche Maßzahlen der deskriptiven Statistiken für
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
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
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrWas dieses E-Book enthält
Was dieses E-Book enthält Dieses E-Book möchte Dir die Grundlagen der statistischen Datenanalyse vermitteln. Es werden die Grundbegriffe geklärt und Du wirst Schritt für Schritt angeleitet, die passende
MehrEinführung in SPSS. 1. Die Datei Seegräser
Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten
MehrSkript 7 Kreuztabellen und benutzerdefinierte Tabellen
Skript 7 Kreuztabellen und benutzerdefinierte Tabellen Ziel: Analysieren und verdeutlichen von Zusammenhängen mehrerer Variablen, wie z.b. Anzahlen pro Kategorien; Mittelwert und Standardabweichung pro
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
MehrÜbung 5 im Fach "Biometrie / Q1" Thema: Wilcoxon, Chi-Quadrat, multiples Testen
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
Mehr