1.1. Zusammenhänge und Vorhersagen
|
|
- Magdalena Hochberg
- vor 6 Jahren
- Abrufe
Transkript
1 1.1. Zusammenhänge und Vorhersagen In diesem Kapitel dreht sich alles um Zusammenhänge und Vorhersagen. Anstatt uns zu fragen Was ist größer / mehr / ausgeprägter?, versuchen wir Aussagen zu treffen wie je mehr von A, desto mehr von B oder je mehr von A, desto weniger von B Korrelationen Der einfachste Fall eines Zusammenhangs ist die Korrelation. Eine Korrelation besteht immer zwischen genau zwei Variablen und gibt an, wie gut wir die eine aus der anderen vorhersagen können Die Produkt-Moment-Korrelation nach Pearson - DIE Korrelation Die am weitesten verbreitete Korrelation ist die Produkt-Moment-Korrelation (auch Pearson- Korrelation). Wir verwenden sie, wenn wir untersuchen wollen, wie stark zwei intervallskalierte Merkmale miteinander zusammenhängen. Der Wertebereich der Produkt-Momentkorrelation liegt zwischen -1 und +1. Eine Korrelation von 0 (oder ungefähr 0) bedeutet, dass kein (linearer) Zusammenhang zwischen den Variablen besteht. Anders ausgedrückt: Wenn wir eine Korrelation von 0 zwischen zwei Variablen finden, verrät uns der Wert, den eine Person auf der einen Variable hat, nichts darüber, welchen Wert sie auf der anderen hat. Finden wir eine Korrelation im positiven Bereich, bedeutet das, dass Personen, die auf der einen Variablen einen hohen Wert haben, auch in der anderen Variablen eher einen hohen Wert haben. Solche Zusammenhänge werden oft auch als gleichsinnig bezeichnet. Je näher an 1 unsere Korrelation liegt, desto genauer ist unsere Vorhersage. Finden wir eine Korrelation im negativen Bereich, bedeutet das, dass Personen, die auf der einen Variablen einen hohen Wert haben, in der anderen Variablen eher einen niedrigen Wert haben. Solche Zusammenhänge bezeichnet man als gegensinnig. Wieder gilt: Je naher unsere Korrelation an -1 liegt, desto genauer ist unsere Vorhersage. Um zu berichten wie genau unsere Vorhersage ist, hat ein Herr Cohen Richtlinien aufgestellt, wann wir von einem schwachen / mittleren / starken Zusammenhang sprechen sollten: Ist die Korrelation größer als 0.1 oder kleiner als -0.1, handelt es sich mindestens um einen schwachen Zusammenhang. Ist die Korrelation größer als 0.3 oder kleiner als -0.3, handelt es sich mindestens um einen mittel starken Zusammenhang. Ist die Korrelation größer als 0.5 oder kleiner als -0.5, handelst es sich um einen starken Zusammenhang. Kurz: Wir haben einen schwachen / mittleren / starken Zusammenhang, wenn unsere Korrelation im Betrag größer als.1,.3 oder.5 ist.
2 Sollten wir jemals eine Korrelation von genau 1 oder genau -1 finden, bedeutet das, dass wir die eine Variable perfekt aus der anderen vorhersagen können, die beiden sind also quasi identisch. Ted möchte untersuchen, wie das Alter, die Dienstjahre, das Gehalt, die Arbeitszufriedenheit und die Lebenszufriedenheit der Mitarbeiter des Sacred Hearts zusammenhängen. Hierfür berechnet er die Korrelationen jeder der Variablen mit jeder anderen. Über Analysieren Korrelation bivariat kommt er in das Dialogfeld für Korrelationen: Hier packt er alle Variablen, die er miteinander korrelieren möchte, in das rechte Feld. Wichtig bei der Interpretation ist dabei (insbesondere, wenn wir uns später die Regression anschaun): Die Korrelationen werden immer paarweise zwischen zwei Variablen berechnet, ohne dass berücksichtigt würde, welche anderen Variablen noch ausgewählt waren. Z.B. die Korrelation zwischen Alter und Dienstjahren ist also immer dieselbe, egal ob wir sie alleine oder gleichzeitig mit allen anderen Korrelationen berechnen berechnen. In die Syntax eingefügt sieht das dann so aus: Führen wir diese Syntax aus, kommt folgende Korrelationsmatrix dabei heraus:
3 In jeder Zelle stehen drei Werte: Die Korrelation selbst, darunter ihr Signifikanzwert und wiederum darunter die Anzahl an Wertepaaren, die in sie eingeflossen sind (im Idealfall sollte das immer dieselbe Zahl sein, es können aber unterschiede auftreten, wenn in einigen Variablen Werte fehlen). Die Signifikanz wird wie immer interpretiert: Ist der p-wert kleiner als 5%, gibt es eine signifikante Abweichung aber wovon? Ted ist verwirrt, weil wir eigentlich festgestellt hatten, dass wir in diesem Kapitel Zusammenhänge (und keine Unterschiede/Abweichungen) testen. Das stimmt, aber einen Zusammenhang können wir immer als Abweichung von keinem Zusammenhang interpretieren. Die Signifikanztests bei den Korrelationen geben an, ob die gefundene Korrelation so groß ist, dass sie wirklich (also auch in der Population) vorhanden ist, oder ob sie so klein ist, dass sie in Wahrheit 0 sein könnte. Wir testen also, ob die gefundene Korrelation signifikant von 0 abweicht. Damit wir uns noch weniger Mühe geben müssen, hilft uns SPSS sogar noch weiter: Korrelationen, die einen Signifikanzwert von unter 5% haben, werden mit einem Sternchen markiert. Ist das p sogar kleiner als 1%, werden uns zwei Sternchen angezeigt. Nun interpretiert Ted mit Molly s Hilfe einige der Korrelationen (bevor er mit allen fertig ist, beginnt seine Mittagspause): Die Korrelation zwischen dem Alter und den Dienstjahren ist extrem hoch positiv. Das heißt je älter eine Person ist, desto mehr Dienstjahre hat sie auf dem Buckel. Dieser Zusammenhang ist signfikant (p<.001). Die Korrelation liegt zudem nahe 1, das heißt wir können anhand des Alters fast perfekt auf die Dienstjahre schließen (und umgekehrt). Die Korrelation zwischen dem Alter und dem Gehalt ist mittelhoch (r >.3, fast hoch) positiv. Das heißt je älter eine Person ist, desto mehr verdient sie im Schnitt. Dieser Zusammenhang ist allerdings nur mittelhoch, also bei weitem nicht perfekt. Dennoch wird er signifikant (p<.001). Es gibt einen leichten positiven Zusammenhang von Alter und Lebenszufriedenheit (r>.1). Es besteht also eine leichte Tendenz, dass ältere Personen auch zufriedener mit ihrem Leben sind. Dieser Zusammenhang wird nur knapp signifikant (p=.037). Es lässt sich kein signifikanter Zusammenhang zwischen der Anzahl der Dienstjahre und der Arbeitszufriedenheit finden (p>.05, r<.1). Wir können also - auch wenn wir die Dienstjahre einer Person kennen keinerlei Rückschlüsse auf ihre Arbeitszufriedenheit ziehen. Das bedeutet allerdings
4 nicht, dass kein Zusammenhang besteht. Möglicherweise hätten wir nur eine größere Stichprobe benötigt. Wichtig: Bei der Interpretation von Korrelationen sollten wir stets im Hinterkopf behalten, dass wir meistens nicht einfach auf kausale Zusammenhänge schließen dürfen. Das als ultimative Antwort in Klausuren zu schreiben reicht aber auch nicht. Es gibt durchaus Fälle, in denen solche Aussagen nämlich gerechtfertigt wären. Insbesondere die Richtung der Kausalität ist oftmals klar: Es ist sehr sehr unwahrscheinlich, dass ein höheres Gehalt zu mehr Dienstjahren führt. Zumindest die Richtung des Zusammenhangs ist hier klar: Nämlich dass mehr Dienstjahre (mehr Erfahrung) zu einem höheren Gehalt führen und sicherlich nicht umgekehrt Die Korrelation per Syntax Auch per Syntax funktioniert die Korrelation sehr einfach. Wir müssen nämlich bei weitem nicht so viel eingeben, wie uns die automatisch per Menü eingefügte Syntax glauben lassen will. Die kürzeste Form ist folgende: Wir benötigen also nur den Befehl CORRELATIONS und dann eine Liste der Variablen, die wir miteinander korrelieren wollen (zum Abschluss natürlich noch einen Punkt). Der einzige Wermutstropfen ist, dass uns dann die signifikanten Korrelationen nicht mit Sternchen markiert werden 1. Um das nachzuholen, setzen wir noch ein /PRINT NOSIG hinter die Variablen: Dieser Befehl produziert dann exakt die gleiche Korrelationstabelle wie das Klicken über die Menüs. Aber wir haben per Syntax sogar noch eine weitere Option, die wir über die Menüs nicht erreichen können! Hier haben wir also tatsächlich den speziellen Fall, dass wir keine Alternative zur Syntax haben. Die bisher erstellten Korrelationsmatrizen können nämlich sehr unübersichtlich werden, wenn wir sehr viele Variablen korrelieren wollen. Oftmals interessieren uns viele der berechneten Korrelation überhaupt nicht. Zum Beispiel ist Ted nur daran interessiert, wie die Lebenszufriedenheit mit den anderen vier Variablen korreliert. Wie das Alter, die Dienstjahre, das Gehalt und die Arbeitszufriedenheit untereinander korrelieren, interessiert ihn nicht. Molly hilft ihm: Sie setzt innerhalt der Variablenliste ein WITH ein: Der Effekt ist, dass nun keine quadratische Korrelationsmatrix mehr erstellt wird (in der jede Variable in einer Zeile UND in einer Spalte auftaucht), sondern dass die Variable(n) vor dem WITH nur noch als Zeilen, die Variable(n) nach dem WITH nur noch als Spalten auftauchen: 1 Was für ausgefuchste manchmal aber sogar erwünscht sein kann, wenn wir z.b. in Excel mit den Korrelationen weiterrechnen wollen
5 Regression Die Regressionsverfahren sind eine Erweiterung der Korrelation. Hier geht es nicht mehr darum, eine Variable aus einer anderen vorherzusagen. Vielmehr wollen wir eine Variable aus vielen anderen vorhersagen. Wir bezeichnen dabei die Variable, die wir vorhersagen wollen, als Kriterium und die übrigen Variablen als Prädiktoren. Oft setzt man diese Begriffe auch mit AV und UV (Abhängige Variable und Unabhängige Variable) gleich. Wir interessieren uns in der Regel für zwei Informationen: Erstens wollen wir wissen, wie gut wir das Kriterium (die AV) insgesamt aus allen Variablen vorhersagen können. Man könnte nun einfach das Kriterium mit allen Prädiktoren einzeln korrelieren. Das Problem hieran wäre, dass wir bestimmte Informationen mehrfach zählen würden, weil sie in mehreren Prädiktoren vorhanden sind. Das folgende Beispiel hinkt ein wenig, aber wir können uns dieses mehrfachzählen von Information in etwa so vorstellen: Die Anfänger im Sacred Heart müssen einen kleinen Test schreiben, der aus vier Aufgaben besteht. Natürlich arbeiten JD und Turk zusammen. Wir wollen nun vorhersagen, wie gut sie gemeinsam abschneiden (wie gut sie also die perfekte Lösung des Tests vorhersagen können). Turk und JD sind also zwei Prädiktoren, die Musterlösung ist das Kriterium. Turk kann nur zwei der Aufgaben lösen. JD ist nicht besser und kann ebenfalls nur zwei Aufgaben lösen. Schauen wir uns die Antworten der beiden getrennt an, sehen wir aber, dass sie gemeinsam 4 Aufgaben korrekt lösen können (2 [von Turk]+ 2 [von JD] = 4). Da der Test nur 4 Aufgaben hat, würden wir also erwarten, dass sie 100% der Punkte bekommen. Tatsächlich können sie aber nur 3 Aufgaben lösen. Woran liegt das? Beim Durchgehen der Lösungen stellen wir fest, dass Turk die Aufgaben 1 und 2 lösen konnte, JD die Aufgaben 2 und 3. Wenn wir also blind die Anzahl korrekter Lösungen aufsummieren, zählen wir Aufgabe 2 doppelt (es hilft den beiden nicht, dass sie sie beide lösen können, einer von ihnen hätte ja gereicht). Die korrekte Lösung von Aufgabe 2 ist also in beiden Prädiktoren enthalten und somit zum Teil überflüssig. Mit eben diesem Problem beschäftigt sich die Regression. Es reicht uns nicht zu wissen, wie viel Information die Prädiktoren einzeln für sich über das Kriterium enthalten, wir wollen wissen, wieviel einzigartige Information sie enthalten, die nicht schon in den anderen Prädiktoren steckt Die Multiple Lineare Regression Die Multiple Lineare Regression ist der Standardfall der Regressionen. Das Multiple bedeutet einfach nur, dass wir mehrere Prädiktoren verwenden. Das werden wir aber auch immer tun. Würden wir nur einen einzigen Prädiktor betrachten, hätten wir viel einfacher eine Korrelation berechnen können, die Information wäre (in den von uns betrachteten Fällen) dieselbe. Das Lineare steht dafür, dass wir uns, wie auch bei der Produkt-Moment-Korrelation, nur mit linearen Zusammenhängen beschäftigen. Auf seiner Suche nach dem Glück möchte Ted herausfinden, wodurch man die Lebenszufriedenheit eines Menschen vorhersagen kann. Aus der oben berechneten Korrelationsmatrix entnimmt er, dass alle untersuchten Variablen mit der Lebenszufriedenheit korrelieren. Um zu überprüfen, ob
6 tatsächlich alle von ihnen nötig sind und welche von ihnen die Wichtigsten sind, packt er das Alter, die Dienstjahre, das Gehalt und die Arbeitszufriedenheit als Prädiktoren in eine Multiple Lineare Regression mit dem Kriterium Lebenszufriedenheit. Er findet den Regressions-Dialog über Analysieren Regression Linear. Er wählt Lebenszufriedenheit als Abhängige Variable aus, die übrigen Variablen als Unabhängige Variable(n). Weitere Einstellungen braucht er hier nicht, obwohl wir uns im Kapitel zur Hierarchischen Regression noch ein wenig mehr mit diesem Dialogfeld beschäftigen werden. In die Syntax eingefügt sieht die Regression so aus:
7 Die wichtigen Tabellen der Ausgabe sind dann die Folgenden: In der Modellübersicht wird uns das R² angezeigt, also der prozentuale Anteil der Varianz, den unsere Prädiktoren am Kriterium aufklären. Nach Cohen gilt hier:.2 (also 20%) ist wenig,.5 (also 50%) ist mittelmäßig, ab.8 (also 80%) ist viel. Darüber hinaus steht unter der Tabelle noch einmal, welche Prädiktoren wir eigentlich verwendet haben. Als nächstes können wir der ANOVA-Tabelle 2 entnehmen, ob dieses R² so groß ist, dass wir es auch in der Population finden sollten. Wir testen also, ob unser gefundenes R² in Wahrheit 0 sein könnte. Ist der p-wert (unter Sig. ) kleiner als 5% sagen wir wie üblich: Dieses R² kann nicht 0 sein, sondern ist tatsächlich vorhanden. Sollten wir hier einen p-wert größer als 5% finden können wir sofort aufhören weiter zu suchen und sagen: Das gesamte Regressionsmodell funktioniert nicht. Schließlich bekommen wir noch die Koeffizienten-Tabelle: Hier bekommen wir für jeden Prädiktor die Regressionsgewichte mit ihrem Signifikanztest angezeigt. Die nicht standardisierten Koeffizienten (links, B ) sind die b-gewichte, die wir schon aus Excel kennen. Zur Erinnerung: Sie geben an, um wie viel sich das Kriterium im Schnitt verändert, wenn sich 2 Zerbrecht euch bitte nicht den Kopf darüber, warum eine ANOVA innerhalb der Regression vorkommt, sondern schaut einfach nur auf die Signifikanz.
8 der Prädiktor um einen Punkt verändert. Z.B.: Mit jedem Zusätzlichem Lebensjahr steigt die Lebenszufriedenheit im Schnitt um Punkte (blauer Kasten). Die b-gewichte sind nicht mit einander vergleichbar, weil sie abhängig von der Skala sind, auf der die Prädiktoren und das Kriterium gemessen werden (das b-gewicht des Alters wäre ein anderes, wenn wir das Alter in Monaten statt in Jahren ausdrücken würden, obwohl das am inhaltlichen Zusammenhang von Alter und Lebenszufriedenheit nichts ändern würde). Viel wichtiger für uns sind die Beta-Gewichte (β). Diese können wir wie Korrelationen interpretieren 3 (auch hier gilt für die Effektstärke also Cohens Regel), nur dass die doppelt gezählten Informationsanteile 4 entfernt wurden. Sie haben also den Vorteil, dass sie zum einen nicht von der Skala abhängen 5, auf der wir uns bewegen, und zum anderen miteinander vergleichbar sind (ein höheres Beta-Gewicht weißt auf einen stärkeren Zusammenhang hin). Die Signifikanzwerte ganz rechts sagt uns schließlich, ob wir den Einfluss des jeweiligen Prädiktors auch in der Population finden sollten. Hier sehen wir, dass nur die Arbeitszufriedenheit signifikant wird. Das bedeutet, dass wir nur auf diesen Prädiktor wirklich vertrauen können, die anderen könnten durchaus auch null sein (obwohl das Gehalt wirklich sehr sehr knapp vor der Signifikanz steht). Wichtig: Hier sehen wir eine der Gefahren bei der Interpretation der Regression. Es sieht so aus, als gäbe es keinerlei Zusammenhänge von Lebenszufriedenheit mit dem Alter, den Dienstjahren und dem Gehalt. Allerdings hatten wir bei den Korrelationen gesehen, dass es diese Zusammenhänge durchaus gibt. Das zeigt: Die Beta-Gewichte selbst und natürlich auch ihre Signifikanzen hängen massiv davon ab, welche anderen Prädiktoren mit im Modell sind. Alter, Dienstjahre und das Gehalt haben also genau dann keinen signifikanten Einfluss auf die Lebenszufriedenheit, wenn wir sie gleichzeitig mit der Arbeitszufriedenheit betrachten (offensichtlich haben sie also nur keine einzigartige Information, die nicht schon in der Arbeitszufriedenheit enthalten wäre). Hier können wir also interpretieren: Das Gesamtmodell wird signifikant, wir können anhand des Alters, der Dienstjahre, des Gehalt und der Arbeitszufriedenheit also einen Teil der Lebenszufriedenheit vorhersagen. Das funktioniert mittelmäßig gut, wenn wir Cohens Kriterien anlegen (R² >.5, aber <.8). In der Praxis ist man aber oftmals etwas liberaler und würde das Modell sogar noch positiver bewerten. Allerdings wird nur der Prädiktor Arbeitszufriedenheit signifikant, er hat einen stark positiven Zusammenhang mit der Lebenszufriedenheit: Je höher die Arbeitszufriedenheit, desto höher die Lebenszufriedenheit. Die übrigen Prädiktoren tragen (solange die Arbeitszufriedenheit mit berücksichtig wird) keine zusätzliche Information. Noch am bedeutendsten von ihnen scheint das Alter zu sein, da sein Beta- Gewicht immerhin noch im kleinen Bereich liegt (β>.1, aber wie gesagt nicht signifikant). 3 Mit dem leichten Unterschied, dass Beta-Gewichte in Einzelfällen größer 1 bzw. kleiner -1 werden können 4 Genauer: Die Interkorrelationen der Prädiktoren 5 Für Ausgefuchste: Wenn wir eine Regression nur mit z-standardisierten Variablen rechnen, sind b-gewichte und Beta-Gewichte identisch
Einfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrMultiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)
Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
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
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
MehrKommentierter SPSS-Ausdruck zur logistischen Regression
Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer
MehrModul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.
Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes
MehrTeil II: Einführung in die Statistik
Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu
MehrDatenanalyse mit SPSS spezifische Analysen
Datenanalyse mit SPSS spezifische Analysen Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.015 Sprechstunde: Dienstags 15-16 Uhr 25. Mai 2001 2 Auswertung von Häufigkeitsdaten
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrGratis Excel SVERWEIS Funktions-Anleitung, Tutorial, ebook, PDF-E-Book
Gratis Excel SVERWEIS Funktions-Anleitung, Tutorial, ebook, PDF-E-Book Wir wollen wissen wieviel Umsatz Vertreter Müller im Juni gemacht hat? Dazu klicken wir irgendwo in ein Feld und geben ein: =SVERWEIS
MehrDatenauswertung mit Hilfe von Pivot-Tabellen in Excel
Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Begleitendes Manual zu den Workshops zur Datenerfassung und verarbeitung im Juni / Juli 2004 Datenauswertung mit Hilfe von Pivot-Tabellen in Excel...3
MehrDatenanalyse mit Excel. Wintersemester 2013/14
Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrEinseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
MehrErstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften
Erstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften Dr. Viola Vockrodt-Scholz Telefon: 030/25 29 93 26 Email: vvs@zedat.fu-berlin.de Dr.Viola.Vockrodt-Scholz@t-online.de www.userpage.fu-berlin.de/~vvs
MehrErste Schritte mit SPSS - eine Anleitung
Der Internetdienst für Ihre Online-Umfragen Erste Schritte mit SPSS - eine Anleitung -1- Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten
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
Mehr14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler
DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:
MehrMethoden Quantitative Datenanalyse
Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung
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
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
MehrNoten ausrechnen mit Excel/Tabellenkalkulation. 1) Individuellen Notenschlüssel/Punkteschlüssel erstellen
Noten ausrechnen mit Excel/Tabellenkalkulation online unter: www.lehrerfreund.de/in/schule/1s/notenschluessel-excel Dies ist eine Einführung in die Funktionen von Excel, die Sie brauchen, um Noten und
MehrLineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)
Interdisziplinäres Seminar Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA) WS 2008/09 19.11.2008 Julia Schiele und Lucie Wink Dozenten: Prof. Dr. Bühner, Prof. Dr. Küchenhoff
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrAccess Grundlagen. David Singh
Access Grundlagen David Singh Inhalt Access... 2 Access Datenbank erstellen... 2 Tabellenelemente... 2 Tabellen verbinden... 2 Bericht gestalten... 3 Abfragen... 3 Tabellen aktualisieren... 4 Allgemein...
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrKapitel 3: Interpretationen
Kapitel 3: 1. Interpretation von Outputs allgemein... 1 2. Interpretation von Signifikanzen... 1 2.1. Signifikanztests / Punktschätzer... 1 2.2. Konfidenzintervalle... 2 3. Interpretation von Parametern...
Mehr3 Zusammenhangsmaße Zusammenhangshypothesen
3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert
Mehra) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.
Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html
MehrRegressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )
Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels
MehrMicrosoft Excel 2013 Automatisches Ausfüllen
Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2013 Automatisches Ausfüllen Automatisches Ausfüllen in Excel 2013 Seite 1 von 10 Inhaltsverzeichnis Lineare Reihen erstellen...
MehrAufgepasst hier verrate ich Ihnen mein Geheimnis
Seite 1 von 5 Aufgepasst hier verrate ich Ihnen mein Geheimnis Verdienen Sie jetzt 250,- Euro und mehr am Tag ganz nebenbei! Auch Sie können schnell und einfach mit Binäre Optionen Geld verdienen! Hallo
MehrTutorial: Entlohnungsberechnung erstellen mit LibreOffice Calc 3.5
Tutorial: Entlohnungsberechnung erstellen mit LibreOffice Calc 3.5 In diesem Tutorial will ich Ihnen zeigen, wie man mit LibreOffice Calc 3.5 eine einfache Entlohnungsberechnung erstellt, wobei eine automatische
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:
MehrUnivariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen
Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrEigenen Feedbackbogen erstellen
Wegleitung für Lehrpersonen Eigenen Feedbackbogen erstellen 1. Vorgehensweise klären 2. Bestehenden Fragebogen ergänzen 3. Fragebogen neu erstellen 4. Bestehenden Fragebogen ändern 5. Statistische Datenerhebung
MehrAbhängigkeit zweier Merkmale
Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich
MehrDie Herkunft des Geldes
Pokerkurs für Einsteiger Die Herkunft des Geldes Allen neuen Schülern stelle ich immer die Frage, wo ihre Gewinne herkommen. Noch davor frage ich sie: Wie schneidet ihr in euren Partien ab? Gewinnt ihr,
MehrNamen immer über das unten angezeigte DropDown Menü eingeben: Frau Ingrid Müller oder Herr Berthold Müller
Seriendruck mit Outlook 2003 Hinweis: Einen Kontakteordner (z.b. mit internen E-Mail Adressen) für einen Testlauf einrichten. So kann man bevor z.b. Serien E-Mails versendet werden überprüfen, ob die Formatierung
Mehr8 Bilder in TYPO3 (RichTextEditor & Elemente Text mit Bild, Bilder
8 Bilder in TYPO3 (RichTextEditor & Elemente Text mit Bild, Bilder Inhaltsverzeichnis 8 Bilder in TYPO3 (RichTextEditor & Elemente Text mit Bild, Bilder 1 8.1 Vorbemerkung.......................................
MehrFlorian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
Mehr4 ANALYSE VON TABELLEN
MS Excel 2010 Aufbau Analyse von Tabellen 4 ANALYSE VON TABELLEN Lernen Sie in diesem Kapitel die Möglichkeiten kennen, Tabelleninhalte optimal auszuwerten und mit was wäre wenn die Daten zu analysieren.
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrInhalt. Allgemeine Einführung. Argumentationsvermögen. Räumliches Vorstellungsvermögen. Begabungen und Fähigkeiten messen
Beispielheft Inhalt Allgemeine Einführung Test Eins: Test Zwei: Test Drei: Test Vier: Test Fünf: Argumentationsvermögen Auffassungsvermögen Zahlenvermögen Sprachverständnis Räumliches Vorstellungsvermögen
MehrGrundlagen der Tabellenkalkulation Die wichtigsten Funktionen im Überblick Christian Schett
Grundlagen der Tabellenkalkulation Die wichtigsten Funktionen im Überblick Christian Schett Lektion 01: Spalten, Zeilen, Zellen Video-Tutorial: http://www.youtube.com/watch?v=wxt2dwicl38 Tabellenkalkulationsprogramme:
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
MehrEinleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25
Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen
MehrAccess [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen
Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen
MehrChristian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG
Christian FG Schendera Regressionsanalyse mit SPSS 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG Inhalt Vorworte V 1 Korrelation 1 1.1 Einführung 1 1.2 Erste Voraussetzung: Das Skalenniveau
MehrDynamisch unterrichten mit Excel
Reimund Albers Dynamisch unterrichten mit Excel Erstellen von Schiebereglern 1 Dynamisch unterrichten mit Excel oder: Wie erstelle ich einen Schieberegler in Excel? Beispiel: Demonstration der Abhängigkeit
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrAuswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0
Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0??? Curt Ronniger 2007 Bei Neueinstieg in das Programm, sollte zunächst die Dokumentation XSelDoE10.pdf gelesen werden.
MehrEinfache statistische Testverfahren
Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung
MehrMultivariate Statistik
Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)
MehrFaktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur
MehrInstitut für Soziologie Benjamin Gedon. Methoden 2. Regressionsanalyse IV: Transformation und Interaktion
Institut für Soziologie Methoden 2 Regressionsanalyse IV: Transformation und Interaktion Inhalt 1. Zusammenfassung letzte Sitzung 2. Weitere Annahmen und Diagnostik 3. Transformationen zur besseren Interpretierbarkeit
MehrVorübung 1 Beschriften Sie die Tabelle wie in der Abbildung dargestellt.
Diese Anleitung führt in einige Grundfunktionen des Tabellenkalkulationsprogramms Microsoft Excel ein. Sie erstellen nach einigen Vorübungen mit Excel ein kleines Programm, das auf der Grundlage der Gesamtpunktzahl
MehrVersuchsauswertung mit Polynom-Regression in Excel
Versuchsauswertung mit Polynom-Regression in Excel Aufgabenstellung: Gegeben sei die in Bild 1 gezeigte Excel-Tabelle mit Messwertepaaren y i und x i. Aufgrund bekannter physikalischer Zusammenhänge wird
MehrSmart-Grid-Tools Beschleunigen Sie die Erstellung von Bauteilen ZUSAMMENFASSUNG. IM WORKSHOP Tip #14. Die Herausforderung, große Bauteile zu erstellen
IM WORKSHOP Tip #14 Smart-Grid-Tools Beschleunigen Sie die Erstellung von Bauteilen ZUSAMMENFASSUNG Mai 2007 Autor: Phil Loughhead Die Erstellung von Bauteilen ist ein fundamentaler Bestandteil des Design-
Mehr(2) Mittels welcher Methode ist es im ALM möglich kategoriale Variablen als Prädiktoren in eine Regressionsgleichung zu überführen?
Beispielaufgaben LÖSUNG (1) Grenzen Sie eine einfache lineare Regression von einem Random Intercept Modell mit nur einem Level1-Prädiktor ab! a. Worin unterscheiden sich die Voraussetzungen? - MLM braucht
MehrWie Sie mit Pivottabellen komplexe Daten perfekt analysieren und präsentieren
Wie Sie mit Pivottabellen komplexe Daten perfekt analysieren und präsentieren Stellen Sie sich vor, der Vertriebsleiter Ihres Unternehmens verlangt kurzfristig eine Analyse der Umsätze und Deckungsbeiträge
MehrEinführung in SPSS. 1. Die Datei Seegräser
Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten
MehrHow-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage
How-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage Von Zeit zu Zeit erweitern neue Funktionen die Ausstattungsmerkmale des SolarLog. Wenn ein neues Firmewareupdate heraus kommt, werden plötzlich
MehrKapitel 23 Lineare Regression
Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche
MehrDingsda - Bedienungsanleitung unter Windows
Dingsda - Bedienungsanleitung unter Windows Benötigte Software Um die Dateien von Dingsda zu öffnen und zu bearbeiten, benötigen Sie ein Textverarbeitungsprogramm, das doc- oder rtf-dateien lesen kann
MehrMediatioranalyse & Moderatoranalyse How to do
Mediatioranalyse & Moderatoranalyse How to do Die folgende Zusammenfassung zeigt beispielhaft, wie eine Mediatoranalyse bzw. eine Moderatoranalyse mit SPSS durchgeführt wird und wie die Ergebnisse in einem
MehrEINFACHE LINEARE REGRESSION MODUL 13 PROSEMINAR DESKRIPTIVE STATISTIK ANALYSE UND DARSTELLUNG VON DATEN I GÜNTER HAIDER WS 1999/2000
INSTITUT FÜR ERZIEHUNGSWISSENSCHAFT - UNIVERSITÄT SALZBURG PROSEMINAR DESKRIPTIVE STATISTIK ANALYSE UND DARSTELLUNG VON DATEN I GÜNTER HAIDER WS 1999/2 MODUL 13 EINFACHE LINEARE REGRESSION Erziehungswissenschaft/Haider
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrIris Treppner. astro. Wie Trader mit Astrologie die Börse schlagen FBV
Iris Treppner astro trading Wie Trader mit Astrologie die Börse schlagen FBV TEIL I Grundzüge des Astro-Tradings 17 KAPITEL 1: ZUM UMGANG MIT DIESEM BUCH Damit Sie in diesem Buch nicht unnötig suchen
MehrDossier: Rechnungen und Lieferscheine in Word
www.sekretaerinnen-service.de Dossier: Rechnungen und Lieferscheine in Word Es muss nicht immer Excel sein Wenn Sie eine Vorlage für eine Rechnung oder einen Lieferschein erstellen möchten, brauchen Sie
MehrProgramme deinstallieren,
Programme deinstallieren, Programme mit Windows deinstallieren: Sie haben Programme auf Ihrem Rechner, die Sie gar nicht oder nicht mehr gebrauchen. Sie sollten solche Programme deinstallieren, denn die
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
MehrHerzlich Willkommen zur Vorlesung Statistik
Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrEinflussfaktoren für den Lernerfolg von Englisch an der Primarschule
Einflussfaktoren für den Lernerfolg von Englisch an der Primarschule Eine Untersuchung in fünf Schweizer Kantonen und dem Fürstentum Liechtenstein Kurzdarstellung der Ergebnisse aus dem Projekt. Vera Husfeldt
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrARBEITSPAPIERE WORKING PAPERS NR. 14, JULI 2012
Informatik in der Architektur InfAR ARBEITSPAPIERE WORKING PAPERS NR. 14, JULI 2012 AKTIONSRÄUME IN DRESDEN HERMANN KÖHLER, REINHARD KÖNIG ISSN 2191-2416 Bauhaus-Universität Weimar, Professur Informatik
MehrDie 3 größten Fehler bei der Neukundengewinnung Sind Sie auch betroffen?
Die 3 größten Fehler bei der Neukundengewinnung Sind Sie auch betroffen? In diesem kurzen Ratgeber möchte ich Ihnen die 3 wahrscheinlich größten Fehler aufzeigen, die Sie bei der Neukundengewinnung machen
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
Mehr9.2 Weitergeben. 9.2.1 Online-Album. 9.2 Weitergeben. Flash-Player
9.2 Weitergeben Das Weitergeben und das Erstellen unterscheiden sich eigentlich nur wenig. Beim Erstellen liegt das Augenmerk mehr auf dem Ausdrucken, bei der Weitergabe handelt es sich eher um die elektronische
MehrText-Zahlen-Formatieren
Text-Zahlen-Formatieren Beobachtung: Bei der Formatierung einer Zahl in eine Textzahl und umgekehrt zeigt Excel ein merkwürdiges Verhalten, welches nachfolgend skizziert werden soll: Wir öffnen eine neue
MehrBetragsgleichungen und die Methode der Fallunterscheidungen
mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at
Mehr1 Testentwicklung und Beschreibung der Stichproben
1 Teststatistik 1 Testentwicklung und Beschreibung der Stichproben Die Idee zur Entwicklung eines Gruppentests zur Früherkennung von Lese- Rechtschreibschwierigkeiten entstand während verschiedener Lehrerfortbildungen.
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
MehrDie R-Homepage R herunterladen
Die R-Homepage R herunterladen Der Link für die R-Homepage lautet: http://www.r-project.org/ Um R herunterzuladen, klickt man zunächst auf download R (durch grünen Pfeil gekennzeichnet). Anschließend öffnet
MehrNiceMemMaster Anwenderhandbuch
NiceMemMaster Anwenderhandbuch Deutsche Version Rev-1112 2012 Euro Plus d.o.o. Alle Rechte vorbehalten. Euro Plus d.o.o. Poslovna cona A 2 SI-4208 Šenčur, Slovenia tel.: +386 4 280 50 00 fax: +386 4 233
Mehr