Einfache Modelle für Paneldaten. Statistik II
|
|
- Norbert Grosse
- vor 8 Jahren
- Abrufe
Transkript
1 Einfache Modelle für daten Statistik II
2 Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18)
3 Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch (im Reader) Statistik II daten (2/18)
4 daten Policy-Analyse II: Exkurs: Trenddesigns Im Text: independently pooled cross-sections Querschnittsdaten aus verschiedenen Zeitpunkten Z. B. Allbus-Daten über die Zeit Trends in der Bevölkerung, aber keine individuellen Veränderungen Statistik II daten (3/18)
5 daten Policy-Analyse II: Was sind daten? Pooled Cross-Sectional Time-Series Verbindung von Querschnitts- und Zeitreihen-Design Dieselben Objekte (Personen, Parteien, Staaten... ) werden mehrfach untersucht individuelle Veränderungen Kombination verschiedener Zeitreihen bzw. verschiedener Querschnitte Statistik II daten (4/18)
6 daten Policy-Analyse II: Was sind daten? Land A Land B Land C Land A Land B Land C Land A Land B Land C Statistik II daten (4/18)
7 daten Policy-Analyse II: Was sind daten? Pooled Cross-Sectional Time-Series Verbindung von Querschnitts- und Zeitreihen-Design Dieselben Objekte (Personen, Parteien, Staaten... ) werden mehrfach untersucht individuelle Veränderungen Kombination verschiedener Zeitreihen bzw. verschiedener Querschnitte -Daten sind doppelt indiziert: y i,t Index i über Objekte Index t über Zeit Z. B. y-wert für drittes Land zum zweiten Zeitpunkt: y 3,2 Fünf Länder fünf Zeitpunkte = 25 Beobachtungen von y Statistik II daten (4/18)
8 daten Policy-Analyse II: Warum sind -Daten besonders? Datenmatrix normalerweise nicht quadratisch Zeitdimension dominant: Mehr Beobachtungszeitpunkte als Objekte, z. B. Makro-Studien Objekt-/Querschnittsdimension dominant: (sehr viel) mehr Objekte als Zeitpunkt, z. B. Umfragen Unterschiedliche Modelle und Probleme Statistik II daten (5/18)
9 daten Policy-Analyse II: Warum sind -Daten besonders? Datenmatrix normalerweise nicht quadratisch Zeitdimension dominant: Mehr Beobachtungszeitpunkte als Objekte, z. B. Makro-Studien Objekt-/Querschnittsdimension dominant: (sehr viel) mehr Objekte als Zeitpunkt, z. B. Umfragen Unterschiedliche Modelle und Probleme Beobachtungen bzw. ɛ nicht unabhängig voneinander Temporale Korrelation von ɛ, z. B. innerhalb eines Landes über die Zeit Kontemporäre Korrelation von ɛ zum selben Zeitpunkt z. B. bei Nachbarn Statistik II daten (5/18)
10 daten Policy-Analyse II: Warum sind -Daten besonders? Datenmatrix normalerweise nicht quadratisch Zeitdimension dominant: Mehr Beobachtungszeitpunkte als Objekte, z. B. Makro-Studien Objekt-/Querschnittsdimension dominant: (sehr viel) mehr Objekte als Zeitpunkt, z. B. Umfragen Unterschiedliche Modelle und Probleme Beobachtungen bzw. ɛ nicht unabhängig voneinander Temporale Korrelation von ɛ, z. B. innerhalb eines Landes über die Zeit Kontemporäre Korrelation von ɛ zum selben Zeitpunkt z. B. bei Nachbarn Korrekte Standardfehler? Bias, wenn verschiedene Regressionsmodelle für verschiedene Objekte (verborgene Heterogenität) Statistik II daten (5/18)
11 daten Policy-Analyse II: Wie war das mit der Heterogenität? Fiktives Beispiel mit zwei Ländern zu drei Zeitpunkten In beiden positiver Zusammenhang zwischen Wohlstand und Demokratieniveau Wird insgesamt positiver Zusammenhang geschätzt? (Simpson s Paradox) Statistik II daten (6/18)
12 daten Policy-Analyse II: Wie war das mit der Heterogenität? wohlstand Land 1 Land 2 Fitted values Statistik II daten (6/18)
13 daten Policy-Analyse II: Wie war das mit der Heterogenität? wohlstand Land 1 Land 2 Fitted values Fitted values Fitted values Statistik II daten (6/18)
14 daten Policy-Analyse II: Wie war das mit der Heterogenität?. reg demokratie wohlstand Source SS df MS Number of obs = 6 F( 1, 4) = 0.61 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = demokratie Coef. Std. Err. t P> t [95% Conf. Interval] wohlstand _cons reg demokratie wohlstand land2 Source SS df MS Number of obs = 6 F( 2, 3) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.8797 demokratie Coef. Std. Err. t P> t [95% Conf. Interval] wohlstand land _cons Statistik II daten (6/18)
15 daten Policy-Analyse II: Was ist ein Quasi-Experiment? Politische Veränderung, die im voraus bekannt ist (z. B. Einführung neue Schulart) Quasi-Experiment, natürliches Experiment Wissenschaft kann vor und nach Veränderung Daten sammeln Kein echtes Experiment, da keine zufällige Aufteilung kausale Aussagen schwierig wg. möglicher Drittvariablen Aber Vorher-Nachher-Messung aussagekräftiger als reine Querschnittsuntersuchung Im Text: Bau einer Müllverbrennungsanlage sinkende Hauspreise Keine echten -Daten, sondern Kombination von Querschnitten (nicht diesselben Häuser) Statistik II daten (7/18)
16 daten Policy-Analyse II: Müllverbrennung und Hauspreise Nach 1978 wurde bekannt, daß in einem Vorort von Boston eine Müllverbrennungsanlage gebaut wird 1981 begannen die Bauarbeiten Negative Auswirkung auf Hauspreise in der Nähe der Anlage? Allgemeiner: Negative Konsequenzen von Politik für Bürger (bzw. für Subgruppe von Bürgern)? Statistik II daten (8/18)
17 daten Policy-Analyse II: Naives Modell: Nähe zur Anlage reg rprice nearinc if year == 1981 Source SS df MS Number of obs = 142 F( 1, 140) = Model e e+10 Prob > F = Residual e R-squared = Adj R-squared = Total e e+09 Root MSE = rprice Coef. Std. Err. t P> t [95% Conf. Interval] nearinc _cons Niedrigeres Preisniveau durch Bau verursacht? Andere Gründe? Statistik II daten (9/18)
18 daten Policy-Analyse II: Naives Modell: Nähe zur Anlage reg rprice nearinc if year == 1978 Source SS df MS Number of obs = 179 F( 1, 177) = Model e e+10 Prob > F = Residual e R-squared = Adj R-squared = Total e Root MSE = rprice Coef. Std. Err. t P> t [95% Conf. Interval] nearinc _cons Preisniveau bereits vor Bau niedriger Kausalitätsproblem: Bau dort geplant, wo ökonomische Verluste geringer (und weniger Widerstand zu erwarten)? Außerdem: Hauspreise insgesamt gestiegen (Vermutlich) kausaler Effekt: Differenz zwischen den beiden Differenzen Statistik II daten (9/18)
19 daten Policy-Analyse II: Komplettes Modell y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 1 x 2 Mit β 0 : Konstante β 1 : Effekt von x 1 (Jahr=1981) β 2 : Effekt von x 2 (Nähe zur Anlage) β 3 : Interaktion zwischen Jahr=1981 und Nähe zur Anlage = Difference in Differences Statistik II daten (10/18)
20 daten Policy-Analyse II: Komplettes Modell. reg rprice y81 nearinc y81nrinc Source SS df MS Number of obs = 321 F( 3, 317) = Model e e+10 Prob > F = Residual e R-squared = Adj R-squared = Total e e+09 Root MSE = rprice Coef. Std. Err. t P> t [95% Conf. Interval] y nearinc y81nrinc _cons Wie groß ist der Wertverlust durch den Bau der Verbrennungsanlage? Statistik II daten (10/18)
21 daten Policy-Analyse II: Komplettes Modell. reg rprice y81 nearinc y81nrinc Source SS df MS Number of obs = 321 F( 3, 317) = Model e e+10 Prob > F = Residual e R-squared = Adj R-squared = Total e e+09 Root MSE = rprice Coef. Std. Err. t P> t [95% Conf. Interval] y nearinc y81nrinc _cons Wie groß ist der Wertverlust durch den Bau der Verbrennungsanlage? $ Realistischerweise weitere Kontrollvariablen berücksichtigen, da keine zufällige Aufteilung auf Experimental-/ Kontrollgruppe (Quasi-Experiment) Statistik II daten (10/18)
22 daten Policy-Analyse II: Fixed-Effects Modell mit zwei Wellen y it = β 0 + β 1 d2 t + β 2 x it + a i + ɛ it Einfachstes -Modell: zwei Beobachtungszeitpunkte d2: Indikator (Dummy) für zweite welle, konstant über Objekte x it : unabhängige Variable, variiert über Zeit und Objekte (im Beispiel Arbeitslosenquote) a i : unbeobachtete objektspezifische Einflüsse (konstanter Fehler über Zeit) ɛ it : weitere zufällige Einflüsse (variabel über Zeit und Objekte) Statistik II daten (11/18)
23 daten Policy-Analyse II: Fixed-Effects Modell mit zwei Wellen y it = β 0 + β 1 d2 t + β 2 x it + a i + ɛ it Einfachstes -Modell: zwei Beobachtungszeitpunkte d2: Indikator (Dummy) für zweite welle, konstant über Objekte x it : unabhängige Variable, variiert über Zeit und Objekte (im Beispiel Arbeitslosenquote) a i : unbeobachtete objektspezifische Einflüsse (konstanter Fehler über Zeit) ɛ it : weitere zufällige Einflüsse (variabel über Zeit und Objekte) Problem: Korrelation (wahrscheinlich!) zwischen a i und x it macht OLS verzerrt und inkonsistent Statistik II daten (11/18)
24 daten Policy-Analyse II: Eine Lösung: Differenzen y i2 =β 0 + β 1 d2 2 (= 1) + β 2 x i2 + a i + ɛ i2 y i1 =β 0 + β 1 d2 1 (= 0) + β 2 x i1 + a i + ɛ i1 (y i2 y i1 ) =β 1 + β 2 (x i2 x i1 ) + (ɛ i2 ɛ i1 ) y i =β 1 + β 2 x i + ɛ i Über die Zeit konstanten zufälligen Einflüsse aus dem Modell entfernen, indem man Veränderungen betrachtet Korrelation zwischen x und a kein Problem mehr Korrelationen zwischen Veränderungen von x und Veränderungen von ɛ immer noch problematisch Statistik II daten (12/18)
25 daten Policy-Analyse II: Fixed Effects und Policy Evaluation Wirken sich Gesetzesänderungen auf die Zahl der Verkehrstoten aus? Zwei Typen von Gesetzen Open container : offene Flaschen etc. mit Alkohol verboten Administrative per se : Führerschein kann schon vor Verurteilung entzogen werden y it : Tote pro 100 Millionen Personenmeilen pro Jahr in 1985 und 1990 Mittelwert 1985: 2.7 (Std.abweichung 0.6) Mittelwert 1990: 2.2 (Std.abweichung 0.5)) 50+1 US-Bundestaaten Diverse Gesetzesänderungen Statistik II daten (13/18)
26 daten Policy-Analyse II: Was hat sich geändert?. tab admn85 admn90 admn90 admn Total Total tab open85 open90 open90 open Total Total Statistik II daten (14/18)
27 daten Policy-Analyse II: Differenzen bilden. gen deltadeath= dthrte90-dthrte85. gen deltaadm= admn90-admn85. gen deltaopen = open90-open85. tab deltaopen deltaopen Freq. Percent Cum Total tab deltaadm deltaadm Freq. Percent Cum Total summ deltadeath Variable Obs Mean Std. Dev. Min Max deltadeath Statistik II daten (15/18)
28 daten Policy-Analyse II: Modell für Veränderungen schätzen. reg deltadeath deltaopen deltaadm Source SS df MS Number of obs = 51 F( 2, 48) = 3.23 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.3435 deltadeath Coef. Std. Err. t P> t [95% Conf. Interval] deltaopen deltaadm _cons Statistik II daten (16/18)
29 -Daten sind eine Mischform aus Quer- und Längsschnittanalyse Untersuchung von individuellen Veränderungen an mehreren Objekten Spezifische Probleme Vorsicht bei kausaler Interpretation Design der Datenerhebung Statistik II daten (17/18)
30 Übersicht Vorlesung S II 1. Mittelwerte, Zusammenhansmaße, Hypothesentests 2. Was ist Regression? 3. Multiple Regression und Drittvariablenkontrolle 4. Test, Gewichtung, Multikollinearität, Kohorten 5. ANOVA und Transformationen 6. Schätzverfahren und Annahmen 7. Logit und Probit 8. Ordinale und multinomiale Modelle 9. Count Data 10. Zeitreihen 11. Statistik II daten (18/18)
Kategoriale 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
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
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
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
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrZeitreihen. Statistik II
Statistik II Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Wiederholung Literatur -Daten Trends und Saisonalität Fehlerstruktur Statistik II (1/31) Zum Nachlesen
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Anne Neumann 21. Oktober 2015 Anne Neumann EWF 21. Oktober 2015 1 / 9 Inhaltsverzeichnis 1 Grobgliederung 2 Grundlagen Anne Neumann EWF 21. Oktober 2015 2 / 9 Grobgliederung
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrInterne und externe Modellvalidität
Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrSpezifikationsprobleme Omitted Variable Bias
Spezifikationsprobleme Omitted Variable Bias Spezifikationsprobleme In der Grundgesamtheit gilt der wahre (aber unbekannte) Zusammenhang y = 0 + 1x 1 + : : : kx k dieser Zusammenhang soll anhand einer
MehrANOVA und Transformationen. Statistik II
und Statistik II Wiederholung Literatur Statistik II und (1/28) Literatur Zum Nachlesen Agresti ch. 12 (nur bis Seite 381) Agresti ch. 13 (nur bis Seite 428) Statistik II und (2/28) Literatur für nächste
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrDie Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen
Die Analyse sozialen Wandels auf Basis wiederholter Querschnittserhebungen Beitrag für den RatSWD-Nachwuchsworkshop: Längsschnittanalysen auf der Basis amtlicher Sozial- und Wirtschaftsdaten, Berlin, 25.-26.
MehrInstitut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Ausblick; Darstellung von Ergebnissen; Wiederholung
Institut für Soziologie Dipl.-Soz. Methoden 2 Ausblick; Darstellung von Ergebnissen; Wiederholung Ein (nicht programmierbarer) Taschenrechner kann in der Klausur hilfreich sein. # 2 Programm Ausblick über
MehrMultiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse
Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik II Multiple
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
Mehrε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?
BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions
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
MehrEinführung in statistische Analysen
Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die
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
MehrBiostatistik, WS 2015/2016 Der zwei-stichproben-t-test
1/29 Biostatistik, WS 2015/2016 Der zwei-stichproben-t-test (t-test für ungepaarte Stichproben) Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1516/ 11.12.2015 2/29 Inhalt 1 t-test
MehrANOVA und Transformationen
und Statistik II Literatur Statistik II und (1/28) Literatur Zum Nachlesen Agresti ch. 12 (nur bis Seite 381) Agresti ch. 13 (nur bis Seite 428) Statistik II und (2/28) Literatur Literatur für nächste
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
MehrPrüfung eines Datenbestandes
Prüfung eines Datenbestandes auf Abweichungen einzelner Zahlen vom erwarteten mathematisch-statistischen Verhalten, die nicht mit einem Zufall erklärbar sind (Prüfung auf Manipulationen des Datenbestandes)
MehrMusterlösung zu Serie 14
Dr. Lukas Meier Statistik und Wahrscheinlichkeitsrechnung FS 21 Musterlösung zu Serie 14 1. Der Datensatz von Forbes zeigt Messungen von Siedepunkt (in F) und Luftdruck (in inches of mercury) an verschiedenen
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
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
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
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrZwei einfache Kennzahlen für große Engagements
Klecksen nicht klotzen Zwei einfache Risikokennzahlen für große Engagements Dominik Zeillinger, Hypo Tirol Bank Die meisten Banken besitzen Engagements, die wesentlich größer sind als der Durchschnitt
MehrVertrauen in Medien und politische Kommunikation die Meinung der Bürger
Vortrag Vertrauen in Medien und politische Kommunikation die Meinung der Bürger Christian Spahr, Leiter Medienprogramm Südosteuropa Sehr geehrte Damen und Herren, liebe Kolleginnen und Kollegen, herzlich
MehrDSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS. Intervention + BMI
DSR Daten, Statistik, Risikobewertung AUSWERTUNG GAHS + BMI Sophie-Helene Narath Klemens Fuchs Günter Polt Bericht Nr.: B09_003_DSR Freigegeben im April 09 Österreichische Agentur für Gesundheit und Ernährungssicherheit
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrDossier Kunden zu Fans Lesen Sie auf nur fünf Seiten, was es mit dem Fanmodell auf sich hat
Dossier Kunden zu Fans Lesen Sie auf nur fünf Seiten, was es mit dem Fanmodell auf sich hat Fanfocus Deutschland 2013 c/o forum! Marktforschung GmbH www.forum-mainz.de Überblick 1. Vorsicht vor den zufriedenen
MehrS P E C T R A K T U E L L FREIE WAHL DER KRANKENVERSICHERUNG: SORGENVOLLER BLICK IN DIE ZUKUNFT 8/00. I:\PR-ARTIK\Aktuell00\08\Krank_neu.
S P E C T R A FREIE WAHL DER KRANKENVERSICHERUNG: A SORGENVOLLER BLICK IN DIE ZUKUNFT 8/00 K T U E L L I:\PR-ARTIK\Aktuell00\08\Krank_neu.doc Freie Wahl der Krankenversicherung: Sorgenvoller Blick in die
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
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
MehrBinärdarstellung von Fliesskommazahlen
Binärdarstellung von Fliesskommazahlen 1. IEEE 754 Gleitkommazahl im Single-Format So sind in Gleitkommazahlen im IEEE 754-Standard aufgebaut: 31 30 24 23 0 S E E E E E E E E M M M M M M M M M M M M M
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18
MehrBevölkerung mit Migrationshintergrund an der Gesamtbevölkerung 2012
Statistische Übersicht inkl. dem Vergleich zwischen und zur (Aus-)Bildungssituation von jungen Menschen mit und ohne Migrationshintergrund 1 in den Bundesländern nach dem Mikrozensus Erstellt im Rahmen
MehrSowohl die Malstreifen als auch die Neperschen Streifen können auch in anderen Stellenwertsystemen verwendet werden.
Multiplikation Die schriftliche Multiplikation ist etwas schwieriger als die Addition. Zum einen setzt sie das kleine Einmaleins voraus, zum anderen sind die Überträge, die zu merken sind und häufig in
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrGüterverkehr in Österreich
Güterverkehr in Österreich Transportaufkommen (Millionen Tonnen) 1999 (1) Schiff Pipeline (2) Summe Binnen 243 18 0,8 1 263 Import / Export 51 34 6 12 103 Transit 38 18 3 44 103 Gesamt 331 70 10 57 469
MehrEinführung II. Kontext und Mehr-Ebenen-Datensätze. Wiederholung Statistische Mehr-Ebenen-Modelle Politisches Vertrauen in Europa Fazit/Ausblick
Einführung II Kontext und Mehr-Ebenen-Datensätze Kontext und Mehr-Ebenen-Datensätze Einführung II (1/28) Warum? Wiederholung Moderne Erklärungen = Mehr-Ebenen-Erklärungen Viele Datensätze sind strukturiert
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
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
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrKritische Lebensereignisse und Gesundheit im Alter
Christian Deindl, Universität zu Köln Kritische Lebensereignisse und Gesundheit im Alter DGS Trier, Oktober 2014 Hintergrund Die Geburt eines Kindes Arbeitslosigkeit Auszug aus dem Elternhaus Haben Auswirkungen
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrSimulation (vormals Feldversuch) Cico im Gelenkbus
Simulation (vormals Feldversuch) Cico im Gelenkbus Projekt Cico im VRR / Smart Via 3.0 Auswertung 1 Inhalt 1.1 Inhaltsverzeichnis Kapitel Seite 1 Inhalt... 2 1.1 Inhaltsverzeichnis... 2 2 Vorbemerkungen...
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrProgramm 4: Arbeiten mit thematischen Karten
: Arbeiten mit thematischen Karten A) Anteil der ausländischen Wohnbevölkerung an der Wohnbevölkerung insgesamt 2001 in Prozent 1. Inhaltliche und kartographische Beschreibung - Originalkarte Bei dieser
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrStudieren- Erklärungen und Tipps
Studieren- Erklärungen und Tipps Es gibt Berufe, die man nicht lernen kann, sondern für die man ein Studium machen muss. Das ist zum Beispiel so wenn man Arzt oder Lehrer werden möchte. Hat ihr Kind das
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
MehrDie neue Aufgabe von der Monitoring-Stelle. Das ist die Monitoring-Stelle:
Die neue Aufgabe von der Monitoring-Stelle Das ist die Monitoring-Stelle: Am Deutschen Institut für Menschen-Rechte in Berlin gibt es ein besonderes Büro. Dieses Büro heißt Monitoring-Stelle. Mo-ni-to-ring
MehrGrundlagen der Datenanalyse am Beispiel von SPSS
Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe
Mehrbagfa ist die Abkürzung für unseren langen Namen: Bundes-Arbeits-Gemeinschaft der Freiwilligen-Agenturen.
Leichte Sprache Was ist die bagfa? bagfa ist die Abkürzung für unseren langen Namen: Bundes-Arbeits-Gemeinschaft der Freiwilligen-Agenturen. Die bagfa ist ein Verein. Wir machen uns stark für Freiwilligen-Agenturen.
MehrFelix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009
Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4
MehrBanken und Börsen, Kurs 41520 (Inhaltlicher Bezug: KE 1)
1 Lösungshinweise zur Einsendearbeit 1: SS 2012 Banken und Börsen, Kurs 41520 (Inhaltlicher Bezug: KE 1) Fristentransformation 50 Punkte Die Bank B gibt im Zeitpunkt t = 0 einen Kredit mit einer Laufzeit
MehrPlümper, Thomas, 2003, Effizient Schreiben, München, Oldenbourg, 59-107.
Über das Schreiben Plümper, Thomas, 2003, Effizient Schreiben, München, Oldenbourg, 59-107. "Nachhilfe für Geistesblitze Nichts ist schlimmer als die Schreibblockade: Gerade wer Umfängliches zu produzieren
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE. Markt+Technik
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE Markt+Technik Vorwort Schreiben Sie uns! 13 15 Statistische Untersuchungen 17 Wozu Statistik? 18 Wirtschaftliche
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrBundeszentrale für gesundheitliche Aufklärung Bekanntheit, Kauf und Konsum von Alcopops in der Bundesrepublik Deutschland 2003
Bundeszentrale für gesundheitliche Aufklärung Bekanntheit, Kauf und Konsum von Alcopops in der Bundesrepublik Deutschland Ergebnisse einer repräsentativen Befragung Anschrift: Bundeszentrale für gesundheitliche
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrDie Wirtschaftskrise aus Sicht der Kinder
Die Wirtschaftskrise aus Sicht der Kinder Telefonische Befragung bei 151 Kindern im Alter von 8 bis 12 Jahren Präsentation der Ergebnisse Mai 2009 EYE research GmbH, Neuer Weg 14, 71111 Waldenbuch, Tel.
MehrWir machen neue Politik für Baden-Württemberg
Wir machen neue Politik für Baden-Württemberg Am 27. März 2011 haben die Menschen in Baden-Württemberg gewählt. Sie wollten eine andere Politik als vorher. Die Menschen haben die GRÜNEN und die SPD in
Mehr11. Rent-Seeking 117
117 Definitionen Gewinnstreben: Vorhandene Ressourcen werden so eingesetzt, dass Einkommen entsteht und die Differenz aus Einkommen und Kosten maximal wird. Rent-Seeking: Vorhandene Ressourcen werden eingesetzt,
MehrDie Bundes-Zentrale für politische Bildung stellt sich vor
Die Bundes-Zentrale für politische Bildung stellt sich vor Die Bundes-Zentrale für politische Bildung stellt sich vor Deutschland ist ein demokratisches Land. Das heißt: Die Menschen in Deutschland können
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.
MehrMarkus Demary / Michael Voigtländer
Forschungsberichte aus dem Institut der deutschen Wirtschaft Köln Nr. 50 Markus Demary / Michael Voigtländer Immobilien 2025 Auswirkungen des demografischen Wandels auf die Wohn- und Büroimmobilienmärkte
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
MehrKosten-Leistungsrechnung Rechenweg Optimales Produktionsprogramm
Um was geht es? Gegeben sei ein Produktionsprogramm mit beispielsweise 5 Aufträgen, die nacheinander auf vier unterschiedlichen Maschinen durchgeführt werden sollen: Auftrag 1 Auftrag 2 Auftrag 3 Auftrag
MehrAllgemeine Regressionsanalyse. Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl. deterministisch
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 9.1 Allgemeine Regressionsanalyse Daten (X j, Y j ), j = 1,..., N unabhängig Kovariablen / Prädiktoren / unabhängige Variablen X j R d, evtl.
MehrGründe für fehlende Vorsorgemaßnahmen gegen Krankheit
Gründe für fehlende Vorsorgemaßnahmen gegen Krankheit politische Lage verlassen sich auf Familie persönliche, finanzielle Lage meinen, sich Vorsorge leisten zu können meinen, sie seien zu alt nicht mit
MehrDie Theorie der Praxis. Die Welt ist so komplex, dass man sie mittels bloßer Wahrnehmung nicht erfassen kann.
Die Theorie der Praxis Die Welt ist so komplex, dass man sie mittels bloßer Wahrnehmung nicht erfassen kann. Beispiel: Am Rücken liegen Tausende von Nervenzellen und sagen dauernd: Da ist eine Stuhllehne.
MehrStatistische Methoden der Lebensverlaufsforschung. Prof. Dr. Johannes Giesecke Humboldt-Universität zu Berlin Institut für Sozialwissenschaften
Statistische Methoden der Lebensverlaufsforschung Prof. Dr. Johannes Giesecke Humboldt-Universität zu Berlin Institut für Sozialwissenschaften Lebensverlauf Deutschland, ca 1870 Johannes Giesecke Statistische
MehrDie Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrGefährdet die ungleiche Verteilung unseres Vermögens den gesellschaftlichen Zusammenhalt?
Gefährdet die ungleiche Verteilung unseres Vermögens den gesellschaftlichen Zusammenhalt? Prof. Dr. K.-W. Hansmann Rotary-Vortrag am 22. September 2014 (Die farbigen Graphiken habe ich mit der Progrmmiersprache
MehrTutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang. Aufgabenblatt 3 (KW 44) (30.10.02)
Tutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang Aufgabenblatt 3 (KW 44) (30.10.02) Aufgabe 1: Preisdiskriminierung dritten Grades (20 Punkte) Ein innovativer Uni-Absolvent plant,
MehrAnlegen eines DLRG Accounts
Anlegen eines DLRG Accounts Seite 1 von 6 Auf der Startseite des Internet Service Centers (https:\\dlrg.de) führt der Link DLRG-Account anlegen zu einer Eingabemaske, mit der sich jedes DLRG-Mitglied genau
MehrEinführung ins Experimentieren. Methodenpropädeutikum II Allgemeine Psychologie. Überlegungen zum exp. Design. Adrian Schwaninger & Stefan Michel
Methodenpropädeutikum II Allgemeine Psychologie Adrian Schwaninger & Stefan Michel Einführung ins Experimentieren 1. Fragestellung und Hypothesen 2. Variablen und Operationalisierung UV und Störvariablen
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrWas ist eigentlich MinLand?
Was ist eigentlich MinLand? Mindanao Land Foundation (MinLand) ist eine Organisation in Davao City auf der Insel Mindanao, die im Süden der Philippinen liegt. Erick und die anderen Mitarbeiter von MinLand
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrDemTect. Vorgehen. Beurteilung. 58 DemTect
58 DemTect fällen auch Benzodiazepine. Die richtige Dosierung muss individuell unter Beobachtung der oft sehr unterschiedlich ausgeprägten unerwünschten Wirkungen erprobt werden. Bei der Anwendung von
Mehr