Messwiederholungen und abhängige Messungen
|
|
- Helge Rothbauer
- vor 6 Jahren
- Abrufe
Transkript
1 Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS Messwiederholungen und abhängige Messungen Bei einer Messwiederholung (repeated mesurement) handelt es sich um ein Untersuchungsdesign, das eine Stichprobe verwendet, bei der wiederholt die gleiche abhängige gg Variable gemessen wird. Dieselben Personen durchlaufen dabei alle Untersuchungsbedingungen. Eine solche Untersuchungsform wird auch als Innersubjekt Design (between subjects) bezeichnet. Bei einem Design mit gepaarten Stichproben (matched samples) wird jeder Untersuchungsteilnehmer der einen Stichprobe einem Teilnehmer der anderen Stichprobe anhand eines Merkmals zugeordnet. Aus den Prozess des Matching resultiert immer ein Paar von Versuchspersonen, die hinsichtlich eines spezifischen Merkmals äquivalent sind. (nach Pospeschill, 006) Thomas Schäfer SS 009 1
2 Messwiederholungen und abhängige Messungen Beispiele für Matching: Alter, IQ, Geschlecht Ziel des Matching: sich dem Design einer Messwiederholung so gut wie möglich anzunähern Messwiederholungsdesigns sind perfekt gematcht (parallelisiert) Messwiederholungsdesigns und gepaarte Stichproben liefern immer abhängige (verbundene) Messungen Vorteile abhängiger Stichproben: weniger Versuchspersonen nötig Veränderungen über die Zeit besser messbar (z.b. bei Wirksamkeitsstudien) Fehlervarianz (hier: die Varianz zwischen den Personen) wird reduziert Nachteile: Sequenz und Lerneffekte Thomas Schäfer SS t Test für abhängige Stichproben Messwert Messung A Messung B für jedes Messwertepaar geht nur die Differenz der Werte in die Berechnung ein, nicht die Rohwerte! Die unterschiedlichen Niveaus der Personen werden nicht berücksichtigt Minimierung der Fehlerstreuung der Durchschnitt aller Differenzen wird gegen 0 getestet (wie beim Einstichprobenfall) n entspricht daher nur der Anzahl der Messwertpaare, nicht der Anzahl der Messwerte! Thomas Schäfer SS 009 4
3 t Test für abhängige Stichproben Messwert Messung A Messung B Differenz X diff 3,5 Varianz der Differenzen 1 0 Messung A Messung B t AS X ˆ diff X diff X ˆ diff diff n ˆ diff n i 1 ( diff ) diff i n 1 Thomas Schäfer SS t Test für abhängige Stichproben Durch die Reduzierung der Fehlervarianz wird der t Wert für abhängige Stichproben immer größer als der t Wert für unabhängige Stichproben Effektgrößen Aus Rohwerten: g X diff ˆ diff Aus dem t Wert: g t AS oder r n t² t² + df Thomas Schäfer SS
4 t Tests im Vergleich Empirischer vs. theoretischer Mittelwert (Einstichprobenfall) Zwei empirische Mittelwerte (unabhängige Messungen) Abhängige Messungen t X μ X t X X A B X A X B diff t diff X n X A X B X A (bei n A n B ) + X B diff diff n Thomas Schäfer SS Varianzanalyse mit Messwiederholung (Repeated measures ANOVA) Messwert (aus Pospeschill, 006) Messung A Messung B Messung C Thomas Schäfer SS
5 Varianzanalyse mit Messwiederholung Varianz über (k) abhängige Messungen; statt steht oft treat F ˆ ˆ residual df df res res Varianz, die nicht durch Treatment oder Personen erklärt wird df k 1 df res (k 1)(n 1) ( gesamt zwischen Personen + + res ) : Quadratsumme n: Anzahl der wiederholt gemessenen Merkmalsträger (Personen) Thomas Schäfer SS Varianzanalyse mit Messwiederholung gesamt Pers ( X ij X ) k n X k [ n ] ( X ) X i i 1 i 1 j 1 n k X j 1 ( X ) res gesamt Pers j i: Laufvariable fürspalten (Messwiederholungen) j: Laufvariable für Merkmalsträger (Personen) k: Anzahl der Messungen n: Anzahl der wiederholt gemessenen Merkmalsträger X : Gesamtmittelwert Thomas Schäfer SS
6 Beispiel: Lordoseverhalten bei Hamstern Thomas Schäfer SS Beispiel: Lordoseverhalten bei Hamstern Männchen A Männchen B Männchen C Hamster Mittel Hamster ,7 Hamster Hamster ,3 die unterschiedlichen Niveaus der Merkmalsträger sind wieder nicht von Bedeutung Mittel ,3 entscheidend ist, wie die Mittelwerte über die Messwiederholungen hinweg variieren diese Variation spiegelt den Effekt der Messwiederholung wieder Thomas Schäfer SS
7 Effektgrößen und Power Populations Effektgröße (partielles Eta Quadrat): η P + res zur Poweranalyse: Vorgehen analog zur ANOVA bei unabhängigen Stichproben Effektgrößen generell größer als bei unabhängigen Gruppen! will man Effektgrößen aus ANOVAs mit abhängigen und unabhängigen Stichproben direkt vergleichen, kann man eine korrigierte Variante der Effektgröße berechnen: η + Pers + res Thomas Schäfer SS Poweranalyse mit G Power Test auswählen Design auswählen Art der Analyse auswählen (a priori, post hoc) Effektgröße eintragen (hier ausrechnen) Alpha eintragen Power eintragen Anzahl der Messwiederholungen bzw. Versuchsgruppen Thomas Schäfer SS
8 Poweranalyse mit G Power Ergebnis Ergebnis: erforderliches N Plot anzeigen lassen für N gegen Power Thomas Schäfer SS Post hoc Tests (Einzelvergleiche) zur Analyse der Differenzen einzelner Faktorstufen: Vorgehen analog zur ANOVA bei unabhängigen Stichproben also z.b. Scheffé Test, hffé Bonferroni Test usw. Männchen A Männchen B Männchen C Hamster Mittel Hamster ,7 Hamster Hamster ,3 Mittel ,3 Thomas Schäfer SS
9 Gemischte Designs (mixed models) bei faktoriellen Designs können gleichzeitig abhängige und unabhängige Messungen vorkommen in SPSS: abhängige Messungen Innersubjektfaktoren, k unabhängige Messungen Zwischensubjektfaktoren Faktor A: Messwiederholung in 3 Stufen Sitzung A Sitzung B Sitzung C Faktor B: unabhängige Gruppen Patienten ohne Medikament Patienten mit Medikament Thomas Schäfer SS Gemischte Designs Beispiele aus Gerrig & Zimbardo, 008 Thomas Schäfer SS
10 Kovarianzanalyse (Analysis of Covariance, ANCOVA) Problemstellung: was passiert, wenn sich Versuchsgruppen (Faktorstufen) nicht nur durch das Treatment unterscheiden, sondern außerdem durch den Einfluss von Störvariablen? (häufig: Alter, Geschlecht, Intelligenz ) die eigentliche Lösung: Ausschalten der Störvariablen durch experimentelle Kontrolle wenn das nicht möglich ist (z.b. unvorhersehbare Störungen, Quasiexperimente), müssen die Störvariablen statistisch kontrolliert werden dafür müssen die Störvariablen in jedem Fall dokumentiert werden! Placebo Einfache D. Doppelte D Thomas Schäfer SS Kovarianzanalyse die Störvariable erhöht die Fehlervarianz bei der ANOVA, weil ihr Einfluss nicht durch die erklärt werden kann damit sinkt die Power der berechneten Tests Wie kann man den Effekt der Störvariablen ausschalten? Statistische Kontrolle einer Störvariablen, die möglicherweise die Daten der Untersuchung beeinflusst haben könnte: Frage: Wie sähen die Ergebnisse aus, wenn man den Einfluss dieser Variablen konstant gehalten hätte? Vorgehen: 1. Die Störvariable wird zusätzlich erhoben. Ihr Einfluss wird mit einer Kovarianzanalyse neutralisiert (herausgerechnet) Thomas Schäfer SS
11 Kovarianzanalyse Vorgehen Die Regressionsanalyse entfernt die auf das Kovariat zurückgehende Varianz aus der abhängigen Variablen (AV) dies geschieht, h in dem eine Regression der AV auf die Kovariate berechnet wird die Regressionsresiduen beschreiben den Anteil der AV, der nicht durch die Kovariate erklärt werden kann diese Residuen werden als neue AV in eine Varianzanalyse gegeben es wird versucht, die nach der Regressionsanalyse verbleibende (nicht erklärbare) Varianz mit der Hilfe einer ANOVA zu erklären Thomas Schäfer SS Kovarianzanalyse Vorgehen Placebo Einfache D. Doppelte D möglicherweise ruft ein Unterschied im Alter zwischen den Gruppen Varianz in der Befindlichkeit der Patienten hervor, die nichts mit der zu tun hat AV zunächst Regression von Befindlichkeit auf Alter Alter Thomas Schäfer SS
12 Kovarianzanalyse Vorgehen Residuen die verbleibenden Residuen sind nun um den Einfluss des Kovariates bereinigt sie werden als neue AV in die ANOVA gegeben liefert die ANOVA nun immer noch einen Unterschied zwischen den Gruppen, so kann dieser nicht mehr durch das Kovariat bedingt sein Thomas Schäfer SS Kovarianzanalyse Vorgehen die Kovariate müssen intervallskaliert sein nominalskalierte Störvariablen werden einfach als Faktoren mit in die ANOVA aufgenommen ihr Einfluss wird dann von der Gesamtquadratsumme abgezogen sie erhalten einen eigenen F Wert Output Tabellen von Kovarianzanalysen sehen so aus wie die von ANOVAs, aber jedes Kovariat erhält eine eigene Zeile, in der der Effekt angegeben ist Fazit: Kovarianzanalyse als Alternative zur ANOVA, wenn Störvariablen statistisch kontrolliert werden sollen Thomas Schäfer SS
Aufgaben 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
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
MehrSPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen
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
MehrAllgemeines 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
MehrUnsystematische Störvariablen
wirken auf AV, variieren aber nicht mit UV haben keinen Einfluss auf Unterschiede zwischen den Bedingungen Unsystematische Störvariablen (Eid, Gollwitzer & Schmitt, 2010, S. 56f) Es gibt individuelle Unterschiede
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
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
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
MehrKontrastanalyse Kontrastanalyse
8.4.9 analyse Thomas Schäfer SS 9 analyse Fragen, die Sie schon beantworten önnen: Unterscheiden sich die Mittelwerte über verschiedene Gruppen hinweg irgendwie? (Omnibushypothesen) Varianzanalyse Fragen,
MehrBeispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)
MehrAnwendungsaufgaben. Effektgröße bei df Zähler = df A = 1 und N = 40 (zu berechnen aus df Nenner ): Der aufgedeckte Effekt beträgt also etwa 23 %.
Anhang A: Lösungen der Aufgaben 39 beiden Kombinationen sehr hoch ist. (Dieses Ergebnis wäre aber in diesem Beispiel nicht plausibel.) 5. Der Faktor A und die Wechselwirkung werden signifikant: Lärm hat
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem
Mehr8. G*Power. power3/ 8. Stichprobenumfang, Effekt- und Teststärke
8. G*Power http://www.psycho.uniduesseldorf.de/abteilungen/aap/g power3/ 8. Stichprobenumfang, Effekt- und Teststärke 8. Stichprobenumfangsplanung, Effektstärken und Teststärkenberechnung mit G*Power 3.0
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
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
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
MehrMethodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie
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
MehrVarianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)
Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe
MehrJun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König. Interventionsstudien. Workshop am Tag der Zentren (PH Weingarten am
Jun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König Interventionsstudien Workshop am Tag der Zentren (PH Weingarten am 5.0.015) Weingarten, Balingen, 1.11.007 den 5.0.015 S. König & S. Lukas Folie 1 Agenda
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
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)
LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;
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
MehrDie Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
MehrANalysis Of VAriance (ANOVA) 2/2
ANalysis Of VAriance (ANOVA) 2/2 Markus Kalisch 22.10.2014 1 Wdh: ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor X). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich
MehrIm Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.
Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre
MehrMittelwertvergleiche, Teil II: Varianzanalyse
FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als
MehrVarianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010
Varianzanalyse Seminar: Multivariate Verfahren Dozent: Dr. Thomas Schäfer Referenten: Ralf Hopp, Michaela Haase, Tina Giska Datum: 25. Mai 2010 Gliederung I Theorieteil 1. Das Prinzip der Varianzanalyse
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
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
MehrWeitere (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
Mehr1 Varianzanalyse (ANOVA)
1 Varianzanalyse (ANOVA) Ziele: Erklärung einer Meßgröße durch ein additves Modell. Abschätzung der Wirkungsweise von Einflußfaktoren, ihres Zusammenwirkens und ihres anteiligen Beitrages an der Variation
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
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
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
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
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
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
MehrTab. 4.1: Altersverteilung der Gesamtstichprobe BASG SASG BAS SAS UDS SCH AVP Mittelwert Median Standardabweichung 44,36 43,00 11,84
Im weiteren wird gemäß den allgemeinen statistischen Regeln zufolge bei Vorliegen von p=,5 und
MehrZiel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.
Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
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,
MehrVarianzanalyse mit Messwiederholungen (Repeated- measures (ANOVA) BiFe noch einmal datasets.zip laden
Varianzanalyse mit Messwiederholungen (Repeated- measures (ANOVA) Jonathan Harrington Befehle: anova2.txt BiFe noch einmal datasets.zip laden sowie install.packages("ez") library(ez) Messwiederholungen:
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrV 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,
MehrPflichtlektüre: Kapitel 12 - Signifikanztest Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher.
Pflichtlektüre: Kapitel 12 - Signifikanztest Überblick Signifikanztest Populationsparameter Ein Verfahren zur Überprüfung von Hypothesen, Grundlage bilden auch hier Stichprobenverteilungen, das Ergebnis
MehrDie ungeliebten Verwandten: nicht-parametrische Alternativen
1.1.1. Die ungeliebten Verwandten: nicht-parametrische Alternativen 1.1.1.1. Was zur Hölle? Ted richtet seine Waffe auf Dr. Bob Kelso: Nein, Bob! Das werde ich nicht tun! Nicht nach all dem, was ich durchmachen
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
MehrForschungsmethoden: Definition
Forschungsmethoden: Definition Unter Forschungsmethoden versteht man die generelle Vorgehensweise beim Aufstellen der Fragestellung, bei der Planung, der Durchführung und der Auswertung einer Untersuchung.
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
Mehr1. Es sind einfach zu viele! Varianzanalytische Verfahren.
1. Es sind einfach zu viele! Varianzanalytische Verfahren. In diesem Kapitel behandeln wir die Varianzanalyse (ANOVA). Varianzanalysen kommen in sehr sehr vielen verschiedenen Gestalten einher. Das Ziel
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
MehrStandardab 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
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
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrAnhang 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
MehrSeminar: Multivariate Analysemethoden. Dozent: Dr. Thomas Schäfer. Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz
Seminar: Multivariate Analysemethoden Dozent: Dr. Thomas Schäfer Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz 22.05.2012 GLIEDERUNG 1. Einführung 1.1 unsere Fragestellungen 1.2 unsere
MehrTestplanung zur statistischen Prüfung psychologischer Hypothesen
Testplanung zur statistischen Prüfung psychologischer Hypothesen Die Ableitung von Vorhersagen und die Kontrolle der Determinanten des statistischen Tests von Willi Hager Hogrefe Verlag für Psychologie
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
Mehr5. Untersuchungsdesigns
Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 5. Untersuchungsdesigns Experimente als Instrument zur Prüfung von Kausalität Kohortenstudien, Fall-Kontroll-Studien,
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrDrittvariablenkontrolle in der linearen Regression: Trivariate Regression
Drittvariablenkontrolle in der linearen Regression: Trivariate Regression 14. Januar 2002 In der Tabellenanalyse wird bei der Drittvariablenkontrolle für jede Ausprägung der Kontrollvariablen eine Partialtabelle
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
Mehrin der Psychologie Experimentelle Hypothesenprüfung und Verlag für Psychologie von
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Experimentelle Hypothesenprüfung in der Psychologie von und Verlag
MehrSchätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC. Referenten: Linda Gräfe & Konstantin Falk
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC Referenten: Linda Gräfe & Konstantin Falk 1 Agenda Schätzverfahren ML REML Beispiel in SPSS Modellbeurteilung Devianz AIC BIC
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten
Mehr1.1. Vergleich von Mittelwerten
1.1. Vergleich von Mittelwerten 1.1.1. Eine glückliche Familie: Die t-tests Die einfachsten inferenzstatistischen Verfahren sind die t-tests. Bei ihnen dreht sich alles um Mittelwerte und die Frage: Sind
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Mittelwertvergleiche Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
MehrFormulierung und Transformation von Hypothesen Prüfung am Beispiel des Artikels von Bailer, Takats, & Westermeier, 2001)
Formulierung und Transformation von Hypothesen Prüfung am Beispiel des Artikels von Bailer, Takats, & Westermeier, 2001) Die Forschungshypothesen sind auf S. 270 formuliert. Bailer et al. sprechen nicht
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
MehrEtwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.
Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrSFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015
SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrUE Angewandte Statistik Termin 4 Gruppenvergleichstests
UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrDie Varianzanalyse. Analysis of Variance (ANOVA) Jonathan Harrington
Die Varianzanalyse Analysis of Variance (ANOVA) Jonathan Harrington path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Variablen, Faktoren, Ebenen Faktoren oder
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrPsycholinguistik. Definition: Psycholinguistik (synonym: Sprachpsychologie) erforscht das kognitive (mentale) System, das den Sprachgebrauch erlaubt.
Psycholinguistik Definition: Psycholinguistik (synonym: Sprachpsychologie) erforscht das kognitive (mentale) System, das den Sprachgebrauch erlaubt. Teilgebiete der Psycholinguistik Können danach klassifiziert
MehrÜbungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho
Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:
MehrEinführung in die Kovarianzanalyse (ANCOVA)
Arbeitsunterlage Einführung in die Kovarianzanalyse (ANCOVA) ARGE-Bildungsforschung 2 Einführung in die Kovarianzanalyse (ANCOVA) 1 Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer)
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
Mehr