und Lageorientierung und Intentions-Verhaltens Handlungs-und Verhaltens- Beziehungen TRA und TPB TRA und TPB
|
|
- Pia Weiner
- vor 6 Jahren
- Abrufe
Transkript
1 Seminar 12644: Methoden theoriegeleiteter gesundheitspsychologischer Forschung Handlungs-und und Lageorientierung und Intentions-Verhaltens Verhaltens- Beziehungen Urte Scholz & Benjamin Schüz berlin.de/gesund/ /gesund/schuezschuez TRA und TPB TRA (Ajzen & Fishbein, 1980) sagt Intentionen aus Einstellungen und subjektiver Norm vorher Norman et al. unterscheiden zwischen einstellungskontrolliertem und normkontrolliertem Verhalten Einstellungen und Normen sagen zwischen 50 u. 60% Varianz in Intentionen TRA und TPB Einbezug von PBC für Verhalten, das nicht vollständig unter volitionaler Kontrolle ist Intentionen als notwendige aber nicht hinreichende Bedingung für Verhalten (Bagozzi, 1993) Unterscheidung von motivationaler und volitionaler Phase
2 Theorie der Handlungskontrolle (Kuhl) Intentionen sind internen und externen Einflüssen unterworfen Diese Einflüsse können alternative Handlungstendenzen hervorrufen Einflüsse? Theorie der Handlungskontrolle (Kuhl) Selbstregulation: Stärken der Intention und Abschirmen von Alternativtendenzen Handlungskontrollprozesse Handlungsorientierte Aufmerksamkeit Handlungsorientiertes Gedächtnis Gefühlskontrolle Umweltkontrolle Sparsame Informationsverarbeitung Theorie der Handlungskontrolle (Kuhl) Wirksamker Einsatz der Handlungskontrollprozesse hängt von Handlungs- bzw. Lageorientierung der Person ab Handlungs- vs. Lageorientierung als Persönlichkeitseigenschaft Handlungsorientierte Fokussieren gleichzeitig auf gegenwärtigen und zukünftigen (=intendierten) Status sowie Diskrepanzen und Möglichkeiten und Handlungsalternativen, diese zu überbrücken Theorie der Handlungskontrolle (Kuhl) Handlungsorientierte Finden Entscheidungen schneller Fokussieren auf Handlung und Problemlösen Lageorientierte Konzentrieren sich auf gegenwärtigen ODER intendierten zukünftigen Status Finden daher keine Handlungsalternativen Tendenz zum Zögern und zum Fokussieren auf Ziele
3 Handlungs- und Lageorientierung Lageorientierung: Wg. Grübeln kann intendiertes Verhalten nicht begonnen werden Handlungsorientierung: Hohe selbstregulative Kapazität Handlungs- und Lageorientierung hängt von situationalen und dispositionellen Faktoren ab. Dispositionell: Kann über FB erfasst werden Erfassung ACS-90 (deutsche Fassung: HOT aus dem HAKEMP-90); Handlungsorientierung bei Tätigkeit Handlungs- und Lageorientierung Hypothese: Ausprägungen auf dem ACS moderieren den Zusammenhang zwischen Intentionen und Verhalten dahingehend, dass handlungsorientierte Personen einen stärkeren Zusammenhang zeigen Bislang konnte diese Hypothese nur widerlegt werden Methodische Probleme? Der Vergleich von Korrelationskoeffizienten zwischen zwei Gruppen könnte Gruppenunterschiede in Varianz oder Reliabilität der Instrumente mit Moderatoreffekten konfundieren Angebracht wäre die Analyse von Moderatoren nach Baron und Kenny (1986)
4 Methodische Probleme? Alle Studien bislang haben betweensubjects-analysen (zwischen-subjekt- Analysen) zur Vorhersage einzelnder Verhaltensweisen verwendet Kompatibiltätsprinzip? Persönlichkeitsvariable kann Intentions-Verhaltenszusammenhang nicht erklären Methodische Probleme? Handlungsorientierte Personen sollten über eine ganze Reihe von Verhaltensweisen engere Zshg. zeigen Analysestrategie: Innerhalb-Subjekt Intentions-Verhaltens-Zusammenhang nicht im Versuchspersonenraum, sondern im Verhaltensweisenraum Correlations intentt1 Pearson Correlation Sig. (2-tailed) N zahn2wo2 Wie oft haben Sie in den letzten zwei Wochen Zahnseide intentt1 benutzt? 1,443, Within/Between- Analysen Hypothesen zahn2wo2 Wie oft Pearson Correlation,443 1 haben Sie in den Sig. (2-tailed) letzten zwei Wochen Zahnseide benutzt? N, between-subject- Design Jeder Punkt= 1 Person within-subject: Jeder Punkt= 1 Verhalten Effekte sind nicht konsistent über alle Verhaltensweisen Lageorientierte engagieren sich demnach lieber in external kontrollierten Verhaltensweisen, um ihre niedrigen Selbstregulationsfähigkeiten zu kompensieren Stärkere Zusammenhänge für Handlunsgorientierte bei einstellungskontrolliertem Verhalten Bei Lageorientierten: normativ kontrolliertes Verhalten
5 Hypothesen 1. Handlungs- und Lageorientierung moderiert den Intentions-Verhaltens-Zusammenhang 2. Für einstellungskontrollierte Verhalten werden stärkere Intentions-Verhaltens- Zusammenhänge bei Handlungsorientierten erwartet 3. Für normativ kontrollierte Verhalten ist der Zusammenhang bei Lageorientierten stärker 4. Es wird ein positiver Zusammenhang zwischen dem ACS-Score und den Innerhalb- Subjekt-Korrelationen erwartet, wenn das Verhalten einstellungskontrolliert ist Methode Pilotstudie, um relevante Verhaltensweisen herauszufinden 211 Teilnehmer, T2 zwei Wochen nach T1 TPB-Items auf 7-stufigen Skalen Verhalten dichotom mit Anker Between-subjects: Lineare Regression, moderierte logistische Regression; Within-subjects: Korrelationen Moderation Ausprägung einer Variable M verändert den Zusammenhang von X (Prädiktor) und Y (Kriterium) Im Extremfall besteht zwischen X und Y überhaupt kein Einfluss, sondern der Zusammenhang wird nur über den Moderator hergestellt In der Varianzanalyse: Interaktionsterm
6 Moderation Interaktion zwischen Prädiktor und Faktor, der die Bedingungen für die Wirksamkeit des Prädiktors bestimmt Erweiterung von y = bx + c zu y = d + ax + bm + cxm + E Potentielle Moderatoren sollten vor Prädiktoren gemessen werden Toller Text dazu: Baron, R. M., & Kenny, D. A. (1986). The mediator-moderator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51, Überprüfung von Moderatoreffekten (nach Baron & Kenny, 1986) Moderation: Kausale Beziehung zwischen Variablen verändert sich als Funktion der Moderatorvariable Funktion kann verschiedene Formen annehmen Niveau der Moderatorvariablen und der unabhängigen Variablen bestimmt Analyseprozedur Überprüfung von Moderatoreffekten (nach Baron & Kenny, 1986) 1. Moderator und UV kategorial: 2*2- ANOVA, Moderation wird durch Interaktion angezeigt 2. Dichotomer Moderator (z.b. Geschlecht), UV kontinuierlich: Mehrgruppenmodell, bzw. Vergleich von Regressionskoeffizienten 3. Kontinuierlicher Moderator, dichotome UV: komplizierter
7 Überprüfung von Moderatoreffekten (nach Baron & Kenny, 1986) Bilden von Interaktionstermen aus Prädiktor und Moderator Hierarchische logistische Regressionsanalyse: Prädiktor Haupteffekt Moderator + Interaktionseffekt Moderator Aiken & West (1991): Unbedingt zentrieren, um Multikollinearität in der Regressionsgleichung zu vermeiden Logistische Regression Verletzung der Annahme normalverteilter Fehler in der linearen Regression Interpretation als Verhaltenswahrscheinlichkeiten: Geschätzte Werte könnten >1 oder <0 sein Beispiel: Kaufentscheidungen UV: Geschlecht und Einkommen AV: Kauf ja/nein (1/0)
8 Beispiel: Kaufentscheidungen Logistische Regression Nichtlineares Modell Ŷ ist die geschätzte Auftretenswahrscheinlichkeit einer der beiden Ausprägungen der AV Basiert auf einer nichtlinearen Funktion der besten Linearkombination der Prädiktoren Logistische Regression Grundgleichung: ˆ u e Yi = 1 + e Wobei ŷ i die Wahrscheinlichkeit ist, dass der ite Fall in einer der Kategorien liegt Und u die übliche Lineargleichung u = A+ B1X1+ B2X BnXn u Logistische Regression Diese lineare Gleichung ergibt den Logarithmus der Wahrscheinlichkeit, in einer Gruppe zu landen geteilt durch die Wahrscheinlichkeit, in der anderen Gruppe zu landen Maximum-Likelihood-Schätzung Finden der besten Linearkombination von Prädiktoren, um die beobachteten AV-Werte zu erhalten
9 Beispiel: Kaufentscheidungen Beispiel: Kaufentscheidungen Beispiel: Kaufentscheidungen
10 Moderatoreffekte Können bis auf Einnahme von Vitaminpillen nicht nachgewiesen werden Schwache Haupteffekte der ACS-Skalen Intentionen klären zwischen 6 und 60% Verhaltensvarianz auf Keine Unterschiede zwischen einstellungs- und normkontrollierten Verhaltensweisen Innerhalb-Subjekt-Analysen Berechnen einer innerhalb-subjekt- Korrelation zwischen Intentionen und zukünftigem Verhalten r Z-Transformation der Korrelationskoeffizienten (logarithmische Transformation, erlaubt Vergleiche) Korrelation der innerhalb-subjekt- Korrelationen mit AOD-Scores Innerhalb-Subjekt-Analysen Eine signifikant positive Korrelation würde auf eine Moderation des Intention-Verhaltens-Zusammenhangs durch die AOD-Skalen hindeuten Leider nichtsignifikant Für einstellungs- vs. normkontrollierte Verhalten: Negative Korrelation für normkontrolliertes Verhalten Diskussion Zeitintervall zu kurz Signifikantes Ergebnis kann durch mehrere Tests auch Fehler sein Möglicherweise bessere Ergebnisse für volitionale Prozesse als für breite Persönlichkeitseigenschaft Ungleiche Verteilung durch Ankern der AV
11 Eure Kommentare Within/between-subject-Analyse Auswahl der Verhaltensweisen nach Beta-Gewichten? Warum keine Faktorenanalyse? Auswahl der Verhaltensweisen Keine Berücksichtigung früheren Verhaltens Gewagtes Abstract Eure Kommentare Diskussionspunkt mit Zeitraum Darstellung der Hypothesen Praktischer Nutzen? Kennwerte aus der logistischen Regression? Beschreibung der Stichprobe Fragebogen zu T2? Eure Kommentare Diskussion des Effekts für normkontrollierte Verhaltensweisen 2003 waren schon deutlich mehr Erklärungsansätze für die Intentions- Verhaltens-Lücke auf dem Markt Darstellung nichtsignifikanter Ergebnisse sehr positiv! Regressionskoeffizienten? Eure Kommentare Widersprüche in den Hypothesen Wo bleibt das Applied aus dem Journal of Applied Social Psychology? Unterscheidung anhand der Betas Missing Values? Dropouts?
12 Meine Kommentare Einteilung der Verhaltensweisen nach norm- bzw. einstellungskontrolliert anhand der Vorhersage von Intentionen Perceived behavioural control?
Volitionale Faktoren und Theory of Planned Behaviour: Moderatoranalysen
Seminar 12644: Methoden theoriegeleiteter gesundheitspsychologischer Forschung Volitionale Faktoren und Theory of Planned Behaviour: Moderatoranalysen Urte Scholz & Benjamin Schüz www.fu-berlin.de berlin.de/gesund/
MehrMotivationale und volitionale Prozesse in der Handlungsinitiierung (Orbell & Sheeran, 2000)
Seminar 12644: Methoden theoriegeleiteter gesundheitspsychologischer Forschung Motivationale und volitionale Prozesse in der Handlungsinitiierung (Orbell & Sheeran, 2000) Urte Scholz & Benjamin Schüz www.fu-berlin.de
MehrActivity Behaviors: Personal Agency. Warum Heranwachsende? Erweiterung der Theory of Planned Behaviour
Seminar 12644: Methoden theoriegeleiteter gesundheitspsychologischer Forschung Predicting Adolescent Eating and Activity Behaviors: The Role of Social Norms and Personal Agency Urte Scholz & Benjamin Schüz
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,
Mehrrungsversuche des Safersexverhaltens der Risikogruppe Gay Erklärungsversuche tsgenese Identitätsgenese Identitäskrise
Seminar 12644: Methoden theoriegeleiteter gesundheitspsychologischer Forschung Vorhersage von Dentalhygiene: TRA und Selbstwirksamkeit Urte Scholz & Benjamin Schüz www.fu-berlin.de berlin.de/gesund/ /gesund/schuezschuez
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrStadienspezifische Effekte einer Intervention zur Handlungskontrolle
Stadienspezifische Effekte einer Intervention zur Handlungskontrolle Benjamin Schüz 1, Falko Sniehotta² & Amelie Wiedemann 1 1 Freie Universität Berlin ²University of Aberdeen, UK Stadienmodelle des Gesundheitsverhaltens
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrForschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
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
MehrKapitel 3 Schließende lineare Regression Einführung. induktiv. Fragestellungen. Modell. Matrixschreibweise. Annahmen.
Kapitel 3 Schließende lineare Regression 3.1. Einführung induktiv Fragestellungen Modell Statistisch bewerten, der vorher beschriebenen Zusammenhänge auf der Basis vorliegender Daten, ob die ermittelte
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrPrüfungsliteratur: Rudolf & Müller S , 342
1 Korrelations- und Regressionsanalyse 1.1 Grundlagen und allgemeiner Überblick 1.2 Einfache lineare Regression 1.2.1 Modell 1.2.2 Methode der kleinsten Quadrate 1.2.3 Voraussetzungen 1.2.4 Varianzzerlegung
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
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
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
MehrRegressionsanalysen mit Stata
Regressionsanalysen mit Stata Wiederholung: Deskriptive Analysen - Univariate deskriptive Analysen (Häufigkeitsauszählungen einer Variablen) - Multivariate deskriptive Analysen (Untersuchung gemeinsamer
MehrFamiliäre Prädiktoren bilingualer Sprachkenntnisse
Familiäre Prädiktoren bilingualer Sprachkenntnisse Masterthesis in der AE Entwicklungspsychologie: Jana Baumann Betreuung: Frau Prof. Dr. Leyendecker Überblick 1. 2. 1. Deskriptive Beobachtungen 2. Hypothese
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
MehrAnalyse kategorialer Variablen Schriftliche Ausarbeitung des Referats vom 23. Mai 2002
Universität Tübingen Tübingen, im Mai 2002 Geographisches Institut Sommersemester 2002 Seminar Verarbeitung Geographischer Daten Dozent: Dr. H.-J. Rosner Referenten: Katrin Oehlkers, Helke Neuendorff,
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
MehrLineare Regression II
Lineare Regression II Varianzanalyse als multiple Regession auf Designvariablen Das lineare Regressionsmodell setzt implizit voraus, dass nicht nur die abhängige, sondern auch die erklärenden Variablen
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
MehrDer Einfluss von Materialismus und Sozialen Vergleichen auf den Facebookkonsum Vorstellung zweier Priming-Studien
Der Einfluss von Materialismus und Sozialen Vergleichen auf den Facebookkonsum Vorstellung zweier Priming-Studien Phillip Ozimek Jenseits von gut und böse - Die selbstregulatorische Funktion von Haben
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrDie Regressionsanalyse
Die Regressionsanalyse Zielsetzung: Untersuchung und Quantifizierung funktionaler Abhängigkeiten zwischen metrisch skalierten Variablen eine unabhängige Variable Einfachregression mehr als eine unabhängige
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
MehrTutorial. Moderationsanalyse mit PROCESS
Tutorial Moderationsanalyse mit PROCESS stefan.pfattheicher@uni-ulm.de Das Konzept Moderation Ein Moderator verändert den Zusammenhang zwischen unabhängiger Variable (folgend X) und einer abhängigen Variable
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
MehrTesttheorie und Gütekriterien von Messinstrumenten. Objektivität Reliabilität Validität
Testtheorie und Gütekriterien von Messinstrumenten Objektivität Reliabilität Validität Genauigkeit von Messungen Jede Messung zielt darauf ab, möglichst exakte und fehlerfreie Messwerte zu erheben. Dennoch
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
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 6. Vorlesung: 28.04.2003 Organisatorisches Terminverlegung Übungsgruppen Gruppe 5 alter Termin: Donnerstag, 01.05.03, 12 14 Uhr, IfP SR 9 neuer Termin:
MehrÜbung Methodenlehre II, SS 2010
nlehre II nlehre II, Anwendungsbeispiel 1 Ruhr-Universität Bochum 15. Juni 2010 1 / 21 Quelle nlehre II Mobbing und Persönlichkeit: Unterschiede in grundlegenden Persönlichkeitsdimensionen zwischen Betroffenen
MehrDie Funktion f wird als Regressionsfunktion bezeichnet.
Regressionsanalyse Mit Hilfe der Techniken der klassischen Regressionsanalyse kann die Abhängigkeit metrischer (intervallskalierter) Zielgrößen von metrischen (intervallskalierten) Einflussgrößen untersucht
MehrJohn Komlos Bernd Süssmuth. Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen. 4y Springer
John Komlos Bernd Süssmuth Empirische Ökonomie Eine Einführung in Methoden und Anwendungen 4y Springer 1 Einführung 1 1.1 Ökonometrie 1 2 Vorüberlegungen und Grundbegriffe 7 2.1 Statistik als Grundlage
Mehr1 Einführung Ökonometrie... 1
Inhalt 1 Einführung... 1 1.1 Ökonometrie... 1 2 Vorüberlegungen und Grundbegriffe... 7 2.1 Statistik als Grundlage der Empirischen Ökonomie... 7 2.2 Abgrenzung und Parallelen zu den Naturwissenschaften...
Mehrund Augenabdeckung Augenabdeckung Protection Motivation Theory
Seminar 12644: Methoden theoriegeleiteter gesundheitspsychologischer Forschung Protection Motivation Theory und Augenabdeckung Urte Scholz & Benjamin Schüz www.fu-berlin.de berlin.de/gesund/ /gesund/schuezschuez
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Methodenlehre Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
MehrÜbungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho
Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:
MehrKorrelation Regression. Wenn Daten nicht ohne einander können Korrelation
DAS THEMA: KORRELATION UND REGRESSION Korrelation Regression Wenn Daten nicht ohne einander können Korrelation Korrelation Kovarianz Pearson-Korrelation Voraussetzungen für die Berechnung die Höhe der
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
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
MehrEike Fittig, Johannes Schweizer & Udo Rudolph Technische Universität Chemnitz/ Klinikum Chemnitz. Dezember 2005
Lebenszufriedenheit bei chronischen Erkrankungen: Zum wechselseitigen Einfluss von Strategien der Krankheitsbewältigung, Depression und sozialer Unterstützung Technische Universität Chemnitz/ Klinikum
MehrUnsystematische Störvariablen
wirken auf AV, variieren aber nicht mit UV haben keinen Einfluss auf Unterschiede zwischen den Bedingungen Unsystematische Störvariablen (Eid, Gollwitzer & Schmitt, 2010, S. 56f) Es gibt individuelle Unterschiede
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
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
MehrFÜHRUNGSKRÄFTEMANGEL IN LANDWIRTSCHAFTLICHEN UNTERNEHMEN: EINE GESCHLECHTSSPEZIFISCHE ANALYSE DER ER- WARTUNGEN UND ZIELE VON NACHWUCHSKRÄFTEN
FÜHRUNGSKRÄFTEMANGEL IN LANDWIRTSCHAFTLICHEN UNTERNEHMEN: EINE GESCHLECHTSSPEZIFISCHE ANALYSE DER ER- WARTUNGEN UND ZIELE VON NACHWUCHSKRÄFTEN 17.02.2016, Halle (Saale) Fachkonferenz Landwirtschaft: Arbeitsplatz
MehrArbeitszeit, Schlafdauer und Unfallrisiko Untersuchung direkter und indirekter Effekte mit Hilfe von Strukturgleichungsmodellen
Arbeitszeit, Schlafdauer und Unfallrisiko Untersuchung direkter und indirekter Effekte mit Hilfe von Strukturgleichungsmodellen Anna Arlinghaus Gesellschaft für Arbeits-, Wirtschafts- und Organisationspsychologische
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrLogistische Regression
Logistische Regression Teil 2: Beispiel Dirk Enzmann Fortgeschrittene quantitative Methoden der Kriminologie 29.04.206 Universität Hamburg Dirk Enzmann (Hamburg) Logistische Regression UHH, 29.04.206 /
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
MehrMethodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
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
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrBindung und Dropout von Jugendlichen im vereinsorganisierten Sport
LSB (Sankt Augustin) 46(2005)2, 142-146 Hoffmann, Antje 1 (3. Preisträgerin Referate wissenschaftlicher Nachwuchs) Bindung und Dropout von Jugendlichen im vereinsorganisierten Sport Summary Based on the
MehrMarco Vannotti (Autor) Die Zusammenhänge zwischen Interessenkongruenz, beruflicher Selbstwirksamkeit und verwandten Konstrukten
Marco Vannotti (Autor) Die Zusammenhänge zwischen Interessenkongruenz, beruflicher Selbstwirksamkeit und verwandten Konstrukten https://cuvillier.de/de/shop/publications/2438 Copyright: Cuvillier Verlag,
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrNew Leadership in Unternehmen Die Wirkung von charismatischer Führung auf Mitarbeiter
Perikles Karipidis New Leadership in Unternehmen Die Wirkung von charismatischer Führung auf Mitarbeiter disserta Verlag Inhaltsverzeichnis Zusammenfassung 5 Inhaltsverzeichnis 7 1 Einleitung 11 2 Theorie
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrEinführung in die Maximum Likelihood Methodik
in die Maximum Likelihood Methodik Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Gliederung 1 2 3 4 2 / 31 Maximum Likelihood
MehrAnwendung von Multi-Level Moderation in Worst Performance Analysen
Anwendung von Multi-Level Moderation in Worst Performance Analysen Präsentation auf der FGME 2015 - Jena Gidon T. Frischkorn, Anna-Lena Schubert, Andreas B. Neubauer & Dirk Hagemann 16. September 2015
MehrStatistische Methoden in der Geographie
Statistische Methoden in der Geographie Band 2.; Multivariate Statistik Von Dr. rer. nat. Gerhard Bahrenberg Professor an der Universität Bremen Dr. rer. nat. Ernst Giese Professor an der Universität Gießen
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelation vs. Regression 2. Ziele der Regressionsanalyse 3. Syntax für
MehrMultivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
MehrUngleichheit und nachhaltiger Konsum: Modell auf der Grundlage des Capability Ansatzes und empirische Analyse
Torsten Masson Dr. Ortrud Leßmann I.P.A. Institut für Personal und Arbeit : Modell auf der Grundlage des Capability Ansatzes und empirische Analyse Forschungsseminar des ifz Salzburg 20.11.2014 1 1. Modellierung
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
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
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression II
Institut für Soziologie Dipl.-Soz. Methoden 2 Logistische Regression II Bringen Sie zur nächsten Übung und in die Klausur einen (nicht programmierbaren) Taschenrechner mit! # 2 Programm Wiederholung der
MehrAUSBLICK AUF WEITERE ANALYSEVERFAHREN IN DER STATISTIK 1
AUSBLICK AUF WEITERE ANALYSEVERFAHREN IN DER STATISTIK 1 1 Hier wird nicht der Anspruch erhoben, eine exhaustive Abhandlung zu geben Unterscheidung: Deskriptive vs. Inferenzstatistik Deskriptive Statistik:
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
MehrDrittvariablenkontrolle in der linearen Regression: Trivariate Regression
Drittvariablenkontrolle in der linearen Regression: Trivariate Regression 14. Januar 2002 In der Tabellenanalyse wird bei der Drittvariablenkontrolle für jede Ausprägung der Kontrollvariablen eine Partialtabelle
MehrMultivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
MehrBonus-Lektion: Prüfung der Voraussetzungen und Transformationen
Seite 1 von 8 Bonus-Lektion: Prüfung der Voraussetzungen und Transformationen Ziel dieser Lektion: Du weißt, wie Du die einzelnen Voraussetzungen für die Signifikanztests und komplexeren Modelle prüfen
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
MehrMultivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
MehrDr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung LogRA. Folie Nr. 1
2.1 Beispiele 2.2 Odds Ratio 2.3 Modell der logistischen Regression 2.3.1 Modellgleichung 2.3.2 Voraussetzungen 2.4 Schätzungen, Tests und Modellgüte 2.4.1 Schätzung der logistischen Regressionskoeffizienten
Mehr1.1. Zusammenhänge und Vorhersagen
1.1. Zusammenhänge und Vorhersagen In diesem Kapitel dreht sich alles um Zusammenhänge und Vorhersagen. Anstatt uns zu fragen Was ist größer / mehr / ausgeprägter?, versuchen wir Aussagen zu treffen wie
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:
MehrModul G.1 WS 07/08: Statistik
Modul G.1 WS 07/08: Statistik 10.01.2008 1 2 Test Anwendungen Der 2 Test ist eine Klasse von Verfahren für Nominaldaten, wobei die Verteilung der beobachteten Häufigkeiten auf zwei mehrfach gestufte Variablen
MehrLogistische Regression I. Odds, Logits, Odds Ratios, Log Odds Ratios
Logistische Regression I. Odds, Logits, Odds Ratios, Log Odds Ratios PD Dr.Gabriele Doblhammer, Fortgescrittene Methoden, SS2004 Logistische Regression Tabelle 2 Alter und Symptome von Herz-/Kreislauferkrankung(CD)
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)
MehrÜBUNGSAUFGABEN 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)
MehrFamiliäre Pflege: Welche Bedeutung haben Ressourcen für pflegende Angehörige? Assessment zur Erfassung Ressourcen pflegender Angehöriger (RPA)
Familiäre Pflege: Welche Bedeutung haben Ressourcen für pflegende Angehörige? Assessment zur Erfassung Ressourcen pflegender Angehöriger (RPA) Prof. Dr. rer. medic. Claudia Mischke, MPH Swiss Congress
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
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrAnnahmen des linearen Modells
Annahmen des linearen Modells Annahmen des linearen Modells zusammengefasst A1: Linearer Zusammenhang: y = 0 + 1x 1 + 2x 2 + + kx k A2: Zufallsstichprobe, keine Korrelation zwischen Beobachtungen A3: Erwartungswert
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
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...
MehrMehrebenenanalyse. Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh
Mehrebenenanalyse Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh Inhalt } Einführung } Fragestellung } Das Programm HLM } Mögliche Modelle } Nullmodell } Random
Mehr1 Inhaltsverzeichnis. 1 Einführung...1
1 Inhaltsverzeichnis 1 Einführung...1 1.1 Arten der stochastischen Abhängigkeit...2 1.2 Wo kommen regressive Abhängigkeiten vor?...3 1.3 Hauptaufgaben von Regressionsmodellen...3 1.4 Wissenschaftstheoretische
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
Mehr