Prüfungsliteratur: Rudolf & Müller S
|
|
- Axel Geiger
- vor 6 Jahren
- Abrufe
Transkript
1 1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit Messwiederholungen 7 Kovarianzanalyse 8 Allgemeines lineares Modell Prüfungsliteratur: Rudolf & Müller S Folie Nr. 1
2 1 Einfaktorielle Varianzanalyse Modell Voraussetzungen Statistische Hypothesen Vorgehen nach Fisher Varianzzerlegung Signifikanzprüfung Effektgröße Post-Hoc-Tests und lineare Kontraste Folie Nr.
3 Beispiel 1 (Rudolf & Müller, S. 95ff) abhängige Variable Y: Kommunikationsfähigkeit Einschätzung durch Experten Skala zwischen 0 und 0 intervallskaliert unabhängige Variable: Beruf (Faktor A, 3 Stufen) 1=Versicherungsvertreter =Lehrer 3=Programmierer Folie Nr. 3
4 Datenmatrix: Pb Beruf Kommunikation Pb Beruf Kommunikation 1 Programmierer 5 13 Versicherung 10 Versicherung Programmierer 9 3 Lehrer 8 15 Programmierer 7 4 Programmierer 6 16 Lehrer 8 5 Lehrer Programmierer 5 6 Programmierer 8 18 Lehrer 1 7 Versicherung Versicherung 11 8 Lehrer 1 0 Lehrer 10 9 Versicherung 10 1 Lehrer 9 10 Versicherung 10 Lehrer 9 11 Versicherung 9 3 Programmierer 7 1 Versicherung 9 4 Programmierer 5 Folie Nr. 4
5 Versicherungsvertr. MW = SA = 1.60 Lehrer MW = 9.88 SA = 1.64 Programmierer MW = 6.50 SA = 1.51 Folie Nr. 5
6 y ij = + i + ij (i = 1,...,k; j = 1,,n i ) y ij : Wert der abhängigen Variablen Y des j-ten Probanden unter der i-ten Faktorstufe : Mittelwert der AV in der Population (Grundgesamtheit) i : Effekt der Teilpopulation unter der i-ten Faktorstufe ij : Residuum des j-ten Probanden unter der i-ten Faktorstufe k: Anzahl der Faktorstufen n i : Anzahl der Probanden unter der i-ten Faktorstufe Folie Nr. 6
7 Statistische Unabhängigkeit der Modellfehler (Residuen) Homogenität der Varianzen der Modellfehler (Residuen) zwischen den Gruppen Normalverteilung der Modellfehler (Residuen) innerhalb der Gruppen Stufen des Faktors A sind fest vorgegeben (Modell 1), zu Modell siehe einführend z.b. Rudolf & Kuhlisch (008) oder Hartung et al. (005) Bewertung der Voraussetzungen (Simulationsergebnisse)! siehe für einfakt. VA ausführlich z.b. Bortz (005) S.84 ff Folie Nr. 7
8 - Die Monte-Carlo-Methode - Beispiel: t-test bei schiefer (rechtssteiler) Verteilung (Vorgehen bei Varianzanalyse o.a. analog) Ziehung von Stichproben aus dieser Verteilung (in der Regel mindestens 1000, oft auch mehr als 10000). Bestimmung des Anteils γ, mit dem die H 0 abgelehnt wird. γ<α konservativer Test γ α robuster Test γ>α H 0 wird mit größerer Wahrscheinlichkeit als α abgelehnt, obwohl sie in der Population zutrifft. Folie Nr. 8
9 Verteilung 1: Normalverteilung; Voraussetzungen des t-tests erfüllt Folie Nr. 9
10 Verteilung : linkssteil; Voraussetzungen des t-tests nicht erfüllt Frage: Test robust bei n=10? Folie Nr. 10
11 Verteilung : linkssteil; Voraussetzungen des t-tests nicht erfüllt Frage: Test robust bei n=100? Folie Nr. 11
12 Simulation: Zufallszahlen jeder Verteilung Für jede der 3 Situationen 3000 Tests der H 0 : μ=0 Untersuchungsziel: prozentualer Anteil der 3000 Tests, bei denen die H0 abgelehnt wird (obwohl sie in der jeweiligen Grundgesamtheit korrekt ist) Beurteilung der Robustheit des t-tests in der jeweiligen Situation Folie Nr. 1
13 Simulationsergebnisse: Folie Nr. 13
14 H 0 : i = 0 für alle i (i = 1,,k) H 1 : i 0 für mindestens ein i (i = 1,,k) Zwei grundsätzliche Ansätze der Hypothesenprüfung: Klassischer varianzanalytischer Ansatz nach Fisher Vorgehensweise nach dem Allgemeinen linearen Modell Folie Nr. 14
15 Ausgangspunkt: totale Quadratsumme im Beispiel: QS total = QS total (yij y) Quadratsummenzerlegung: QS total = QS Faktor + QS Fehler Faktorquadratsumme: QS Faktor (yi y) n i (yi y) QS Beruf = 8 ( ) + 8 ( ) + 8 ( ) = Fehlerquadratsumme: QS Fehler (yij yi ) QS Fehler = (5 6.50) + ( ) + (8 9.88) (5 6.50) = 5.88 Folie Nr. 15
16 Mittlere Quadratsummen MQ (Varianzschätzungen s ): MQ Faktor = QS Faktor / (k 1) MQ Beruf = MQ Faktor (s Faktor): Mittlere Quadratsumme (Varianzanteil), die auf die Faktorstufen zurückzuführen ist k: Anzahl der Faktorstufen MQ Fehler = QS Fehler / (N k) MQ Fehler =.5 MQ Fehler (s Fehler): Mittlere Fehlerquadratsumme (Fehlervarianz) k: Anzahl der Faktorstufen; N: Anzahl der Probanden (N = Σ n i ) Signifikanztest: MQ F MQ Faktor F = 14.7 (p<.01) bei Gültigkeit der H 0 F-verteilt mit (k 1), (N-k) Freiheitsgraden. Fehler Folie Nr. 16
17 erklärte Quadratsumme totale Quadratsumme QS QS Faktor total Anteil an der totalen Quadratsumme, der durch den Faktor erklärt werden kann ( 0 1) im Beispiel:.58 Folie Nr. 17
18 A priori - Einzelvergleichshypothesen Prüfung von bereits in der Planungsphase aufgestellten Einzelvergleichshypothesen in der Regel mittels linearer Kontraste (vgl. Abschnitt VA mit Messwiederholungen) siehe. Semester vgl. Rudolf & Müller (01), S.108 ausführlicher Horn & Volland (1995), Rudolf & Kuhlisch (008), Bortz (005) Folie Nr. 18
19 A posteriori Mehrfachvergleiche viele verschiedene Tests verfügbar (Tukey, Bonferroni, Scheffe, Dunnett,...) Vergleich mehrerer Post-Hoc-Tests bei Horn & Volland (1995) gute statistische Eigenschaften: Tukey-Test siehe. Semester vgl. Rudolf & Müller (01), S.108 ausführlicher Horn & Volland (1995), Rudolf & Kuhlisch (008), Bortz (005), Folie Nr. 19
20 Grundanliegen Beispieldatensatz Dummy - Codierung von nominalskalierten Variablen und RA mit Indikatorvariablen Effekt - Codierung von nominalskalierten Variablen und RA mit Indikatorvariablen Literaturhinweise für ausführliche Darstellungen (kleine Auswahl): Bortz, J. (005). Statistik. Berlin: Springer. Kapitel 14. Moosbrugger, H. (00). Lineare Modelle. Regressions- und Varianzanalysen. Bern: Huber. Werner, J. (1997). Lineare Statistik: Das allgemeine lineare Modell. Weinheim: Beltz, Psychologie-Verlags-Union. Cohen, J., Cohen, P., West, St. G., Aiken, L. S. (00): Applied Multiple Regression / Correlation Analysis for the Behavioral Sciences (3rd ed.). Lawrence Erlbaum Ass. Folie Nr. 0
21 Das Allgemeine lineare Modell (ALM) umfasst die wichtigsten Verfahren der Statistik, insbesondere auch der multivariaten Statistik, z.b. regressions- und varianzanalytische Verfahren erweitert der Ansatz der multiplen Korrelations- bzw. Regressionsanalyse durch die mögliche Berücksichtigung von nominalskalierten Prädiktoren, die als Indikatorvariablen (die alle Informationen des nominalskalierten Merkmals enthalten) codiert werden (k Stufen der nominalskalierten Variablen erfordern dabei (k-1) Prädiktorvariablen) Folie Nr. 1
22 Folie Nr.
23 Folie Nr. 3
24 F R QS erklärte Varianz df nicht erklärte Varianz y; c1c Faktor QS QS Faktor total R y; c1c 1 df QS QS( yˆ) / k 1 QS( e) N k total 1 R y; c1c QS Fehler F-Wert der ANOVA; k: Anzahl der Faktorstufen; N: Gesamtanzahl der Pb QS QS Fehler total ( 1 R y; c1c ) QS total F R (1 R y; c1c y; c1c QS ) QS total total /( k 1) /( N k) R (1 R y; c1c y; c1 ( N k) c) ( k 1) F-Wert der multiplen Regression; k-1: Anzahl der Indikatorvariablen; N: Gesamtanzahl der Probanden Folie Nr. 4
25 Folie Nr. 5
26 Folie Nr. 6
27 Regressionsgleichung im Beispiel: y i b 0 b cd 1i b für Programmierer: cd 1 = cd = 0 1 cd i b 0 y 3 e i für Versicherungsvertr.: cd 1 = 1, cd = 0 für Lehrer: cd 1 = 0, cd = 1 b y y3 b 1 y1 y3 Bei Dummycodierung entspricht die Regressionskonstante der durchschnittlichen Merkmalsausbildung der durchgängig mit Nullen codierten Gruppe (Referenzgruppe). Die übrigen Regressionskoeffizienten ergeben sich als Differenz der jeweiligen Gruppenmittelwerte und des Mittelwerts der Referenzgruppe. Folie Nr. 7
28 Folie Nr. 8
29 Folie Nr. 9
30 Folie Nr. 30
31 Regressionsgleichung im Beispiel: y i b 0 b ce für Programmierer: ce 1 = ce = -1 1i b für Versicherungsvertr.: ce 1 = 1, ce = 0 für Lehrer: ce 1 = 0, ce = 1 1 ce Gleichungssystem, Umstellungen ergeben b0 yges, b1 y1 yges, b y yges Bei Effektcodierung entspricht die Regressionskonstante dem Gesamtmittelwert der abhängigen Variablen. Die übrigen Regressionskoeffizienten ergeben sich als Differenz der jeweiligen Gruppenmittelwerte vom Gesamtmittelwert. i y e i y b b0 3 b1 b b0 y 1 b1 b0 Folie Nr. 31
32 Folie Nr. 3
33 Folie Nr. 33
V A R I A N Z A N A L Y S E
V A R I A N Z A N A L Y S E Ziel / Funktion: statistische Beurteilung des Einflusses von nominal skalierten (kategorialen) Faktoren auf intervallskalierte abhängige Variablen Vorteil: die Wirkung von mehreren,
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrVarianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010
Varianzanalyse Seminar: Multivariate Verfahren Dozent: Dr. Thomas Schäfer Referenten: Ralf Hopp, Michaela Haase, Tina Giska Datum: 25. Mai 2010 Gliederung I Theorieteil 1. Das Prinzip der Varianzanalyse
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
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
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrAusgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0
1 Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0 Text: grund1_spss20.doc Daten: grund1_?.sav Lehrbuch: W. Timischl, Biostatistik.
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
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
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)
MehrAusgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0)
Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische e Lösung von Grundaufgaben mit SPSS (ab V..0) Text: akmv_v.doc Daten: akmv??.sav Lehrbuch: W. Timischl, Biostatistik. Wien - New York:
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
Mehr3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate
31 und 31 und (), Methode der 33 Das allgemeine (), Methode der kleinsten Quadrate 37 Modelle mit Messwiederholungen 1 / 113 Eine grundsätzliche Bemerkung zu Beginn Es bestehen viele Ähnlichkeiten zwischen
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
Mehr8. 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
MehrGestaltungsempfehlungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische
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
MehrNichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf
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
MehrFAKTORIELLE VERSUCHSPLÄNE. Andreas Handl
FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1
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
MehrIm Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.
Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre
MehrGestaltungsempfehlungen
Gestaltungsempfehlungen Prof. Dr. Günter Daniel Rey 1 Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische Überprüfung Variablenarten Versuchspläne Beispiel eines Experimentes Statistische
MehrVarianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)
Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe
MehrSFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015
SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen
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)
MehrAnhang A: Fragebögen und sonstige Unterlagen
Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben
MehrE ektgrößen Metaanalysen. Zusammenhänge und Unterschiede quantifizieren E ektgrößen
DAS THEMA: EFFEKTGRÖßEN UND METAANALYSE E ektgrößen Metaanalysen Zusammenhänge und Unterschiede quantifizieren E ektgrößen Was ist ein E ekt? Was sind E ektgrößen? Berechnung von E ektgrößen Interpretation
MehrPASW Advanced Statistics 18
i PASW Advanced Statistics 18 Weitere Informationen zu SPSS Inc.-Software-Produkten finden Sie auf unserer Website unter der Adresse http://www.spss.com oder wenden Sie sich an SPSS Inc. 233 South Wacker
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
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrEinführung in die Kovarianzanalyse (ANCOVA)
Arbeitsunterlage Einführung in die Kovarianzanalyse (ANCOVA) ARGE-Bildungsforschung 2 Einführung in die Kovarianzanalyse (ANCOVA) 1 Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer)
MehrDie Technik und Logik von linearen Strukturgleichungsmodellen
Die Technik und Logik von linearen Strukturgleichungsmodellen Empfehlenswerte Einführungen in die Arbeit mit Strukturgleichungsmodellen ( structural equation modeling ) finden sich in Byrne (1994) (spezifisch
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse
MehrEinführung in die Varianzanalyse
Einführung in die Varianzanalyse Einführendes Skriptum zur Vorlesung Statistik II Uwe Mortensen Westfälische Wilhelms-Universität Fachbereich Psychologie und Sportwissenschaft Institut III 1 Inhaltsverzeichnis
MehrInhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14
VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...
MehrInhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17
Inhalt Vorwort.................................................................. V Inhalt.................................................................... VII 1 Einführung..........................................................
MehrBeispiel 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,
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
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrVeranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen
Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft
MehrInhaltsverzeichnis. Vorwort 1. Kapitel 1 Einführung 3. Kapitel 2 Messtheorie und deskriptive Statistik 13
Inhaltsverzeichnis Vorwort 1 Kapitel 1 Einführung 3 1.1 Ziele... 4 1.2 Messtheorie und deskriptive Statistik... 8 1.3 Grundlagen der Wahrscheinlichkeitsrechnung... 9 1.4 Inferenzstatistik... 9 1.5 Parametrische
MehrVersuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung
Versuchsplanung Teil 1 Einführung und Grundlagen Dr. Tobias Kiesling Inhalt Einführung in die Versuchsplanung Hintergründe Grundlegende Prinzipien und Begriffe Vorgehensweise
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
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
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
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrTabelle 136: Unterschiede zwischen den Clustern in der Bearbeitungszeit des Wissenstests (LT-ZEIT)
Tabelle 136: Unterschiede zwischen den Clustern in der Bearbeitungszeit des Wissenstests (LT-ZEIT) Einfaktorielle Varianzanalyse Test der Homogenität der Varianzen Levene-Statistik df1 df2 1.938 4 317.104
MehrMultinomiale logistische Regression
Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable
Mehr1 Installieren von SPSS 1 1.1 Anforderungen an die Hard- und Software 1 1.2 Die Installation durchfuhren 1 1.3 Weitere Hinweise 3
1 Installieren von SPSS 1 1.1 Anforderungen an die Hard- und Software 1 1.2 Die Installation durchfuhren 1 1.3 Weitere Hinweise 3 2 Einführende Übungen mit SPSS 5 2.1 Die Oberfläche von SPSS für Windows
MehrDr. Frank Piontek Statistik III + VPLG.doc SS 2008 Multivariate Statistik und Versuchsplanung
1. Regressionsanalyse [RA] 1.1. Einfache lineare Regression Lineares Modell & Regressionsrechnung Gütemaße Signifikanzprüfung Grafische Darstellung: [Punktwolke/ Streudiagramm / Scatterplot, Regressionsgerade
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrEtwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.
Explorative Datenanalyse Erstmal die Grafiken: Aufreisskraft und Temperatur 3 1-1 N = 1 15 17 Temperatur Diagramm 3 1 95% CI -1 N = 1 15 17 Temperatur Etwas positive Tendenz ist beim Wechsel der Temperatur
MehrErstsemester Master. Studiengangsspezifische Beratung. Master
Erstsemester Dr. Andreas Hoffmann WS 08/09 Studiengangsspezifische Beratung Master Finnenbahn & Nebenplatz Dr. Andreas Hoffmann Beachvolleyball Kraftraum Seminarraum II Sporthalle Alberstr. Stadion P Turnhalle
MehrBitte schreiben Sie in Druckbuchstaben und vergessen Sie nicht zu unterschreiben. Name, Vorname:. Studiengang/ Semester:. Matrikelnummer:..
Institut für Erziehungswissenschaft der Philipps-Universität Marburg Prof. Dr. Udo Kuckartz Arbeitsbereich Empirische Pädagogik/Methoden der Sozialforschung Wintersemester 004/005 KLAUSUR FEBRUAR 005 /
MehrStatistische Datenanalyse mit SPSS
Jürgen Janssen Wilfried Laatz Statistische Datenanalyse mit SPSS Eine anwendungsorientierte Einführung in das Basissystem und das Modul Exakte Tests Siebte, neu bearbeitete und erweiterte Auflage 4ü Springer
MehrInvestition und Risiko. Finanzwirtschaft I 5. Semester
Investition und Risiko Finanzwirtschaft I 5. Semester 1 Gliederung Ziel Korrekturverfahren: Einfache Verfahren der Risikoberücksichtigung Sensitivitätsanalyse Monte Carlo Analyse Investitionsentscheidung
MehrForschungsmethoden und Statistik in der Psychologie
Peter Sedlmeier Frank Renkewitz Forschungsmethoden und Statistik in der Psychologie PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney
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
Mehr7. Mai 2010. Ruhr-Universität Bochum. Methodenlehre II, SS 2009. Prof. Dr. Holger Dette
Ruhr-Universität Bochum 7. Mai 2010 1 / 95 Methodenlehre II NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30-10.00
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrEinfache 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...
MehrStatistik II: Regressions- und Varianzanalyse
Statistik II: Regressions- und Varianzanalyse Eine Einführung für Studierende der Psychologie Helge Toutenburg und Christian Heumann mit Beiträgen von Michael Schomaker überarbeitet von Hans-Georg Sonnenberg
MehrAnalyse von Querschnittsdaten. Regression mit Dummy-Variablen
Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05
Mehr2.1 Die Normalverteilung
. INFERENZSTATISTIK Inferenzstatistik bedeutet übersetzt schließende Statistik. Damit ist der Schluss von den erhobenen Daten einer Stichprobe auf Werte in der Population gemeint..1 Die Normalverteilung
Mehr3. Der t-test. Der t-test
Der t-test 3 3. Der t-test Dieses Kapitel beschäftigt sich mit einem grundlegenden statistischen Verfahren zur Auswertung erhobener Daten: dem t-test. Der t-test untersucht, ob sich zwei empirisch gefundene
MehrFragen und Antworten zu Kapitel 18
Fragen und Antworten zu Kapitel 18 (1) Nennen Sie verschiedene Zielsetzungen, die man mit der Anwendung der multiplen Regressionsanalyse verfolgt. Die multiple Regressionsanalyse dient der Kontrolle von
Mehr12. Bivariate Datenanalyse. In den Kapiteln 4-11 wurden univariate Daten betrachtet:
12. Bivariate Datenanalyse Während einer nur Zahlen im Kopf hat, kann er nicht auf den Kausalzusammenhang kommen Anonymus In den Kapiteln 4-11 wurden univariate Daten betrachtet: Von univariaten Daten
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
MehrStatistik. Average requirement. deficiency. Sufficient supply for 97.5% of the population. 2 sd 2 sd
Themenübersicht: Grundlegende statistische Verfahren: Mittelwert, Median,Standardabweichung, Standardfehler Regression mit Beispielen (Eichkurven, Korrelationskoeffizienten) t-tests, Normalverteilung,
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:
MehrVarianzanalyse. 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
MehrLineare 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
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
MehrKOMPLEXE STATISTISCHE VERFAHREN
1 1. THEORETISCHES: KOMPLEXE STATISTISCHE VERFAHREN Wofür braucht man komplexe statistische Verfahren? um objektivere Antworten auf Fragen (z.b. Schadet Rauen?) geben zu können Im Alltag hier oft Heranziehung
MehrVorlesung. Versuchsplanung und Stichproben. Prof. Dr. Helmut Küchenhoff WS 2005/06. Teil 2: Versuchsplanung
Institut für Statistik Ludwig Maximilians Universität Ludwigstr. 33 80539 München 1 Vorlesung Versuchsplanung und Stichproben Prof. Dr. Helmut Küchenhoff WS 2005/06 Teil 2: Versuchsplanung INHALTSVERZEICHNIS
MehrIBM SPSS Advanced Statistics 20
IBM SPSS Advanced Statistics 20 Hinweis: Lesen Sie zunächst die allgemeinen Informationen unter Hinweise auf S. 180, bevor Sie dieses Informationsmaterial sowie das zugehörige Produkt verwenden. Diese
MehrCommercial Banking Übung 1 Kreditscoring
Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse
MehrIBM SPSS Advanced Statistics 19
IBM SPSS Advanced Statistics 19 Note: Before using this information and the product it supports, read the general information under Notices auf S. 173. This document contains proprietary information of
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
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
MehrBusiness Value Launch 2006
Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung
MehrInhaltsverzeichnis. 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...
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
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
MehrMultivariate Statistik mit Mathematica und SPSS
Multivariate Statistik mit Mathematica und SPSS von Dipl.-Math. Marco Schuchmann Dipl.-Math. Werner Sanns Seite 2 Varianzanalyse Die Informationen in diesem Buch entstammen langjähriger Erfahrung in Praxis
MehrEine Einführung in R: Hochdimensionale Daten: n << p Teil II
Eine Einführung in R: Hochdimensionale Daten: n
MehrFREIBURGER METHODENWOCHE 2005
FREIBURGER METHODENWOCHE 2005 14. bis 19. März 2005, Universität Freiburg RFV FORTBILDUNGEN ZU KLASSISCHEN UND MODERNEN STATISTISCHEN METHODEN Das Methodenzentrum des RFV Freiburg/Bad Säckingen bietet
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
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
Mehr