. * Beispiel 2: Anteil niederlaendischer Frauen ohne Konfession ( )
|
|
- Krista Gerhardt
- vor 7 Jahren
- Abrufe
Transkript
1 . * Beispiel 2: Anteil niederlaendischer Frauen ohne Konfession ( ). use clear. des Contains data from kohorte.dta obs: 48 vars: May :38 size: 3,216 (99.7% of memory free) - storage display value variable name type format label variable label - p float %9.0g Periode a float %9.0g Alter k float %9.0g Kohorte f1 float %9.0g Anzahl ohne Konfession f2 float %9.0g Anzahl mit Konfession n float %9.0g Gesamtzahl ohne float %6.4f Anteil ohne Konfession - Sorted by: p Note: dataset has not changed since last saved. list p a k f1 f2 n ohne, sepby(p) p a k f1 f2 n ohne Ausdruck fuer Perioden 3-7 geloesscht table a p, c(mean ohne) Periode Alter
2 . table k a, c(mean ohne) Alter Kohorte * Kohortenanalyse der dichotomen Variablen Konfession. * Unabhaengige Variablen kategorial: alle Dummies sind linear abhaengig.. xi: blogit f1 n i.a i.k i.p i.a _Ia_1-6 (naturally coded; _Ia_1 omitted) i.k _Ik_1-13 (naturally coded; _Ik_1 omitted) i.p _Ip_1-8 (naturally coded; _Ip_1 omitted) note: _Ik_13 dropped due to collinearity LR chi2(23) = Log likelihood = Pseudo R2 = _Ia_ _Ia_ _Ia_ _Ia_ _Ia_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ip_ _Ip_ _Ip_ _Ip_ _Ip_ _Ip_ _Ip_ _cons
3 . * Unabhaengige Variablen kontinuierlich: alle drei Var. sind linear abhaengig.. blogit f1 n a p k note: p dropped due to collinearity LR chi2(2) = Log likelihood = Pseudo R2 = a k _cons * Verschiedene identifizierte logistische Regressionsmodelle (ohne Ausdruck). quietly xi: blogit f1 n i.a i.p. estimates store a_p, title("a*p"). quietly xi: blogit f1 n i.a i.k. estimates store a_k, title("a*k"). quietly xi: blogit f1 n i.p i.k. estimates store p_k, title("p*k"). replace a=4 if a==5 (8 real changes made). xi: blogit f1 n i.a i.k i.p i.a _Ia_1-6 (naturally coded; _Ia_1 omitted) i.k _Ik_1-13 (naturally coded; _Ik_1 omitted) i.p _Ip_1-8 (naturally coded; _Ip_1 omitted) LR chi2(23) = Log likelihood = Pseudo R2 = _Ia_ _Ia_ _Ia_ _Ia_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ik_ _Ip_ _Ip_ _Ip_ _Ip_ _Ip_ _Ip_ _Ip_ _cons
4 . estimates store a_k_p, title("a*k*p"). estimates table a_p a_k p_k a_k_p, star( ) newpanel stats(chi2) b(%6 >.4f) Variable a_p a_k p_k a_k_p _Ia_ *** *** _Ia_ *** *** *** _Ia_ *** *** *** _Ia_ *** *** _Ia_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ik_ *** * * _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _cons *** *** *** *** Statistics a_p a_k p_k a_k_p chi2 9.6e e e e+04 legend: * p<.1; ** p<.05; *** p<.01 4
5 . * Darstellung der Antilogarithmen der geschaetzten Koeffizienten. estimates table a_p a_k p_k a_k_p, star( ) newpanel stats(chi2) efor > m Variable a_p a_k p_k a_k_p _Ia_ *** *** _Ia_ *** *** *** _Ia_ *** *** *** _Ia_ *** *** _Ia_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ip_ *** *** *** _Ik_ *** * * _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _Ik_ *** *** *** _cons *** *** *** *** Statistics a_p a_k p_k a_k_p chi legend: * p<.1; ** p<.05; *** p<.01. * Ausblick: lineare Effekte.. use clear. blogit f1 n p k LR chi2(2) = Log likelihood = Pseudo R2 = p k _cons
6 * Programm zur graphischen Darstellung der geschaetzten Koeffizienten * Einlesen der sechs Variablen var, kode, a_p, a_k, p_k, a_k_p * Die Variable var enthaelt keine numerischen Kodes und muss daher als * Text(String)-Variable mit max. vier Zeichen deklariert werden (str4) input str4 var kode a_p a_k p_k a_k_p a a a a a a p p p p p p p p k k k k k k k k k k k k k cons end label define age 1 "20-30" 2 "30-40" 3 "40-50" 4 "50-60" 5 "60-70" 6 "70+" label define periode 1 "1899" 2 "1909" 3 "1919" 4 "1929" 5 "1939" 6 "1949" 7 "1959" 8 "1969" label define kohorte 1 "älteste" 13 "jüngste" label values kode age graph twoway line a_p a_k a_k_p kode if var=="a", title("alterseffekte") xlabel( , valuelabel) xtitle("altersgruppe") legend(rows(1)) clwidth(*2 *2 *2) clcolor(blue green gold) name(alter) label values kode periode graph twoway line a_p p_k a_k_p kode if var=="p", title("periodeneffekte") xlabel( , valuelabel) xtitle("zeitpunkt") legend(rows(1)) clwidth(*2 *2 *2) clcolor(blue red gold) name(periode) label values kode kohorte graph twoway line a_k p_k a_k_p kode if var=="k", title("kohorteneffekte") xlabel( , valuelabel) xtitle("kohorte") legend(rows(1)) clwidth(*2 *2 *2) clcolor(green red gold) name(kohorte) graph combine alter periode kohorte, rows(2) cols(2) ********************************************************************************** * Achtung: Der label define periode... und alle graph twoway line... Befehle * sind in diesem Word-Dokument umgebrochen worden. Im Do-File-Editor muessen * sie in EINER Zeile eingegeben werden! ********************************************************************************** 6
* Beispiel 1: Verkehrsunfaelle
* Beispiel 1: Verkehrsunfaelle. use "C:\hja\lehre\daten\wooldridge\stata\TRAFFIC2.DTA", clear. des Contains data from C:\hja\lehre\daten\wooldridge\stata\TRAFFIC2.DTA obs: 108 vars: 48 17 Aug 1999 23:02
MehrÜbungsblatt 4: Multivariate Analyseverfahren
Prof Bernd Fitzenberger, PhD Dr Roland Füss Übung zur Veranstaltung Empirische Wirtschaftsforschung Aderonke Osikominu Albert-Ludwigs-Universität Freiburg Mehdi Hosseinkouchack Wintersemester 2007/08 Übungsblatt
MehrSTATA II: Daten- und Analysevorbereitung (Teil 1)
STATA II: Daten- und Analysevorbereitung (Teil 1) 10. November 2003 Wiederholung I K:\mo14-16 Aufgaben: 1. Stellen Sie den aktuell gültigen Pfad \data fest und wechseln Sie in das \project1 Verzeichnis
MehrAnalyse zeitabhängiger Daten. Kumulierte (gepoolte) Querschnittsdaten Teil II: Kohortenanalyse
Analyse zeitabhängiger Daten Kumulierte (gepoolte) Querschnittsdaten Teil II: Kohortenanalyse Warum geht es in den folgenden Sitzungen? Kumulierte Querschnitte (Trend-, Kohortenanalyse) Datum 13.04.05
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrSTATA III: Daten- und Analysevorbereitung
STATA III: Daten- und Analysevorbereitung 17. November 2003 Analyse-Organisation und File-Benennung K:\m014-16 data Rohdaten/Ursprungsdaten project1 Arbeitsdaten, Do-Files, Logfiles einer Analyse, evtl.
MehrTube Analyzer LogViewer 2.3
Tube Analyzer LogViewer 2.3 User Manual Stand: 25.9.2015 Seite 1 von 11 Name Company Date Designed by WKS 28.02.2013 1 st Checker 2 nd Checker Version history Version Author Changes Date 1.0 Created 19.06.2015
MehrStatistik IV Übung mit Stata 10. Statistik IV. 3. Datenaufbereitung II und erste Auswertungen. Göttingen 27. Mai Dozent: Jürgen Leibold
Statistik IV 3. Datenaufbereitung II und erste Auswertungen Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?
MehrEinführung in SPSS. Sitzung 2: Datenbereinigung und Datenmanagement. Knut Wenzig. 4. Dezember 2006
Sitzung 2: 4. Dezember 2006 Rückblick auf die Datenimport Benutzeroberfläche von SPSS Auswahl von Fällen Fälle anzeigen lassen Bestimmte Werte manipulieren Variablen in andere umkodieren Neue Variablen
MehrLogistische Regression
Logistische Regression Teil 2: Beispiel Dirk Enzmann Fortgeschrittene quantitative Methoden der Kriminologie 29.04.206 Universität Hamburg Dirk Enzmann (Hamburg) Logistische Regression UHH, 29.04.206 /
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.
MehrStatistische Methoden der Lebensverlaufsforschung. Prof. Dr. Johannes Giesecke Humboldt-Universität zu Berlin Institut für Sozialwissenschaften
Statistische Methoden der Lebensverlaufsforschung Prof. Dr. Johannes Giesecke Humboldt-Universität zu Berlin Institut für Sozialwissenschaften Lebensverlauf Deutschland, ca 1870 Johannes Giesecke Statistische
MehrAnalyse von Querschnittsdaten. Arten von Variablen und Strategien der Datenanalyse
Analyse von Querschnittsdaten Arten von Variablen und Strategien der Datenanalyse Gliederung 1. Arten von Variablen 2. Analyse einzelner Variablen (univariate Verteilungen) 3. Analyse der Zusammenhänge
MehrTypo3 & QFQ. Carsten Rose, I-MATH, University of Zurich, 2017
Typo3 & QFQ Carsten Rose, I-MATH, University of Zurich, 2017 Praktisches Beispiel Formulareditor Report 2 QFQ Offiziell noch 'Alpha' weil wir noch nicht alle Konzepte implementiert haben (Aenderungen moeglich).
MehrEinführung in QtiPlot
HUWagner und Julia Bek Einführung in QtiPlot 30. Juni 2011 1/13 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Inhaltsverzeichnis 1 Programmeinführung
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
MehrÜbung Statistik I Statistik mit Stata SS Wiederholung und Probeklausur
Übung Statistik I Statistik mit Stata SS07 04.06.2007 7. Wiederholung und Probeklausur Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata -
MehrANOVA und Transformationen. Statistik II
und Statistik II Wiederholung Literatur Statistik II und (1/28) Literatur Zum Nachlesen Agresti ch. 12 (nur bis Seite 381) Agresti ch. 13 (nur bis Seite 428) Statistik II und (2/28) Literatur für nächste
MehrWiederholung: Listen, Referenzen
Wiederholung: Listen, Referenzen Symbolische Programmiersprache Benjamin Roth and Annemarie Friedrich Wintersemester 2016/2017 Centrum für Informations- und Sprachverarbeitung LMU München 1 Wiederholung
MehrEinführung in SPSS. Sitzung 2: Datenbereinigung und Datenmanagement. Knut Wenzig. 15. Dezember 2005
Sitzung 2: 15. Dezember 2005 Rückblick auf die Datenimport Benutzeroberfläche von SPSS Auswahl von Fällen Fälle anzeigen lassen Bestimmte Werte manipulieren Variablen in andere umkodieren Neue Variablen
MehrÜbung Statistik I Statistik mit Stata SS07-21.05.2007 6. Grafiken und Wiederholung
Übung Statistik I Statistik mit Stata SS07-21.05.2007 6. Grafiken und Wiederholung Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16 Uhr Andrea.Kummerer@sowi.uni-goettingen.de Statistik mit Stata
MehrAnalysen politikwissenschaftlicher Datensätze mit Stata
Analysen politikwissenschaftlicher Datensätze mit Stata Sitzung 7: Komplexe Fehlerstrukturen, Interaktionen, Hypothesen über Koeffizienten, ordinale und nominale abhängige Variablen 1 Vorbereitung Bitte
MehrLogistische Regression
Logistische Regression Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Logistische Regression Beispiel 1: Herzerkrankungsdaten aus Framingham Log Odds Modell Beispiel 1: Einfluss von Blutdruck Maximum
MehrMATLAB Einführung. Numerische Methoden für ITET und MATL Dr. S. May, D. Devaud. ETH Zürich, Seminar for Applied Mathematics
Numerische Methoden für ITET und MATL 2016 ETH Zürich, Seminar for Applied Mathematics Dr. S. May, D. Devaud Frame 2 MATLAB Auf ETH Computer vorinstalliert Auf Heim PC: von www.ides.ethz.ch herunterladen
MehrCan I use an older device with a new GSD file? It is always the best to use the latest GSD file since this is downward compatible to older versions.
EUCHNER GmbH + Co. KG Postfach 10 01 52 D-70745 Leinfelden-Echterdingen MGB PROFINET You will require the corresponding GSD file in GSDML format in order to integrate the MGB system: GSDML-Vx.x-EUCHNER-MGB_xxxxxx-YYYYMMDD.xml
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit 26.04.07: SPSS-Kompakt 1 Datenmatrix, Dictionary, Syntax- und Ausgabefenster Grundeinstellungen SPSS-Syntax SPSS-Systemdateien: Erzeugung und Verknüpfung
MehrMerge mit nicht eindeutigen by-variablen
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Merge mit nicht eindeutigen by-variablen 28 February, 2006-12:49 Stefanie Rankl
MehrImport von Text-Dateien. Einzelne Wörter einlesen.
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Import von Text-Dateien. Einzelne Wörter einlesen. 28 April, 2009-10:14 beznika
MehrAufgabe 2: Anzahl Erdbeben als Funktion der Zeit
Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro
MehrStatistik IV Übung mit Stata 10. Statistik IV. 7. Zusammenhangsanalysen III und Probeklausur. Göttingen 12. Juli Dozent: Jürgen Leibold
Statistik IV 7. Zusammenhangsanalysen III und Probeklausur Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 28. August 2009 28. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Korrelation vs. Regression 2. Ziel der Regressionsanalyse 3. Syntax für den
MehrMikro-Ökonometrie, WS 2017/2018 Musterlösung von Aufgabe H(eckman sche Selection Bias Analyse)
Mikro-Ökonometrie, WS 2017/2018 Musterlösung von Aufgabe H(eckman sche Selection Bias Analyse) Aufgabe H: Für diese Analyse verwenden wir Daten aus dem Current Population Survey 1991 USamerikanischer Haushalte,
MehrDateneingabe und Transformation Übersicht
Dateneingabe und Transformation Übersicht 2.0 Allgemeine 2.1 Eingabe über die 2.2 2.3 Eingabe eines externen ASCII-Files 2.4 Varianten der INPUT-Anweisung, Formatierungselemente 2.5 Ein- und Ausgabe von
MehrGrundlagen der Programmierung in C++ Arrays und Strings, Teil 1
Grundlagen der Programmierung in C++ Arrays und Strings, Teil 1 Wintersemester 2005/2006 G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de Das C++ Typsystem simple structured integral enum
MehrDaniel S. Steingrube 2010-05-14. Institut für Quantenoptik Leibniz Universität Hannover. steingrube@iqo.uni-hannover.de
exportieren en Daniel S. Steingrube Institut für Quantenoptik Leibniz Universität Hannover steingrube@iqo.uni-hannover.de 2010-05-14 exportieren en 1 2 exportieren 3 4 5 6 en Was ist gnuplot? exportieren
MehrVO Biostatistik im WS 2006/2007
VO Biostatistik im WS 2006/2007 1 Beispiel 1: Herzerkrankungsdaten aus Framingham für skoeffizienten : Leukemie-Daten 2 Beispiel 1: Herzerkrankungsdaten aus Framingham Stichprobe: 1329 männliche Bewohner
MehrIVEU Advanced DICOM Header Mapping
IVEU Advanced DICOM Header Mapping Die IVEU Templates bieten außer der einfacher Erfassung von DICOM Header Werten mittels deren DICOM Data Tag z.b. 0010,0010 auch die Möglichkeit komplexere Werte zu erfassen.
MehrLogistische Regression I. Odds, Logits, Odds Ratios, Log Odds Ratios
Logistische Regression I. Odds, Logits, Odds Ratios, Log Odds Ratios PD Dr.Gabriele Doblhammer, Fortgescrittene Methoden, SS2004 Logistische Regression Tabelle 2 Alter und Symptome von Herz-/Kreislauferkrankung(CD)
MehrInformatik I - Übung 2 Programmieren in Eclipse
Informatik I - Übung 2 Programmieren in Eclipse. / Info1 / HelloWorld / HelloWorld Wort1 Wort2 Daniel Hentzen dhentzen@student.ethz.ch 5. März 2014 1.2 Häufigste Fehler im Terminal auf Gross-/Kleinschreibung
MehrHallo Jessi, wenn ich das. DATA aufg3_b; vari='<.0001'; IF &wil_two_test. le vari THEN pwert=0.0001;
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Makrovariablen vergleichen 20 August, 2009 17:23 Jessi Hallo Forummitglieder, ich
MehrStream EDitor SED und Reguläre Ausdrücke
Stream EDitor SED und Reguläre Ausdrücke ExactCODE New Thinking Store 11. Mai 2006 Was ist SED? sed steht für Stream EDitor eine Variante des Unix Editors ed und arbeitet auf Streams keine interaktiven
MehrFallbeispiel: 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:
MehrTobit-I Regressionen. Warum ist die lineare Regression des zensierten y auf x verzerrt?
Tobit-I Regressionen 29. November 2017 Mit einem Tobit-I Regressionsmodell adressiert man eine Intervall-Zensierung in der erklärten Variable y, im Standardfall eine Linkszensierung bei y = 0. (Beispiel:
Mehrrechtsbündige Leerzeichen mit einlesen im Datastep
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren ETL & Base SAS rechtsbündige Leerzeichen mit einlesen im Datastep 1 June, 2010-19:00 marcosch Hallo, wahrscheinlich
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
MehrCountdata, Postestimation und Modellvergleich
Countdata, Statistik II 1 Literatur 2 3 4 Statistik II Countdata (1/29) Literatur Zum Nachlesen Für heute: Scott/Freese ch. 8 Für nächste Woche: Wooldridge Kapitel 10.1 und 10.2 (im Reader) Statistik II
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
MehrStatistik IV Übung mit Stata 10. Statistik IV. 1. Grundlagen und Datenaufbereitung. Göttingen 2. Mai Dozent: Jürgen Leibold
Statistik IV 1. Grundlagen und Datenaufbereitung Dozent: Jürgen Leibold 1 Terminplanung Nr. Termin Inhalt 1 14.04.09 Einführung Organisatorisches und Scheinvoraussetzungen Statistik mit Softwareunterstützung?
MehrAnalyse von Querschnittsdaten. Arten von Variablen
Analyse von Querschnittsdaten Arten von Variablen Warum geht es in den folgenden Sitzungen? Vorarbeiten Datum 18.10.2006 18.10.2006 25.10.2006 08.11.2006 15.11.2006 22.11.2006 29.11.2006 06.12.2006 13.12.2006
MehrÜbung zur Einführung in die empirische Mikroökonomik (Ökonometrie II) Einführung in STATA. Universität Bamberg. Professur für VWL, Sozialpolitik
Übung zur Einführung in die empirische Mikroökonomik (Ökonometrie II) Einführung in STATA Universität Bamberg Professur für VWL, Sozialpolitik Sommersemester 2005 Dipl.-Vw. Christoph Wunder () Einführung
MehrTHEMA: GUT VORBEREITET IST HALB ZERTIFIZIERT ANTWORTEN ZUR SAS VISUAL ANALYTICS-ZERTIFIZIERUNG" THOMAS WENDE
WEBINAR@LUNCHTIME THEMA: GUT VORBEREITET IST HALB ZERTIFIZIERT ANTWORTEN ZUR SAS VISUAL ANALYTICS-ZERTIFIZIERUNG" THOMAS WENDE EBINAR@LUNCHTIME HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
MehrGibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 1 Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon
MehrEinführung in SPSS. Sitzung 2: Datenbereinigung und Datenmanagement. Knut Wenzig. 9. Dezember 2004
Sitzung 2: 9. Dezember 2004 Benutzeroberfläche von SPSS Rückblick auf die Übungsaufgaben Rückblick auf eine Hausaufgabe Übungsaufgaben Hausaufgabe Benutzeroberfläche von SPSS Rückblick auf die Übungsaufgaben
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 24. August 2009 24. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. SPSS starten 2. Optioneneinstellungen Überblick 3. Die Programmfenster bei SPSS - Dateneditor
MehrHilfekarte CASIO CFX-9850GB Plus. Kapitel / Ziel Eingabe Bildschirmanzeige Ableitungen berechnen und darstellen
Hilfekarte CASIO CFX-9850GB Plus Ableitungen berechnen und darstellen Ableitung einer Funktion (in Y1) an einer bestimmten Stelle berechnen, z. B. f (2) für f mit f (x) = x 3 2 x. Menu 1 F2 : d/dx vars
MehrAnalyse von Querschnittsdaten. Spezifikation der unabhängigen Variablen
Analyse von Querschnittsdaten Spezifikation der unabhängigen Variablen Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Annahmen gegeben? kategoriale Variablen Datum 3.0.004 0.0.004
MehrIntroduction to Python. Introduction. First Steps in Python. pseudo random numbers. May 2016
to to May 2016 to What is Programming? All computers are stupid. All computers are deterministic. You have to tell the computer what to do. You can tell the computer in any (programming) language) you
MehrDie Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen
Die Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen Beitrag für den RatSWD-Nachwuchsworkshop: Längsschnittanalysen auf der Basis amtlicher Sozial- und Wirtschaftsdaten, Berlin, 25.-26.
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrDynamische Datentypen. Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren
Dynamische Datentypen Destruktor, Copy-Konstruktor, Zuweisungsoperator, Dynamischer Datentyp, Vektoren Probleme mit Feldern (variabler Länge) man kann sie nicht direkt kopieren und zuweisen Probleme mit
MehrEmpirische Wirtschaftsforschung: Einführung in Stata
Empirische Wirtschaftsforschung: Einführung in Stata Die Anwendung der in der Vorlesung vermittelten Methoden am PC mit realen Daten ist ein zentraler Bestandteil dieser Veranstaltung. Wir verwenden die
Mehr8. Februar 2007. 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 8. Februar 2007 Hinweise:
MehrSchreibweise in IGOR: 6.02E-23
2. IGOR Objekte 2.1 Variable Eine Variable in IGOR ist eine Zahl, die einen Namen trägt. So ist es zum Beispiel möglich, unter dem Namen var1 die Zahl 4 abzuspeichern. Wichtig hierbei ist, dass IGOR Zahlen
MehrBeispiel: Lineare Regression mit Mathematica
Beispiel: Lineare Regression mit Mathematica Daten aus einem csv-file einlesen In[]:= Out[]= data = Import@ " Users ihn Documents Teaching VP-Leitung DataAnalysis 3NewProgram Lectures given in 3. Lecture
MehrCommon Business Oriented Language. Teil 1 - Einführung
Common Business Oriented Language Teil 1 - Einführung Eckdaten Erster Cobol Compiler 1959 Cobol ANSI/ISO Standards 1968, 1974, 1985, 2002 (!) Java: erster Release 1995, JDBC 1997, J2EE 1998 1997: Schätzungsweise
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
MehrRegressionsanalysen mit Stata
Regressionsanalysen mit Stata Wiederholung: Deskriptive Analysen - Univariate deskriptive Analysen (Häufigkeitsauszählungen einer Variablen) - Multivariate deskriptive Analysen (Untersuchung gemeinsamer
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit. 21. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit 2. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle In vielen Untersuchungen soll eine komplexere Beziehungsstruktur untersucht werden.
MehrProgrammier-Befehle - Woche 10
Funktionen Rekursion Selbstaufruf einer Funktion Jeder rekursive Funktionsaufruf hat seine eigenen, unabhängigen Variablen und Argumente. Dies kann man sich sehr gut anhand des in der Vorlesung gezeigten
MehrLineare Regression in R, Teil 2
Lineare Regression in R, Teil 2 Christian Kleiber Abt. Quantitative Methoden, WWZ, Universität Basel 28. Oktober 2009 1 Vorbereitungen Zur Illustration betrachten wir wieder den Datensatz CASchools. Laden
MehrDaten aus SPSS-18 Proc Format...
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS Daten aus SPSS-18 Proc Format... 16 December, 2009-11:57 Thomuser Hallo zusammen,
MehrGrundlagen in Stata. Zusammenfassung
Grundlagen in Stata 2 Zusammenfassung Dieses Einführungskapitel gibt eine knappe Übersicht über die Grundlagen der Kommandosprache in Stata als Basis für deren laufende Ergänzung im Rahmen der Analyse
MehrMixed Models. Jonathan Harrington. library(ez) library(lme4) library(multcomp) source(file.path(pfadu, "phoc.txt"))
Mixed Models Jonathan Harrington library(ez) library(lme4) library(multcomp) source(file.path(pfadu, "phoc.txt")) Mixed Models und die Varianzanalyse Mixed Models bieten eine flexiblere AlternaDve zur
MehrSPDS-Problem - proc summary auf View mit by-variable - Sortierung wird verlangt
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren Allgemeine Fragen zu SAS SPDS-Problem - proc summary auf View mit by-variable - Sortierung wird verlangt
MehrKategoriale 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
MehrA&O ExPra Datenauswertung
A&O ExPra 2008 Datenauswertung Datenauswertung Datenerhebung Datenaufbereitung Grafische Darstellung der Ergebnisse Excel, Calc (Open Office), gnumeric, SPSS... Statistiken, statistische Tests, Modellierung
Mehrdie wichtigsten Caches (SGA) sind on-the-fly änderbar.
Betrifft Autor Umgang und Verwaltung von Oracle Memory Reno Glass (Reinhold.Glass@trivadis.com) Art der Info Technische Background Info (April 2002) Quelle Aus dem NF9i -Kurs und NF9i-Techno-Circle der
MehrLineare Modelle in R: Klassische lineare Regression
Lineare Modelle in R: Klassische lineare Regression Achim Zeileis 2009-02-20 1 Das Modell Das klassische lineare Regressionsmodell versucht den Zusammenhang zwischen einer abhängigen Variablen (oder Responsevariablen)
MehrMöglichkeiten der SAS Software für die Analyse großer Datentabellen
Möglichkeiten der SAS Software für die Analyse großer Datentabellen Hans-Peter Altenburg Deutsches Krebsforschungszentrum Klinische Epidemiologie / C0500 Im Neuenheimer Feld 280 D-69120 Heidelberg E-mail:
MehrWiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor)
Prof Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Wiederholungsklausur zur Vorlesung Empirische Wirtschaftsforschung (Bachelor) Sommersemester 2012, 07092012, 12:00 13:30 Uhr Hinweise zur Klausur
MehrEinführung Leistungsmerkmale Aufbau am Beispiel FAT16. Das Filesystem FAT. Peter Schmid. Hochschule für Technik Zürich Studiengang Informatik
Hochschule für Technik Zürich Studiengang Informatik 17.4.2009 Outline 1 Wieso FAT? Geschichtlicher Rückblick 2 FAT12 FAT16 FAT32 3 Partitionen Bereiche Wieso FAT? Wieso FAT? Geschichtlicher Rückblick
MehrBegleitmaterialien zur Übung Einführung in die empirische Mikroökonometrie - Ökonometrie II
Begleitmaterialien zur Übung Einführung in die empirische Mikroökonometrie - Ökonometrie II 1. Eine kurze Einführung in STATA Guido Heineck 16. April 2003 Universität Bamberg, Professur für Sozialpolitik,
MehrPROC FREQ für Kontingenztafeln
zum Überprüfen von Zusammenhängen zweier qualitativer Merkmale Allgemeine Form: PROC FREQ DATA=name Optionen ; TABLES (variablenliste) * (variablenliste) / Optionen ; Beispiel und Beschreibung der Programm-Statements:
MehrÜbung Statistik I Statistik mit Stata SS Probeklausur, Wiederholungen und Übungen
Übung Statistik I Statistik mit Stata SS07 11.06.2007 8. Probeklausur, Wiederholungen und Übungen Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: n.v. Andrea.Kummerer@sowi.uni-goettingen.de Statistik
MehrLineare Regressionen mit R (Ökonometrie SS 2014 an der UdS)
Lineare Regressionen mit R (Ökonometrie SS 2014 an der UdS) Es soll untersucht werden, ob und wie sich Rauchen während der Schwangerschaft auf den Gesundheitszustand des Neugeborenen auswirkt. Hierzu werden
MehrDatenbanken für Online Untersuchungen
Datenbanken für Online Untersuchungen Im vorliegenden Text wird die Verwendung einer MySQL Datenbank für Online Untersuchungen beschrieben. Es wird davon ausgegangen, dass die Untersuchung aus mehreren
MehrPeakTech Zeitprogramm erstellen über Excel - Beispiel / Timed programs with Excel Example
PeakTech 6180 Zeitprogramm erstellen über Excel - Beispiel / Timed programs with Excel Example 1. Excel Datei erstellen / Create Excel file Öffnen Sie Excel und erstellen eine xls-datei unter einem beliebigen
MehrMetrische und kategoriale Merkmale
Kapitel 6 Metrische und kategoriale Merkmale 6.1 Wie kann man metrische und kategoriale Merkmale numerisch beschreiben? Typischerweise will man geeignete Maßzahlen (beispielsweise Lage- oder Streuungsmaße)
MehrVerschlüsseln eines Bildes. Visuelle Kryptographie. Verschlüsseln eines Bildes. Verschlüsseln eines Bildes
Verschlüsseln eines Bildes Visuelle Kryptographie Anwendung von Zufallszahlen Wir wollen ein Bild an Alice und Bob schicken, so dass Alice allein keine Information über das Bild bekommt Bob allein keine
MehrHäufigkeitstabellen. 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
MehrGenerischer Excel-Upload
Generischer Excel-Upload Mit diesem Programm können Sie relativ einfach Daten, die in Excel-Tabellen gespeichert sind, in eine Tabelle geladen werden. Es wird dafür ein Excel-Objekt erzeugt und die Exceltabelle
MehrMikro-Ökonometrie, WS 2017/2018 Musterlösung Aufgabenblatt 4
Mikro-Ökonometrie, WS 2017/2018 Musterlösung Aufgabenblatt 4 Aufgabe 4: In dieser Aufgabe sollen anhand der Daten aus WAGE2.DTA Einflussfaktoren für die Wkt., dass ein männlicher US-amerikanischer Arbeitnehmer
MehrFormatierung beim Einlesen
News Artikel Foren Projekte Links Über Redscope Join List Random Previous Next Startseite Foren ETL & Base SAS Formatierung beim Einlesen 9 May, 2007-15:04 Caroline Ich habe hier ja schon mein oder anderes
MehrLösungen Aufgabenblatt 7, Mikro-Ökonometrie, WS 2017/2018
Lösungen Aufgabenblatt 7, Mikro-Ökonometrie, WS 2017/2018 Aufgabe 7: Für diese Aufgabe verwenden wir die Daten aus ALLBUS12.DTA. 1 Die ALLBUS-Daten enthalten unter anderem Angaben der befragten Personen
MehrSAP-Daten per HTML anzeigen
SAP-Daten per HTML anzeigen Oftmals besteht die Notwendigkeit einfach nur bestimmte Daten eines SAP-Systems anzuzeigen. Die Installation des SAPGUI für Windows, mit mehreren hundert Megabytes, scheint
MehrInteractive Storytelling Einführung in TWINE 2.0. Daniel Heßler Uni Bayreuth WS 2015/16
Interactive Storytelling Einführung in TWINE 2.0 Daniel Heßler Uni Bayreuth WS 2015/16 Interactive Storytelling mit Twine http://twinery.org/2/#stories Lernziele Grundlagen Startpunkt setzen Link setzen
Mehr