Hypothesentests mit SPSS
|
|
- Bettina Huber
- vor 6 Jahren
- Abrufe
Transkript
1 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 Bedrohungen lassen sich durch die MAS-Skala (manifeste Angst) vorhersagen. Oder: Die dispositionelle Variable Manifeste Angst hat einen Einfluss auf die Angst vor terroristischen Bedrohungen. (Die Ausprägung auf der MAS-Skala beeinflusst die Ausprägung auf der ATB-Skala). Skalenniveau: Beide Skalen können als metrisch (intervallskaliert) angesehen werden. Deskriptive Überprüfung: Eingaben in den SPSS-Fenstern Zusätzlich zur Voreinstellung sollte auch die Deskriptive Statistik der beiden Variablen ausgegeben werden: Statistiken anklicken, und es öffnet sich ein neues Fenster. SPSS_Beispiel_Einfache_Regression_V05.doc - -
2 Die SPSS-Ausgabe: atb_skal Skala Angst vor terroristischen Bedrohungen nach mas Manifeste Angst Deskriptive Statistiken Mittelwert Standardabweichung Die Analyse basiert auf 66 Personen. Bei beiden Skalen bedeuten hohe Werte hohe Ausprägungen. Der Mittelwert der ATB-Skala (sie kann zwischen 6 und 80 variieren) beträgt 25.6, also klar unter dem theoretischen Skalenmittelwert von 48 ([80+6]/2). Insgesamt scheint nur eine geringe Angst vor terroristischen Bedrohungen zu bestehen. Der Mittelwert der MAS-Skala beträgt 9.64, der theoretische.5 (die Skala kann zwischen 0 und 23 variieren). N Korrelationen Korrelation nach Pearson Signifikanz (einseitig) N ATB_SKAL Skala Angst vor terroristischen Bedrohungen nach dem. MAS Manifeste Angst Die gewählte Option Deskriptive Statistik (die einzige selbst gewählte Optionen neben den Voreinstellungen) erzeugt auch eine Matrix der Korrelationen. Damit erübrigt sich eine gesonderte Berechnung. Die Korrelation zwischen ATB und MAS beträgt also In dieser Tabelle stehen die relevanten deskriptiven Ergebnisse: Modell Modellzusammenfassung Standardf Korrigiertes ehler des R R-Quadrat R-Quadrat Schätzers.288 a a. Einflußvariablen : (Konstante), R-Quadrat beträgt 0.083, die erklärte Varianz beträgt also 8.3 % (R² als PRE-Koeffizient). Der Voraussagefehler des ATB- Wertes reduziert sich um 8.3 %, wenn ich den MAS-Wert kenne. Der R-Wert in der 2. Spalte ist der multiple Korrelationskoeffizient R, der immer positiv ist, R zeigt in dieser Tabelle also nicht die Richtung der bivariaten Korrelationskoeffizienten an! SPSS_Beispiel_Einfache_Regression_V05.doc - 2 -
3 Modell (Konstante) mas Manifeste Angst Koeffizienten a Nicht standardisierte Koeffizienten Standardisierte Koeffizienten Standardfehler B Beta T Signifikanz a. Abhängige Variable: atb_skal Skala Angst vor dem. In dieser Tabelle stehen die Regressionskoeffizienten, so dass sich die Regressionsgleichung aufstellen lässt: ATB (erwartet) = * MAS Wenn der MAS-Wert um eine Skaleneinheit steigt, steigt der ATB-Wert um 0.72 Skaleneinheiten. Die Beziehung zwischen beiden Variablen lässt sich auch in einem Streudiagramm verdeutlichen: So sieht dann das Streudiagramm (scattergram) aus Um die Grafik zu bearbeiten, klicken Sie sie doppelt an Skala Angst vor dem. 70,00 60,00 50,00 40,00 30,00 20,00 0,00 0,00 5,00 0,00 5,00 20,00 Manifeste Angst SPSS_Beispiel_Einfache_Regression_V05.doc - 3 -
4 Klicken Sie auf Anpassungslinie und auf Linear als Anpassungsmethode (Sie gehen von einer linearen Beziehung aus). Das Ergebnis ist die eingezeichnete Regressionsgerade mit dem R²-Koeffizienten: Skala Angst vor dem. 70,00 60,00 50,00 40,00 30,00 20,00 0,00 R-Quadrat linear = 0,083 Skala Angst vor dem R-Quadrat linear = 0,083 0,00 5,00 0,00 5,00 20,00 Manifeste Angst Manifeste Angst Nach weiteren Verschönungen (keine Stellen hinter dem Komma bei der X- und Y-Achse, Anzeigen der Datenpunkte als Punkteklassen) ist das Ergebnis im rechten Streudiagramm zu sehen. Der Wert rechts oben (eingekreist in der rechten Abbildung) könnte als Ausreißer die Regressionsgerade beeinflussen. In der Tat verändert sich die Regressionsgleichung bei Entfernung dieses Datenpunktes (Ouput: BMDP New System): SPSS_Beispiel_Einfache_Regression_V05.doc - 4 -
5 Die inferenzstatistische Prüfung der Hypothese geschieht in folgenden Schritten:. Annahmen: Skalenniveau: Beide Variablen sind metrisch. Modell: Bivariate Normalverteilung Nullhypothese H 0 : Der Regressionskoeffizient stammt aus einer Population mit β = 0. Es wird also in der Nullhypothese angenommen, dass die Steigung = 0 ist, dass also die Regressionsgerade parallel zur X-Achse verläuft. In gleicher Weise wird angenommen, dass der Korrelationskoeffizient aus einer Population mit ρ = 0 stammt. (Die griechischen Buchstaben kennzeichnen die Parameter der Population.) 2. Signifikanzniveau: 5 %-Niveau. 3. Stichprobenkennwerteverteilung: F-Verteilung (Verhältnis erklärter Varianz/nicht erklärter Varianz), in der ANOVA-Tabelle: Regression/Residuen. 4. Berechnung der Test-Statistik Modell Regression Residuen Gesamt ANOVA b Quadratsumme Mittel der df Quadrate F Signifikanz a a. Einflußvariablen : (Konstante), mas Manifeste Angst b. Abhängige Variable: atb_skal Skala Angst vor 5. Entscheidung Der kritische F-Bruch beträgt bei und 64 Freiheitsgraden (s. F Calculator). Der empirische F-Bruch liegt also über dem kritischen Wert. Die Wahrscheinlichkeit des F-Wertes das Verhältnis zwischen erklärter und nicht erklärter Variation sollte bei der Nullhypothese sein liegt also unter 5 %. Damit muss die Nullhypothese abgelehnt werden, dass die Regressionsgerade aus einer Population mit einer Steigung = 0 stammt. Es kann also angenommen, dass der Prädiktor zur Erklärung der Variation der ATB-Skala beiträgt. Zu demselben Ergebnis kommen wir im Falle der einfachen Regression auch über den t-test. Hätten wir mehr als nur einen Prädiktor (z.b. Geschlecht), dann testet der F-Test das Gesamtmodell und der t-test die einzelnen Prädiktoren. Modell (Konstante) mas Manifeste Angst Koeffizienten a Nicht standardisierte Koeffizienten Standardisierte Koeffizienten Standardfehler B Beta T Signifikanz a. Abhängige Variable: atb_skal Skala Angst vor dem. SPSS_Beispiel_Einfache_Regression_V05.doc - 5 -
6 Quelle: In gleicher Weise lässt sich auch überprüfen, ob der Korrelationskoeffizient statistisch signifikant von null verschieden ist. Die Signifikanz wird in der Korrelationstabelle, die mit der Option Deskriptive Statistik angefordert wurde, angegeben. Korrelationen Korrelation nach Pearson Signifikanz (einseitig) N ATB_SKAL Skala Angst vor terroristischen Bedrohungen nach dem. MAS Manifeste Angst Diskussion Die Hypothese konnte bestätigt werden, es besteht ein Zusammenhang zwischen manifester Angst und der Angst vor terroristischen Bedrohungen. Wer also generell hohe Angstwerte aufweist, zeigt also auch in dieser speziellen politischen Situation Angst, die sich auf terroristische Bedrohungen bezieht. Dieses Ergebnis kann als Hinweis auf die Validität der konstruierten Skala aufgefasst werden (konvergente Validität). Allerdings ist die Erklärungskraft nicht sehr hoch, 8.3 % der Varianz werden erklärt, 9.7 % nicht. Dies deutet aber darauf hin, dass diese spezielle Angst nicht allein durch eine Erfassung der manifesten Angst allein erklärt werden kann. SPSS_Beispiel_Einfache_Regression_V05.doc - 6 -
7 Regressionsanalyse: Überprüfung der Voraussetzungen Das Regressionsmodell im Sinne des allgemeinen linearen Modells (Methoden der kleinsten Quadrate) mit den Prüfverteilungen (F-Test, t-test) ist nur dann adäquat, wenn die Voraussetzungen für dieses Modell erfüllt sind. Die Voraussetzungen sind:. Statistische Unabhängigkeit (der Wert einer Person darf nicht von dem Wert einer anderen Person abhängen) 2. Lineare Beziehungen 3. Homogenität der Varianzen ( Homoskedastizität ) 4. Bivariate Normalverteilung Die Voraussetzungen werden an den Residuen überprüft.. Statistische Unabhängigkeit Die statistische Unabhängigkeit wird am schnellsten über die Durbin-Watson-Statistik überprüft. Über Statistiken werden die Statistiken für die Residuen aufgerufen: Die Durbin-Watson- Statistik, auch sollten zur Analyse von Ausreißern die Untersuchungseinheiten aufgelistet werden, deren Werte mehr als 3 Standardabweichungen von Null entfernt sind; diese Untersuchungseinheiten sind besonders schlecht an das Modell angepasst, hier sind die Differenzen zwischen dem empirischen Wert und dem geschätzten Wert besonders groß. Modell Modellzusammenfassung b Standardf Durbin- Korrigiertes ehler des Watson- R R-Quadrat R-Quadrat Schätzers Statistik.288 a a. Einflußvariablen : (Konstante), mas Manifeste Angst b. Abhängige Variable: atb_skal Skala Angst vor terroristischen Bedrohungen nach Bei statistischer Unabhängigkeit ist die Durbin- Watson-Statistik = 2. Hier liegt der Wert leicht unter 2 (Faustregel: Zwischen.5 und 2.5 liegt keine Abhängigkeit der Daten vor). SPSS_Beispiel_Einfache_Regression_V05.doc - 7 -
8 2. Lineare Beziehungen und Varianzhomogenität Diese Voraussetzungen lassen sich am einfachsten über eine grafische Datenanalyse überprüfen. Über Diagramme wird das Diagramm-Fenster geöffnet. Hier übertragen Sie über die Pfeile die vorhergesagten (geschätzten) standardisierten Werte (z-werte) auf die X-Achse und die standardisierten Residuen (auch z-werte) auf die Y-Achse. Weiterhin rufen Sie das Normalverteilungsdiagramm ab. Regression Standardisiertes Residuum ,5 Streudiagramm Abhängige Variable: Skala Angst vor dem. 0,0 Regression Standardisierter geschätzter Wert 2,5 Mit diesem Streudiagramm kann die Linearität und die Varianzhomogenität überprüft werden. Im optimalen Fall sollte kein Muster erkennbar sein. Hier ist allerdings ein Trichterverlauf zu erkennen, die Werte streuen rechts mehr als auf der linken Seite. Dies deutet eine Varianzheterogenität und somit eine Verletzung der Voraussetzungen an. Hingegen sind keine nichtlinearen Verläufe erkennbar. SPSS_Beispiel_Einfache_Regression_V05.doc - 8 -
9 3. Normalverteilung P-P-Diagramm von Standardisiertes Residuum Abhängige Variable: Skala Angst vor dem. Erwartete Kum. Wahrsch.,0 0,8 0,6 0,4 0,2 0,0 0,0 0,2 0,4 0,6 0,8 Beobachtete Kum. Wahrsch.,0 Es sind einige Abweichungen von der Normalverteilung zu beobachten. Die Verteilung scheint ein wenig linkssteil zu verlaufen. Wenn man es genau wissen will, können Tests berechnet werden (Shapiro-Wilks oder Kolmogorov-Smirnov mit Lilliefors-Korrektur, beide über die Prozedur Explorative Datenanalyse zu berechnen. Beide Tests deuten aber an, dass die Abweichungen von der Normalverteilung statistisch signifikant sind. 4. Das Problem der Ausreißer und der einflussreichen Werte Ausreißer können die Zuverlässigkeit des Regressionsmodells beeinflussen, einflussreiche Werte können die Regressionsgleichung und damit auch die erklärte Varianz stark beeinflussen. Die untere Tabelle zeigt zwei Fälle mit starken Abweichungen. Die Fälle mit den ID- Nummern 7 und 4 haben sehr hohe Skalenwerte, und die Differenzen zwischen geschätzten und empirischen Werten sind sehr hoch (35.3 und 3.68). Fallweise Diagnose a Fallnummer 7 4 id Identifikationsn Standardisierte atb_skal Skala Angst vor terroristischen Bedrohungen nach dem. Nicht standardisierter vorhergesagter Nicht standardisierte Residuen Wert Residuen a. Abhängige Variable: atb_skal Skala Angst vor Eine nochmals gerechnete Regressionsanalyse ohne die beiden Fälle verbessert die erklärte Varianz nur gering (von auf 0.084). SPSS_Beispiel_Einfache_Regression_V05.doc - 9 -
10 In dem Streudiagramm zur Überprüfung der Varianzhomogenität sind die beiden Ausreißer deutlich erkennbar. Die Fallbeschriftungen können im ersten Fenster der Regressionsanalyse angefordert werden. Einflussreiche Fälle werden mit der Cook schen Distanz ermittelt. Bei den vorliegenden Daten liegt das Maximum bei Wenn als Kriterium ein Wert > angenommen wird, so sind hier keine einflussreichen Fälle erkennbar. Diese Tabelle wird über die Option Fallweise Diagnose automatisch ausgegeben. SPSS_Beispiel_Einfache_Regression_V05.doc - 0 -
B. Regressionsanalyse [progdat.sav]
SPSS-PC-ÜBUNG Seite 9 B. Regressionsanalyse [progdat.sav] Ein Unternehmen möchte den zukünftigen Absatz in Abhängigkeit von den Werbeausgaben und der Anzahl der Filialen prognostizieren. Dazu wurden über
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
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
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
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
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
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
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
MehrKreuzvalidierung. 1. Schritt: Aufteilung der Stichprobe in ungefähr gleiche Hälften nach dem Zufall. SPSS:
Kreuzvalidierung. Schritt: Aufteilung der Stichprobe in ungefähr gleiche Hälften nach dem Zufall. SPSS: SPSS erzeugt eine neue Variable Filter_$. Die herausgefilterten Fälle werden im Datenfenster angezeigt
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
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
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
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelation vs. Regression 2. Ziele der Regressionsanalyse 3. Syntax für
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
Mehr2. Generieren Sie deskriptive Statistiken (Mittelwert, Standardabweichung) für earny3 und kidsunder6yr3 und kommentieren Sie diese kurz.
Statistik II Übung : Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (6-24 Jahre alt) und der Anzahl der unter
MehrTest von Hypothesen: Signifikanz des Zusammenhangs (F-Test)
Test von Hyothesen: Signifikanz des Zusammenhangs (F-Test) Die Schätzung der Regressionsfunktion basiert auf Daten einer Stichrobe Inwiefern können die Ergebnisse dieser Schätzung auf die Grundgesamtheit
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
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
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
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
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
MehrGliederung. 1. Einführung. Heute schon Musik gehört?
Regressionsanalyse Technische Universität Chemnitz Seminar: Forschungsmethodik und Evalua
MehrUnivariate Kennwerte mit SPSS
Univariate Kennwerte mit SPSS In diesem Paper wird beschrieben, wie eindimensionale Tabellen und Kennwerte mit SPSS erzeugt werden. Eine Herleitung der Kennwerte und eine inhaltliche Interpretation der
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrEinfache lineare Regressionsanalyse
Dr. Matthias Rudolf Modul M3: Multivariate Statistik Aufgaben und Lösungshinweise zum Computerseminar ERA: Einfache lineare Regressionsanalyse Dr. Matthias Rudolf: Modul BA-M3 Multivariate Statistik Seite
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
Mehr» S C H R I T T - F Ü R - S C H R I T T - A N L E I T U N G «M U L T I P L E L I N E A R E R E G R E S S I O N M I T S P S S / I B M Daniela Keller
» SCHRITT-FÜR-SCHRITTANLEITUNG«MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Daniela Keller Daniela Keller - MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Impressum 2016 Statistik und Beratung Dipl.-Math. Daniela
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
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
MehrDiagnostik von Regressionsmodellen (1)
Diagnostik von Regressionsmodellen (1) Bei Regressionsanalysen sollte immer geprüft werden, ob das Modell angemessen ist und ob die Voraussetzungen eines Regressionsmodells erfüllt sind. Das Modell einer
MehrDie Funktion f wird als Regressionsfunktion bezeichnet.
Regressionsanalyse Mit Hilfe der Techniken der klassischen Regressionsanalyse kann die Abhängigkeit metrischer (intervallskalierter) Zielgrößen von metrischen (intervallskalierten) Einflussgrößen untersucht
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
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von
MehrGeschlecht + Anfangsgehalt. T-Test für das Anfangsgehalt Gruppenstatistiken. Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3
Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3 Geschlecht + Anfangsgehalt 14000 399 403 7000 12000 335 Anfangsgehalt 10000 8000 6000 4000 2000 N = 28 63 185 291 227 52 215 158 88 284 193
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
MehrEinführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012
Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012 Es können von den Antwortmöglichkeiten alle, mehrere, eine oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrZiel der linearen Regression
Regression 1 Ziel der linearen Regression Bei der linearen Regression wird untersucht, in welcher Weise eine abhängige metrische Variable durch eine oder mehrere unabhängige metrische Variablen durch eine
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Streudiagramme SPSS bietet die Möglichkeit, verschiedene Arten von Streudiagrammen zu zeichnen. Gehen Sie auf Grafiken Streu-/Punkt-Diagramm und wählen Sie die Option Einfaches
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
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)
Mehr1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis
1. Inhaltsverzeichnis 1. Inhaltsverzeichnis... 1 2. Abbildungsverzeichnis... 1 3. Einleitung... 2 4. Beschreibung der Datenquelle...2 5. Allgemeine Auswertungen...3 6. Detaillierte Auswertungen... 7 Zusammenhang
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
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
Mehr- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Streudiagramme 1 Korrelationen 3 Lineare Regression 6 Zusammenhang zwischen Korrelation, Regression und t-test 8 Streudiagramme SPSS bietet die Möglichkeit, verschiedene
MehrSPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1
SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrProjekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?
AKULTÄT ANGEWANDTE SOZIALWISSENSCHATEN PRO. DR. SONJA HAUG Projekt Kaffeemaschine Welche aktoren beeinflussen das Geschmacksurteil? Ausgehend von der Verkostung an der Hochschule Regensburg und der dabei
MehrHeinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren
Heinz Holling & Günther Gediga Statistik - Deskriptive Verfahren Übungen Version 15.12.2010 Inhaltsverzeichnis 1 Übung 1; Kap. 4 3 2 Übung 2; Kap. 5 4 3 Übung 3; Kap. 6 5 4 Übung 4; Kap. 7 6 5 Übung 5;
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
MehrBonus-Lektion: Prüfung der Voraussetzungen und Transformationen
Seite 1 von 8 Bonus-Lektion: Prüfung der Voraussetzungen und Transformationen Ziel dieser Lektion: Du weißt, wie Du die einzelnen Voraussetzungen für die Signifikanztests und komplexeren Modelle prüfen
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
MehrKorrelation Regression. Wenn Daten nicht ohne einander können Korrelation
DAS THEMA: KORRELATION UND REGRESSION Korrelation Regression Wenn Daten nicht ohne einander können Korrelation Korrelation Kovarianz Pearson-Korrelation Voraussetzungen für die Berechnung die Höhe der
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
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
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
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
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
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
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
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrZusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
MehrKapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell
Kapitel 8 Einfache Regression Josef Leydold c 2006 Mathematische Methoden VIII Einfache Regression 1 / 21 Lernziele Lineares Regressionsmodell Anpassen des linearen Regressionsmodells, OLS Eigenschaften
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
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;
MehrDas Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":
Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 9B a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Man kann erwarten, dass der Absatz mit steigendem Preis abnimmt, mit höherer Anzahl der Außendienstmitarbeiter sowie mit erhöhten
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
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2013
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2013 1. Welche Aussage zur Statistik (in den Sozialwissenschaften) sind richtig? (2 Punkte) ( ) Statistik ist die Lehre von Methoden
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
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrWeitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression
Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen
MehrAchim Bühl, Peter Zöfel SPSS 12. Einführung in die moderne Datenanalyse unter Windows. 9., überarbeitete und erweiterte Auflage
Achim Bühl, Peter Zöfel SPSS 12 Einführung in die moderne Datenanalyse unter Windows 9., überarbeitete und erweiterte Auflage ein Imprint der Pearson Education Deutschland GmbH 10.4 Explorative Datenanalyse
MehrKapitel 5 FRAGESTELLUNG 1. Öffne die Datei alctobac.sav.
Kapitel 5 FRAGESTELLUNG 1 Öffne die Datei alctobac.sav. Zuerst werden wir ein Streudiagramm erstellen, um einen grafischen Überblick von diesem Datensatz zu erhalten. Gehe dazu auf Grafiken / Streudiagramm
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
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
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrKapitel 22 Partielle Korrelationen
Kapitel 22 Partielle Korrelationen Bereits im vorhergehenden Kapitel wurden mit der Prozedur KORRELATION, BIVARIAT Korrelationskoeffizienten berechnet. Korrelationskoeffizienten dienen allgemein dazu,
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrKommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17)
R.Niketta Multiple Regressionsanalyse Kommentierter SPSS-Output für die multiple Regressionsanalyse (SPSS-Version 17) Daten: Selbstdarstellung und Kontaktsuche in studi.vz (POK VIII, AG 3) Fragestellung:
Mehr1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
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
MehrEinführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt
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
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
MehrEinführung in die Statistik
Einführung in die Statistik Analyse und Modellierung von Daten von Prof. Dr. Rainer Schlittgen Universität Hamburg 12., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis 1 Statistische Daten
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel
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
MehrKosmetika Das Selbstbewusstsein aus der Tube?
Fachbereich Sozialwissenschaften Projektorientierter Kompaktkurs plus (POK VI) WS/SS 2005/2006 Kosmetika Das Selbstbewusstsein aus der Tube? Determinanten der Selbstwahrnehmung und Kosmetiknutzung Endbericht
Mehr