Schutzblech oder Regenschirm?
|
|
- Thilo Bayer
- vor 6 Jahren
- Abrufe
Transkript
1 Schutzblech oder Regenschirm? Wetterbereinigte Zeitreihen des Veloaufkommens im Kanton Basel-Stadt Statistiktage 2016, Neuenburg Lukas Mohler, des Kantons Basel-Stadt
2 Warum wetterbereinigte Zeitreihen des Veloverkehrs? Motivation: Im Verkehrsleitbild des Kantons Basel-Stadt ist festgehalten: dass steigender Veloverkehr einerseits die öffentlichen Verkehrsmittel zu Spitzenzeiten entlasten und andererseits einen Teil des motorisierten Individualverkehrs ersetzen soll. Das Amt für Mobilität hat die Entwicklungen im Bereich Verkehr zu überprüfen und dem Regierungsrat Bericht zu erstatten. Das bedingt eine entsprechende vorausgehende Informationsgewinnung, z.b. die Messung der Verkehrszahlen Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 2
3 Warum wetterbereinigte Zeitreihen des Veloverkehrs? Motivation: Im Bereich des Veloverkehrs wird dafür unter anderem auf ein Netz von über 20 fest installierten Velozählstellen im ganzen Kantonsgebiet zurückgegriffen. Induktionsschlaufen Zählgerät Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 3
4 Warum wetterbereinigte Zeitreihen des Veloverkehrs? Motivation: Das Amt für Mobilität erstellt daraus einen jährlichen Index der Velofrequenzen. Allerdings wurde folgendes festgestellt: Der Indexstand schwankt von Jahr zu Jahr stark. Eine Betrachtung von Wetterdaten weist darauf hin, dass diese Schwankungen wetterbedingt sein könnten. Es resultierte das Bedürfnis mehr über den Wettereinfluss auf die Velofrequenzen zu erfahren und einen Velo-Index konstruieren zu können, welcher bei einem «gleich bleibenden» Wetterverhalten zustande kommen würde. Auftrag an das Statistische Amt Basel-Stadt Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 4
5 Analysestrategie Regressionsanalyse mit geeignetem Schätzer, welcher separat für jede Zählstelle und jede Fahrtrichtung die täglichen Velofrequenzen mittels Wettervariablen und anderen erklärenden Faktoren zu beschreiben versucht. Es resultieren geschätzte Koeffizienten, welche die Stärke des Wettereinflusses beschreiben sowie Voraussagen, wie die Velofrequenz mit «konstantem» Wetter ausgesehen hätte Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 5
6 Präsidialdepartement des Kantons Basel-Stadt Datengrundlage Abhängige Variable: Velofrequenzen an über 20 Zählstellen. Grafik: Abbildung der Tagesfrequenzen (Wettsteinbrücke, Fahrtrichtung 1): Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 6
7 Januar Februar März April Mai Juni Juli August September Oktober November Dezember Montag Dienstag Mittwoch Donnerstag Freitag Samstag Sonntag Präsidialdepartement des Kantons Basel-Stadt Datengrundlage Jahresganglinien: Wochenganglinien: : Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 7
8 Datengrundlage Tagesganglinien Mo-Fr: Tagesganglinien Sa-So: Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 8
9 Datengrundlage Erklärende Variablen: Verfügbare Wetterdaten für Basel-Stadt: Typ Sonnenscheindauer Regenmenge Mittlere Temperatur Maximale Temperatur Minimale Temperatur Maximale Windstärke Schneehöhe morgens Schneehöhe abends Frequenz stündlich stündlich stündlich stündlich stündlich stündlich täglich täglich Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 9
10 Datengrundlage Erklärende Variablen: Eigene «Veranstaltungsdatenbank» Basel-Stadt (Auswahl): Feiertage, Messen Feiertage Ferien Semesterferien Grosse Messen und Kongresse Sport Fussballspiele, Eishockeyspiele Swiss Indoors, TopVolley, Badminton, CSI Stadtlauf, Marathon, Birslauf, Bruggelauf Quer durch Basel, Waldlauf Lange Erlen Rheinschwimmen, SlowUp Kultur Tattoo, Baloise Session, Bscene Grosse Konzerte (St.Jakob) Summerblues, Bebbi si Jazz, Jazzfestival Imagine, JKF, Im Fluss, Basel Open Air Fasnacht, Schulfasnacht, Bummelsonntage Sonstiges Herbstmesse, Weihnachtsmarkt Verkaufsoffene Sontage Feuerwerke (Silvester, August) Sportnacht, Museumsnacht Vogel Gryff, Klosterbergfest, Hafenfest Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 10
11 Methodisches Vorgehen Variablen für das Modell zur Erklärung der Velofrequenzen: Abhängige Variable: Tägliche Velofrequenz Erklärende Variablen: Tagesmerkmale: Wochenende, Monat, Feiertag, Ferien, Veranstaltungen Wetterdaten: Sonnenscheindauer, Regenmenge, mittlere Temperatur, maximale Windgeschwindigkeit, Schneehöhe morgens und abends Transformationen von / Interaktionsvariablen zwischen Wetterdaten sowie zwischen Wetterdaten und Tagesmerkmalen: Beispiele: Interaktion mittlere Temperatur mit Sonnscheindauer, Interaktion Regenmenge mit Wochenend-Dummy, Temperatur im Quadrat, Wetter am frühen Morgen, gelaggte Werte von Wettervariablen usw Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 11
12 Methodisches Vorgehen Verschiedene Herausforderungen: 1. Spezifikation der Schätzgleichung: Separate Schätzung für jede Zählstelle: Immer die gleiche Spezifikation? Verschiedenste Möglichkeiten bei der Auswahl der erklärenden Variablen (Interaktionen, Terme höherer Ordnung) Verschiedene Transformationsmöglichkeiten der Variablen (log, sqrt, ) Für jede Zählstelle werden Dutzende verschiedene Spezifikationen geschätzt mit unterschiedlichen erklärenden Variablen und unterschiedlicher Transformation der abhängigen Variable Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 12
13 Präsidialdepartement des Kantons Basel-Stadt Methodisches Vorgehen Verschiedene Herausforderungen: 2. Der Datensatz enthält viele potentielle Ausreisser. Lösungsansätze: Zusätzliche erklärende Variablen! (=> insb. Veranstaltungen) Wahl der Schätzmethode: OLS plus Ausreisser-Identifikation und -Eliminierung Robuste Regression (MM-Estimation) Poisson-Regression, robuste Poisson-Regression 0 Diagnostik: Residual plots, Q-Q-Plots, Adj. R 2, AIC, Vergleich Koeffizienten und Voraussagen Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 13
14 Methodisches Vorgehen Finale Schätzspezifikation: «so simpel wie möglich, so komplex wie nötig» OLS mit Ausreisser-Eliminierung: Diagnostische Tests i.o. Resultierende Koeffizienten und Predictions sehr nahe an robuster Regression- und Poisson-Regression, keine Konvergenzprobleme Einfachste Interpretation der Koeffizienten Relativ «einfache» Schätzspezifikation: Log-linear-Modell erfüllt Verteilungsannahmen; Resultate sind einfach interpretierbar. Interaktionen bringen kaum Verbesserung, Beurteilung des Wettereinflusses wäre aber komplizierter Terme höherer Ordnung bringen keine Verbesserung, auch diese würden Interpretation erschweren Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 14
15 Resultate Einfluss des Wetters auf die Velobewegungen Über 20 Zählstellen, meist zwei Richtungen: Resultate variieren, Muster ist aber überall ähnlich: Sonne +, Temperatur +, Regen -, Schnee - Mittelwerte und Mediane der wichtigsten Wetterkoeffizienten über alle Zählstellen und Fahrtrichtungen: Koeffizient Mittelwert Median Regen in mm -1.6% -1.6% Sonnenscheindauer in Stunden 1.6% 1.5% Mittlere Temperatur in C 0.2% 1.0% Schneemenge morgens in cm -3.0% -1.7% Schneemenge abends in cm -2.3% -1.8% Maximale Windstärke in km/h 0.0% 0.0% Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 15
16 Jan 06 Jul 06 Jan 07 Jul 07 Jan 08 Jul 08 Jan 09 Jul 09 Jan 10 Jul 10 Jan 11 Jul 11 Jan 12 Jul 12 Jan 13 Jul 13 Jan 14 Jul 14 Jan 15 Jul 15 Präsidialdepartement des Kantons Basel-Stadt Resultate Voraussagen des Modells Voraussage mit den tatsächlich beobachteten Originaldaten: Wie gut kann unser Modell die beobachteten Werte abbilden? => R 2 > 90% Voraussage Modell mit Originaldaten Originalreihe Wettsteinbrücke, Fahrtrichtung Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 16
17 Jan 06 Jul 06 Jan 07 Jul 07 Jan 08 Jul 08 Jan 09 Jul 09 Jan 10 Jul 10 Jan 11 Jul 11 Jan 12 Jul 12 Jan 13 Jul 13 Jan 14 Jul 14 Jan 15 Jul 15 Präsidialdepartement des Kantons Basel-Stadt Resultate Voraussagen des Modells Voraussagen des Modells mit «künstlichen» Wetterdaten? => Wetterdaten 2008 für alle Jahre, Wetterverhalten bleibt «konstant» Voraussage Modell mit Wetterdaten 2008 Originalreihe Wettsteinbrücke, Fahrtrichtung Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 17
18 Jan 06 Jul 06 Jan 07 Jul 07 Jan 08 Jul 08 Jan 09 Jul 09 Jan 10 Jul 10 Jan 11 Jul 11 Jan 12 Jul 12 Jan 13 Jul 13 Jan 14 Jul 14 Jan 15 Jul 15 Präsidialdepartement des Kantons Basel-Stadt Resultate Voraussagen des Modells Wetterbereinigte Daten = Originalwerte (Voraussage Originalwetter Voraussage Wetter 2008) Wetterbereinigte Reihe Originalreihe Wettsteinbrücke, Fahrtrichtung Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 18
19 Präsidialdepartement des Kantons Basel-Stadt Resultate Voraussagen des Modells Jahresaggregate der wetterbereinigten Zahlen: Wetterbereinigte Reihe Originalreihe Wettsteinbrücke, Fahrtrichtung Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 19
20 Resultate Wetterbereinigter Velo-Index Verschiedene Zählstellen zu einem Index zusammengefasst: 130 Index Velo Index Velo wetterbereinigt Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 20
21 Zusammenfassung und Schluss Bedürfnis des Amts für Mobilität nach: Informationen über den Wettereinfluss auf die Velofrequenzen und Velo-Index, der nicht vom Wetter beeinflusst wird. Lösungsansatz: Regressionsanalyse, welche die Velofrequenzen mit Wetterdaten sowie Tagesmerkmalen und Veranstaltungen zu erklären versuchen. Resultat: Mittlerer Einfluss der Wettervariablen für jede Zählstelle Wetterbereinigte Zeitreihen für jede Zählstelle Statistiktage 2016 / Neuenburg Schutzblech oder Regenschirm? 21
Datum Wochen Band DVD Band eingelegt Protokoll kontr. Recovery kontr. Tag Nr. RW Sign. Sign. Sign.
Monat: Januar Anzahl Bänder: 9 01.01.2015 Donnerstag Do DO 02.01.2015 Freitag Fr FR 03.01.2015 Samstag 04.01.2015 Sonntag 05.01.2015 Montag Mo1 MO 06.01.2015 Dienstag Di DI 07.01.2015 Mittwoch Mi MI 08.01.2015
MehrDauer Richtung Bemerkung ca. 0:03 Adlershof, Karl-Ziegler-Str. barrierefrei Fahrradmitnahme möglich
t 61 ca. 0:03 Adlershof, Karl-Ziegler-Str. barrierefrei Fahrradmitnahme möglich v Montag - Freitag Samstag Sonntag* 05 30 50 06 10 30 51 07 11 31 51 08 11 31 51 49 49 09 11 31 51 09 29 50 09 29 49 10 11
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
MehrGenerated by Foxit PDF Creator Foxit Software
3.Jan 2011-10.Jul 2011 Dienstag, 11. Januar 2011 Donnerstag, 13. Januar 2011 Dienstag, 18. Januar 2011 Montag, 7. Februar 2011 Montag, 14. Februar 2011 Samstag, 26. Februar 2011 Donnerstag, 3. März 2011
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrHans Scheitter GmbH & Co.KG
2010 Beschläge in Schmiedeeisen, Messing und Kupfer JANUAR Neujahr 01 Samstag 02 Sonntag 03 Montag 04 Dienstag 05 Mittwoch 06 Donnerstag 07 Freitag 08 Samstag 09 Sonntag 10 Montag 11 Dienstag 12 Mittwoch
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Regression: 4 eindimensionale Beispiele Berühmte
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrMontag - Freitag
Bad Wildungen, Montag - Freitag 5.25 5.27 5.31 5.34 5.37 5.38 5.39 5.40 5.41 5.42 5.43 5.55 5.57 5.58 5.58 5.59 5.59 6.00 6.00 6.01 6.04 6.07 6.08 6.09 6.10 6.11 6.12 6.13 7.05 7.08 7.13 7.15 7.16 7.17
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
MehrWiederholungsübungen zu den Kapiteln 7 bis 11
Mittelwert-Tests Übung Wiederholungsübungen zu den Kapiteln 7 bis 11 In dieser Übung wird der Datensatz 4 verwendet. In dem (fiktiven) Datensatz sind für 50 Personen vier Variablen erfasst: das Geschlecht,
MehrZeitreihenanalyse. Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation
Zeitreihenanalyse Zerlegung von Zeitreihen Saisonindex, saisonbereinigte Zeitreihe Trend und zyklische Komponente Prognose Autokorrelation Beispiel für Zeitreihe Andere Anwendungen Inventarmanagment Produktionsplanung
MehrDie Regressionsanalyse
Die Regressionsanalyse Zielsetzung: Untersuchung und Quantifizierung funktionaler Abhängigkeiten zwischen metrisch skalierten Variablen eine unabhängige Variable Einfachregression mehr als eine unabhängige
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
MehrIch kann erklären, warum es Tag und Nacht gibt. Ich kenne die Wochentage und ihre Reihenfolge.
Checkliste Kalender & Zeit Das kann ich unter normalen Umständen. Das kann ich gut und leicht.! Das ist ein Ziel für mich. START ENDE Meine ZIELE! Ich kann erklären, warum es Tag und Nacht gibt. Ich kenne
MehrStatistik I. Zusammenfassung und wichtiges zur Prüfungsvorbereitung. Malte Wissmann. 9. Dezember Universität Basel.
Zusammenfassung und wichtiges zur Prüfungsvorbereitung 9. Dezember 2008 Begriffe Kenntnis der wichtigen Begriffe und Unterscheidung dieser. Beispiele: Merkmal, Merkmalsraum, etc. Skalierung: Nominal etc
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
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 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
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
MehrBrötchen und Wetter wie passt das zusammen?
Brötchen und Wetter wie passt das zusammen? Bäckereien nutzen regionale Einflüsse und Wetterprognosen für die Bestelloptimierung Dr. Florian Siedenburg 2013 IBM Corporation 2 Der Zusammenhang von Wetter
MehrAbonnieren Sie die kostenlose epaper-zeitung unter
Kreisliga A Paderborn Sonntag, 21.2.2010 Sonntag, 28.2.2010 Sonntag, 7.3.2010 Sonntag, 14.3.2010 Sonntag, 21.3.2010 Samstag, 27.3.2010 Sonntag, 28.3.2010 Mittwoch, 31.3.2010 Donnerstag, 1.4.2010 Montag,
MehrSchweizerische Koordinationsstelle für Bildungsforschung Centre suisse de coordination pour la recherche en éducation
Motivation und Selektion in den Lehrberuf Stefan Denzler-Schircks Ursula Fiechter Stefan C. Wolter SGFB-Kongress 2005 1. Fragestellung 2. Welche Motive beeinflussen die Ausbildungswahl? 3. Wie verläuft
MehrFeucht î. Gleis Track Zeit. Zug Train. Time. 6:28 e 3. e :59 e 2. e :51 e 3. e :59. e Sa, s. 7:00 e 2. e
11.1.016 09.1.017 0:08 9390 0:19 9686 0:33 9687 0:39 9391 0:49 939 1: 9397 4:39 w außer Sa 97 4:40 w außer Sa 971 4:48 w außer Sa 9300 :00 w außer Sa 973 :08 w 930 :11 w außer Sa 9301 :19 w außer Sa 976
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
MehrTheorieplan Januar 2015
Theorieplan Januar 2015 Donnerstag 01.01.2015 Freitag 02.01.2015 Samstag 03.01.2015 Sonntag 04.01.2015 Montag 05.01.2015 9 6 Dienstag 06.01.2015 1 11 Mittwoch 07.01.2015 10 7 Donnerstag 08.01.2015 2 12
MehrVeloland Schweiz. progtrans. Datenblatt Automatische Zählstation Emmen. Zählung und Befragung 2004
Datenblatt Automatische Zählstation Emmen Veloland Schweiz Zählung und Befragung Die Stiftung Veloland Schweiz betreibt seit automatische Velo-Zählanlagen auf den nationalen Veloland-Routen. Die Velo-
MehrSignifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs
Signifikanzen, Regressionen, Schätzer: Ein anwendungsbezogener Crashkurs Prof. Dr. Roman Inderst 2014, 2015, 2016 Prof. R. Inderst / Goethe Univ. Frankfurt Ökonometrische Grundlagen 0 Motivation Der Unterschied
MehrSchichtkalender 2017.
Werk Regensburg Schichtkalender 2017. Januar bis Dezember 2017 für Werk 6 Schichteinteilung 4 -Schicht-Modell TU Kurzfristig notwendige Arbeitszeitmaßnahmen und Produktionsunterbrechungen sind nicht berücksichtigt.
MehrKurstage Geprüfte(r) Technischer Fachwirt(-in) IHK
Kurstage Geprüfte(r) Technischer Fachwirt(-in) IHK 02.12.2017 Samstag BT 02.03.2018 Freitag BT Vertiefungstag 03.12.2017 Sonntag BT 03.03.2018 Samstag BT Vertiefungstag 09.12.2017 Samstag BT 04.03.2018
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrBrötchen und Wolken wie passt das zusammen?
Brötchen und Wolken wie passt das zusammen? Eine Bäckerei nutzt regionale Wetterprognosen für die Bestelloptimierung Dr. Björn Christensen 07. November 2012 2012 IBM Corporation 2012 meteolytix GmbH Das
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
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
MehrErgänzungsmaterial zur Vorlesung. Statistik 2. Modelldiagnostik, Ausreißer, einflussreiche Beobachtungen
Institut für Stochastik WS 2007/2008 Universität Karlsruhe JProf. Dr. H. Holzmann Dipl.-Math. oec. D. Engel Ergänzungsmaterial zur Vorlesung Statistik 2 Modelldiagnostik, Ausreißer, einflussreiche Beobachtungen
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 27
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 27 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
MehrTheorieplan Januar 2014
Januar 2014 Mittwoch 01.01.2014 Neujahr Donnerstag 02.01.2014 13 9 Freitag 03.01.2014 Samstag 04.01.2014 Sonntag 05.01.2014 Montag 06.01.2014 6 3 Dienstag 07.01.2014 14 10 Mittwoch 08.01.2014 7 4 Donnerstag
MehrSelbstbeobachtungstagebuch
Ihr Tagebuch verschafft Ihnen einen genauen Überblick über den Verlauf Ihrer n Tragen Sie ein, wie Sie diese Empfindung,, nach, und erleben. Notieren Sie unbedingt, was Ihre Körperempfindung jeweils beeinflusst
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
MehrKurstage Geprüfte(r) Technischer Fachwirt(-in) IHK
Kurstage Geprüfte(r) Technischer Fachwirt(-in) IHK 18.10.2015 Sonntag WÜ 19.02.2016 Freitag WÜ Vertiefungstag 24.10.2015 Samstag WÜ 20.02.2016 Samstag WÜ Vertiefungstag 14.11.2015 Samstag WÜ 21.02.2016
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
Mehr1 Gliederung Zeitreihenökonometrie. Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09. Dr. Sylvia Kaufmann.
Angewandte Ökonometrie (Folien) Zeitreihenökonometrie Universität Basel, FS 09 Dr Sylvia Kaufmann Februar 2009 Angewandte Ökonometrie, Sylvia Kaufmann, FS09 1 1 Gliederung Zeitreihenökonometrie Einführung
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Residualanalyse zur Fehlerlokalisierung und prädikativen Steuerung Vortragender: Betreuer: Tobias Fechter Dr.-Ing. Heinz-Dieter Ribbecke, Dipl.-Inf. Jakob Krause
MehrDas Lineare Regressionsmodell
Das Lineare Regressionsmodell Bivariates Regressionsmodell Verbrauch eines Pkw hängt vom Gewicht des Fahrzeugs ab Hypothese / Theorie: Je schwerer ein Auto, desto mehr wird es verbrauchen Annahme eines
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
MehrLineare Regression 1 Seminar für Statistik
Lineare Regression 1 Seminar für Statistik Markus Kalisch 17.09.2014 1 Statistik 2: Ziele Konzepte von einer breiten Auswahl von Methoden verstehen Umsetzung mit R: Daten einlesen, Daten analysieren, Grafiken
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
MehrDas Oltner Wetter im März 2008
Das Oltner Wetter im März 2008 Stürmisch mit verspätetem Winter zu Ostern Der März 2008 wurde von zahlreichen Sturmtiefs und einem späten Wintereinbruch in den Niederungen geprägt Ab Monatsbeginn bis zum
Mehrstadtbus Ravensburg Weingarten Baindt - Baienfurt - Weingarten - Ravensburg - Schmalegg
Bitte beachten 4.20 4.22 4.23 4.24 4.26 4.27 4.29 4.30 4.31 4.32 4.34 4.37 4.38 4.41 4.44 4.46 4.47 4.49 4.50 4.51 4.53 4.54 4.55 4.56 4.57 4.58 5.00 F9 4.35 4.36 4.37 4.39 4.41 4.43 4.45 4.47 4.48 4.50
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
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
MehrKapitel 5. Prognose. Zeitreihenanalyse wird aus drei Gründen betrieben: Beschreibung des Verlaufs von Zeitreihen.
Kapitel 5 Prognose Josef Leydold c 2006 Mathematische Methoden V Prognose 1 / 14 Lernziele Aufgabe der Prognose Problemtypen Ablauf einer Prognoseaufgabe Zeitreihe Josef Leydold c 2006 Mathematische Methoden
MehrBeispiel. Schriftliche Prüfung zur Aufnahme in Klassenstufe 7 eines Gymnasiums mit vertiefter mathematisch-naturwissenschaftlicher Ausbildung
Beispiel Schriftliche Prüfung zur Aufnahme in Klassenstufe 7 eines Gymnasiums mit vertiefter mathematisch-naturwissenschaftlicher Ausbildung Teil 2: Klausur Schreibe deinen Namen und deine jetzige Schule
MehrVerkehrszählungen an den Grenzübergängen Österreich Schweiz, Österreich Liechtenstein, Liechtenstein - Schweiz
BESCH UND PARTNER Kanton St. Gallen Fürstentum Liechtenstein Land Vorarlberg Velotal-Rheintal Verkehrszählungen an den Grenzübergängen Österreich Schweiz, Österreich Liechtenstein, Liechtenstein - Schweiz
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
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrInstitut für Soziologie Christian Ganser. Methoden 2. Regressionsanalyse II: Lineare multiple Regression
Institut für Soziologie Christian Ganser Methoden 2 Regressionsanalyse II: Lineare multiple Regression Inhalt 1. Anwendungsbereich 2. Vorgehensweise bei multipler linearer Regression 3. Beispiel 4. Modellannahmen
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
MehrEinführung in die formale Demographie Übung
Einführung in die formale Demographie Übung Roland Rau mailto:roland.rau@uni-rostock.de 03. November 2014 Inhaltsverzeichnis 1 Aufgaben vom 27. Oktober 2014 2 1.1 Schreiben von Funktionen............................
MehrSchichtkalender 2017.
Werk Regensburg Schichtkalender 2017. Januar bis Dezember 2017 für Werk 6 Schichteinteilung A, B (11-schichtig) Kurzfristig notwendige Arbeitszeitmaßnahmen und Produktionsunterbrechungen sind nicht berücksichtigt.
MehrLineare Modelle in R: Klassische lineare Regression
Lineare Modelle in R: Klassische lineare Regression Achim Zeileis 2009-02-20 1 Das Modell Das klassische lineare Regressionsmodell versucht den Zusammenhang zwischen einer abhängigen Variablen (oder Responsevariablen)
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Ausgangsdaten Bundesliga 2008/2009 Gegeben: Daten zu den 18 Vereinen der ersten Bundesliga
MehrDie Fleissarbeit dem PC: Umfragen auf Knopfdruck auswerten
Die Fleissarbeit dem PC: Umfragen auf Knopfdruck auswerten Druckreife statistische Auswertungen von Umfragen in Rekordzeit Jonas Bieri Basel-Stadt jonas.bieri@bs.ch Agenda 1. Das Problem Bestehende Umfrageauswertungs-Tools:
MehrKurs Empirische Wirtschaftsforschung
Kurs Empirische Wirtschaftsforschung 5. Bivariates Regressionsmodell 1 Martin Halla Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz 1 Lehrbuch: Bauer/Fertig/Schmidt (2009), Empirische
MehrSchichtkalender 2017.
Werk Regensburg Schichtkalender 2017. Januar bis Dezember 2017 für Werk 6 Schichteinteilung A, B, C (11-schichtig) Kurzfristig notwendige Arbeitszeitmaßnahmen und Produktionsunterbrechungen sind nicht
MehrDeterminanten des Milchpreisniveaus: Einfluss von Innovation und Wertschöpfungstiefe
Determinanten des Milchpreisniveaus: Einfluss von Innovation und Wertschöpfungstiefe der Molkereien Joke Clausen und Holger D. Thiele Deutsches Hochschulforum 2016 Hochschule Osnabrück Fragestellung Milchpreis
Mehr6.4 Kointegration Definition
6.4 Kointegration 6.4.1 Definition Nach Engle und Granger (1987): Wenn zwei oder mehrere Variablen I(1) sind, eine Linearkombination davon jedoch I() ist, dann sind die Variablen kointegriert. Allgemein:
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
MehrEmpirische Wirtschaftsforschung in R
Empirische Wirtschaftsforschung in R Schätzung der keynesianischen Geldnachfragefunktion auf Basis von Daten der dänischen Volkswirtschaft Jonas Richter-Dumke Universität Rostock, Institut für Volkswirtschaftslehre
MehrLaborchemische Referenzwerte in der klinischen Versorgung
Laborchemische Referenzwerte in der klinischen Versorgung Dr. Robin Haring Institut für Klinische Chemie und Laboratoriumsmedizin Universitätsmedizin Greifswald Wozu Referenzwerte? Vor allem in der Laboratoriumsmedizin
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
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
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
MehrDas lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Prof. Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor Das ökonomische
MehrMietpreisraster. November Statistisches Amt. Herausgeber: Statistisches Amt des Kantons Basel-Stadt. Statistisches Amt
Präsidialdepartement des Kantons Basel-Stadt Statistisches Amt November 2014 Mietpreisraster Herausgeber: Statistisches Amt des Kantons Basel-Stadt Statistisches Amt Kanton Basel-Stadt Binningerstr. 6
MehrKlausurvorbereitung - Statistik
Aufgabe 1 Klausurvorbereitung - Statistik Studenten der Politikwissenschaft der Johannes Gutenberg-Universität wurden befragt, seit wie vielen Semestern sie eingeschrieben sind. Berechnen Sie für die folgenden
MehrW-Barmen - Uellendahl - W-Katernberg
P+R 6 Wuppertal Barmen Bf - Alter Markt 6 660 - Hardenberger Hof 6 - Am Eckbusch 6 - Raukamp Schleife 6 und zurück An Sonn- und Feiertagen kein Verkehr 6 6 W-tal Barmen Bf (Bstg 5) - Alter Markt (Bstg
Mehr2.3 Nichtlineare Regressionsfunktion
Nichtlineare Regressionsfunktion Bisher: lineares Regressionsmodell o Steigung d. Regressionsgerade ist konstant o Effekt einer Änderung von X auf Y hängt nicht vom Niveau von X oder von anderen Regressoren
MehrDas Oltner Wetter im Dezember 2008
Das Oltner Wetter im Dezember 2008 Winterlich und trotzdem grüne Weihnachten Der Dezember 2008 war bis nach der Monatsmitte fast durchgehend von Tiefdruckgebieten geprägt Zu Monatsbeginn wurde dabei mit
Mehr2. Stochastische ökonometrische Modelle. - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen
.1. Stochastische ökonometrische Modelle.1 Einführung Ziele: - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen - Numerische Konkretisierung ökonomischer Modelle und deren Analse. . Variierende
MehrEinfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrDatenanalyse mit Excel und Gretl
Dozent: Christoph Hindermann christoph.hindermann@uni-erfurt.de Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 1 Teil 2: Gretl Datenanalyse mit Excel und Gretl Teil Titel 2: Gretl 2 Modellannahmen
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
Mehr1 Prognoseverfahren F H
1 Prognoseverfahren 1.1 Zielsetzung 1.2 Bedarfsverlauf von Verbrauchsfaktoren 1.3 Prognose bei regelmäßigen Bedarf 1.4 Prognosemodelle in Standard-ERP-Software 1.5 Ausblick Herrmann, Frank: Operative Planung
MehrMethoden der Ökonometrie
Dr. Matthias Opnger Lehrstuhl für Finanzwissenschaft WS 2013/14 Dr. Matthias Opnger Methoden d. Ökonometrie WS 2013/14 1 / 21 Dr. Matthias Opnger Büro: C 504 Sprechzeit: nach Vereinbarung E-Mail: opnger@uni-trier.de
MehrTabelle 1: Altersverteilung der Patienten (n = 42) in Jahren
3. Ergebnisse Die 42 Patienten (w= 16, m= 26) hatten ein Durchschnittsalter von 53,5 Jahren mit einem Minimum von und einem Maximum von 79 Jahren. Die 3 Patientengruppen zeigten hinsichtlich Alters- und
MehrMultiple Regressionsanalyse - Kurzabriss
Multiple Regressionsanalyse - Kurzabriss Ziele: Schätzung eines Kriteriums aus einer Linearkombination von Prädiktoren Meist zu Screening-Untersuchungen, um den Einfluß von vermuteten Ursachenvariablen
MehrKurstage Geprüfte(r) Technischer Fachwirt(-in) IHK
Kurstage Geprüfte(r) Technischer Fachwirt(-in) IHK 29.04.2017 Samstag H 09.09.2017 Samstag H Vertiefungstag 30.04.2017 Sonntag H 10.09.2017 Sonntag H Res. Vertiefungstag 01.05.2017 Montag H 18.10.2017
Mehr1 EINLEITUNG Allgemeines Kapitelübersicht Gebrauch dieses Buches Verwenden zusätzlicher Literatur...
Inhaltsverzeichnis 1 EINLEITUNG... 1 1.1 Allgemeines... 1 1.2 Kapitelübersicht... 2 1.3 Gebrauch dieses Buches... 3 1.4 Verwenden zusätzlicher Literatur... 4 DESKRIPTIVE STATISTIK 2 GRUNDLAGEN... 5 2.1
MehrDo-Germania / Do-Somborn Do-Lütgendortmund S 4 Teilausfälle mit Schienenersatzverkehr Mittwoch, (Betriebsbeginn) bis auf Weiteres
Do-Germania / Do-Somborn Do-Lütgendortmund S 4 Teilausfälle mit Schienenersatzverkehr Mittwoch, 23.11.2016 (Betriebsbeginn) bis auf Weiteres Sehr geehrte Fahrgäste, aufgrund einer technischen Störung kommt
Mehr2. Witterung im Winter 1995/96
2. Witterung im Winter 1995/96 von Dr. Karl Gabl, ZAMG Wetterdienststelle Innsbruck Die Beobachtungen und Messungen der Klimastationen der Zentralanstalt für Meteorologie und Geodynamik, Regionalstelle
MehrPatscherkofelbahn/Olympiaexpress - Nordkette
ivb.kursbuch 2007/2008 J / - Montag - Freitag Gültig von 08.12.2013 bis 13.12.2014 an 5:54 5:56 5:57 5:58 5:59 6:03 6:05 6:06 6:09 6:17 6:23 6:27 6:29 6: 6:29 6: 6:32 6:35 6:37 6:38 6:38 6:40 6:43 6:44
MehrÜbungen 19.01.2012 Programmieren 1 Felix Rohrer. Übungen
Übungen if / else / else if... 2... 2 Aufgabe 2:... 2 Aufgabe 3:... 2 Aufgabe 4:... 2 Aufgabe 5:... 2 Aufgabe 6:... 2 Aufgabe 7:... 3 Aufgabe 8:... 3 Aufgabe 9:... 3 Aufgabe 10:... 3 switch... 4... 4 Aufgabe
MehrHauptstraße Weßling / Hof Art
9 8 7 6 5 4 3 2 1 : 1: 2: 3: 4: 5: 6: 7: 8: 9: 1: 11: 12: 13: 14: 15: 16: 17: 18: 19: 2: 21: 22: 23: Uhrzeit Sonntag, 15. November 215, 22: Uhr bis Sonntag, 22. November 215, 22: Uhr Geschwindigkeitsübertretung:31
MehrWann ist der/das/die geschlossen/geöffnet? Wann kann man?
Hast du Zeit? 1 Fragt und sucht die Informationen in den Texten. Wann beginnt? Hat Telefon? Ist am Samstag? Kann man am Sonntag? Wann ist der/das/die geschlossen/geöffnet? Wann kann man? DAS NEUE CAPITOL
Mehrswiss marketing academy GmbH Seite 1 von 11
AUFGABE 1a Nennen Sie 3 fallbezogene Gliederungszahlen und beschreiben Sie pro Gliederungszahl die Aussagekraft. 6 Punkte Gliederungszahl = Verhältnis eines Teiles zum gleichartigen Ganzen. Nennung Beschreibung
MehrEinführung in Panel-Verfahren
Einführung in Panel-Verfahren Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Drei Arten von Datensätzen Cross-Section
MehrSoftwareentwicklung für Schneimeister
Softwareentwicklung für Schneimeister Florian Hanzer Mitarbeiter am Institut für Geographie, Experte in Computational Sciences und der Modellierung der Kunstschneeproduktion 1 2016-10-06 Symposium Schnee
Mehr