Anhang zu Asexualität, sexuelle und nicht sexuelle Gewalt

Größe: px
Ab Seite anzeigen:

Download "Anhang zu Asexualität, sexuelle und nicht sexuelle Gewalt"

Transkript

1 Anhang zu Asexualität, sexuelle und nicht sexuelle Multivariate Varianzanalyse zur Analyse der Einflüsse von sexueller (Sexgewalt) und nicht sexueller () auf fünf Asexualitäts-Maße Bezüglich mögliche Auswirkungen von sexueller und nicht sexueller auf Asexualität kann eine einseitige Testung des Signifikanzniveaus erfolgen, da die hierzu überprüfende Traumatisierungs- Theorie als Erklärung für Asexualität eindeutig ein höheres Ausmaß an sexueller oder nicht sexueller prognostiziert. Die entsprechenden Signifikanz-Werte können daher halbiert werden. Between-Subjects Factors q2 Welches Geschlecht haben Sie N 1, Frau 1, 293 2, 85 2, Mann t sexuelle t sexuelle 1, , 71 1, 617 2, 241 1, 761 2, 97 Multivariate Tests a q2 Welches Geschlecht haben Sie Value F 1, Frau Intercept Pillai's, ,485 b Hypothesi s df Error df Sig. 5, 2936,,, ,485 b 33, ,485 b 33, ,485 b 5, 2936,, 5, 2936,, 5, 2936,, Pillai's,4 2,648 b 5, 2936,,21,996 2,648 b 5, 2936,,21,5 2,648 b 5, 2936,,21,5 2,648 b 5, 2936,,21

2 t Pillai's,2,97 b 5, 2936,,434,998,97 b 5, 2936,,434,2,97 b 5, 2936,,434,2,97 b 5, 2936,,434 2, Mann Intercept Pillai's, ,94 b 5, 851,,, ,94 b 5, 851,, 14, ,94 b 5, 851,, 14, ,94 b 5, 851,, Pillai's,5,77 b 5, 851,,571,995,77 b 5, 851,,571,5,77 b 5, 851,,571,5,77 b 5, 851,,571 t Pillai's,6 1,41 b 5, 851,,392,994 1,41 b 5, 851,,392,6 1,41 b 5, 851,,392,6 1,41 b 5, 851,,392 a. Design: Intercept + + Sex b. Exact statistic Tests of Between-Subjects Effects q2 Welches Geschlecht haben Sie 1, Frau Corrected Model Type III Sum of Squares df Mean Square F Sig. 1,75 a 2,538,586,557,747 b 2,373 1,2,31

3 ,618 c 2,39,28,756,16 d 2,8,21,979 1,569 e 2,784 3,146,43 Intercept 1914, , ,11 2, 7448, , ,45 7, 18526, , ,61 4, 736, , ,17 1, 4632, , ,21 1,,12 1,12,13,99,651 1,651 2,91,148,248 1,248,225,635,4 1,4,11,917

4 ,85 1,85 3,229,72 t,829 1,829,93,342,354 1,354 1,139,286,138 1,138,125,724,6 1,6,16,9,215 1,215,863,353 Error 2699, , , , , ,14 166, , ,58 294,249 Total 3432, 2943

5 1164, , 1165, , 2943 Corrected Total 27, , , , , , Mann Corrected Model 1,232 f 2,616,417,659,73 g 2,37,93,911

6 6,461 h 2 3,23 1,854,157,794 i 2,397,894,49,29 j 2,14,471,625 Intercept 3827, ,99 259,82, 1436, , ,992, 3647, , ,278, 142, , ,173, 585, ,34 264,329, 1,27 1 1,27,695,45,56 1,56,142,77 3, ,425 1,966,161

7 ,774 1,774 1,744,187,23 1,23,14,747 t,33 1,33,23,881,5 1,5,12,914 1, ,488,854,356,7 1,7,17,897,27 1,27,934,334 Error 1263, , ,41 855, , , , ,444

8 189, ,222 Total 1187, , , , , 858 Corrected Total 1264, , , , , a. R Squared =, (Adjusted R Squared =,) b. R Squared =,1 (Adjusted R Squared =,) c. R Squared =, (Adjusted R Squared =,)

9 d. R Squared =, (Adjusted R Squared = -,1) e. R Squared =,2 (Adjusted R Squared =,1) f. R Squared =,1 (Adjusted R Squared = -,1) g. R Squared =, (Adjusted R Squared = -,2) h. R Squared =,4 (Adjusted R Squared =,2) i. R Squared =,2 (Adjusted R Squared =,) j. R Squared =,1 (Adjusted R Squared = -,1)

Inferenzstatistik Vergleich mehrerer Stichproben - Varianzanalyse

Inferenzstatistik Vergleich mehrerer Stichproben - Varianzanalyse Vergleich mehrerer Stichproben - Varianzanalyse Zweifache VA mit hierarchischen Faktoren Voraussetzungen zwei unabhängige Variablen (Faktoren), die unabhängige Gruppen definiert zweite Faktor ist innerhalb

Mehr

Einflussfaktoren auf die Macht der Hypothesenprüfung

Einflussfaktoren auf die Macht der Hypothesenprüfung Einflussfaktoren auf die Macht der Hypothesenprüfung Einflussfaktoren auf die Macht Die Jagd nach den Sternen In der Wissenschaft gilt der Blick oft nur den Sternen * p

Mehr

Übungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg

Übungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten

Mehr

1. Erklären Sie den Unterschied zwischen einem einseitigen und zweiseitigen Hypothesentest.

1. Erklären Sie den Unterschied zwischen einem einseitigen und zweiseitigen Hypothesentest. 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

Mehr

Versuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann

Versuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann Versuchsplanung SoSe 2015 R - Lösung zu Übung 1 am 24.04.2015 Autor: Ludwig Bothmann Contents Aufgabe 1 1 b) Schätzer................................................. 3 c) Residuenquadratsummen........................................

Mehr

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005

Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen

Mehr

Log-lineare Analyse I

Log-lineare Analyse I 1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln

Mehr

Lineare Modelle in R: Einweg-Varianzanalyse

Lineare Modelle in R: Einweg-Varianzanalyse Lineare Modelle in R: Einweg-Varianzanalyse Achim Zeileis 2009-02-20 1 Datenaufbereitung Wie schon in der Vorlesung wollen wir hier zur Illustration der Einweg-Analyse die logarithmierten Ausgaben der

Mehr

Lösung zu Kapitel 11: Beispiel 1

Lösung zu Kapitel 11: Beispiel 1 Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten

Mehr

Varianzanalyse * (1) Varianzanalyse (2)

Varianzanalyse * (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

Mehr

Speed als Mittel gegen die Verfälschbarkeit von Persönlichkeitsfragebogen? Ein Experiment

Speed als Mittel gegen die Verfälschbarkeit von Persönlichkeitsfragebogen? Ein Experiment Speed als Mittel gegen die Verfälschbarkeit von Persönlichkeitsfragebogen? Ein Experiment Lale Khorramdel & Klaus D. Kubinger, Universität Wien Persönlichkeitsfragebogen Hohe Augenscheinvalidität Soziale

Mehr

(Repeated-measures ANOVA) path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/"))

(Repeated-measures ANOVA) path = Verzeichnis wo Sie anova1 gespeichert haben attach(paste(path, anova1, sep=/)) Varianzanalyse mit Messwiederholungen (Repeated-measures ANOVA) Jonathan Harrington Befehle: anova2.txt path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) Messwiederholungen:

Mehr

Varianzanalyse mit Messwiederholungen (Repeated- measures (ANOVA) BiFe noch einmal datasets.zip laden

Varianzanalyse mit Messwiederholungen (Repeated- measures (ANOVA) BiFe noch einmal datasets.zip laden Varianzanalyse mit Messwiederholungen (Repeated- measures (ANOVA) Jonathan Harrington Befehle: anova2.txt BiFe noch einmal datasets.zip laden sowie install.packages("ez") library(ez) Messwiederholungen:

Mehr

ANalysis Of VAriance (ANOVA) 2/2

ANalysis Of VAriance (ANOVA) 2/2 ANalysis Of VAriance (ANOVA) 2/2 Markus Kalisch 22.10.2014 1 Wdh: ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor X). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich

Mehr

Tutorial: Regression Output von R

Tutorial: Regression Output von R Tutorial: Regression Output von R Eine Firma erzeugt Autositze. Ihr Chef ist besorgt über die Anzahl und die Kosten von Maschinenausfällen. Das Problem ist, dass die Maschinen schon alt sind und deswegen

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Lineare Modelle in R: Klassische lineare Regression

Lineare 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)

Mehr

(GENERAL FULL FACTORIALS)

(GENERAL FULL FACTORIALS) TQU BUSINESS GMBH VOLLFAKTORIELLE VERSUCHSPLÄNE (GENERAL FULL FACTORIALS) Lernziele Sie können vollfaktorielle Versuchspläne auf und mehr Stufen erstellen. Sie kennen Haupteffekte und Wechselwirkungen

Mehr

Statistik Einführung // Lineare Regression 9 p.2/72

Statistik Einführung // Lineare Regression 9 p.2/72 Statistik Einführung Lineare Regression Kapitel 9 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Ledold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Lineare Regression

Mehr

Metrische und kategoriale Merkmale

Metrische und kategoriale Merkmale Kapitel 6 Metrische und kategoriale Merkmale 6.1 Wie kann man metrische und kategoriale Merkmale numerisch beschreiben? Typischerweise will man geeignete Maßzahlen (beispielsweise Lage- oder Streuungsmaße)

Mehr

Anhang A: Fragebögen und sonstige Unterlagen

Anhang A: Fragebögen und sonstige Unterlagen Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben

Mehr

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3) Kaptel 5: Inferenz m multplen Modell 5 Inferenz m multplen Modell 5. Intervallschätzung m multplen Regressonsmodell Analog zum enfachen Regressonsmodell glt: Dem Intervallschätzer der Parameter legt zugrunde,

Mehr

Hemmzone/Antibiotikum A Hemmzone/Antibiotikum B Hemmzone/Antibiotikum C

Hemmzone/Antibiotikum A Hemmzone/Antibiotikum B Hemmzone/Antibiotikum C GRUPPE B Die Beantwortung der Rechenaufgaben hat zusätzlich zu den numerischen Ergebnissen zu beinhalten: - Feststellung des Problemtyps, Angabe der Lösungsmethode; - bei den Testverfahren: Hypothesen,

Mehr

Die Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden

Die Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA

Mehr

Analyse von Querschnittsdaten. Signifikanztests I Basics

Analyse von Querschnittsdaten. Signifikanztests I Basics Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004

Mehr

Unterschiedshypothesen Vergleiche von Häufigkeiten bzw. Mittelwerten zwischen (mindestens) zwei Gruppen Zusammenhangshypothesen Korrelationsanalysen

Unterschiedshypothesen Vergleiche von Häufigkeiten bzw. Mittelwerten zwischen (mindestens) zwei Gruppen Zusammenhangshypothesen Korrelationsanalysen Statistische Überprüfung von Hypothesen Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen und logischen Sachverhalten.Allgemein bezeichnet man diejenigen Aussagen als Hypothesen,

Mehr

Musterlösung zu Serie 14

Musterlösung zu Serie 14 Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen

Mehr

Beispiel für Varianzanalyse in multipler Regression mit zwei erklärenden Variablen

Beispiel für Varianzanalyse in multipler Regression mit zwei erklärenden Variablen 4. Multiple Regression Ökonometrie I - Peter Stalder 1 Beispiel für Varianzanalyse in multipler Regression mit zwei erklärenden Variablen Hypothese: Die Inflation hängt positiv von der Inflation im Vorjahr

Mehr

Statistische Auswertung:

Statistische Auswertung: Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.

Mehr

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift:

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift: 20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie

Mehr

1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:

1 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

Mehr

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

Allgemeines 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

Mehr

Kap. 12: Regression mit Zeitreihendaten und Prognosemodelle

Kap. 12: Regression mit Zeitreihendaten und Prognosemodelle Kap. 12: Regression mit Zeitreihendaten und Prognosemodelle Motivation Grundbegriffe Autoregressionen (AR-Modelle) Dynamische Regressionsmodelle (ADL-Modelle) Nichstationarität Ausblick 12.1 Motivation

Mehr

Correlational analysis

Correlational analysis Correlational analysis Students performance on an exam are influenced by multiple factors. Two possible factors are (i) anxiety and (ii) study time. In order to test the effect of these two factors on

Mehr

Kapitel 3. Inferenz bei OLS-Schätzung I (small sample, unter GM1,..., GM6)

Kapitel 3. Inferenz bei OLS-Schätzung I (small sample, unter GM1,..., GM6) 8 SMALL SAMPLE INFERENZ DER OLS-SCHÄTZUNG Damit wir die Verteilung von t (und anderen Teststatistiken) exakt angeben können, benötigen wir Verteilungsannahmen über die Störterme; Kapitel 3 Inferenz bei

Mehr

1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen

1 Interaktion von zwei Dummyvariablen. 2 Interaktion einer Dummyvariablen mit einer kardinalskalierten Variablen Modelle mit Interationsvariablen I Modelle mit Interationsvariablen II In der beim White-Test verwendeten Regressionsfuntion y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 2 1 + β 4 x 2 2 + β 5 x 1 x 2, ist anders

Mehr

Breusch-Pagan-Test I auf Heteroskedastie in den Störgrößen

Breusch-Pagan-Test I auf Heteroskedastie in den Störgrößen 4 Multiple lineare Regression Tests auf Heteroskedastie 4.11 Breusch-Pagan-Test I auf Heteroskedastie in den Störgrößen Ein weiterer Test auf Heteroskedastie in den Störgrößen ist der Breusch-Pagan-Test.

Mehr

Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)

Lineare 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

Mehr

Kovarianz, Korrelation, (lineare) Regression

Kovarianz, Korrelation, (lineare) Regression Kovarianz, Korrelation, (lineare) Regression Jonathan Harrington Die R-Befehle: reg.txt epg.txt (aus der Webseite) pfad = "Das Verzeichnis, wo die Daten gespeichert ist" edat = read.table(paste(pfad, "epg.txt",

Mehr

8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme)

8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme) 8. Keine Normalverteilung der Störgrößen (Verletzung der B4-Annahme) Annahme B4: Die Störgrößen u i sind normalverteilt, d.h. u i N(0, σ 2 ) Beispiel: [I] Neoklassisches Solow-Wachstumsmodell Annahme einer

Mehr

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des. Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre

Mehr

Übung 1 - Konjunkturprognosen

Übung 1 - Konjunkturprognosen Universität Ulm 89069 Ulm Germany Dipl.-Math. oec. Daniel Siepe Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 2010/2011

Mehr

Analysis of Variance (ANOVA) in R

Analysis of Variance (ANOVA) in R Analysis of Variance (ANOVA) in R Jens Schumacher June 21, 2007 Die Varianzanalyse ist ein sehr allgemeines Verfahren zur statistischen Bewertung von Mittelwertunterschieden zwischen mehr als zwei Gruppen.

Mehr

8. Methoden der klassischen multivariaten Statistik

8. Methoden der klassischen multivariaten Statistik 8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von

Mehr

15 Mehr-Weg-Varianzanalyse (Für SPSS 6.x)

15 Mehr-Weg-Varianzanalyse (Für SPSS 6.x) Janssen/Laatz: Ergänzung aus früheren Auflagen 15 Mehr-Weg-Varianzanalyse (Für SPSS 6.x) Die Mehr-Weg-Varianzanalyse unterscheidet sich von der Ein-Weg-Varianzanalyse dadurch, daß nicht ein, sondern zwei

Mehr

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav) Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe

Mehr

Wahrscheinlichkeitsrechnung und Statistik für Biologen 6. Chi-Quadrat-Test und Fishers exakter Test

Wahrscheinlichkeitsrechnung und Statistik für Biologen 6. Chi-Quadrat-Test und Fishers exakter Test Wahrscheinlichkeitsrechnung und Statistik für Biologen 6. Chi-Quadrat-Test und Fishers exakter Test Dirk Metzler 22. Mai 2015 Inhaltsverzeichnis 1 X 2 -Anpassungstest für eine vorgegebene Verteilung 1

Mehr

Hypothesentests mit SPSS. Beispiel für einen t-test

Hypothesentests 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

Mehr

Gestaltungsempfehlungen

Gestaltungsempfehlungen Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische

Mehr

Regressionsanalyse in R

Regressionsanalyse in R Regressionsanalyse in R Session 6 1 Einfache Regression Lineare Regression ist eines der nützlichsten Werkzeuge in der Statistik. Regressionsanalyse erlaubt es Zusammenhänge zwischen Parametern zu schätzen

Mehr

Prognosen. Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen. Auch ein Weiser hat nicht immer recht Prognosefehler sind hoch

Prognosen. Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen. Auch ein Weiser hat nicht immer recht Prognosefehler sind hoch Universität Ulm 8969 Ulm Germany Dipl.-WiWi Sabrina Böck Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Wintersemester 8/9 Prognosen

Mehr

U N I V E R S I T Ä T S T. G A L L E N. Discussion Paper. Kooperative Marketingbudgets

U N I V E R S I T Ä T S T. G A L L E N. Discussion Paper. Kooperative Marketingbudgets Institut für Öffentliche Dienstleistungen und Tourismus IDT-HSG Kompetenzzentren: Tourismus und Verkehr Regionalwirtschaft Öffentliches Management U N I V E R S I T Ä T S T. G A L L E N Discussion Paper

Mehr

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001)

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) AMOS - Bedienungsanaleitung 1 BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) A. Aufbau einer Inputdatei (Excel-Arbeitsblatt), welche eine Kovarianz- bzw. Korrelationsmatrix

Mehr

Statistischer Rückschluss und Testen von Hypothesen

Statistischer 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

Mehr

Crashkurs Einführung Biostatistik

Crashkurs Einführung Biostatistik Crashkurs Einführung Biostatistik Prof. Burkhardt Seifert Abteilung Biostatistik, ISPM Universität Zürich Deskriptive Statistik Wahrscheinlichkeitsrechnung, ersuchsplanung Statistische Inferenz Prinzip

Mehr

Lineare Regression. Gebrauchtwagenpreise. Varianzanalyse. Methoden empirischer Sozialforschung. 2 (oder mehr) metrische Variablen.

Lineare Regression. Gebrauchtwagenpreise. Varianzanalyse. Methoden empirischer Sozialforschung. 2 (oder mehr) metrische Variablen. Lineare Regression 2 (oder mehr) metrische Variablen. Methoden empirischer Sozialforschung Lineare Modelle Von welcher Form ist der Zusammenhang zwischen zwei metrischen Variablen? Läßt sich der Wert einer

Mehr

Statistik I. Hinweise zur Bearbeitung. Aufgabe 1

Statistik I. Hinweise zur Bearbeitung. Aufgabe 1 Statistik I, SS 2002, Seite 1 von 8 Statistik I Hinweise zur Bearbeitung Hilfsmittel: - Taschenrechner (ohne Datenbank oder die Möglichkeit diesen zu programmieren) - Formelsammlung im Umfang von einer

Mehr

Vorlesung Wirtschaftsstatistik 2 (FK 040637) Multiple lineare Regression. Dipl.-Ing. Robin Ristl Wintersemester 2012/13

Vorlesung Wirtschaftsstatistik 2 (FK 040637) Multiple lineare Regression. Dipl.-Ing. Robin Ristl Wintersemester 2012/13 Vorlesung Wirtschaftsstatistik 2 (FK 040637) Multiple lineare Regression Dipl.-Ing. Robin Ristl Wintersemester 2012/13 1 Grundidee: Eine abhängige Variable soll als Linearkombination mehrerer unabhängiger

Mehr

4. Das multiple lineare Regressionsmodell

4. Das multiple lineare Regressionsmodell 4. Das multiple lineare Regressionsmodell Bisher: 1 endogene Variable y wurde zurückgeführt auf 1 exogene Variable x (einfaches lineares Regressionsmodell) Jetzt: Endogenes y wird regressiert auf mehrere

Mehr

Was wollen wir mit den statistischen Methoden erreichen?

Was wollen wir mit den statistischen Methoden erreichen? Was wollen wir mit den statistischen Methoden erreichen? Lösung betrieblicher Probleme: enkung der Kosten, Erhöhung der Fähigkeiten durch statistische Prozessanalyse und Prozessverbesserung, Qualifizierung

Mehr

8. G*Power. power3/ 8. Stichprobenumfang, Effekt- und Teststärke

8. G*Power.  power3/ 8. Stichprobenumfang, Effekt- und Teststärke 8. G*Power http://www.psycho.uniduesseldorf.de/abteilungen/aap/g power3/ 8. Stichprobenumfang, Effekt- und Teststärke 8. Stichprobenumfangsplanung, Effektstärken und Teststärkenberechnung mit G*Power 3.0

Mehr

5 Varianzanalytische Modelle, komplexere lineare Modell und Random Models

5 Varianzanalytische Modelle, komplexere lineare Modell und Random Models 5 Varianzanalytische Modelle, komplexere lineare Modell und Random Models Auch in diesem Kapitel werden nur wenige statistische Hintergründe geliefert. Der Fokus des Kapitels liegt in der Einübung der

Mehr

Finanzmarkttheorie I. Performancemessung in EViews Übungsunterlage. Prof. Dr. Heinz Zimmermann WWZ Uni Basel Frühling 2015

Finanzmarkttheorie I. Performancemessung in EViews Übungsunterlage. Prof. Dr. Heinz Zimmermann WWZ Uni Basel Frühling 2015 Prof. Dr. Heinz Zimmermann WWZ Uni Basel Frühling 2015 Finanzmarkttheorie I Performancemessung in EViews Übungsunterlage Die vorliegende Unterlage liefert eine kurze Einführung in die Schätzung linearer

Mehr

Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.

Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen. Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur

Mehr

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen

Mehr

Multiple Regression. Statistik II

Multiple Regression. Statistik II Statistik II Übersicht Wiederholung Literatur Regression Assoziation und Kausalität Statistische Kontrolle Multivariate Beziehungen Inferenz Das Multivariate Modell Beispiel: Bildung und Verbrechen Fit

Mehr

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001)

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) AMOS - Bedienungsanaleitung 1 BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) A. Aufbau einer Inputdatei (Excel-Arbeitsblatt), welche eine Kovarianz- bzw. Korrelationsmatrix

Mehr

Varianzanalyse. Einleitung - 1 -

Varianzanalyse. Einleitung - 1 - - 1 - Varianzanalyse Einleitung Die Varianzanalyse ist ein sehr allgemein einsetzbares multivariates Analyseverfahren, mit dessen Hilfe Meßwerte einer abhängigen Variablen Y, die in der Regel von mehreren

Mehr

III. Prognosen - Teil 1

III. Prognosen - Teil 1 Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Klaus Gründler Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester

Mehr

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert

Mehr

Verwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen

Verwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen Verwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen Katharina Witowski (DYNAmore GmbH) Peter Reithofer (4a engineering GmbH) Übersicht Problemstellung Parameteridentifikation

Mehr

3. Das einfache lineare Regressionsmodell

3. Das einfache lineare Regressionsmodell 3. Das einfache lineare Regressionsmodell Ökonometrie: (I) Anwendung statistischer Methoden in der empirischen Forschung in den Wirtschaftswissenschaften Konfrontation ökonomischer Theorien mit Fakten

Mehr

Lineare Regression in R, Teil 2

Lineare Regression in R, Teil 2 Lineare Regression in R, Teil 2 Christian Kleiber Abt. Quantitative Methoden, WWZ, Universität Basel 28. Oktober 2009 1 Vorbereitungen Zur Illustration betrachten wir wieder den Datensatz CASchools. Laden

Mehr

Theoretische und empirische Aspekte der Prognose wichtiger makroökonomischer Größen

Theoretische und empirische Aspekte der Prognose wichtiger makroökonomischer Größen Theoretische und empirische Aspekte der Prognose wichtiger makroökonomischer Größen Dissertation dem Fachbereich Wirtschaftswissenschaften der Justus-Liebig-Universität Gießen zur Erlangung des Grades

Mehr

Biometrische und Ökonometrische Methoden I Lösungen 9

Biometrische und Ökonometrische Methoden I Lösungen 9 TECHNISCHE UNIVERSITÄT MÜNCHEN - WEIHENSTEPHAN WS 00/01 MATHEMATIK UND STATISTIK, INFORMATIONS- UND DOKUMENTATIONSZENTRUM Biometrische und Ökonometrische Methoden I Lösungen 9 1. a) MTB > Retrieve "H:\STUDENT\MINITAB\OPELVW.MTW".

Mehr

Übungsblatt 7: Schätzung eines Mietspiegels

Übungsblatt 7: Schätzung eines Mietspiegels Prof. Bernd Fitzenberger, Ph.D. Ute Leuschner Stefanie Schäfer Übung zur Veranstaltung Empirische Wirtschaftsforschung Albert-Ludwigs-Universität Freiburg Wintersemester 2010/11 Übungsblatt 7: Schätzung

Mehr

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav Beispiel für eine multivariate Varianzanalyse () Daten: POKIV_Terror_V12.sav Es soll überprüft werden, inwieweit das ATB-Syndrom (Angst vor mit den drei Subskalen affektive Angst von, Terrorpersistenz,

Mehr

IV. Prognosen - Teil 2

IV. Prognosen - Teil 2 Universität Ulm 89069 Ulm Germany B.Sc. Daniele Sabella Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2014 Übung

Mehr

VS PLUS

VS PLUS VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN

Mehr

Empirische Softwaretechnik

Empirische Softwaretechnik Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Einführung in das Statistikpaket 2 R?! nicht vergleichbar mit den üblichen Statistikprogrammen wie SAS oder

Mehr

ˆ Einfaches Varianzanalysemodell (X ist kategoriell) ˆ Poisson Mehrgruppenmodell (Y ist ganzzahlig, X ist kategoriell) P Y ( X = x) = P o(λ x )

ˆ Einfaches Varianzanalysemodell (X ist kategoriell) ˆ Poisson Mehrgruppenmodell (Y ist ganzzahlig, X ist kategoriell) P Y ( X = x) = P o(λ x ) apitel 4 Regression 4.1 Allgemeines Regressionsmodell Oft werden in der Statistik die Abhängigkeiten einer Variable Y (genannt Zielgröße oder Variable) von Einflüssen X 1,..., X d (genannt unabhängigen

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

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...

Mehr

Biostatistische Studienplanung II. Dr. Matthias Kohl SIRS-Lab GmbH

Biostatistische Studienplanung II. Dr. Matthias Kohl SIRS-Lab GmbH Biostatistische Studienplanung II Dr. Matthias Kohl SIRS-Lab GmbH Inhalt Lineare Modelle: Definition und Beispiele KQ- und robuste Schätzer Diagnostik Ausblick: Mixed-Effects Definition des linearen Modells

Mehr

Prüfungsleistung Quantitative Methoden II, WS10/11

Prüfungsleistung Quantitative Methoden II, WS10/11 Universität Hamburg Fachbereich Psychologie 46-02.020 Seminar: Datenanalyse, A Seminarleiter: Ingmar Böschen Wintersemester 2010/ 2011 13.03.11 Prüfungsleistung Quantitative Methoden II, WS10/11 Rick Bode

Mehr

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)

Mehr

Ergebnisse der testpsychologischen Untersuchungen für das zweite Halbjahr 2013

Ergebnisse der testpsychologischen Untersuchungen für das zweite Halbjahr 2013 Ergebnisse der testpsychologischen Untersuchungen für das zweite Halbjahr 2013 Hintergrund: Seit 2012 führen wir zu Beginn und zum Ende der Behandlung bei allen Patienten eine testpsychologische Untersuchung

Mehr

Statistik II für Betriebswirte Vorlesung 1

Statistik II für Betriebswirte Vorlesung 1 Statistik II für Betriebswirte Vorlesung 1 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 19. Oktober 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte Vorlesung

Mehr

Gemischte Lineare Modelle

Gemischte Lineare Modelle Gemischte Lineare Modelle Linear Mixed Effect Models Fritz Günther SFB833, Projekt Z2 March 20, 2015 Fritz Günther Gemischte Lineare Modelle Übersicht Lineare Modelle allgemein Gemischte Lineare Modelle

Mehr

Tab. 4.1: Altersverteilung der Gesamtstichprobe BASG SASG BAS SAS UDS SCH AVP Mittelwert Median Standardabweichung 44,36 43,00 11,84

Tab. 4.1: Altersverteilung der Gesamtstichprobe BASG SASG BAS SAS UDS SCH AVP Mittelwert Median Standardabweichung 44,36 43,00 11,84 Im weiteren wird gemäß den allgemeinen statistischen Regeln zufolge bei Vorliegen von p=,5 und

Mehr

Grundlagen Statistik Angewandte Statistik 3. Semester

Grundlagen Statistik Angewandte Statistik 3. Semester Angewandte Statistik 3. Semester Zur Person Constantin von Craushaar Consultant / Partner Innstat e.u. (www.innstat.com) info@innstat.com Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS

Mehr