Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation

Größe: px
Ab Seite anzeigen:

Download "Einführung in die Logistische Regression. Fortbildung zur 19.Informationstagung Tumordokumentation"

Transkript

1 Einführung in die Logistische Regression Fortbildung zur 9.Informationstagung Tumordokumentation Bernd Schicke, Tumorzentrum Berlin FB Bayreuth, 29.März 20

2 Gliederung Einleitung Schätzen von Maßzahlen (RR, OR) Multivariate Bewertung einer qualitativen Zielgröße (Logistische Regression) Beispiele mit SPSS gerechnet FB Bayreuth, 29.März 20 2

3 Schätzung von Maßzahlen (RR, OR) Hypertonie ja nein Rauch en ja nein a c b d a + b c + d a + c b +d N Relatives Risiko: RR = (a/(a + b))/(c/(c + d)) Odds Ratio: OR = (a x d)/ (c x b) FB Bayreuth, 29.März 20 3

4 Beispiel A: (fiktive Zahlen) Hypertonie ja nein Rauche n ja nein RR(eines Rauchers für eine Hypertonie) = (80/00) / (40/00) = 2 RR (eines Rauchers für keine Hypertonie) = (20/00)/(60/00) =0,33 OR= (80 x 60)/( 40 x 20) = 6 FB Bayreuth, 29.März 20 4

5 Hinweis: SPSS: unter Kreuztabelle/Statistik Risk und CMH (mit Konfidenzintervallen!) Risikoschätzer Quotenverhältnis OR Für Kohorten-Analyse ja RR Für Kohorten-Analyse RR Anzahl der gültigen Fälle Wert 6 2, %-Konfidenzintervall Untere Obere 3,87,295,543 2,592,28,509 FB Bayreuth, 29.März 20 5

6 Beispiele B: Schumacher: APSAC-Studie (Therapie bei akutem Herzinfarkt) 28-Tage Mortatlität Verstorben lebt Therapie APSAC Heparin Quotenverhältnis OR Für Kohorten- RR Für Kohorten RR Anzahl der gültigen Fälle Risikoschätzer Wert,409,442, %-Konfidenzintervall Untere Obere,79,934,206,945,006,60 FB Bayreuth, 29.März 20 6

7 Multivariate Bewertung einer qualitativen Zielgröße (Logistische Regression) Fragestellung und Beispiel Welche demografischen und biologischen Variablen haben einen Einfluss auf die Ausprägung des Gradings, wobei hier nur zwei Klassen G/G2 und G3/G4 betrachtet werden sollen. Hat, neben den klinischen Daten, auch die Pathologie/der Pathologe einen unabhängigen Einfluss auf das Grading? Beispieldaten: ADT- Datensatz für den Krebskongress 200, CRC, ergänzt mit einer Einrichtungszuordnung. FB Bayreuth, 29.März 20 7

8 Deskription und univariate Analyse Daten der Regionen/Land BB, Regierungsbezirk Chemnitz und Oberpfalz Grading Häufigkei t Prozent Gültige Prozente Kumulierte Prozente Gültig G/G ,4 77,2 77,2 2 G3/G ,4 22,8 00,0 Gesamt ,8 00,0 Fehlen d ,2 Gesamt ,0 invasive Karzinome, Lokolisation: Kolon und Rektum (ohne Übergang), Tumorstadien I-IV, Jahrgang vollst. und fehlerfreie Datensätze FB Bayreuth, 29.März 20 8

9 Verteilung des Grading in den Regionen FB Bayreuth, 29.März 20 9

10 Verteilung des Grading in KH >= 50 Fälle: Regierungsbezirk Chemnitz FB Bayreuth, 29.März 20 0

11 Verteilung des Grading in KH >= 50 Fälle: Region Oberpfalz (Bayern) FB Bayreuth, 29.März 20

12 Verteilung des Grading in KH >= 50 Fälle: Land Brandenburg FB Bayreuth, 29.März 20 2

13 Verteilung des Grading nach Diagnosejahrgang FB Bayreuth, 29.März 20 3

14 Verteilung des Grading nach dem Geschlecht FB Bayreuth, 29.März 20 4

15 Verteilung des Grading nach Lokalisation FB Bayreuth, 29.März 20 5

16 Verteilung des Grading nach dem Stadium FB Bayreuth, 29.März 20 6

17 Verteilung des Grading nach Altersgruppen FB Bayreuth, 29.März 20 7

18 Logistische Regression - Abhängige Variable/Zielgröße: Grading mit den Kategorien G/G2 und G3/G4 - Kovariablen: Jahrgang Alter Geschlecht Lokalisation Stadium, kategoriale Variable, wobei I der Referenzwert ist - Methoden Einschluss (alle Variable bleiben im Modell) Vorwärts (Aufbauverfahren) Rückwärts (Abbauverfahren) - Schätzer LR (Likelihood Ratio) oder Wald - kategorial (Referenzkategorie festlegen) FB Bayreuth, 29.März 20 8

19 - Optionen FB Bayreuth, 29.März 20 9

20 Ergebnisteil: (Modell ) Zusammenfassung der Fallverarbeitung Ungewichtete Fälle Ausgewählte Fälle Nicht ausgewählte Fälle Gesamt. Einbezogen in Analyse Fehlende Fälle Gesamt N Prozent 86,7 3,3 00,0,0 00,0 Zunächst wird mit der logistischen Regression untersucht, welche Variablen einen unabhängigen Einfluss auf da Grading haben FB Bayreuth, 29.März 20 20

21 Stadium Lokalisation Codierungen kategorialer Variablen Parametercodierung Häufigkeit () (2) (3) I II III IV 662 Kolon 86 3 Rektum 835 Geschlecht m w 925 FB Bayreuth, 29.März 20 2

22 Modell Regkoeff B Wald df Sig. OR 95% Konfidenzintervall für OR Unterer Wert Oberer Wert Schri tt djg alter,055 -,003 0,937 4,79,030,057,997,045,994,068 sex() -,203 46,545,86,770,865 lokgr(),269 65,250,308,226,396 stadkgr I 040,73 3 Referenz stadkgr II,700 76,469 2,04,86 2,233 stadkgr III, ,36 3,49 3,096 3,775 stadkgr IV, ,476 4,45 4,024 4,923 Konstante -2,33 05,769 FB Bayreuth, 29.März 20 22

23 95% Konfidenzintervall für OR Modell 2/ Regk oeffb Wald df Sig. OR Unterer Wert Oberer Wert djg ,73 9 Referenz djg(),056,560,454,057,94,223 djg(2) -,047,48,58,954,827,0 djg(3),005,005,942,005,874,56 djg(4),069,959,327,07,934,229 djg(5),74 6,343,02,90,039,363 djg(6),299 8,868,348,78,543 djg(7),344 24,863,40,232,64 djg(8),307 9,40,360,86,559 djg(9),440 36,028,553,345,793 FB Bayreuth, 29.März 20 23

24 Modell 2/2 Regkoe ffb Wald df Sig. OR 95% Konfidenzintervall für OR Unterer Wert Oberer Wert altgr < 40 42,242 5 Referenz altgr() -,655 8,607,59,385,699 altgr(2) -,775 30,224,46,349,607 altgr(3) -,808 34,663,446,34,583 altgr(4) -,87 35,683,442,338,577 altgr(5) -,727 27,274,483,368,635 sex() -,82 36,48,834,786,885 lokgr(),264 62,758,302,220,390 stadkgr I 033,990 3 Referenz stadkgr II,686 68,76,985,790 2,202 stadkgr III,29 578,08 3,384 3,064 3,738 stadkgr IV,486 83,858 4,48 3,994 4,888 Konstante -,587 08,64,205 FB Bayreuth, 29.März 20 24

25 Westsachsen Modell 3 RegkoeffB Wald df Sig. OR 95% Konfidenzintervall für OR Unterer Wert Oberer Wert Schritt 2 a djg,070 23,999,072,043,03 sex() -,265 2,579,767,662,888 lokgr(),528 39,09,696,437 2,002 stadkgr 59,500 3 Referenz stadkgr(),437 0,243,00,548,85 2,023 stadkgr(2),9 73,828 3,062 2,372 3,953 stadkgr(3),393 04,75 4,028 3,085 5,260 v57 24,243 7,00 Referenz v57() -,286 5,582,08,752,593,953 v57(2) -,466,657,00,628,480,820 v57(3) -,534 9,22,003,586,44,829 v57(4) -,27 2,373,23,805,60,06 v57(5) -,325 4,350,037,723,533,98 v57(6) -,60 3,89,548,399,752 v57(7) -,539,272,00,583,426,799 Konstante -42,39 24,67 FB Bayreuth, 29.März 20 25

26 FB Bayreuth, 29.März Oberpfalz,200 22,73 -,6 Konstante,674,302,45 5,24 -,796 v57(5),334,728,986,926,009 -,04 v57(4),893,455,637,009 6,868 -,450 v57(3),563,898,85,232,43,69 v57(2),533,30,40 39,474 -,94 v57() Referenz 5 03,669 v57 7,945 4,309 5,85 28,085,767 stadkgr(3) 5,606 3,006 4,05 78,847,42 stadkgr(2) 3,55,838 2,542 3,789,933 stadkgr() Referenz 3 49,672 stadkgr,849,268,53 9,54,426 lokgr(),992,289,536,047 3,948 -,624 altgr(5),70,26,389,002 9,878 -,944 altgr(4),66,204,367,00,5 -,002 altgr(3),798,238,436,007 7,257 -,830 altgr(2),980,266,50,043 4,08 -,673 altgr() Referenz, ,804 altgr Schr itt 3 a Oberer Wert Unterer Wert 95% Konfidenzintervall für OR OR Sig. df Wald RegkoeffB Modell 4

27 Brandenburg - Abbauverfahren Modell 5 RegkoeffB Wald df Sig. Exp(B) 95% Konfidenzintervall für EXP(B) Unterer Wert Oberer Wert Schrit t 3 a djg lokgr(),095,34 62,68 23,849,00,407,074,227,26,64 stadkgr 23,53 3 Referenz stadkgr(),596 30,278,84,467 2,243 stadkgr(2), 6,385 3,038 2,482 3,77 stadkgr(3),477 76,878 4,380 3,524 5,446 v57 35,0 8 Referenz v57(),774 27,605 5,897 4,334 8,023 v57(2),47 53,983 3,48 2,38 4,275 v57(3),957 52,259 7,075 5,85 9,653 v57(4),856 73,245 6,396 4,852 8,432 v57(5), ,636 7,03 5,448 9,074 v57(6),760 22,278 2,39,560 2,933 v57(7),303 72,63 3,679 2,727 4,964 v57(8),842 3,400 2,320,729 3,5 Konstante -94,08 64,732 FB Bayreuth, 29.März 20 27

28 Brandenburg - Aufbauverfahren Modell 5b/ Regkoeffi B Wald df Sig. OR 95% Konfidenzintervall für OR Unterer Wert Oberer Wert Schri tt a v57 v57(), ,452 32, ,84 4,30 7,843 v57(2),269 69,394 3,559 2,640 4,798 v57(3) 2,024 72,79 7,565 5,592 0,235 v57(4),834 77,903 6,260 4,78 8,96 v57(5),858 24,850 6,40 5 8,28 v57(6),827 27,424 2,286,678 3,6 v57(7),309 76,697 3,70 2,762 4,96 v57(8),834 32,065 2,302,725 3,072 Konstante -2,84 403,049,3 FB Bayreuth, 29.März 20 28

29 Brandenburg - Aufbauverfahren Modell 5b Schritt 4 d djg lokgr() stadkgr stadkgr() stadkgr(2) stadkgr(3) v57 v57() v57(2) v57(3) v57(4) v57(5) v57(6) v57(7) v57(8) Konstante RegkoeffiB,095,34,596,,477,774,47,957,856,950,760,303,842-94,08 Wald 62,68 23,849 23,53 30,278 6,385 76,878 35,0 27,605 53,983 52,259 73, ,636 22,278 72,63 3,400 64,732 df 3 8 Sig.,407,84 3,038 4,380 5,897 3,48 7,075 6,396 7,03 2,39 3,679 2,320,227,467 2,482 3,524 4,334 2,38 5,85 4,852 5,448,560 2,727,729 FB Bayreuth, 29.März OR,00 95% Konfidenzintervall für OR Unterer Wert,074 Oberer Wert,26,64 2,243 3,77 5,446 8,023 4,275 9,653 8,432 9,074 2,933 4,964 3,5

30 Zusammenfassung der Modelle Kovariablen: Alter, DiagJahr, Sex, Lokalisation, Stadium Modell N heraus Bemerkung (alle) 3067 keine Alter und DiagJahr als kontinuierliche Var. 2 (alle) 3067 keine Altersgruppen und DiagJahr als Kategorien 3 (Westsachsen) 547 Alter 4 (Oberpfalz) 3778 Sex, DiagJahr 5 (Brandenburg) 5776 Sex, Alter Im Ab- und Aufbauverfahren stabil FB Bayreuth, 29.März 20 30

31 KH N W M Kolon Rektum Alter I IV ,8% 40,2% 62,2% 37,8% 67,36 24,6% 7,0% ,4% 49,6% 62,9% 37,% 69,88 20,3% 26,2% ,6% 38,4% 6,2% 38,8% 68,52 7,2% 26,8% ,4% 52,6% 68,9% 3,% 70,8 2,% 7,7% ,2% 4,8% 60,8% 39,2% 69,47 2,2% 9,4% ,9% 44,% 63,2% 36,8% 67,40 2,9% 7,% ,6% 42,4% 62,4% 37,6% 69,38 20,4% 20,4% ,3% 43,7% 63,6% 36,4% 68,55 20,6% 20,6% ,3% 4,7% 56,2% 43,8% 67,45 23,8% 20,% Verteilung der Einflussgrößen nach Kliniken (KH Fälle > 50 /Jahr) in BB FB Bayreuth, 29.März 20 3

32 Zusammenfassung Statistische Bewertungen beruhen auf Wahrscheinlichkeitsaussagen, die von N abhängen. Wegen unterschiedlicher Ausgangsbedingungen kann ein Einrichtungsvergleich nur multivariat erfolgen, wobei eine Risikoadjustierung erfolgen muss. Multivariate Auswertungen erfordern vollständige Datensätze, da es sonst zur Selektion kommen kann. FB Bayreuth, 29.März 20 32

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Mathematisch-statistische Anmerkungen zur Bewertung von Qualitätsindikatoren beim Einrichtungsvergleich

Mathematisch-statistische Anmerkungen zur Bewertung von Qualitätsindikatoren beim Einrichtungsvergleich Mathematisch-statistische Anmerkungen zur Bewertung von Qualitätsindikatoren beim Einrichtungsvergleich Bernd Schicke Tumorzentrum Berlin 1 Gliederung 1. Datenfehler und Datenqualität 2. Umfang und Schätzungen

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

Multivariate Analyse: Einführung in das COX-Modell

Multivariate Analyse: Einführung in das COX-Modell Auswertung Multivariate Analyse: Einführung in das COX-Modell Deskriptive Statistik Häufigkeiten, Univariate Statistiken, Explorative Datenanalyse, Kreuztabellen) Induktive Statistik, Vergleich von Mittelwerten

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

Zahlen gemeinsam zum Sprechen bringen: Qualitätsanalyse in Teamarbeit als Erfolgsfaktor für Qualitätsverbesserung

Zahlen gemeinsam zum Sprechen bringen: Qualitätsanalyse in Teamarbeit als Erfolgsfaktor für Qualitätsverbesserung Zahlen gemeinsam zum Sprechen bringen: Qualitätsanalyse in Teamarbeit als Erfolgsfaktor für Qualitätsverbesserung Prof. Dr. Bettina Bohnhorst und PD Dr. med. Corinna Peter Qualität kennt keine Grenzen

Mehr

2.Tutorium Generalisierte Regression

2.Tutorium Generalisierte Regression 2.Tutorium Generalisierte Regression - Binäre Regression - Moritz Berger: 04.11.2013 und 11.11.2013 Shuai Shao: 06.11.2013 und 13.11.2013 Institut für Statistik, LMU München 1 / 16 Gliederung 1 Erweiterte

Mehr

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3

Inhaltsverzeichnis. I Einführung in STATISTICA 1. 1 Erste Schritte in STATISTICA 3 I Einführung in STATISTICA 1 1 Erste Schritte in STATISTICA 3 2 Datenhaltung in STATISTICA 11 2.1 Die unterschiedlichen Dateitypen in STATISTICA....... 11 2.2 Import von Daten......... 12 2.3 Export von

Mehr

Risikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013. Dirk Richter

Risikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013. Dirk Richter Risikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013 Dirk Richter Berner Angewandte Fachhochschule Forschung Haute & Entwicklung/ école spécialisée Dienstleistung bernoise Pflege, Bern University

Mehr

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Passivrauch-Exposition und Koronarsklerose bei Nichtrauchern

Passivrauch-Exposition und Koronarsklerose bei Nichtrauchern Passivrauch-Exposition und Koronarsklerose bei Nichtrauchern Peinemann F, 1,2 Moebus S, 2 Dragano N, 3 Möhlenkamp S, 2 Lehmann N, 2 Zeeb H, 1 Erbel R, 2 Jöckel KH, 2 Hoffmann B, 2 im Namen der Heinz Nixdorf

Mehr

Epidemiologie, Klinik und Prognose des Kolonkarzinoms Vergleichende Analyse der Tumorzentren Regensburg und Erlangen

Epidemiologie, Klinik und Prognose des Kolonkarzinoms Vergleichende Analyse der Tumorzentren Regensburg und Erlangen Epidemiologie, Klinik und Prognose des Kolonkarzinoms Vergleichende Analyse der Tumorzentren Regensburg und Erlangen M. Klinkhammer-Schalke, W. Hohenberger, S. Petsch, A. Pauer, F. Hofstädter Aufgaben

Mehr

Berliner Herzinfarktregister: Geschlechtsspezifische Aspekte des Herzinfarkts in Berlin

Berliner Herzinfarktregister: Geschlechtsspezifische Aspekte des Herzinfarkts in Berlin : Geschlechtsspezifische Aspekte des Herzinfarkts in Berlin H. Theres für das e.v. Technische Universität Berlin Institut für Gesundheitswissenschaften Symposium des s e.v. am 6. November 2002 Untersuchte

Mehr

Leitliniengerechte Behandlung älterer Herzinfarktpatienten im zeitlichen Verlauf - Daten des Berliner Herzinfarktregisters (BHIR)

Leitliniengerechte Behandlung älterer Herzinfarktpatienten im zeitlichen Verlauf - Daten des Berliner Herzinfarktregisters (BHIR) Leitliniengerechte Behandlung älterer Herzinfarktpatienten im zeitlichen Verlauf - Daten des Herzinfarktregisters (BHIR) Jens-Uwe Röhnisch Vivantes-Klinikum Berlin-Hellersdorf Klinik für Innere Medizin

Mehr

Einführung in SPSS. 1. Die Datei Seegräser

Einführung 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

Mehr

Arbeit zu ungewöhnlichen Zeiten Arbeit mit erhöhtem Risiko für Sicherheit und Gesundheit?

Arbeit zu ungewöhnlichen Zeiten Arbeit mit erhöhtem Risiko für Sicherheit und Gesundheit? Arbeit zu ungewöhnlichen Zeiten Arbeit mit erhöhtem Risiko für Sicherheit und Gesundheit? Anna Wirtz und Friedhelm Nachreiner Gesellschaft für Arbeits-, Wirtschafts- und Organisationspsychologische Forschung

Mehr

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression

Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen

Mehr

Quantitative Methoden der Bildungsforschung

Quantitative Methoden der Bildungsforschung Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang

Mehr

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung

Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Die binäre Logistische Regression ein vielseitiges und robustes Analyseinstrument sozialwissenschaftlicher Forschung Eine Einführung für Anwender - Marcel Erlinghagen - Gelsenkirchen, Oktober 2003 Gliederung

Mehr

Kapitel 4: Binäre Regression

Kapitel 4: Binäre Regression Kapitel 4: Binäre Regression Steffen Unkel (basierend auf Folien von Nora Fenske) Statistik III für Nebenfachstudierende WS 2013/2014 4.1 Motivation Ausgangssituation Gegeben sind Daten (y i, x i1,...,

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Einführung in Statistik und Messwertanalyse für Physiker

Einführung in Statistik und Messwertanalyse für Physiker Gerhard Böhm, Günter Zech Einführung in Statistik und Messwertanalyse für Physiker SUB Göttingen 7 219 110 697 2006 A 12486 Verlag Deutsches Elektronen-Synchrotron Inhalt sverzeichnis 1 Einführung 1 1.1

Mehr

Logistische Regression

Logistische Regression Grundideen Logistische Regression Exkurs Logistische Regression Auch nachzulesen bei: http://www.psychologie.uniwuerzburg.de/methoden/lehre/skripten/hs_meth_evaluation/hs_evaluation_logistisch eregression.pdf

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Was ist eine gute Klinische Studie - die Sicht der Statistik. Peter Martus Institut für Biometrie und Klinische Epidemiologie

Was ist eine gute Klinische Studie - die Sicht der Statistik. Peter Martus Institut für Biometrie und Klinische Epidemiologie Was ist eine gute Klinische Studie - die Sicht der Statistik Peter Martus Institut für Biometrie und Klinische Epidemiologie Historisches Beispiel James Lind (1716-1794) entwickelte 1747 als britischer

Mehr

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter

Mehr

V A R I A N Z A N A L Y S E

V A R I A N Z A N A L Y S E V A R I A N Z A N A L Y S E Ziel / Funktion: statistische Beurteilung des Einflusses von nominal skalierten (kategorialen) Faktoren auf intervallskalierte abhängige Variablen Vorteil: die Wirkung von mehreren,

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Ergebnisqualität in der Versorgungsforschung: Von der individuellen Bewertung einer Therapie bis zum fairen Einrichtungsvergleich

Ergebnisqualität in der Versorgungsforschung: Von der individuellen Bewertung einer Therapie bis zum fairen Einrichtungsvergleich Mitglied der Ergebnisqualität in der Versorgungsforschung: Von der individuellen Bewertung einer Therapie bis zum fairen Einrichtungsvergleich Deutscher Kongress für Versorgungsforschung 24.10.2013 Röhrig

Mehr

Herzinfarkt, Geschlecht und Diabetes mellitus

Herzinfarkt, Geschlecht und Diabetes mellitus Herzinfarkt, Geschlecht und Diabetes mellitus Ergebnisse des Berliner Herzinfarktregister (BHIR) Heinz Theres Hintergrund - vor allem im Alter < 76 Jahre - mit akutem Myokardinfarkt (AMI) haben eine höhere

Mehr

Die Auswertungen beziehen sich auf gemeldete Patienten mit Wohnort innerhalb des Einzugsbereichs der Kooperationsgemeinschaft.

Die Auswertungen beziehen sich auf gemeldete Patienten mit Wohnort innerhalb des Einzugsbereichs der Kooperationsgemeinschaft. Datenpool Wie wird ausgewertet? Datenstand vom: 24.08.2015 In den Klinischen Krebsregistern (KKR) der Kooperationsgemeinschaft der Klinischen Krebsregister im Direktionsbezirk Chemnitz des Freistaates

Mehr

Comprehensive Cancer Center Ulm

Comprehensive Cancer Center Ulm Integratives Tumorzentrum des Universitätsklinikums und der Medizinischen Fakultät Eingabemasken Comprehensive Cancer Center Ulm 20. Informationstagung Tumordokumentation in Lübeck Tumordokumentation der

Mehr

Berichte aus der Statistik. Jens Kahlenberg. Storno und Profitabilität in der Privathaftpflichtversicherung

Berichte aus der Statistik. Jens Kahlenberg. Storno und Profitabilität in der Privathaftpflichtversicherung Berichte aus der Statistik Jens Kahlenberg Storno und Profitabilität in der Privathaftpflichtversicherung Eine Analyse unter Verwendung von univariaten und bivariaten verallgemeinerten linearen Modellen

Mehr

Ursachen und Verläufe von Mieterkonflikten Möglichkeiten der Früherkennung und der Prävention durch bauliche Massnahmen

Ursachen und Verläufe von Mieterkonflikten Möglichkeiten der Früherkennung und der Prävention durch bauliche Massnahmen Berner Fachhochschule Soziale Arbeit Länggassstrasse 29 Postfach 6564 CH-3001 Bern T +41 31 300 35 55 F +41 31 300 35 56 soziale-arbeit@bfh.ch www.soziale-arbeit.bfh.ch Ursachen und Verläufe von Mieterkonflikten

Mehr

Analyse von Tabellen und kategorialen Daten

Analyse von Tabellen und kategorialen Daten Hans-Jürgen Andreß Jacques A. Hagenaars Steffen Kühnel Analyse von Tabellen und kategorialen Daten Log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz Mit 32 Abbildungen

Mehr

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II

Kategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell

Mehr

Statistische Analyse von Ereigniszeiten

Statistische Analyse von Ereigniszeiten Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression I

Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression I Institut für Soziologie Dipl.-Soz. Methoden 2 Logistische Regression I Programm Ergänzung zu letzter Sitzung: Interpretation nichtlinearer Effekte Anwendungsbereich der logistischen Regression Entwicklung

Mehr

2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns

2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns 2. Statistische Methoden in der Diagnostik Elemente des Studiendesigns Diagnosestudien in der Medizin Klassifikation in krank - nicht krank basierend auf diagnostischem Test Beispiel: Diagnose von Brustkrebs

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

Qualitätssicherung beim kolorektalen Karzinom : Sachstand

Qualitätssicherung beim kolorektalen Karzinom : Sachstand BQS Münster 19. 04. 2007 Qualitätssicherung beim kolorektalen Karzinom : Sachstand I.Gastinger (Cottbus) An - Institut für Qualitätssicherung in der operativen Medizin an der Otto von Guericke Universität

Mehr

Fallbeispiel: Kreditscoring

Fallbeispiel: Kreditscoring Fallbeispiel: Kreditscoring Stefan Lang 14. Juni 2005 SS 2005 Datensatzbeschreibung (1) Ziel Untersuchung der Bonität eines Kunden in Abhängigkeit von erklärenden Variablen Zielvariable Bonität des Kunden:

Mehr

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen

Mehr

Analyse von Querschnittsdaten. Einführung

Analyse von Querschnittsdaten. Einführung Analyse von Querschnittsdaten Einführung Gliederung 1. Einordnung in das Curriculum 2. Spezialisierungsmöglichkeiten 3. Teilnahmevoraussetzungen 4. Gliederung der Vorlesung 5. Übung Gliederung 1. Einordnung

Mehr

Datenvalidierung Mammachirurgie

Datenvalidierung Mammachirurgie Geschäftsstelle Qualitätssicherung Hessen Datenvalidierung Mammachirurgie Burkhard Fischer, BQS, Düsseldorf Björn Misselwitz, GQH, Eschborn Datenvalidierung 2009 zum Erfassungsjahr 2008 Dekubitusprophylaxe

Mehr

Konzeption eines effizienten Tumorboard-Management-Systems

Konzeption eines effizienten Tumorboard-Management-Systems Konzeption eines effizienten Tumorboard-Management-Systems Hübner A, Vera Gumpp, Bischoff M, Barleben JF, Prof. Dr. Opitz OG Tumorzentrum Ludwig Heilmeyer CCCF 19. Informationstagung Tumordokumentation

Mehr

Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter?

Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter? Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter? Marc Jarczok, Sven Schneider, Joachim E. Fischer, Freia De Bock 1 Mannheimer Institut für

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

PROC LOGISTIC: Warum sind die Koeffizienten nicht mit den Odds Ratios konsistent?

PROC LOGISTIC: Warum sind die Koeffizienten nicht mit den Odds Ratios konsistent? Anwendungen PROC LOGISTIC: Warum sind die Koeffizienten nicht mit den Odds Ratios konsistent? Ulrike Braisch, Rainer Muche Institut für Epidemiologie und Medizinische Biometrie Universität Ulm Schwabstraße

Mehr

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Gliederung. Bachelorseminar: Graphiken in R Visualisierung Kategorialer Daten. Einführung. Visualisierung von zweidimensionalen Kontingenztafeln

Gliederung. Bachelorseminar: Graphiken in R Visualisierung Kategorialer Daten. Einführung. Visualisierung von zweidimensionalen Kontingenztafeln Gliederung Bachelorseinar: Graphiken in R Visualisierung Kategorialer Daten Matthias Mitterayer betreut durch Sebastian Kaiser Einführung Institut für Statistik, LMU München 13. Januar 2011 Fazit Visualisierung

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Übernahme strukturierter Pathologiebefunddaten ins klinische Krebsregister - Chancen und Probleme

Übernahme strukturierter Pathologiebefunddaten ins klinische Krebsregister - Chancen und Probleme Übernahme strukturierter Pathologiebefunddaten ins klinische Krebsregister - Chancen und Probleme V. Gumpp, J. Emler, K. Aumann, M. Werner, D. Textor Tumorzentrum Ludwig Heilmeyer CCCF Institut für Pathologie

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert

Mehr

Seminar Text- und Datamining Datamining-Grundlagen

Seminar Text- und Datamining Datamining-Grundlagen Seminar Text- und Datamining Datamining-Grundlagen Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 23.05.2013 Gliederung 1 Klassifikationsprobleme 2 Evaluation

Mehr

Florian Frötscher und Demet Özçetin

Florian Frötscher und Demet Özçetin Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60

Mehr

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift:

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift: 20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie

Mehr

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau

Mehr

Pfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007

Pfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007 Pfadanalyse Bacher, SoSe2007 1. Grundlegende Verfahren Explorative Pfadanalyse: Kausale Beziehungen zwischen Variablen werden aufgedeckt, erforderlich ist eine kausale Anordnung der Variablen. Konfirmatorische

Mehr

Eine empirische Studie unter (ehemaligen) Zivildienstleistenden des Österreichischen Roten Kreuzes.

Eine empirische Studie unter (ehemaligen) Zivildienstleistenden des Österreichischen Roten Kreuzes. Zivildienst als wichtige Sozialisationsinstanz oder Erziehung zur Menschlichkeit Eine empirische Studie unter (ehemaligen) Zivildienstleistenden des Österreichischen Roten Kreuzes. Mag. Gerald Czech Das

Mehr

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik Institut für Soziologie Dr. Methoden 2 Einführung, grundlegende PASW-Bedienung, univariate Statistik Programm Wiederholung zentraler Aspekten der Übungen Literatur zur Veranstaltung Erste Schritte mit

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios Bernd Rosenow Rafael Weißhaupt Frank Altrock Universität zu Köln West LB AG, Düsseldorf Gliederung Beschreibung des Datensatzes

Mehr

Imputation von Werten bei fehlenden Angaben zur Mutterschaft und zur Zahl der geborenen Kinder im Mikrozensus 2008

Imputation von Werten bei fehlenden Angaben zur Mutterschaft und zur Zahl der geborenen Kinder im Mikrozensus 2008 Statistisches Bundesamt Methodeninformation Imputation von Werten bei fehlenden Angaben zur Mutterschaft und zur Zahl der geborenen Kinder im 2009 Erschienen am 24.07.2009 Ihr Kontakt zu uns: www.destatis.de/kontakt

Mehr

Eine computergestützte Einführung mit

Eine 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

Mehr

Wie viele Berufe haben die Menschen?

Wie viele Berufe haben die Menschen? Wie viele Berufe haben die Menschen? Analysen auf der Grundlage der Scientific Use Files der Mikrozensen zur Mehrfachbeschäftigung Dieter Bögenhold und Uwe Fachinger Vortrag auf der 5. Nutzerkonferenz

Mehr

Planung und Auswertung klinischer und experimenteller Studien: Datenmanagement

Planung und Auswertung klinischer und experimenteller Studien: Datenmanagement Planung und Auswertung klinischer und experimenteller Studien: Datenmanagement Institut für Medizininformatik, Biometrie und Epidemiologie Universität Erlangen - Nürnberg 1 Einordnung in den Ablauf 1.

Mehr

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: . Einführung und statistische Grundbegriffe Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische Darstellung von Datenmaterial

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

Fortgeschrittene Statistik SPSS Einführung

Fortgeschrittene Statistik SPSS Einführung Fortgeschrittene Statistik SPSS Einführung Q U A N T I T A T I V E M E R K M A L E, Q U A L I T A T I V E M E R K M A L E, A U S P R Ä G U N G E N, C O D I E R U N G E N, S K A L E N N I V E A U, D A T

Mehr

Entscheidungsbaumverfahren

Entscheidungsbaumverfahren Entscheidungsbaumverfahren Allgemeine Beschreibung Der Entscheidungsbaum ist die Darstellung einer Entscheidungsregel, anhand derer Objekte in Klassen eingeteilt werden. Die Klassifizierung erfolgt durch

Mehr

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Verteilungsmodelle. Verteilungsfunktion und Dichte von T Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung

Mehr

Prof. Dr. med. Andreas Becker

Prof. Dr. med. Andreas Becker Prof. Dr. med. Andreas Becker Institut Prof. Dr. Becker Nonnenweg 120a 51503 Rösrath Tel +49 (0) 2205 920 460 Fax +49 (0) 2205 920 463 Mobil +49 (0) 172 29 88 040 becker@i-pdb.de Einleitung 2 3 4 5 6 Auch

Mehr

Was ist die XML-OncoBox? Warum brauchen wir sie?

Was ist die XML-OncoBox? Warum brauchen wir sie? Was ist die XML-OncoBox? Warum brauchen wir sie? Ausgangspunkt 276 DKG zertifizierte Darmkrebszentren (Stand: 30.09.14) Erfassungssystematik Algorithmen Schutzmechanismen Kennzahlenbogen Matrix Ergebnisqualität

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

Zusammenhang von Lungenfunktion mit subklinischer kardialer Dysfunktion und Herzinsuffizienz in der Allgemeinbevölkerung. Dr. Christina Baum, Hamburg

Zusammenhang von Lungenfunktion mit subklinischer kardialer Dysfunktion und Herzinsuffizienz in der Allgemeinbevölkerung. Dr. Christina Baum, Hamburg Zusammenhang von Lungenfunktion mit subklinischer kardialer Dysfunktion und Herzinsuffizienz in der Allgemeinbevölkerung Dr. Christina Baum, Hamburg Einleitung Herz- und Lungenerkrankungen haben gemeinsame

Mehr

Kurs 9.3: Forschungsmethoden II

Kurs 9.3: Forschungsmethoden II MSc Banking & Finance Kurs 9.3: Forschungsmethoden II Zeitreihenanalyse Lernsequenz 01: Einführung EViews Oktober 2014 Prof. Dr. Jürg Schwarz Folie 2 Inhalt Anmerkung 4 Das Hilfesystem von EViews 5 Workshop

Mehr

Kapitel 3: Interpretationen

Kapitel 3: Interpretationen Kapitel 3: 1. Interpretation von Outputs allgemein... 1 2. Interpretation von Signifikanzen... 1 2.1. Signifikanztests / Punktschätzer... 1 2.2. Konfidenzintervalle... 2 3. Interpretation von Parametern...

Mehr

Tumorregister München

Tumorregister München Tumorregister München Jahresbericht 1998 des klinisch-epidemiologischen Krebsregisters am Tumorzentrum München Schwerpunkt: Kolorektale Karzinome Das Tumorregister München (TRM) ist eine Einrichtung des

Mehr

Varianzananalyse. How to do

Varianzananalyse. How to do Varianzananalyse How to do Die folgende Zusammenfassung zeigt beispielhaft, wie eine Varianzanalyse mit SPSS durchgeführt wird und wie die Ergebnisse in einem Empra-Bericht oder in einer Bachelor- oder

Mehr

Monte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011

Monte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011 Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit

Mehr

Kontingenzkoeffizient (nach Pearson)

Kontingenzkoeffizient (nach Pearson) Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen

Mehr

Tabellen zu den empirischen Berechnungen

Tabellen zu den empirischen Berechnungen Anhang Tabellen zu den empirischen Berechnungen Tabelle A1: Bivariates logistisches Regressionsmodell (Familienklima); Kriterium: CIUS (0=negativ; 1=positiv) Bivariate Regressionsmodelle zur H 1 : Risiko

Mehr

Anhang A: Fragebögen und sonstige Unterlagen

Anhang A: Fragebögen und sonstige Unterlagen Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben

Mehr

Logistische Regression

Logistische Regression TU Chemnitz SoSe 2012 Seminar: Multivariate Analysemethoden 26.06.2012 Dozent: Dr. Thomas Schäfer Logistische Regression Ein Verfahren zum Schätzen von Wahrscheinlichkeiten Referentinnen: B. Sc. Psych.

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

Bundesministerium für Gesundheit. Bekanntmachung

Bundesministerium für Gesundheit. Bekanntmachung Seite 1 von 10 Bundesministerium für Gesundheit Module zur Dokumentation des Brust- und Darmkrebses in Ergänzung des aktualisierten einheitlichen onkologischen Datensatzes der Arbeitsgemeinschaft Deutscher

Mehr

Die Altersabhängigkeit des Scheidungsrisikos

Die Altersabhängigkeit des Scheidungsrisikos Die Altersabhängigkeit des Scheidungsrisikos Vortrag für die Jahrestagung der Deutschen Gesellschaft für Demographie: Soziale Ungleichheit und demographischer Wandel am 6.-8. März 2013 in Berlin. Ingmar

Mehr

Validierung der Bildungsangaben in der VSKT mit Befragungsdaten aus SHARE

Validierung der Bildungsangaben in der VSKT mit Befragungsdaten aus SHARE Validierung der Bildungsangaben in der VSKT mit Befragungsdaten aus SHARE Christin Czaplicki Munich Center for the Economics of Aging (MEA) Präsentation im Rahmen der 11. Jahrestagung der Deutschen Rentenversicherung

Mehr