Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
|
|
- Joachim Diefenbach
- vor 6 Jahren
- Abrufe
Transkript
1 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 1 Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon aus, dass Sie die Datei elporiginal.dta geöffnet, eine log-datei mit dem Namen kapitel8 gestartet haben und sich die Dateien in Ihrem Arbeitsordner befinden. Zweites und Letzteres ist zwar nicht notwendig, aber zu empfehlen bzw. spart Zeit (s. Arbeitsblatt Kap. 3). Hier zur Sicherheit nochmals die Befehle:. use elporiginal.dta, clear File> Open>.. log using kapitel7 Log > Begin>... cd Pfad Nun kann es losgehen! Durch ein Streudiagramm (engl.»scatter«) können Sie den Zusammenhang zwischen zwei Variablen visualisieren. Folgendes Diagramm zeigt den Zusammenhang zwischen dem Alter und der Zeit, die für den TUG-Test benötigt wird, zum Zeitpunkt 0.. twoway (scatter alter tug0) Graphics > Twoway graph (scatter, line, etc.) Über das Menü klicken Sie dann auf»create«definieren plot 1: Wir haben das Alter auf die y-achse gesetzt und den TUG-Test auf die x-achse (das können Sie natürlich auch andersrum machen).
2 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 2 So sieht die Grafik dann aus: Alter in Jahren Time up to go Test Zeitpunkt 0 Tendenziell ist zu erkennen, dass ältere Patienten mehr Zeit für den TUG-Test benötigen, also langsamer sind. Tipp: Wenn Sie über das Menü arbeiten und die Grafik evtl. noch weiter bearbeiten wollen, dann klicken Sie auf»submit«. Dadurch bleibt die Registerkarte geöffnet, und Sie können die Grafik noch weiter definieren bzw. verändern. Wenn Sie auf»accept«klicken, schließt sich das Fenster.
3 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 3 Nun kommen wir zu einem einfachen Beispiel einer Korrelation: Pearsons Produkt-Moment-Korrelation Wir wollen untersuchen, ob es einen Zusammenhang gibt zwischen dem Alter der Probanden und den Ausgangswerten des»timed Up and Go«Tests (tug0). Da alle Voraussetzungen erfüllt sind und das Streudiagramm auf einen positiven Zusammenhang hindeutet (s. Buch), können wir den Test durchführen. STATA bietet zwei Möglichkeiten:. correlate alter tug0. pwcorr alter tug0, sig Statistics > Summaries, tables, and tests > Summary and descriptive statistics >Correlations and covariances Statistics > Summaries, tables, and tests > Summary and descriptive statistics > Pairwise correlations Dabei bietet nur der zweite Befehl»pwcorr«die Möglichkeit, das Signifikanzniveau anzuzeigen. Wir entschließen und deshalb für den Befehl»pwcorr«.
4 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 4. pwcorr alter tug0, sig alter tug0 alter tug Der Ausdruck zeigt eine Korrelation von r= mit einer Signifikanz von p= Die Messwerte der Variablen»alter«und»tug0«weisen somit einen moderaten, aber höchstsignifikanten positiven Zusammenhang auf. Je älter die Probanden sind, desto länger brauchen sie für den TUG-Test. Rangkorrelation nach Spearman Um Zusammenhänge von ordinalskalierten Messwerten zweier Variablen X und Y oder auch nicht-lineare, aber monotone Zusammenhänge zu untersuchen, verwenden wir nicht-parametrische Verfahren. Ein häufig verwendetes Verfahren ist die Rangkorrelation nach Spearman. Hier unser Beispiel aus dem Buch: Wir wollen untersuchen, ob es einen Zusammenhang zwischen der sportlichen Aktivität der Probanden vor dem Schlaganfall und der Verbesserung der Unabhängigkeit in den Aktivitäten des täglichen Lebens gibt. Beide Variablen»sport«und»bartdif«sind ordinalskaliert. Das Streudiagramm sieht wie folgt aus:. twoway (scatter sport bartdif) sportliche Betätigung Differenz im Barthelindex
5 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 5 Ich denke, der Unterschied zum Streudiagramm zweier intervallskalierter Variablen (Bsp.: tug0/alter) ist offensichtlich. Eine Erklärung des Streudiagramms finden Sie im Buch. In einem solchen Fall verwenden wir statt des Pearson-Tests die sog. Rangkorrelation nach Spearman.. spearman sport bartdif, stats(rho p) Statistics > Nonparametric analysis > Tests of hypotheses > Spearman's rank correlation Hier das Ergebnis:. spearman sport bartdif, stats(rho p) Number of obs = 52 Spearman's rho = Test of Ho: sport and bartdif are independent Prob > t = Sie sehen: Es gibt einen höchstsignifikanten starken positiven Zusammenhang zwischen der sportlichen Aktivität vor dem Schlaganfall und der Verbesserung der Unabhängigkeit in den Aktivitäten des täglichen Lebens mit r s = 0,62, n=52, p = Je häufiger sich die Probanden vor dem Schlaganfall sportlich betätigt haben, desto stärker war ihre Verbesserung in den ADL nach der Intervention.
6 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 6 Korrelationskoeffizient für nominalskalierten Variablen: Cramers V Der Chi 2 -Test, den Sie schon in Kap. 7 kennengelernt haben, wird auch verwendet, um Zusammenhangshypothesen zu testen, und heißt dann Chi 2 -Unabhängigkeitstest. Es wird getestet, ob zwei Variablen nicht miteinander zusammenhängen, also unabhängig voneinander sind (Eid et al. 2013). Die Berechnung der Prüfgröße Chi 2 erfolgt analog zum dem in Kap. 7 dargestellten Vorgehen. Aus der Prüfgröße Chi 2 wird das Zusammenhangsmaß Cramers V berechnet. Die Fragestellung aus dem Buch: Wir wollen untersuchen, ob es einen Zusammenhang zwischen dem Geschlecht eines Probanden und dem Vorhandensein einer Aphasie vor Beginn der Intervention gibt. Dazu prüfen wir zunächst die Voraussetzungen für die Berechnung des Chi 2 -Wertes (s. Buch). In STATA kann man das ganz einfach über die Kreuztabellen testen:. tabulate sex aph0, chi 2 expected V Statistics > Summaries, tables, and tests > Frequency tables > Two-way table with measures of association
7 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 7 Hier wiederum das Ergebnis:. tabulate sex aph0, chi2 expected V Key frequency expected frequency Geschlecht weiblich Aphasie zum Zeitpunkt 0 keine Aph Aphasie Total maennlich Total Pearson chi2(1) = Pr = Cramér's V = In der unteren Zeile sind jeweils die erwarteten Häufigkeiten angezeigt (vgl. Buch). Sie sehen: Es gibt zum Zeitpunkt 0 keinen signifikanten Zusammenhang zwischen dem Vorliegen einer Aphasie und dem Geschlecht (V=-0.012, p=0.931). Korrelation von metrisch skalierten mit dichotomen Variablen (der punktbiseriale und der biseriale Korrelationskoeffizient) Unser Beispiel aus dem Buch: Die Frage, ob es einen Zusammenhang zwischen dem Alter und dem Auftreten einer Aphasie zum Zeitpunkt T0 gibt, soll untersucht werden. Die Messwerte der Variablen Alter sind metrisch skaliert, die der Variablen Aphasie vor der Intervention nominal mit zwei Ausprägungen. Hier handelt es sich um ein dichotomes (hier: binäres) Merkmal. Wie im Buch beschrieben, wird der punktbiseriale Korrelationskoeffizient berechnet, wenn Sie eine von sich aus dichotome Variable mit einer metrischen Variablen korrelieren wollen.
8 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 8 Wenn Sie die punktbiseriale Korrelation berechnen wollen, müssen Sie das kleine Zusatzprogramm»pbis«installieren (findit pbis). Nachdem Sie das Programm installiert haben, finden Sie Hinweise zum Befehl über den Befehl help pbis. Hier der Befehl und der Ausdruck für unser Beispiel:. pbis aph0 alter. pbis aph0 alter (obs= 52) Np= 24 p= 0.46 Nq= 28 q= Coef.= t= P> t = df= 50 Sie sehen: Zwischen den Messwerten der Variablen»alter«und»aph0«gibt es einen moderaten, positiven Zusammenhang mit r pbis = 0,2016, df=50. Der Zusammenhang ist jedoch nicht signifikant (p=0,1518). Kommen wir nun zum biserialen Korrelationskoeffizienten: Der biseriale Korrelationskoeffizient wird berechnet, wenn Sie eine nachträglich dichotomisierte Variable, die ursprünglich metrisch und normalverteilt war, mit einer metrischen Variablen korrelieren wollen. Leider bietet STATA keine Möglichkeit, den biserialen Korrelationskoeffizienten direkt zu berechnen. Eine Alternative ist das»sommers-d«(newson 2008). Zur Duchführung der biserialen Korrelation muss somit das»somersd«package von Newson installiert werden (findit somersd). Nachdem das Package installiert wurde, heißt der einfache Befehl für die Korrelation zwischen der Aphasie zum Zeitpunkt 0 (aph0) und dem Alter (alter) des Probanden:. somersd aph0 alter
9 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 9 Der Output. somersd aph0 alter Somers' D with variable: aph0 Transformation: Untransformed Valid observations: 52 Symmetric 95% CI Jackknife aph0 Coef. Std. Err. z P> z [95% Conf. Interval] alter Sie sehen: Das Somers-d zeigt einen starken (Somers-d = 0,223), aber nicht-signifikanten Zusammenhang (p=0.164) zwischen dem Alter der Probanden und der Aphasie zum Zeitpunkt 0. Einfache lineare Regression Unsere Fragestellung: Wir wollen untersuchen, inwieweit es möglich ist, die Werte im TUG-Test zum Zeitpunkt T0 über das Alter vorherzusagen. Wir setzen einen sinnvollen theoretischen Zusammenhang zwischen dem Alter und dem TUG-Test voraus. Des Weiteren gehen wir davon aus, dass alle Tests bezüglich der Voraussetzungen für eine einfache lineare Regression durchgeführt wurden. Zunächst vergegenwärtigen wir uns die statistischen-werte der Variablen tug0 und alter:.sum tug0 alter. sum tug0 alter Variable tug0 alter Obs Mean Std. Dev. Min Max Der sehr eingängige Befehl für die einfache lineare Regression lautet für unser Beispiel:. regress tug0 alter Statistics > Linear models and related > Linear regression
10 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 10. regress tug0 alter Source Model Residual SS df MS Total Number of obs = 52 F( 1, 50) = Prob > F = R-squared = Adj R-squared = Root MSE = tug0 Coef. Std. Err. t P> t [95% Conf. Interval] alter _cons Der Ausdruck zeigt: Das Regressionsmodell ist signifikant (p=0.0002) und erklärt ca 24 % der Varianz. In der Regressionsgleichung beträgt die Konstante 3,23 sek. und der Anstieg 0,40 sek. Das heißt, mit zunehmendem Alter brauchen die Probanden mehr Zeit für den TUG-Test, genauer gesagt, für jedes Jahr 0,40 sek. Um das Ergebnis zu visualisieren, bietet STATA enorme Möglichkeiten. Hier die einfachste:. margins, at(alter=(48(4)90)) (Ausdruck hier nicht dargestellt). marginsplot Adjusted Predictions with 95% CIs Linear Prediction Alter in Jahren So, das war s erstmal wieder. log close
11 Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 11 Literatur: Eid M, Gollwitzer M, Schmitt M (2013) Statistik und Forschungsmethoden, 3. Aufl. Beltz, Weinheim Newson R (2008) Identity of Somers' D and the rank biserial correlation coefficient. Zugegriffen: 23. Februar 2015
Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrInstitut für Soziologie Benjamin Gedon. Methoden 2. Kausalanalyse
Institut für Soziologie Methoden 2 Kausalanalyse Inhalt 1. Kausalanalyse 2. Anwendungsbeispiel 3. Wiederholung 4. Übungsaufgabe # 2 Kausalanalyse Kausalität: Identifizieren von Ursache-Wirkungs-Beziehungen
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
MehrDas Lineare Regressionsmodell
Das Lineare Regressionsmodell Bivariates Regressionsmodell Verbrauch eines Pkw hängt vom Gewicht des Fahrzeugs ab Hypothese / Theorie: Je schwerer ein Auto, desto mehr wird es verbrauchen Annahme eines
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
MehrFRAGESTUNDE WS 2016/17 QM 2. Dr. Christian Schwarz 1
FRAGESTUNDE Dr. Christian Schwarz 1 #2 - Allgemein Q: Müssen wir den Standard Error händisch berechnen können? R: Nein. Q: Hat das Monte Carlo Experiment irgendeine Bedeutung für uns im Hinblick auf die
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Korrelationen 1 Lineare Regression 3 Literatur 5 Korrelationen Mit Hilfe von G*Power lässt sich analog zum Vorgehen beim t-test (Kapitel 3, Band I) vor einer Untersuchung
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 /
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2013
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2013 1. Welche Aussage zur Statistik (in den Sozialwissenschaften) sind richtig? (2 Punkte) ( ) Statistik ist die Lehre von Methoden
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 11 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 5. Januar 2009 1 / 22 Online-Materialien Die Materialien
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrÜbungsklausur 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
MehrDer χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
Mehr1. Datei Informationen
1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten
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 Kreuztabellen 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax
MehrStatistik-Quiz Sommersemester
Statistik-Quiz Sommersemester Seite 1 von 8 Statistik-Quiz Sommersemester Die richtigen Lösungen sind mit gekennzeichnet. 1 In einer Gruppe von 337 Probandinnen und Probanden wurden verschiedene Merkmale
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax 3. 2x2 Kreuztabellen Überblick
Mehrerwartete Häufigkeit n=80 davon 50% Frauen fe=40 davon 50% Männer fe=40 Abweichung der beobachteten von den erwarteten Häufigkeiten:
Verfahren zur Analyse von Nominaldaten Chi-Quadrat-Tests Vier-Felder Kontingenztafel Mehrfach gestufte Merkmale Cramers V, Kontingenzkoeffizient, Phi-Koeffizient Muster aller Chi-Quadrat-Verfahren eine
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrDie Anwendung des globalen und partiellen F-Tests beim Regressionsmodell
Dr. Wolfgang Langer - Integrierte Veranstaltung Methoden IV WS 2002/2003-1 Die Anwendung des globalen und partiellen F-Tests beim Regressionsmodell von XENOPHOB auf V247 und POSTMAT, MATERIAL Für unsere
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
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
Mehr# Befehl für den Lilliefors-Test
1/5 Matthias Rudolf & Diana Vogel R-Kurs Graduiertenakademie September 2017 Loesungsskript: Tests 1a library(nortest) 1b lillie.test Befehl für den Lilliefors-Test 2a, Datensatz "Schachbeispiel einlesen"
MehrEinführung in die Korrelationsrechnung
Einführung in die Korrelationsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Korrelationsrechnung
MehrDeterminanten der Fremdenfeindlichkeit
Christian-Albrechts-Universität zu Kiel Institut für Sozialwissenschaften Bereich Soziologie Sommersemester 2014 Seminar: Design und Datenerhebung/ Datenauswertung Dipl.-Soz. Saskia Maria Fuchs Determinanten
MehrKarl Entacher. FH-Salzburg
Ahorn Versteinert Bernhard.Zimmer@fh-salzburg.ac.at Statistik @ HTK Karl Entacher FH-Salzburg karl.entacher@fh-salzburg.ac.at Beispiel 3 Gegeben sind 241 NIR Spektren (Vektoren der Länge 223) zu Holzproben
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrTutorial:Unabhängigkeitstest
Tutorial:Unabhängigkeitstest Mit Daten aus einer Befragung zur Einstellung gegenüber der wissenschaftlich-technischen Entwicklungen untersucht eine Soziologin den Zusammenhang zwischen der Einstellung
MehrEigene MC-Fragen SPSS
Eigene MC-Fragen SPSS 1. Welche Spalte ist in der Variablenansicht unbedingt festzulegen? [a] Variablenlabel [b] Skala [c] Name [d] Typ [e] Wertelabel 2. Wie heißt das Standardfenster von SPSS? [a] Dialogfenster
Mehr13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 1. Aufgabe: Für 25 der größten Flughäfen wurde die Anzahl der abgefertigten Passagiere in den Jahren 2009 und 2012 erfasst. Aus den Daten (Anzahl
MehrHerzlich Willkommen zur Vorlesung Statistik
Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrMultiple 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
Mehr1 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
MehrTutorial: Rangkorrelation
Tutorial: Rangkorrelation In vielen Sportarten gibt es mehr oder weniger ausgefeilte Methoden, nicht nur die momentanen Leistungen (der jetzige Wettkampf, das jetzige Rennen, das jetzige Spiel,..) der
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
MehrEinführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012
Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012 Es können von den Antwortmöglichkeiten alle, mehrere, eine oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrWieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik
Wieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik Axel Werwatz und Jens Kolbe Econ Boot Camp 2013 SFB 649 Ökonomisches Risiko Immo ist wichtig 2 Economist, 2002 Krise, 2008 Immo
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
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...
MehrErgänzung der Aufgabe "Mindestlöhne" zu einer multiplen Regression
Prof. Dr. Peter von der Lippe ( Übungsblatt E) Ergänzung der Aufgabe "Mindestlöhne" zu einer multiplen Regression Das Beispiel "Mindestlöhne" zur einfachen multiplen Regression ergab die folgenden Parameter
MehrCorrelational 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
MehrChi Quadrat-Unabhängigkeitstest
Fragestellung 1: Untersuchung mit Hilfe des Chi-Quadrat-Unabhängigkeitstestes, ob zwischen dem Herkunftsland der Befragten und der Bewertung des Kontaktes zu den Nachbarn aus einem Anderen Herkunftsland
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
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:
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrAbschlussklausur zur Vorlesung Empirische Wirtschaftsforschung
Dr Isabel Schnabel Johannes Gutenberg-Universität Mainz Abschlussklausur zur Vorlesung Empirische Wirtschaftsforschung Sommersemester 2007, 14082007, 16:30 18:30 Uhr Hinweise zur Klausur Die Klausur besteht
MehrWiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
MehrDeskriptive Statistik Lösungen zu Blatt 5 Christian Heumann, Susanne Konrath SS Lösung Aufgabe 27. f X Y (a i b j ) = f i j = f ij f j
1 Deskriptive Statistik Lösungen zu Blatt 5 Christian Heumann, Susanne Konrath SS 2011 Lösung Aufgabe 27 (a) Notation: X: Rauchen, Y : chronische Bronchitis S X {ja, nein} {a 1, a 2 }, S Y {ja, nein} {b
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
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
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrKategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
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://psmet03.sowi.uni-mainz.de/
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
MehrPanelregression (und Mehrebenenanwendungen)
Panelregression (und Mehrebenenanwendungen) Henning Lohmann Universität zu Köln Lehrstuhl für Empirische Sozial- und Wirtschaftsforschung SOEP@Campus 2007, Universität Duisburg-Essen, 11. Oktober 2007
MehrZeitreihen. Statistik II. Literatur. Zeitreihen-Daten Modelle Probleme Trends und Saisonalität Fehlerstruktur. 1 Wiederholung.
Statistik II 1 Literatur 2 -Daten Trends und Saisonalität Fehlerstruktur 3 Statistik II (1/31) Literatur Zum Nachlesen Wooldridge ch 101 & 102 Statistik II (2/31) Literatur Für nächste Woche Einfache für
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
MehrEine Einführung in R: Varianzanalyse
Eine Einführung in R: Varianzanalyse Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig 6. Januar 2011 Bernd Klaus, Verena Zuber Das
MehrÜbung 3 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
Mehr2. Zusammenhangsmaße
2. Zusammenhangsmaße Signifikante χ²-werte von Kreuztabellen weisen auf die Existenz von Zusammenhängen zwischen den zwei untersuchten Variablen X und Y hin. Für die Interpretation interessieren jedoch
MehrZusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
MehrFinanzmarkttheorie 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
MehrÜbungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004)
Universität Siegen, FB 1 Prof. W. Ludwig-Mayerhofer/ Dipl.Soz. Uta Liebeskind Übungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004) 1. Bitte vermerken Sie hinter dem jeweiligen Merkmal das Skalenniveau.
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
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
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrEigene MC-Fragen (Teil II) "Kap. 9 Zusammenhangsmaße
Eigene MC-Fragen (Teil II) "Kap. 9 Zusammenhangsmaße 1. Kreuze die richtige Aussage an! positiv sind, ist r stets identisch mit s xy. negativ sind, ist r stets identisch mit s xy. positiv sind, ist das
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. mit dem R Commander. A Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst mit dem R Commander A Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist
MehrWieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik
Wieviel ist (m)ein Haus wert? - Immobilienbewertung mit Hilfe der Statistik Axel Werwatz und Martin Wersing Econ Boot Camp 2010 SFB 649 Ökonomisches Risiko Gute Vorsätze: Herz & Kopf & Hand Lernziel: Immotheorie
MehrCountdata, Postestimation und Modellvergleich
Countdata, Statistik II 1 Literatur 2 3 4 Statistik II Countdata (1/29) Literatur Zum Nachlesen Für heute: Scott/Freese ch. 8 Für nächste Woche: Wooldridge Kapitel 10.1 und 10.2 (im Reader) Statistik II
Mehr6. Multivariate Verfahren Übersicht
6. Multivariate Verfahren 6. Multivariate Verfahren Übersicht 6.1 Korrelation und Unabhängigkeit 6.2 Lineare Regression 6.3 Nichtlineare Regression 6.4 Nichtparametrische Regression 6.5 Logistische Regression
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
MehrI.3. Computergestützte Methoden 1. Deskriptive Statistik. Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010
I.3. Computergestützte Methoden 1. Deskriptive Statistik Master of Science Prof. Dr. G. H. Franke WS 2009/ 2010 1 Seminarübersicht Nr. Thema 1 Deskriptive Statistik 1.1 Organisation und Darstellung von
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Experiment zur Vererbungstiefe Softwaretechnik: die Vererbungstiefe ist kein guter Schätzer für den Wartungsaufwand
MehrEinfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrAufgaben zu Kapitel 1
Aufgaben zu Kapitel 1 Aufgabe 1 a) Öffnen Sie die Datei Beispieldatensatz.sav, die auf der Internetseite zum Download zur Verfügung steht. Berechnen Sie die Häufigkeiten für die beiden Variablen sex und
MehrKapitel 5 FRAGESTELLUNG 1. Öffne die Datei alctobac.sav.
Kapitel 5 FRAGESTELLUNG 1 Öffne die Datei alctobac.sav. Zuerst werden wir ein Streudiagramm erstellen, um einen grafischen Überblick von diesem Datensatz zu erhalten. Gehe dazu auf Grafiken / Streudiagramm
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
Mehr1.4 Der Binomialtest. Die Hypothesen: H 0 : p p 0 gegen. gegen H 1 : p p 0. gegen H 1 : p > p 0
1.4 Der Binomialtest Mit dem Binomialtest kann eine Hypothese bezüglich der Wahrscheinlichkeit für das Auftreten einer Kategorie einer dichotomen (es kommen nur zwei Ausprägungen vor, z.b. 0 und 1) Zufallsvariablen
Mehr