Evaluation und Forschungsmethodik
|
|
- Hannelore Meyer
- vor 7 Jahren
- Abrufe
Transkript
1 Evaluation und Forschungsmethodik Wozu gibt es Disparitäten? Was für Effektstärken gibt es? Metaanalyse woher kommen sie? CHI-Quadrat bei Faktoranalyse stat. Regression partielle Korrelation MR was ist eine Implementierungskontrolle (Evaluation) Hedges g, Rosenthals r Experiment Quasi-Experiment generelle Fragen was macht LISREL wann gruppiert man in der Metaanalyse Kontrastgewichte was sind Effektstärken? welche gibt es? Welche 3 Hypothesen gibt es beim fixed effect model? fixed effect model von Hedges Konfidenzintervall: was braucht man dazu? Codierung: warum? Trendcodierung Quasi-Experiment: was kann man wie kontrollieren? 2faktorielle Varianzanalyse Signifikanztest beim LISREL Regressionsanalyse: F-Test, t-test Multikollinearität 2 Möglichkeiten R 2 zu berechnen Faktorenanalyse: Rotation, 4 Kennwerte Regressionsanalyse: Unterschied zwischen den 3 Regressionsarten was sind Betagewichte Unterschied zwischen beta und B setwise-regression Metaanalyse: wie, was was soll gegeben sein Vergleich: diffuse und fokusierte Tests fixed effect model Evaluation: Unterschied zwischen Experimenten und Quasiexperimenten interne Validität des Quasiexperimentes erhöhen Einstieg: Metaanalyse focisierte Tests: wozu, wieso macht man eine z- Transform., wie wählt man die Konraste, was besagt das p- level
2 multiple Regression: wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: was besagt Ho und H1 wie teste ich diese? wieso gibt es so viele Teststatistiken? welches sind die stat. Voraussetzungen für die MANOVA? LISREL: wie prüfe ich mein Modell? was bedeutet im chi-quadrattest ein (nicht) signifikantes Ergebnis? was bedeuten die Pfadkoeffizienten? Einstieg: multiple Regression gibts eine Theorie zur Reihung der UVs bei der hierarchischen Regression? wie ist der Zshg. von r, beta, sr? MANOVA: Hypothesen formulieren wann sind unspez. Hypothesen sinnvoll? Anschlusstests bezogen auf AV/UV Evaluation: Unterschied von formativer und summativer Evaluation? probleme theoretischer art bei der formativen Eva? metaanalsyse: was macht man, wenn man nur die p-level hat? was ist überhaupt ein p? Konfidenzintervalle für Effektgrössen - was für Grössen gehen in die Berechnung ein? Einstieg: MDS Datenverdichtungskoeffizient wie bessere Interpretation? Rotation Vergleich zu Rotation bei Faktorenanalyse MANOVA: Prüfgrössen was sagt mir der F-Test wie kann ich dann weitermachen? -herauspartialisieren - was ist denn das genau? Metaanalyse: Homogenitätstests Konfidenzintervalle für Effektgrössen - was geht da in die Formel ein?
3 Evaluation und Forschungsmethodik Prof.Westermann WS 2001/2002 Einstieg: Faktorenanalyse o Was gibt es Ähnliches? LISREL, X 2 Test Metaanalyse o Effektstärken Was ist das? Welche gibt es? o Hedges (H 0, H 1, H 2 ) o Regression Was ist das? Wie werden Prädiktoren eingeführt? F-Test MANOVA MDS Evaluation und Forschungsmethodik Prof.Westermann WS 2001/2002 Einstieg: Clusteranalyse (musste alles dazu erzählen) MDS o Woher kommen die Ähnlichkeitsurteile? Faktorenanalyse o Warum rotiert man?, varimax Statistische Regression: 3 Arten erklären Was ist Partialkorrelation? Metaanalyse: o Welche Effektgrößen gibt es? o Wie heißt die Effektgröße bei ANOVA? (Eta) fixed effect model Konfidenzintervall (Wie wird es berechnet?) Evaluation: multiattributive Nutzentechnologie kurz erklären Evaluation und Forschungsmethodik Prof.Westermann WS 2001/2002 Einstieg: Multiple Regression o Signifikanztests; Multikollinearität MANOVA: o Vor- und Nachteile o wenn signifikant, wie weitermachen? o Nachteile von Bonferroni Korrektur o Statistische Vorraussetzungen der MANOVA Warum Multiple Regression statt ANOVA?
4 Was macht man mit nominalen Variablen? Kodierung Gemeinsamkeiten von LISREL und Multipler Regression Gemeinsamkeiten von LISREL und Faktorenanalyse Faktorenanalyse: o Wie groß ist die Gesamtvarianz? o Rotation Varimax Kriterium Metaanalyse: fixed effect model o fokussierte Tests o Konfidenzintervall von Effektstärken o Wie berechnet man den Standardfehler? Evaluation und Forschungsmethodik Prof. Westermann SS 02 Einstieg: Clusteranalyse o Was ist ward? o Wie kann man sie mit MDS kombinieren? o Wie interpretiert man die Cluster? Manova: o Hypothesen o Probleme bei Interpretation o Anschlusstests Hierarchische Regression: o Signifikanztests Metaanalyse: o Was ist das Fixed effect model? o Wie erfolgt Klassifikation? Evaluation: o Formative, Summative, Globale, Analytische Evaluation und Forschungsmethodik Prof. Westermann SS 02 Einstieg: MDS o Ähnlichkeiten o Distanzmodelle Formel des Minkowskimodells Was erhält man, wenn man die Formel mit 2 potenziert? (-> Euklid) o Konfiguration Was geht in die Formel für das Stressmaß ein? o Was wird interpretiert? o Wie kann man die Clusteranalyse in der MDS verwenden? o Wie kann man die Interpretation verbessern? MR o hierarchische/ sequentielle R. erklären o Was ist R/R 2? (Formel, QS-Zerlegung) o Was sind -Gewichte? o Was ist der Unterschied zw. B und?
5 ALM o Was macht man mit nominal skalierten Variablen in der MR? (kodieren) o Codierungsarten o Wie viele Indikatorvariablen? o Was ist der Vorteil der Effektkodierung? Evaluation o Unterschied zw. Wirkung u. Wirksamkeit? o Unterschied zw. Experiment u. Quasi-Experiment? o Wie kann man die interne Validität in Quasi-Exr. erhöhen? Partialkorr. genauer Metaanalyse o Was? o Wie macht man das? o Was sind Effektstärken? Welche gibt es? o Was ist das BESD? (Beispiel + erklären) o Vgl. diffuse + fokussierte Tests? o Ablauf fokussierter Test Evaluation und Forschungsmethodik Prof. Westermann SS 02 Einstieg: Clusteranalyse o Ablauf o Untersch. Ähnl./ Distanz bei metr. o Untersch. Fusionierungsalgorithmen MDS o Bezug zu CA, Interpret. o Rotation o FA Varimax Hierarch. Regression o Quasiexp. o Kontrolle Störfaktoren -> wie genau? Semipartialkorr., Sygn. Überprüfung, experimentell -> Formel MA Moderatorvar. o Welcher Einfluss? o wie ausfindig machen? CI o Formel o Formel f. Berechnung (d) Evaluation und Forschungsmethodik Prof. Westermann SS 02 Einstieg: FA MANOVA MDS
6 Regressionsanalyse Evaluation und Forschungsmethodik Prof. Westermann SS 03 Einstieg: Clusteranalyse Interpretation t, F, Doppelkreuzvalidierung FA und CA Gemeinsames? Faktoren Wie kommt man dazu? Rotation: Varimax, Einfachstruktur CFA LISREL Modelle, HYP., Spezifikation, Identifikation Auspartialisieren bei der MANOVA Prüfgrößen der MANOVA, Unterschiede Was macht die Q-Statistik Evaluation und Forschungsmethodik Prof. Westermann SS 03 Einstieg: Faktorenanalyse Interpretation t, F, Doppelkreuzvalidierung FA und CA Gemeinsames? was ist das Problem bei der obliquen Rotation mit den Kommunalitäten? das theoretische Modell erklären (Linearkombination) Unterschiede der Gleichungen zwischen FA & MR? (Korreliertheit der Varis) bei hierarchischer MR wie die Prädiktoren einführen? gibt es eine Theorie dazu? (Scheinkorrelationen aufdecken) wie rauskriegen welchen Beitrag jede einzelne UV leistet und wie hoch (sr², F inc.) MA was, wie? fixed effects modell v. Hedges? wie passiert Gewichtung der Effektstärken invers zur Varianz? wie Populationsvarianz schätzen? Evaluation und Forschungsmethodik Prof. Westermann WS 04/05 Was sind die Pfadkoeffizienten bei LISREL? ANOVA als Regression Codierungsarten, Vorteile, Interaktionseffekte wie codieren? ß-Gewichte bei verschiedenen Regressionsarten gleich groß? Metaanalyse: Homogenitätstests, Kennwertevarianz erklären Faktoranalyse: Varianzaufklärung bei Varimax im Vergleich zur Hauptkomponentenanalyse
7 Evaluation und Forschungsmethodik Prof. Westermann 2005 Einstieg: Kovarianzanalyse Was bedeutet die die Reduzierung der externen Validität im Zusammenhang mit der Betrachtung einer Kovariaten? Wie kann die Voraussetzung der Homogenität der Fehlervarianzen zur Bereinigung der Fehlervarianz überprüft werden? Wenn die Voraussetzung verletzt ist, welche Konsequenzen folgen daraus? Wenn Voraussetzungen verletzt sind und die Kovarianzanalyse trotzdem durchgeführt werden soll, wie Überprüft man die Robustheit eines Verfahrens? Wie werden Monte-Carlo-Studien durchgeführt und wie erkennt man, ob das Verfahren robust ist? Warum ist die Kovarianzanalyse ein Spezialfall der MR? Multiple Regression: Was haben MR und Varianzanalyse gemeinsam? Warum ist es sinnvoll, hierbei die Effektkodierung zu verwenden? Warum ist die Kontrastkodierung am beliebtesten und wie lässt sich die Orthogonalität der Gruppen feststellen? Wenn der Stichprobenumfang zunimmt, wie verändert sich das Signifikanzniveau und wie die Größe der Korrelation? Was ist der Unterschied zwischen B und? Was sagen die B- Gewichte aus. Wie interpretiert man die -Gewichte? LISREL: Was verdeutlichen die Pfadkoeffizienten? Wie kann man eine Korrelation zwischen einer Indikatorvariable und der latenten Variable errechnen, obwohl die latente Variable eine hypothetische Größe ist und keine eigenen Werte hat? Was ist Analogie zur Faktorenanalyse? Wie werden die Faktorwerte interpretiert? Wie lassen sich die Kausalaussagen auf Richtigkeit überprüfen? Wie stellt man indirekte Zusammenhänge fest? Metaanalyse: Was bedeutet eine Effektgröße? Was ist eine Stichprobenkennwerteverteilung und welche Voraussetzungen müssen erfüllt sein? Was bedeutet in diesem Zusammenhang Approximität der Normalverteilung?
8 Wie kann man die Streuung einer Effektgröße bei einer einzelnen Studie ermitteln und welche Bestimmungsstücke sind hierbei relevant? Evaluation und Forschungsmethodik Prof. Westermann SS 2006 Einstieg Kovarianzanalyse MANOVA: - warum Anschlusstests? - Prüfgrößen nennen: wann welche? warum werden sie anders berechnet? - wie heißt die Linearkombination? (Diskriminanzfunktion) - Voraussetzungen? Metaanalyse: - diffuse Tests? (Gleichung nennen) - Vorteile von r gegenüber d? Multiple Regression: - Berechnung von R2 - was sind b und ß? wie sind sie zu interpretieren? Faktorenanalyse: - was ist ein Eigenwert? wie interpretiert man den? - Was sagt ein Faktorwert aus? Im Zusammenhang mit IQ. was sagt da ein Faktorwert von 2,3? (etwas 2 SD entsprechen bei IQ 30 Punkte, also IQ 130) Evaluation und Forschungsmethodik Prof. Westermann SS 2006 Einstieg: Multiple Regression - was sind b und ß? was sagt ein b-wert aus? - Berechnung von R2 MANOVA: - H0, H1 - welche Verteilung? ANOVA: - Voraussetzungen? - Wie unterscheiden sich Voraussetzungen von ANOVA und MANOVA? LISREL: - was ist das? was macht man da? Faktorenanalyse: - Varimax: warum? wie funktioniert das? - Faktorladung? - Faktorwert? - Eigenwert? einen Eigenwert von wie interpretieren? - Verbindung von Eigenwert und Faktorwert Evaluation und Forschungsmethodik Prof. Westermann SS 2006 Einstieg: LISREL - wozu? Modell? Ablaufschritte grob - chi2-test: was macht man da? - Effektgröße? GFI? welche Werte können die annehmen? - Messmodelle und Strukturmodell als Übergang zu den nächsten 2 Themen Faktorenanalyse:
9 - manchmal darf man nicht rotieren.. wann? Varimax erklären Multiple Regression: - b und ß? wie zu interpretieren? - b=2, was sagt mir das? bei IQ, was würde das da bedeuten? - statistische Regression? Basics: - was ist eine Stichprobenkennwerteverteilung? - was ist der Standardfehler des Effekts? - KOnfidenzintervall? (Def. und Formel) Evaluation und Forschungsmethodik Prof. Westermann SS 2006 Einstieg: multiple Regression - was sagt mir ein b-wert von 5? - Signifikanztests (F, Finc) Faktorenanalyse: - was bedeutet ein Eigenwert von 15? - was ist der Zusammenhang zwischen Faktorwert und Eigenwert? Metaanalyse: - welche Größen fließen in den chi2-test mit ein? (Hedges und Olkin) MANOVA: - Hypothesen - was prüft man? - Anschlusstests Evaluation und Forschungsmethodik Prof. Westermann WS 2006 Einstieg: Faktorenanalyse --> welche 2 großen Arten der FA werden unterschieden (explorative, konfirmatorische) --> welche Extraktionsmethoden gibt es innerhalb der explortiven FA (Achtung: es gibt nicht nur die PCA und FA, sondern auch noch weitere--> siehe Tabachnick& Fidell) --> was ist problematisch bei der Anwendung der FA (es gibt kein mathematisches Kriterium, an dem man die Validität einer FA messen kann!) --> wie werden Faktoren extrahiert (nach dem Kriterium der max. Varianzaufklärung) --> wie groß ist die Gesamtvarianz? (wir rechnen mit standardisierten Variablen! deshalb immer so groß wie die Zahl der Variablen) --> mathematisches Modell (kurz) --> Rotation: warum, wie, Varimax --> oblique Rotation: Vor- und Nachteile * Übergang zur Kanonischen Korrelationsanalyse --> was wird da gemacht, worum geht es überhaupt? --> was genau ist eine kanonische Korrelation, wie wird sie auf Signifikanz geprüft (Wilks Lambda-->BartlettsV, Raos F --> warum sind viele Verfahren Spezialfälle der Kanonischen Korrelationsanalyse (z.b. MR und Manova--> schaut Euch die Grundgleichung der KK und die der beta- Gewichtsberechnung
10 der MR an!) --> Redundanzen: was, wie berechnen, was sagen sie aus (Achtung: ist nicht in beide Richtungen identisch!) --> Ähnlichkeiten zur FA * Übergang zu den Strukturgleichungsmodellen --> worum geht es überhaupt --> kann man Korrelationen kausal interpretieren (nein!! eine Korrelation ist notwendige, aber keine hinreichende Bedingung für kausale Abhängigkeiten--> ich brauche ein randomisiertes experimentelles Design (interne Validität!), um Kausalaussagen machen zu können! --> Chi ² Test, Fit Indizes --> Beispiel für ein Quasi-Experimentelles Design --> wie könnte ich das mit LISREL auswerten? (stellt Euch das grafisch vor! die Zugehörigkeit zur Experimental- und Kontrollgruppe sind die Indikatorvariablen für die latente exogene Variable (z.b. eine bestimmte Lehrmethode) --> Problem der Verifizierung meiner Hypothesen (eigentlich kann ich meine Kausalhypothesen nicht verifizieren, sondern nur falsifizieren--> berechne ich aber mehrere mögliche Modelle und keines der Modelle hat eine bessere Passung als meines, ist das schon eine Art Verifizierung) --> kurz Mehrgruppenmodelle und Modifikation des Modells Ich kann Euch den Tipp geben, Euch wirklich in Ruhe auf die Prüfung vorzubereiten. Versucht die Verfahren wirklich zu verstehen, lernt sie nicht nur auswendig. Stellt Euch Fragen und versucht vor allem Beziehungen zwischen den Verfahren herzustellen (Gemeinsamkeiten, Unterschiede--> nicht vergessen: alle beruhen auf dem Prinzip der Linearkombination, haben aber unterschiedliche Gewichtungskriterien). So schwer ist das alles gar nicht und vor allem macht es, wenn man ein paar AHA- Effekte hatte, auch Spaß sich'reinzudenken'. Herr Westermann führt so toll durch die Prüfung! Keine Angst haben und toi, toi, toi! Evaluation und Forschungsmethodik Prof. Westermann WS Einstieg: Faktorenanalyse (Ziel - Bartlett t-test-pca- Kriterien, Varimaxrotation --> Eigenwerte, Varianzaufklärung) - Regression: R², Unterschied b und beta, Kriterien der hierarchischen Regression mehrfaktorielle Anova als Regression - Metaanalyse: Berechnung SE+ CL von Effektgröße, Homogen.test (Welche Hs gg. Hs?)
11 !! #! #! % && ( ) +,./, 012# 3 4 3,! 02#!,! 3! 02#! 02# + 5,, &&! 6 &! ) &! )! 7+/! 78 9!!! ) ) : 9,! ; : 1 ; :!, / :,,!!! 6/ &3 < &<!!! = #!!., 02# : ( +:>,, / ) 02#! &<, &! # & & # :!? + : 0 ) + ) : && :,,! : 7, 3,,! :! 8 &&,! : 6!!&! :!, 9 &<! 3! : /, Α / : Β Χ 3! &<,! : :!! :6 : /,! ( 6! &<!! &,, 8,!!!!,! &!,, &, > /!,!! > / Ε Φ
12 6 /&,,!!!!!! =Α Ε =Γ!!,!!! Η,! = ),!! 7!, 8 9 &< 9!!,! ;! &!! 9,! &&,,,!!!! 6/ Α ( <, 8 9,! Α // //,! 9 ; 9 Ε &&,, 6 )# /!!!&, = 0!!!!& &<!! 7!,, 6!!& &< &&,,!,,! ),! Β! &! 6/ & <& ( +! ),, 3,, + )!,!,!, 6/! 6 // 0 Α / &<!! &< 02#! <& (! (! )! 7! 2! 1 ; 9,!
13 / & Α #! > 7, / ) &< & # Ι:ϑ ) :0 : + ) && Κ! ) : 3 0 #! Ι:ϑ :ϑ! :ϑ 6 :ϑ! ;;, 0 ; Ε : + #! ),, : && ( &<! 1!! 6 ) &! && :, / &<, ) &&!!! #! 3 ) //!,!! : 02#,,!,!,,,, : +! + : 7, 3 : 6! &! && : ::ϑ & :! : / : / :!,! : ) :0 : + ::ϑ ) ) : & 3 : 6 & ::ϑ 0 / ; :,,! : 7 3,, # & <!! /!! Λ Λ!! &! : ) ) & 3.! ) # Β /!!!,! 6 & : 5,, ) )! Β,! #!!, / Μ % Μ 3!! > # &< : 6, 6 ) < 1 Μ:9!!! :Β! Ν 1 Μ:9 3 Α <! &< & Α <!!& : ) :0 : +
14 ! 6 +/ / <&! # & =, & # &! &! &&! /.,,:!:! 4!!, 8:; 63! 1 Μ:9 3 Ν!!!!, ( 6 &< 6 4! 4! : ( Β < Β &!,, Μ,! Μ!, 6 66:!,! Ο,, &<! :! 6 66! > :Α &!!!!,! 0 :=> 3 Χ 3!, 6 Π!!! :./,! 6 Θ && !? 2,,,! 7+/ =9 Β,,! Α,, 9?! && 9 &!! & 9?! && 9 &<!!! 6!!&! && 7!? 2, 6 %! & (, / 9!! 6!!& 8= 0:Ε,! :5 &, &< #!!,,! <& &!!! # &, (!,,,!, &, &,! &!,!, ( 6,,! Κ!, / # :! 0! Θ 3! Χ!!!,, + &&! 7!? 2, 7+/ 3 7+/!! ,, 6! Α,,
15 /,! &! && > :Α Ν 2 : :# 3! 6 : ( /!! 6 &! & &,! & :! & : 5 ) +/ # & & : 6 &,! & :!! # &!! &! && : &! + :, 6,! ) Η # Η 3! Η # Η ), &! &&!! >! Κ ) : &, +,!! 6,!,! Η! +! :! /!! / <& 1 Μ :Β! : Β / 1 Μ & Α, &! / 0!,! &! && &< :, > / :!! >! : 6!!!, 3! 3 Μ :,,./, 6 /, > &< : Μ &<!! 3! &! 6 66 : ) :0 : +, 3 : 3, 0 /!, : 2!!, > / 3 2!! : :! :,, Α //, :! #= # : <&! /,.,,!! # % & # + : 5!! & :! &&! :,,,,! 6 &, # :! 4!!! ) / :! 6!! :! #! 6 6 6!! 6 / : 7, 3 7? 2 5 # & (! 7 :9! &&! && ::ϑ.!!, : 7, 3 & ( (! &&! & 9! 6! : : &,, Ρ ::ϑ, Κ 9 / : & &<, 3!!! :! : ( /
16 :!! :! & : > ; ::ϑ >! Β / : Β &<, Β 6 :! & : ),! :,,! :! &! &&!
Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrMethodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie
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
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
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
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrStatistik. Für Sozialwissenschaftler. Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen
Jürgen Bortz Statistik Für Sozialwissenschaftler Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen Springer-Verlag Berlin Heidelberg Newlfork London Paris Tokyo Inhaltsverzeichnis Einleitung
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:
MehrStichprobenumfangsplanung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße
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
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
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
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
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
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.
MehrLehrbuch der Statistik
Jürgen Bortz Lehrbuch der Statistik Für Sozialwissenschaftler Zweite, vollständig neu bearbeitete und erweiterte Auflage Mit 71 Abbildungen und 223 Tabellen Springer-Verlag Berlin Heidelberg New York Tokyo
MehrInhaltsübersicht. Glossar Tabellen Literaturverzeichnis Namenverzeichnis Stichwortverzeichnis
Inhaltsübersicht I Deskriptiv- und Inferenzstatistik 1 1 EmpirischeForschungundSkalenniveaus... 3 2 StatistischeKennwerte... 25 3 GrafischeDarstellungenvonMerkmalsverteilungen... 39 4 Wahrscheinlichkeitstheorie...
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...
MehrVariablen und Parameter in LISREL
Variablen und Parameter in LISREL 1 Konfirmatorische Faktorenanalyse: Pfaddiagramm Dieses Diagramm stellt den denkbar einfachsten Fall einer konfirmatorischen Faktorenanalyse dar. Empirisch sind Modelle
MehrPsychologische Methodenlehre Statistik
RAINER LEONHART Psychologische Methodenlehre Statistik Mit 21 Abbildungen und 40 Tabellen Mit 64 Ubungsfragen Ernst Reinhardt Verlag Miinchen Basel Inhalt Vorwort 9 1 Einfuhrung in die Forschungsmethoden
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
MehrForschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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
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
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
MehrMultiple Regressionsanalyse - Kurzabriss
Multiple Regressionsanalyse - Kurzabriss Ziele: Schätzung eines Kriteriums aus einer Linearkombination von Prädiktoren Meist zu Screening-Untersuchungen, um den Einfluß von vermuteten Ursachenvariablen
MehrInhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen
Inhaltsverzeichnis 1 Einführung und deskriptive Statistik... 1 1.1 Wichtige mathematische Schreibweisen... 1 1.1.1 Das Summenzeichen... 1 1.1.2 Mengentheoretische Schreibweisen... 3 1.1.3 Variablentransformationen...
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)
MehrSkript zur Vorlesung Statistik 2
Weder die Autorin noch der Fachschaftsrat Psychologie übernimmt Irgendwelche Verantwortung für dieses Skript. Das Skript soll nicht die Lektüre der Prüfungsliteratur ersetzen. Verbesserungen und Korrekturen
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrKapitel 3 Schließende lineare Regression Einführung. induktiv. Fragestellungen. Modell. Matrixschreibweise. Annahmen.
Kapitel 3 Schließende lineare Regression 3.1. Einführung induktiv Fragestellungen Modell Statistisch bewerten, der vorher beschriebenen Zusammenhänge auf der Basis vorliegender Daten, ob die ermittelte
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
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
MehrKonfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
Mehrmethodenlehre ll ALM und Mehrfaktorielle ANOVA Mehrfaktorielle ANOVA methodenlehre ll ALM und Mehrfaktorielle ANOVA
15.04.009 Das Allgemeine lineare Modell Post hoc Tests bei der ANOVA Mehrfatorielle ANOVA Thomas Schäfer SS 009 1 Das Allgemeine lineare Modell (ALM) Varianz als Schlüsselonzept "The main technical function
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrLineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)
Interdisziplinäres Seminar Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA) WS 2008/09 19.11.2008 Julia Schiele und Lucie Wink Dozenten: Prof. Dr. Bühner, Prof. Dr. Küchenhoff
MehrStatistische Methoden in der Geographie
Statistische Methoden in der Geographie Band 2.; Multivariate Statistik Von Dr. rer. nat. Gerhard Bahrenberg Professor an der Universität Bremen Dr. rer. nat. Ernst Giese Professor an der Universität Gießen
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
MehrStatistik-Klausur A WS 2009/10
Statistik-Klausur A WS 2009/10 Name: Vorname: Immatrikulationsnummer: Studiengang: Hiermit erkläre ich meine Prüfungsfähigkeit vor Beginn der Prüfung. Unterschrift: Dauer der Klausur: Erlaubte Hilfsmittel:
MehrKonfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik
MehrMehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
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. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Korrelationen 1 Lineare Regression 3 Literatur 5 Korrelationen Mit Hilfe von G*Power lässt sich analog zum Vorgehen beim t-test (Kapitel 3, Band I) vor einer Untersuchung
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 1. Vorlesung:.5.3 Agenda 4. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse ii. iii. iv. Statistisches Modell, Hypothesentestung
MehrMethodenlehre I Organisatorisches Wiederholung. Überblick Methodenlehre II. Thomas Schäfer. methodenlehre ll Einführung und Überblick
Methodenlehre II Thomas Schäfer Thomas Schäfer SS 2009 1 Organisatorisches Wiederholung Methodenlehre I Überblick Methodenlehre II Thomas Schäfer SS 2009 2 1 Organisatorisches Übung zur Vorlesung Friederike
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 1. Vorlesung: 07.04.2003 Agenda 1. Organisatorisches 2. Literaturempfehlungen 3. Überblick: Was ist multivariate Statistik? 4. Lernziele und Prüfungsanforderungen
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 8. Vorlesung: 08.05.003 was man/frau schon immer wissen wollte I Interpolation und Extrapolation Schlussfolgerung auf erwarteten Wert einer Person aufgrund
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
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
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
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrAnalytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest. Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09
Analytische Statistik: Varianzanpassungstest, Varianzhomogenitätstest Statistische Methoden in der Korpuslinguistik Heike Zinsmeister WS 2008/09 Varianzanpassungstest Untersuchung der Streuung einer bzw.
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg R. 06-06 (Persike) R. 06-31 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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
MehrEmpirische Forschungsmethoden
Winfried Stier Empirische Forschungsmethoden Zweite, verbesserte Auflage Mit 22 Abbildungen und 53 Tabellen Springer L Inhaltsverzeichnis I. Grundlagen 1 1.1. Methoden, Methodologie, Empirie 1 1.2. Einige
MehrGrundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1
Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik 2 Inferenzstatistik 1 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Rückblick: Besonders wichtige Themen Wissenschaftstheoretischer
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
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-
MehrDr. Frank Piontek Statistik III + VPLG.doc SS 2008 Multivariate Statistik und Versuchsplanung
1. Regressionsanalyse [RA] 1.1. Einfache lineare Regression Lineares Modell & Regressionsrechnung Gütemaße Signifikanzprüfung Grafische Darstellung: [Punktwolke/ Streudiagramm / Scatterplot, Regressionsgerade
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
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
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrLineare Regression und Varianzanalyse
Lineare Regression und Varianzanalyse Von Prof. Dr. Fritz Pokropp Universität der Bundeswehr Hamburg R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1 Einleitung 1 1.1 Grundstruktur linearer Modelle
MehrMethodik für Linguisten
Claudia Methodik für Linguisten Eine Einführung in Statistik und Versuchsplanung narr VERLAG 1 Reisevorbereitungen und Wegweiser 2 Linguistik als empirische Wissenschaft 15 2.1 Karl Popper und der Falsifikationismus
MehrMethodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 13 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 19.05.15 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
MehrProf. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION
Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 2. FS Master Rehabilitationspsychologie, SoSe 2012 Faktorenanalyse/ faktorielle Validität 2 Einleitung Allgemeines zu Faktorenanalysen (FA)
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
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
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrLernziele Experimentelles Praktikum
Lernziele Experimentelles Praktikum Inhaltsverzeichnis 1. Theoretischer Hintergrund des Artikels 2. Grundlagen des Experimentierens 3. Schritte der allgemeinen Versuchsplanung 4. Unabhängige Variablen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrLiteratur: Rudolf & Müller, S Dr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung Einführung SEM Folie Nr. 1
1 Korrelation und Kausalität 2 Grundsätzliches 3 Pfaddiagramme und lineare Strukturgleichungen 4 Struktur- und Messmodell 5 Modellspezifikation 6 Parameterschätzungen 7 Beurteilung der Schätzergebnisse
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrAufgaben zu Kapitel 4
Aufgaben zu Kapitel 4 Aufgabe 1 a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl erinnerter positiver Adjektive. Wie nennt sich eine solche Korrelation und wie lässt sich der Output
MehrLösungen zu den Übungsaufgaben in Kapitel 10
Lösungen zu den Übungsaufgaben in Kapitel 10 (1) In einer Stichprobe mit n = 10 Personen werden für X folgende Werte beobachtet: {9; 96; 96; 106; 11; 114; 114; 118; 13; 14}. Sie gehen davon aus, dass Mittelwert
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:
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests Nach Verteilungsannahmen: verteilungsabhängig: parametrischer [parametric] Test verteilungsunabhängig: nichtparametrischer [non-parametric] Test Bei parametrischen Tests
MehrStichwortverzeichnis. Ausgleichsgerade 177 Ausreißer 13, 40
283 Stichwortverzeichnis a Alpha-Wert 76, 91 Alter 256 Alternativhypothese 68, 70 ANOVA siehe einfache Varianzanalyse, zweifache Varianzanalyse Anpassung 178 Anpassungstest siehe Chi-Quadrat-Anpassungstest
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 11. Vorlesung: 18.0.200 Agenda. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse ii. iii. iv. Uni- vs. multivariate Varianzanalyse
MehrHäufigkeitsverteilungen
Häufigkeitsverteilungen Eine Häufigkeitsverteilung gibt die Verteilung eines erhobenen Merkmals an und ordnet jeder Ausprägung die jeweilige Häufigkeit zu. Bsp.: 100 Studenten werden gefragt, was sie studieren.
MehrEinführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
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
Mehr