Multivariate Analysemethoden
|
|
- Alma Esser
- vor 7 Jahren
- Abrufe
Transkript
1 Multivariate Analysemethoden Dipl.-Volksw. Rafael Rucha Klausur erster Termin im Wintersemester 2006/ Januar 2007 Das Arbeitsministerium beauftragte ein sozialwissenschaftliches Institut, eine Studie zu den Einstellungen der Bevölkerung hinsichtlich der Frauenerwerbstätigkeit durchzuführen. Zu diesem Zweck führte dieses - nachdem alle relevanten Daten erhoben wurden - zunächst eine Faktorenanalyse, darauffolgend eine multidimensionale Skalierung durch..) Beurteilen Sie die Studienskizze, indem Sie Fehler der Skizze aufzeigen und kurz falsche Aussagen korrigieren. 2.) Nehmen Sie kurz zu folgenden Aussagen Stellung: a.) Der F-Test im linearen Regressionsmodell testet, ob der Koeffizient β der unabhängigen Variablen x gleich 0 ist, d.h. ob diese unabhängige Variable signifikant zur Erklärung der abhängigen Variablen beiträgt. b.) Die Interpretation der Ergebnisse im multinomialen logistischen Regressionsmodell erfolgt stets unter Berücksichtigung der Referenzkategorie J =. c.) Bei der exploratorischen Faktorenanalyse unter Verwendung der Hauptkomponentenmethode beträgt die Kommunalität 2 h i der i-ten Variable bei standardisierten Ausgangsvariablen nach Faktorenextraktion stets, und vor der Faktorenextraktion liegt dieser Wert immer zwischen 0 und. d.) Der Ähnlichkeitskoeffizient von Russel-Rao ist immer echt größer ( > ) als der Ähnlichkeitskoeffizient von Tanimoto (bzw. Jaccard) e.) Die kophenetische Matrix ist Basis für den Complete-Linkage-Fusionierungsalgorithmus. f.) Erfolgt bei der multidimensionalen Skalierung die Messung der (Un-)Ähnlichkeiten von n Objekten über die Ankerpunktmethode, so werden diese (Un-)Ähnlichkeiten auf einer Skala von bis bewertet. n
2 STUDIENSKIZZE Bei der Faktorenanalyse wurde als Extraktionsmethode die Hauptkomponentenmethode gewählt. Es bedurfte im Vorfeld allerdings der Überprüfung, ob diese überhaupt durchgeführt werden konnte, was zunächst anhand der Korrelationsmatrix bestimmt wurde. Hier ergaben sich zwischen allen betrachteten Variablen keine Signifikanzen, aber durchweg sehr hohe Korrelationen. Da dieses Kriterium zur Durchführung uneindeutig war, wurden anschließend noch weitere Kriterien zur Entscheidungsfindung herangezogen. Da die Determinante der inversen Korrelationsmatrix den Wert 0,048 annahm, sprach dies eher für eine Durchführung, wohingegen der Bartlett-Test und das Kaiser-Meyer-Olkin-Kriterium eher auf eine Unterlassung der Faktorenanalyse hinwiesen. Nichtsdestotrotz wurde am Institut die gewünschte Analyse fortgeführt. Die berechneten Werte bei der erklärten Gesamtvarianz verwunderten: Hinsichtlich der zweiten Komponente betrug die erklärte Varianz über 0 % (genau: 5,277 %), dennoch wurde diese nicht bei der Extraktion berücksichtigt. Zufriedenstellend war hingegen das Ergebnis des kumulierten prozentualen Anteils der Summen der quadrierten Faktorenladungen der Extraktion. Dieser Wert betrug mehr als 50 %, was schließlich die Mindestanforderung dieses Verfahrens ist. Unbeirrt wurde die Analyse fortgeführt, und es wurde der Scree-Plot zu Rate gezogen. Auch hier entdeckte man Widersprüchliches: Die Differenz zwischen dem ersten und dritten Faktor bezüglich der Eigenwerte war größer als die Differenz zwischen dem zweiten und vierten. Man hoffte schließlich, dass sich nach der Rotation der Faktoren wenigstens das Ergebnis gut interpretieren lassen würde. Schließlich blickten Sie zufrieden auf die Ergebnisse: Da die extrahierte Komponente nach einer Varimax-Rotation hoch und positiv auf alle zu Grunde liegenden Variablen lud, konnte man schließen, dass die Komponente einen positiven kausalen Einfluss auf die betrachteten Variablen hatte. Um die abgefragten Items im Wahrnehmungsraum der befragten Personen darzustellen, wurde anschließend eine multidimensionale Skalierung durchgeführt. Da alle Optionen bezüglich der Darstellung offen gehalten werden sollten, ist neben der ein- und zweidimensionalen Darstellung des Wahrnehmungsraums auch eine dreidimensionale Darstellungsmöglichkeit gegeben gewesen. Was den Algorithmus zur Auffindung einer Lösung im Wahrnehmungsraum anbelangte, entschied man sich, den Algorithmus entweder nach 33 Iterationsschritten, nach dem Kovergenzkriterium, das den Veränderungswert 0,0020 unterschreiten sollte, oder nach dem STRESS-Wert, der dann den Wert 0,0020 unterschreiten sollte, abzubrechen. Hinsichtlich der gefundenen eindimensionalen Lösung entschied man sich, diese als hervorragend zu beurteilen, da der STRESS-Wert nach 24 Iterationen kleiner war als 0,05.
3 ANHANG I. Variablen a. Namen und Variablenlabel (die Zustimmung zu den Items wurde abgefragt) v72 v73 v74 v75 v76 v77 BERUFST.FRAU: HERZL. VERHAELT. ZUM KIND IST WICHTIG FRAU, LIEBER MANN BEI D.KARRIERE HELFEN? FRAU, NICHT ARBEITEN, SONDERN BEI KLEINKIND? FRAU, ZU HAUSE BLEIBEN+KINDER VERSORGEN? FRAU, BESSERE MUTTER BEI BERUFSTAETIGK.? FRAU, NACH HEIRAT ARBEITSPL. FREIMACHEN? b. Wertelabels STIMME VOLL ZU STIMME EHER ZU STIMME EHER NICHT ZU STIMME GAR NICHT ZU WEISS NICHT KEINE ANGABE
4 II. Ergebnisse Faktorenanalyse (SPSS-Output) Korrelationen(a,b) Spearman-Rho BE- RUFST.FRAU: HERZL. VERHAELT. ZUM KIND FRAU, LIE- BER MANN BEI D.KARRIERE HELFEN? FRAU, NICHT ARBEITEN BEI KLEINKIND? FRAU, ZU HAUSE BLEI- BEN+KIN DER VER- SORGEN? FRAU, BES- SERE MUT- TER BEI BERUFSTAE- TIGK.? FRAU, NACH HEIRAT AR- BEITSPL. FREIMA- CHEN? BERUFST.FRAU: HERZL. Korrelationskoeffizient,000 -,265(**) -,434(**) -,386(**),426(**) -,27(**) VERHAELT. ZUM KIND Sig. (2-seitig).,000,000,000,000,000 FRAU, LIEBER MANN BEI D.KARRIERE HELFEN? Korrelationskoeffizient -,265(**),000,367(**),553(**) -,307(**),458(**) Sig. (2-seitig),000.,000,000,000,000 FRAU, NICHT ARBEITEN Korrelationskoeffizient -,434(**),367(**),000,558(**) -,50(**),403(**) BEI KLEINKIND? Sig. (2-seitig),000,000.,000,000,000 FRAU, ZU HAUSE BLEI- Korrelationskoeffizient -,386(**),553(**),558(**),000 -,496(**),564(**) BEN+KINDER VERSOR- Sig. (2-seitig) GEN?,000,000,000.,000,000 FRAU, BESSERE MUT- Korrelationskoeffizient,426(**) -,307(**) -,50(**) -,496(**),000 -,340(**) TER BEI BERUFSTAE- Sig. (2-seitig) TIGK.?,000,000,000,000.,000 FRAU, NACH HEIRAT Korrelationskoeffizient -,27(**),458(**),403(**),564(**) -,340(**),000 ARBEITSPL. FREIMA- Sig. (2-seitig) CHEN?,000,000,000,000,000. ** Die Korrelation ist auf dem 0,0 Niveau signifikant (zweiseitig). a Listenweises N= 266 b Determinante =,048 KMO- und Bartlett-Test Maß der Stichprobeneignung nach Kaiser-Meyer-Olkin.,837 Bartlett-Test auf Sphärizität Ungefähres Chi-Quadrat 5084,395 df 5 Signifikanz nach Bartlett,000
5 Erklärte Gesamtvarianz Anfängliche Eigenwerte Summen von quadrierten Faktorladungen für Extraktion Komponente Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % 3,44 52,403 52,403 3,44 52,403 52,403 2,97 5,277 67,680 3,577 9,64 77,294 4,540 8,994 86,288 5,480 8,00 94,289 6,343 5,7 00,000 Extraktionsmethode: Hauptkomponentenanalyse. Screeplot 3 Eigenwert Faktor 4 5 6
6 Komponentenmatrix(a) Komponen te BERUFST.FRAU: HERZL. VERHAELT. ZUM KIND -,622 FRAU, LIEBER MANN BEI D.KARRIERE HELFEN?,675 FRAU, NICHT ARBEITEN BEI KLEINKIND?,767 FRAU, ZU HAUSE BLEI- BEN+KINDER VERSOR- GEN? FRAU, BESSERE MUT- TER BEI BERUFSTAE- TIGK.? FRAU, NACH HEIRAT ARBEITSPL. FREIMA- CHEN?,842 -,72,706 Extraktionsmethode: Hauptkomponentenanalyse. a Komponenten extrahiert III. Ergebnisse multidimensionale Skalierung (SPSS-Output) Alscal Procedure Options Data Options- Number of Rows (Observations/Matrix). 6 Number of Columns (Variables)... 6 Number of Matrices Measurement Level Ordinal Data Matrix Shape Symmetric Type Dissimilarity Approach to Ties Leave Tied Conditionality Matrix Data Cutoff at , Model Options- Model Euclid Maximum Dimensionality Minimum Dimensionality..... Negative Weights Not Permitted Output Options- Job Option Header Data Matrices Configurations and Transformations. Output Dataset Initial Stimulus Coordinates... Printed Printed Plotted Not Created Computed
7 Algorithmic Options- Maximum Iterations Convergence Criterion.....,00020 Minimum S-stress ,00020 Missing Data Estimated by.... Ulbounds Tiestore C 5 Optimally scaled data (disparities) for subject , ,277, ,864,478, ,277,34,7,000 5,7 2,470 2,606 2,606, ,72,34,7,34 2, ,000 Iteration history for the dimensional solution (in squared distances) Young's S-stress formula is used. Iteration S-stress Improvement,0565 2,0444,0200 3,0359, ,0300,0058 5,0265, ,02344,0027 7,0258,0086 8,0200,0056 9,0885,006 0,0796,00089,0725,0007 2,0667, ,068, ,0576, ,0540, ,0508, ,0479, ,0452, ,0427, ,0404, ,0382, ,036, ,034, ,0322,0009 Iterations stopped because S-stress improvement is less than,000200
8 Stress and squared correlation (RSQ) in distances RSQ values are the proportion of variance of the scaled data (disparities) in the partition (row, matrix, or entire data) which is accounted for by their corresponding distances. Stress values are Kruskal's stress formula. For matrix Stress =,06974 RSQ =,98992 Configuration derived in dimensions Stimulus Coordinates Dimension Stimulus Stimulus Number Name C v72, v73 -, v74 -, v75 -, v76,732 6 v77 -,6988 Konfiguration des abgeleiteten Stimulus Euklidisches Distanzmodell 2,0 v72,5 v76 Dimension,0 0,5 0,0-0,5 -,0 v75 v74 v73 v77 -,0-0,5 0,0 0,5,0 Eindimensionales Diagramm
Musterklausur im Fach Käuferverhalten und Marketingforschung. Prof. Dr. M. Kirchgeorg
Lehrstuhl Marketingmanagement Musterklausur im Fach Käuferverhalten und Marketingforschung Prof. Dr. M. Kirchgeorg Punkteverteilung: Aufgabe max. Punktzahl erreichte Punktzahl I-1 12 I-2 10 I-3 8 Gesamt
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduktion. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduktion Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im Datensatz
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im
MehrEiner Reihe von Merkmalen zugrunde liegende, gemeinsame Faktoren ermitteln.
Faktoranalysen Aufbau 1. Sinn und Zweck 2. Eigenschaften der Merkmale 3. Extraktion der Faktoren 4. Anzahl der Faktoren 5. Rotation der Faktoren 6. Interpretation der Faktoren Sinn und Zweck Einer Reihe
MehrSPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1
SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter
MehrHauptkomponentenanalyse. Die Schritte bei einer Hauptkomponentenanalyse
Die Schritte bei einer FACTOR /VARIABLES f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r /MISSING LISTWISE /ANALYSIS f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r
MehrAufgaben zur Multivariaten Statistik
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Universität Kassel Aufgaben zur Multivariaten Statistik Teil : Aufgaben zur Einleitung. Was versteht man unter einer univariaten, bivariaten
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 13 a.
Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 13 a. Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
MehrExploratorische Faktorenanalyse. Exploratorische Faktorenanalyse. Exploratorische Faktorenanalyse
Exploratorische Faktorenanalyse Der Begriff Faktorenanalyse umfasst eine Gruppe multivariater Analyseverfahren, mit denen zugrundeliegende gemeinsame Dimensionen von Variablenmengen (z.b. Fragebogenitems)
MehrStatistik II: Klassifikation und Segmentierung
Medien Institut : Klassifikation und Segmentierung Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Faktorenanalyse 2. Clusteranalyse 3. Key Facts 2 I 14 Ziel
MehrZur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen.
4.3 Faktorenanalyse Problemstellung Zur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen. Je größer jedoch die
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
Mehr11.2 Ergebnisse der Faktorenanalysen
11.2 Ergebnisse der Faktorenanalysen Die Durchführung von Faktorenanalysen zu Beginn der empirischen Untersuchungen hatte neben der Itemanalyse das Ziel, den Fragebogen als Erhebungsinstrument zu prüfen.
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 27. März 2015 Aufgabe 1 Kennzeichnen Sie die folgenden Aussagen über die beiden Zufallsvektoren ([ ] [ ]) ([ ] [ ]) 2 1 0 1 25 2 x 1 N, x 3 0 1 2
MehrDie Faktorenanalyse. Anwendung dann, wenn zwischen beobachtbaren und nicht direkt beobachtbaren Variablen ein kausales Verhältnis vermutet wird
Die Faktorenanalyse Zielsetzung Datenreduktion: eine größere Anzahl von Variablen auf eine kleinere Anzahl unabhängiger Einflussgrößen zurückführen Grundlegende Idee Direkt beobachtbare Variablen spiegeln
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 13 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
MehrGHF SoSe 2011 HS MD-SDL
GHF SoSe 2011 HS MD-SDL 6/28/2011 1 Bitte recherchieren Sie die verschiedenen Bestimmungsstücke des Validitätskonzepts Bitte überlegen Sie sich Strategien zur Prüfung dieser verschiedenen Bestimmungsstücke
MehrMETHODENPRAKTIKUM II Kurs 1. Prof. Dr. Beat Fux SUZ Frühlingssemester 2009
METHODENPRAKTIKUM II Kurs 1 Prof. Dr. Beat Fux SUZ Frühlingssemester 2009 Ziel der Faktorenanalyse Struktur hinter den Korrelationen zwischen Variablen entdecken Reduzierung einer Vielzahl von Variablen
MehrEmpirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
MehrLösung zu Kapitel 11: Beispiel 2
Lösung zu Kapitel 11: Beispiel 2 Die Daten beziehen sich auf 48 Bewerbungen um eine Position in einem Unternehmen. Diese Bewerbungen wurden anhand von 15 Variablen bewertet (Datenfile: bewerbung.csv).
Mehr6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - Preisorientierung (6 Items) - Werbeakzeptanz (6 Items) - Qualitätsbewusstsein (6 Items) - Trendbewusstsein
Mehr6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - soziale Kontakte (6 Items) - Markenbewusstsein (6 Items) - Werbeakzeptanz (6 Items) - materielle
MehrSkript Einführung in SPSS
SPSSinteraktiv Faktorenanalyse - 1 - Skript Einführung in SPSS Faktorenanalyse Explorative Faktorenanalyse Hauptkomponentenanalyse (PCA) Hinweise zum Schreiben des statistischen Reports 1. Sämtliche Tabellen
MehrFaktorenanalyse. Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie
Faktorenanalyse Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie Seminar: Multivariate Analysemethoden Seminarleiter: Dr. Thomas Schäfer Referenten:
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
MehrMultivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
MehrGrundzüge der Faktorenanalyse
SEITE Grundzüge der Faktorenanalyse Bei der Faktorenanalyse handelt es sich um ein Verfahren, mehrere Variablen durch möglichst wenige gemeinsame, hinter ihnen stehende Faktoren zu beschreiben. Beispiel:
MehrMultivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
Mehr1 Beispiele multivariater Datensätze... 3
Inhaltsverzeichnis Teil I Grundlagen 1 Beispiele multivariater Datensätze... 3 2 Elementare Behandlung der Daten... 15 2.1 Beschreibung und Darstellung univariater Datensätze... 15 2.1.1 Beschreibung und
MehrMultivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
MehrFaktorenanalyse Beispiel
Faktorenanalyse Zweck der Faktorenanalyse ist die Dimensionsreduktion einer gegebenen Variablenanzahl, d. h. also die Zusammenfassung vorhandener Variablen zu wenigen latenten, i. d. R. voneinander unabhängigen
MehrEigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung. 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend?
Eigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend? a) Die Faktorenanalyse hat ihren Ursprung in der theoretischen Intelligenzforschung.
MehrMaterialband. Marktforschung
Materialband Marktforschung Multivariate statistische Verfahren 5. Sem. Prof. Dr. Rößler Themenbereiche 1 Regressionsanalyse 2 Varianzanalyse 3 Diskriminanzanalyse 4 Faktorenanalyse 5 Clusteranalyse Regressionsanalyse
MehrDie Rücktransformation: Z = A t (Y µ) = Y = AZ + µ
Die Rücktransformation: Z = A t (Y µ) = Y = AZ + µ Kleine Eigenwerte oder Eigenwerte gleich Null: k Eigenwerte Null = Rang(Σ) = m k Eigenwerte fast Null = Hauptkomponenten beinahe konstant Beschränkung
MehrEinführung in die Hauptkomponentenanalyse und Faktorenanalyse mit SPSS. Datenanalyse HS09 Susan Kriete Dodds 18. November 2009
Einführung in die Hauptkomponentenanalyse und Faktorenanalyse mit SPSS Datenanalyse HS09 Susan Kriete Dodds 18. November 2009 Hauptkomponentenanalyse Öffne die Datei Kamera.csv Analysieren > Dimensionsreduzierung
MehrStatistik-Quiz Sommersemester
Statistik-Quiz Sommersemester Seite 1 von 8 Statistik-Quiz Sommersemester Die richtigen Lösungen sind mit gekennzeichnet. 1 In einer Gruppe von 337 Probandinnen und Probanden wurden verschiedene Merkmale
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
MehrSoziale Faktoren und Arbeitssicherheit. Der Einfluss von Kolleg/innen auf das sicherheitsrelevante Verhalten. Eine empirische Studie
Soziale Faktoren und Arbeitssicherheit Der Einfluss von Kolleg/innen auf das sicherheitsrelevante Verhalten Eine empirische Studie Dissertationsschrift zur Erlangung des akademischen Grades Doctor rerum
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 5 bis 8 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrKlausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS 96/97 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik 24.1.97,
MehrStatistische Methoden in der Wirtschaftsund Sozialgeographie
Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 0.5--45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
Mehrder Datenauswertung (Übung)
Fortgeschrittene Verfahren der Datenauswertung (Übung) 4.Veranstaltung, 23.01.2015 Multidimensionale Skalierung Dipl.-Kffr. Vanessa Pfegfeidel Prof. Dr. Dirk Temme Lehrstuhl für Methoden der empirischen
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
MehrHolger Dette. 30. Oktober 2015
Ruhr-Universität Bochum 30. Oktober 2015 1 / 1 Methodenlehre III Prof. Dr. NA 3/73 Telefon: 0234 32 28284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag,
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
MehrInstitut für Marketing und Handel Prof. Dr. W. Toporowski. SPSS Übung 5. Heutige Themen: Faktorenanalyse. Einführung in Amos
SPSS Übung 5 Heutige Themen: Faktorenanalyse Einführung in Amos 1 Faktorenanalyse Datei Öffnen V:/Lehre/Handelswissenschaft/Daten_Übung3/Preisimage_F_und_C.sav 2 Datensatz (I) v1 Wenn Produkte zu Sonderpreisen
MehrMultivariate Analysemethoden
Multivariate Analysemethoden Thema: Multidimensionale Skalierung () Günter Meinhardt Johannes Gutenberg Universität Mainz Multidimensionale Skalierung Thema Multidimensionale Skalierung Problem: Positionierung
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
MehrMultivariate Verfahren
Faktorenanalyse 1 Matthias Rudolf & Johannes Müller Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS Praxisbeispiel zur Faktorenanalyse: FABA Inhalt: 1 Beschreibung
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
MehrKommentierter SPSS-Output für hierarchische log-lineare Modelle (Modul Modellauswahl) 3 Dimensionen
Kommentierter SPSS-Output für hierarchische log-lineare Modelle (Modul Modellauswahl) 3 Dimensionen Hierarchisches log-lineares Modell: Saturiertes Modell (SPSS-Modul Modellauswahl ) HILOGLINEAR polview(1
MehrMultivariate Analysemethoden, Dozent: Dr. Thomas Schäfer Alexander Allnoch, Markus Burkhardt & Vivien Röder
Multivariate Analysemethoden, Dozent: Dr. Thomas Schäfer 29.05.2012 Alexander Allnoch, Markus Burkhardt & Vivien Röder 1. Einführung 2. Grundlagen Faktorenanalyse 3. Nutzungsdimensionen von Musik - unsere
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
MehrAusgangsmatrix. Wert. Wert. Wert. 18 erhobene Merkmale. 74 Raumordnungsregionen
Ausgangsmatrix 18 erhobene Merkmale 74 Raumordnungsregionen Wert Wert Wert Korrelationsmatrix Korrelationen Personen je Raum /95 je 1000 Einw# Einwohner in m2 Industrie je Besch# Qualifikation Anteil 10#000
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung
Institut für Soziologie Dipl.-Soz. Methoden 2 Ausblick; Darstellung von Ergebnissen; Wiederholung Ein (nicht programmierbarer) Taschenrechner kann in der Klausur hilfreich sein. # 2 Programm Ausblick über
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse 1 Einsatz der Faktorenanalyse Verfahren zur Datenreduktion Analyse von Datenstrukturen 2 -Ich finde es langweilig, mich immer mit den selben Leuten zu treffen -In der Beziehung
MehrZiel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.
Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt
MehrInhalt. Einführung in die Faktorenanalyse mit SPSS. 1. Faktorenanalyse: Wozu? 1. Faktorenanalyse: Wie?
Einführung in die Faktorenanalyse mit SPSS Benutzertreffen am URZ Christoph Witzel. Juni 00 Inhalt. Faktorenanalyse: Wozu und wie?. Beispieldaten Metalle. Vorgehensweise. Verfahren zur Berechnung der Faktoren.
Mehr2.6 Bestimmung der Faktorwerte ( Matrizenmanipulation bei Hauptkomponentenmethode)
2.6 Bestimmung der aktorwerte ( Matrizenmanipulation bei Hauptkomponentenmethode) usgangspunkt zur Ermittlung der aktorwerte ist die Strukturgleichung Z E mn mp pn mn Z: Matrix der standardisierten Merkmalsausprägungen,
MehrStatistik II im Wintersemester 2006/2007
Statistik II im Wintersemester 2006/2007 Themen am 16.1. Multivariate Analysemodelle Multivariate Regression Hauptkomponentenanalyse Faktorenanalyse Lineare Strukturgleichungsmodelle Lernziele: 1. Unterschied
Mehr6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
MehrMessen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse
Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Dominik Ernst 26.05.2009 Bachelor Seminar Dominik Ernst Reliabilität und explorative Faktorenanalyse 1/20
MehrModulklausur Multivariate Verfahren
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Note Termin: 24. März 2017, 11.30-13.30 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Hauptkomponenten- und enanalyse Hauptkomponentenanalyse Von der Hauptomponentenananlyse zur exploratischen enanalyse Bestimmung der Zahl der en
MehrBestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala. Cronbach s. 1 (k 1)r
Dr. Wolfgang Langer - Methoden V: Explorative Faktorenanalyse SoSe 1999-1 Bestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala Für die Schätzung der Zuverlässigkeit einer additiven Itemskala,
MehrFaktoren- und Hauptkomponentenanalyse
Ziel: Anwendung von Verfahren der Dimensionsreduzierung Erkennen von Strukturen in Daten an ausgewählten Anwendungsbeispielen Betreuer: Dipl.-Chem. Stefan Möller IAAC, Lehrbereich Umweltanalytik Lessingstraße
MehrZusammenfassung der Prüfungsergebnisse. für IKK gesund plus. Prüfungsergebnisse für Zertifizierung: TÜV Service tested
Zusammenfassung der Prüfungsergebnisse für IKK gesund plus Prüfungsergebnisse für Zertifizierung: TÜV Service tested Die Prüfungsergebnisse im Detail 1. Rahmendaten Geprüftes Unternehmen: IKK gesund plus
MehrAMOS/SPSS output. One-factor model (9-item version)
One-factor model (9-item version) Fit Summary AMOS/SPSS output Default model 18 1817,639 27,000 67,320 Saturated model 45,000 0 Independence model 9 14251,254 36,000 395,868 Default model,872,830,874,832,874
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.
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
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
MehrFaktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur
MehrMultivariate Statistik
Multivariate Statistik von Univ.-Prof. Dr. Rainer Schlittgen Oldenbourg Verlag München I Daten und ihre Beschreibung 1 1 Einführung 3 1.1 Fragestellungen 3 1.2 Datensituation 8 1.3 Literatur und Software
MehrExkurs: Eigenwertproblem
1 von 7 29.11.2008 16:09 Exkurs: Eigenwertproblem Bei der Faktorenanalyse tritt das Eigenwertproblem auf. Man spricht von einem Eigenwertproblem wenn das Produkt zwischen einer Matrix und einem Vektor
MehrZusammenfassung der Prüfungsergebnisse. für AOK NordWest Die Gesundheitskasse. Prüfungsergebnisse für Zertifizierung: TÜV Service tested
Zusammenfassung der Prüfungsergebnisse für AOK NordWest Die Gesundheitskasse Prüfungsergebnisse für Zertifizierung: TÜV Service tested 1 Die Prüfungsergebnisse im Detail 1. Rahmendaten Geprüftes Unternehmen:
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen ob die in diesem Datensatz untersuchte
MehrBeispiele für Faktorscores realer Marken sowie minimaler und maximaler Score in den fünf Dimensionen. 2 Sensorik
Addendum zum Aufsatz Positionierungsmodell für Marken in: Planung & Analyse, 2/2015, S. 38-42 I Ergänzende Auswertungen Letzte Variante der Hauptkomponentenanalyse nach Überprüfung mehrerer Lösungen mit
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
MehrKlausurvorbereitung Multivariate Statistik
Klausurvorbereitung Multivariate Statistik Aufgabe 1 (15 Punkte) Daten der Erdbeerernte für 20 Betriebe werden untersucht. Angegeben werden die Variablen Größe, Sonne und Ertrag, die die Gröÿe des Anbaugebietes
MehrKlausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik
TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN SS 97 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Klausur zu Biometrische und Ökonometrische Methoden und Ökologische Statistik 15 45
MehrÜbungsblatt 10: Lineare Regression (Sitzung 11)
1 Übungsblatt 10: Lineare Regression (Sitzung 11) Aufgabe 1 a) Nach welchem Kriterium wird die Regressionsgerade zur Vorhersage von Y-Werten festgelegt? b) Was sind die Gemeinsamkeiten und Unterschiede
MehrEinführung in SPSS. Sitzung 5: Faktoranalyse und Mittelwertsvergleiche. Knut Wenzig. 22. Januar 2007
Sitzung 5: Faktoranalyse und Mittelwertsvergleiche 22. Januar 2007 Verschiedene Tests Anwendungsfall und Voraussetzungen Anwendungsfall Mehrere Variablen, die Gemeinsamkeiten haben, werden gebündelt. (Datenreduktion)
MehrMultivariate Analysemethoden
Multivariate Analysemethoden 22.10.2007 Günter Meinhardt Johannes Gutenberg Universität Mainz Die Konfiguration von Entitäten definiert ihre wechselseitige Ähnlichkeit. Wechselseitige Ählichkeitsmuster
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression II
Institut für Soziologie Dipl.-Soz. Methoden 2 Logistische Regression II Bringen Sie zur nächsten Übung und in die Klausur einen (nicht programmierbaren) Taschenrechner mit! # 2 Programm Wiederholung der
MehrAnalyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7. Tierkreiszeichen * Crosstabulation
2012 03 31 Analyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7 Count Tierkreiszeichen * Crosstabulation Total nicht Tierkreiszeichen 22.12.-20.01. Steinbock 36278 22383 58661 21.01.-19.02.
MehrMaster: Quantitative Methoden
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@th-koeln.de Master: Quantitative Methoden Alte Klausuren Aufgabe (06.07.2016)
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
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
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 n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrDarstellung der Rotation 2,85 / 0,08 1 / 3,5 3,62 / 0,40. α = 67,76 -1 / -1 -2,08 / 0,23-1,30 / 0,55
Darstellung der Rotation 2,85 /,8 1 / 3,5 3,62 /,4 α = 67,76-1 / -1-2,8 /,23-1,3 /,55 Material für die Übungen zur Hauptkomponenten- und Faktoranalyse Principal Components Analysis Analysis Summary Data
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrZusammenfassung der Prüfungsergebnisse. für AOK NordWest Die Gesundheitskasse. Prüfungsergebnisse für Zertifizierung: TÜV Service tested
Zusammenfassung der Prüfungsergebnisse für AOK NordWest Die Gesundheitskasse Prüfungsergebnisse für Zertifizierung: TÜV Service tested Die Prüfungsergebnisse im Detail 1. Rahmendaten Geprüftes Unternehmen:
Mehr2.5 Das Rotationsproblem
.5 Das Rotationsproblem Das Verfahren der Faktorenextraktion ist so ausgestaltet, dass - der erste Faktor F 1 einen möglichst großen Teil der Varianz der manifesten Variablen erklärt, - der zweite Faktor
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
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:
MehrMultidimensionale Skalierung
Multidimensionale Skalierung TU CHEMNITZ SEMINAR MULTIVARIATE VERFAHREN REFERENTEN: ANJA FLIEGNER, THOMAS KRANEBURG, FREDERIK SCHENGEL DOZENT DR. THOMAS SCHÄFER Inhalt 1. Was ist MDS? 2. Ablauf einer MDS-Analyse
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
Mehr