Empirische Forschungsmethoden: Multivariate Datenanalyse
|
|
- Johannes Dresdner
- vor 8 Jahren
- Abrufe
Transkript
1 Vorlesung Empirische Forschungsmethoden: Multivariate Datenanalyse Prof. Dr. Jost Adler Lehrstuhl für Marketing Department of Management & Marketing Universität Duisburg-Essen Umbenennung der Veranstaltungen im Masterprogramm Empirische Forschungsmethoden I (Prof. Schmitz, WS 01/013) wird zu Empirische Forschungsmethoden: Datengewinnung Empirische Forschungsmethoden II (Prof. Adler, SS 013) wird zu Empirische Forschungsmethoden: Multivariate Datenanalyse Univ.-Prof. Dr. Jost Adler 1
2 Klausurstruktur Wahr-Falsch-Fragen (5%) -> 15 Punkte Multiple Choice-Fragen (5%) -> 15 Punkte Text- und Rechenaufgaben (50%) -> 30 Punkte 60 Punkte Univ.-Prof. Dr. Jost Adler 3 SPSS Netzwerk-Lizenz unter Univ.-Prof. Dr. Jost Adler 5
3 Pflichtliteratur Univ.-Prof. Dr. Jost Adler 6 Klausurrelevante Literatur Backhaus, Klaus/Erichson, Bernd/Plinke, Wulff/Weiber, Rolf (011):, 13. Auflage, Berlin u.a (Kapitel 3, 5, 7, 8, 9) Backhaus, Klaus/Erichson, Bernd/Weiber, Rolf (013): Fortgeschrittene,. Aufl. Berlin u.a (Kapitel I.1, I., II.6) Univ.-Prof. Dr. Jost Adler 7 3
4 Ergänzende Literatur Ergänzende Literatur: Aaker, David A./Kumar V./Day, George S. (003): Marketing Research, 7. Auflage, New York 003. Berekoven, Ludwig/Eckert, Werner/Ellenrieder, Peter (004): Marktforschung, 10. Auflage, Wiesbaden 004. Bliemel, Friedhelm/Theobald, Axel (00): Marktforschung im Internet; in: Weiber, Rolf (Hrsg.): Handbuch Electronic Business,. Auflage, Wiesbaden 00. Böhler, Heymo (004): Marktforschung, 3. Auflage, Stuttgart, Berlin, Köln 004. Bühner, Markus (003): Einführung in die Test- und Fragebogenkonstruktion, München 003. Churchill, Gilbert A. Jr./Iacobucci, Dawn (00): Marketing Research, 8. Auflage, Orlando 00 Green, Paul. E./Tull, Donald. S./Albaum, Gerald (1988): Research for Marketing Decisions, 5. Auflage, Englewood Cliffs, N.J., Hair, Joseph F. Jr./Anderson, Rolph E./Tatham, Ronald L./Black, William C. (1998): Multivariate Data Analysis, 5. Auflage, Upper Saddle River, N.J Hammann, P./Erichson, B. (000): Marktforschung, 4. Aufl., Stuttgart 000. Hildebrandt, Lutz (1984): Kausalanalytische Validierung in der Marketingforschung, in: Marketing - ZFP, 6 (1984). Hüttner, Manfred/Schwarting, Ulf (00): Grundzüge der Marktforschung, 7. Auflage, München, Wien Janssens, Wim/Wijnen, Katrien/De Pelsmacker, Patrick/Van Kenhove, Patrick (008): Marketing Research with SPSS, Harlow et al. 008 Malhotra, Naresh K. (003), Marketing Research. An Applied Orientation, Upper Saddle River 003. McDaniel, Carl/Gates, Roger (1999): Contemporary Marketing Research, 4. Auflage, Cincinnati, OH, Meffert, Heribert (199): Marketingforschung und Käuferverhalten,. Auflage, Wiesbaden 199. Schnell, Rainer/Hill, Paul B./Esser, Elke (1999): Methoden der empirischen Sozialforschung, 6. Auflage, München, Wien Zikmund, William G. (000): Exploring Marketing Research, 7. Auflage, Fort Worth 000. Univ.-Prof. Dr. Jost Adler 8 Empirische Forschungsmethoden: Multivariate Datenanalyse 1 Klassifikationsansätze Explorative Verfahren der Datenanalyse (strukturentdeckend).1 Faktorenanalyse. Clusteranalyse.3 Multidimensionale Skalierung 3 Konfirmatorische Verfahren der Datenanalyse (strukturprüfend) 3.1 Nichtlineare Regressionsanalyse 3. Varianzanalyse 3.3 Logistische Regression 3.4 Conjoint Measurement 3.5 Kausalanalyse Univ.-Prof. Dr. Jost Adler 9 4
5 Klassifikation multivariater Analysemethoden nach der zugrundeliegenden Forschungsabsicht Einteilungskriterium strukturbeschreibend Art des Analyseverfahrens deskriptive Datenanalyse Beispiele Mittelwert Streuung Häufigkeiten primär strukturprüfend primär strukturentdeckend konfirmatorische Datenanalyse explorative Datenanalyse Regressionsanalysen Varianzanalyse Diskriminanzanalyse logistische Regression Conjoint-Analyse Kontingenzanalyse Kausalanalyse Faktorenanalyse Clusteranalyse Multidimensionale Skalierung (MDS) Univ.-Prof. Dr. Jost Adler 10 Skalenniveaus und ihre Eigenschaften Skala Merkmal mögliche Rechenoperationen nicht metrische Skalen NOMINAL- SKALA Klassifizierung qualitativer Eigenschaftsausprägungen Bildung von Häufigkeiten ORDINAL- SKALA Rangwert mit Ordinalzahlen Median Quantile metrische Skalen INTERVALL- SKALA Skala mit gleichgroßen Abschnitten ohne natürlichen Nullpunkt Subtraktion Mittelwert VERHÄLTNIS- SKALA Skala mit gleichgroßen Abschnitten und natürlichem Nullpunkt Summe Division Multiplikation Univ.-Prof. Dr. Jost Adler 11 5
6 Empirische Forschungsmethoden: Multivariate Datenanalyse 1 Klassifikationsansätze Explorative Verfahren der Datenanalyse (strukturentdeckend).1 Faktorenanalyse. Clusteranalyse.3 Multidimensionale Skalierung 3 Konfirmatorische Verfahren der Datenanalyse (strukturprüfend) 3.1 Nichtlineare Regressionsanalyse 3. Varianzanalyse 3.3 Logistische Regression 3.4 Conjoint Measurement 3.5 Kausalanalyse Univ.-Prof. Dr. Jost Adler 1 Beispiel: Kundenbindung im Mobilfunk Das Mobilfunkunternehmen M-Talk hat seit einiger Zeit das Problem, dass im Schnitt ca. 30% seiner Kunden ihre Mobilfunkverträge kündigen. Die Geschäftsleitung nimmt dieses Problem sehr ernst und kam in einer ersten Analyse zu dem Ergebnis, dass M-Talk seine Kunden nicht gezielt genug anspricht. Daher wird von Kundenseite auch keine ausreichende Bindung an das Unternehmen aufgebaut. Zur weiteren Analyse dieses Problems und zur Unterbreitung von Lösungsvorschlägen hat die Geschäftsleitung von M-Talk eine Arbeitsgruppe eingerichtet. Diese wird vom Marketingleiter, Herrn Dr. Geyer geleitet. In der konstituierenden Sitzung formulierte Dr. Geyer das Ziel der Arbeitsgruppe wie folgt: "Wir müssen endlich dazu kommen, unsere Kunden in möglichst verschiedene Gruppen einzuteilen, die sich auch wirklich durch ihre Bedürfnisse und ihr Telefonierverhalten unterscheiden. Unsere bisherige umsatzbezogene Einteilung nach ABC-Kunden ist nicht länger tragfähig. Diese Gruppen zu identifizieren, wird die erste Aufgabe von uns sein. Anschließend wird eine zweite Aufgabe darin bestehen, mit den uns vorliegenden Kundendaten, einzelne Personen diesen Gruppen auch zuordnen zu können. Im weiteren Verlauf der Sitzung stellte die Arbeitsgruppe fest, dass ihr zur Bildung von Kundensegmenten Informationen über die genauen Präferenzen der Mobilfunkkunden fehlten. Daher wurde beschlossen, zunächst eine Befragung an einer repräsentativen Stichprobe der Bestandskunden von M-Talk durchzuführen. Mit der Kundenbefragung wurde die Abteilungsleiterin Marktforschung, Frau Dipl.-Kff. Ruppich, beauftragt. Sie erstellte in Zusammenarbeit mit der Marktforschungsagentur MarketInform einen Fragebogen, mit dem insbesondere die Wichtigkeit von unterschiedlichen Kaufkriterien auf einer sechsstufigen Ratingskala abgefragt werden sollte. (vgl. die folgende Folie) Nach zwei Wochen lieferte die Marktforschungsagentur einen Datensatz von 556 befragten Mobilfunkkunden. Da die Zahl der abgefragten Kaufkriterien mit 13 für eine Interpretation relativ groß ist, ließ Frau Ruppich die Daten zunächst mit Hilfe einer Faktorenanalyse verdichten. Die Ergebnisse sind mit Hilfe des Statistikprogramms SPSS ermittelt worden. Univ.-Prof. Dr. Jost Adler 13 6
7 Wie wichtig sind Ihnen folgende Aspekte beim mobilen Telefonieren? günstige Tarife Aussehen/Design des Handy lange Akkustandzeiten hervorragende Netz-/Sprachqualität vielfältige Informationsdienste gute Netzabdeckung Funktionalität des Handy (z. B. SMS, WAP) Erreichbarkeit Indoors Komfortable Mailbox Austauschbarkeit des Handy-Cover Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy zuverlässige und kompetente Hotline Möglichkeit jederzeit den Tarif zu wechseln Univ.-Prof. Dr. Jost Adler 14 sehr wichtig überhaupt nicht wichtig Faktorenanalyse Zielsetzung: Reduktion von hoch korrelierten Variablen auf einige wenige unabhängige Faktoren. Annahme: Die Korrelation zwischen zwei Variablen wird durch eine hypothetische Größe (Faktor) verursacht, die hinter diesen Variablen zu vermuten ist. x 1 x x 3 x 4 x 5 F 1 F Univ.-Prof. Dr. Jost Adler 15 7
8 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Extraktion der Faktoren (Festlegen der Anzahl) Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 16 Vorgehensweise und Probleme der Faktorenanalyse Vorgehensweise 1. Korrelationsberechnung. Bestimmung der Kommunalitäten 3. Faktorextraktion 4. Festlegen der Zahl von Faktoren 5. Rotation Probleme Eignung der Korrelationsmatrix Kommunalitätenschätzung Hauptkomponenten- oder Hauptachsenanalyse Bestimmung der Faktorenzahl 6. Interpretation der Faktoren 7. Berechnung von Faktorwerten Rotationsmethode (z.b. Varimax) Interpretationsproblem Schätzverfahren (z.b. Regression) Univ.-Prof. Dr. Jost Adler 17 8
9 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Extraktion der Faktoren (Festlegen der Anzahl) Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 18 Korrelation Korrelationskoeffizient: rx1,x K k1 K k1 (x (x 1k 1k x )(x x ) 1 mögliche Interpretationen der Korrelation: 1 K k1 k x ) (x k x ) X 1 X 1 X 1 F 1 X X X Univ.-Prof. Dr. Jost Adler 19 9
10 Korrelationsmatrix Korrelation Signifikanz (1-seitig) Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Verfügbarkeit Funktionalität vielfältiger zuverlässige des Handy Logos und Möglichkeit und vielfältige (z.b. SMS, Aussehe Austauschbar Akkustan Klingeltöne für Netzabde Netz-/Spra Erreichbarkeit günstige des kompetente Comfortable Informatio WAP) n/design keit des Cover dzeiten das Handy ckung chqualität Indoors Tarife Tarifwechsels Hotline Mailbox nsdienste Univ.-Prof. Dr. Jost Adler 0 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Extraktion der Faktoren (Festlegen der Anzahl) Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 1 10
11 Verfahren zur Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse (I) 1. Signifikanzniveau der Korrelationen Prüft die Hypothese, dass die Korrelationen gleich Null sind. Bei entsprechendem Signifikanzniveau kann diese Nullhypothese verworfen werden.. Inverse der Korrelationsmatrix Eignung, wenn die Inverse der Korrelationsmatrix eine Diagonalmatrix darstellt, d. h. die Nichtdiagonal-Elemente möglichst nahe Null sind. 3. Bartlett-Test (test of sphericity) Überprüfung der Hypothese, ob die Stichprobe aus einer Grundgesamtheit stammt, in der die Variablen unkorreliert sind. ( KM weicht nur zufällig von der Einheitsmatrix ab) Voraussetzung: Variablen in GG normalverteilt Univ.-Prof. Dr. Jost Adler Korrelationsmatrix Korrelation Signifikanz (1-seitig) Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Verfügbarkeit Funktionalität vielfältiger zuverlässige des Handy Logos und Möglichkeit und vielfältige (z.b. SMS, Aussehe Austauschbar Akkustan Klingeltöne für Netzabde Netz-/Spra Erreichbarkeit günstige des kompetente Comfortable Informatio WAP) n/design keit des Cover dzeiten das Handy ckung chqualität Indoors Tarife Tarifwechsels Hotline Mailbox nsdienste Univ.-Prof. Dr. Jost Adler 3 11
12 Verfahren zur Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse (I) 1. Signifikanzniveau der Korrelationen Prüft die Hypothese, dass die Korrelationen gleich Null sind. Bei entsprechendem Signifikanzniveau kann diese Nullhypothese verworfen werden.. Inverse der Korrelationsmatrix Eignung, wenn die Inverse der Korrelationsmatrix eine Diagonalmatrix darstellt, d. h. die Nichtdiagonal-Elemente möglichst nahe Null sind. 3. Bartlett-Test (test of sphericity) Überprüfung der Hypothese, ob die Stichprobe aus einer Grundgesamtheit stammt, in der die Variablen unkorreliert sind. ( KM weicht nur zufällig von der Einheitsmatrix ab) Voraussetzung: Variablen in GG normalverteilt Univ.-Prof. Dr. Jost Adler 4 Inverse der Korrelationsmatrix Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Verfügbarkeit Funktionalität vielfältiger zuverlässige des Handy Logos und Möglichkeit und vielfältige (z.b. SMS, Aussehe Austauschbar Akkustan Klingeltöne für Netzabde Netz-/Spra Erreichbarkeit günstige des kompetente Comfortable Informatio WAP) n/design keit des Cover dzeiten das Handy ckung chqualität Indoors Tarife Tarifwechsels Hotline Mailbox nsdienste Univ.-Prof. Dr. Jost Adler 5 1
13 Verfahren zur Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse (I) 1. Signifikanzniveau der Korrelationen Prüft die Hypothese, dass die Korrelationen gleich Null sind. Bei entsprechendem Signifikanzniveau kann diese Nullhypothese verworfen werden.. Inverse der Korrelationsmatrix Eignung, wenn die Inverse der Korrelationsmatrix eine Diagonalmatrix darstellt, d. h. die Nichtdiagonal-Elemente möglichst nahe Null sind. 3. Bartlett-Test (test of sphericity) Überprüfung der Hypothese, ob die Stichprobe aus einer Grundgesamtheit stammt, in der die Variablen unkorreliert sind. ( KM weicht nur zufällig von der Einheitsmatrix ab) Voraussetzung: Variablen in GG normalverteilt Univ.-Prof. Dr. Jost Adler 6 KMO- und Bartlett-Test H 0 : Stichprobe stammt aus einer Grundgesamtheit, in der die Variablen unkorreliert sind. KMO- und Bartlett-Test Maß der Stichprobeneignung nach Kaiser-Meyer-Olkin..804 Bartlett-Test auf Sphärizität Ungefähres Chi-Quadrat df Signifikanz nach Bartlett Univ.-Prof. Dr. Jost Adler 7 13
14 Verfahren zur Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse (II) 4. Anti-Image-Kovarianz-Matrix Image: Anteil der Varianz einer Variablen, der durch die verbleibenden Variablen mit Hilfe einer multiplen Regression erklärt werden kann. Anti-Image: Anteil der Varianz, der von den übrigen Variablen unabhängig ist. Eignung: wenn das Anti-Image möglichst gering ausfällt, d.h. der Anteil der Nicht-diagonal-Elemente, die ungleich Null sind (> 0,09 ), in der Anti-Image-Kovarianz-Matrix weniger als 5% beträgt. 5. Kaiser-Meyer-Olkin-Kriterium (Measure of Sampling Adequacy (MSA)) Prüfgröße, die angibt, in welchem Umfang die Ausgangs-variablen insgesamt bzw. individuell zusammenhängen Eignung: MSA 0,8; mindestens jedoch 0,6 Univ.-Prof. Dr. Jost Adler 8 Anti-Image-Matrizen 8 Elemente > 0,09 8/78 = 10,6% << 5% Anti-Image-Kovarianz Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Anti-Image-Korrelation Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Verfügbarkeit Funktionalität vielfältiger zuverlässige des Handy Logos und Möglichkeit und vielfältige (z.b. SMS, Aussehe Austauschbar Akkustan Klingeltöne für Netzabde Netz-/Spra Erreichbarkeit günstige des kompetente Comfortable Informatio WAP) n/design keit des Cover dzeiten das Handy ckung chqualität Indoors Tarife Tarifwechsels Hotline Mailbox nsdienste e e E-0-1.3E E E E E E E E E E E E E E E E E E E E E E E-0.31E E E E E E E E E-0.039E E E E E E E E-0-5.8E E-0-8.0E E-0.664E E E E E E E-0-1.8E E E E E E E E E-0.476E E E E-0.039E-0.664E E E E E E E E E-0.31E E E E E E E E E E E E E E-0.59E E-0.076E E E-0 1.3E E E E E E E E E E E E E E E E E E E E E-0.681E E-0-3.5E E E E E E E E E E E E E-0.976E E-0.476E E E-0 1.3E E E a E E E E E E E E E E a E E E E E E E E E a E-0.966E E E E-0.008E E-0-3.0E a E E E E E-0.15E E E E a E-0.881E E-0.930E E E E E-0.851E-0.966E-0 -.9E a E E E E E E E E E a E E E E E E E E E-0.881E a 3.47E E-0.93E E E E E E E E E E-0.67 a E E E E E E E-0.930E E E E a 5.006E E E E E-0.008E E E E E-0.93E E E-0.6 a E E E-0.15E E E E E E E a E-0-1.0E-0-3.0E E E E E E E E a a. Maß der Stichprobeneignung Univ.-Prof. Dr. Jost Adler 9 14
15 Verfahren zur Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse (II) 4. Anti-Image-Kovarianz-Matrix Image: Anteil der Varianz einer Variablen, der durch die verbleibenden Variablen mit Hilfe einer multiplen Regression erklärt werden kann. Anti-Image: Anteil der Varianz, der von den übrigen Variablen unabhängig ist. Eignung: wenn das Anti-Image möglichst gering ausfällt, d.h. der Anteil der Nicht-diagonal-Elemente, die ungleich Null sind (> 0,09 ), in der Anti-Image-Kovarianz-Matrix weniger als 5% beträgt. 5. Kaiser-Meyer-Olkin-Kriterium (Measure of Sampling Adequacy (MSA)) Prüfgröße, die angibt, in welchem Umfang die Ausgangs-variablen insgesamt bzw. individuell zusammenhängen Eignung: MSA 0,8; mindestens jedoch 0,6 Univ.-Prof. Dr. Jost Adler 30 KMO- und Bartlett-Test KMO- und Bartlett-Test Maß der Stichprobeneignung nach Kaiser-Meyer-Olkin..804 Bartlett-Test auf Sphärizität Ungefähres Chi-Quadrat df Signifikanz nach Bartlett Univ.-Prof. Dr. Jost Adler 31 15
16 Anti-Image-Matrizen Individuelle KMO-Werte Anti-Image-Kovarianz Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Anti-Image-Korrelation Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Verfügbarkeit Funktionalität vielfältiger zuverlässige des Handy Logos und Möglichkeit und vielfältige (z.b. SMS, Aussehe Austauschbar Akkustan Klingeltöne für Netzabde Netz-/Spra Erreichbarkeit günstige des kompetente Comfortable Informatio WAP) n/design keit des Cover dzeiten das Handy ckung chqualität Indoors Tarife Tarifwechsels Hotline Mailbox nsdienste e e E-0-1.3E E E E E E E E E E E E E E E E E E E E E E E-0.31E E E E E E E E E-0.039E E E E E E E E-0-5.8E E-0-8.0E E-0.664E E E E E E E-0-1.8E E E E E E E E E-0.476E E E E-0.039E-0.664E E E E E E E E E-0.31E E E E E E E E E E E E E E-0.59E E-0.076E E E-0 1.3E E E E E E E E E E E E E E E E E E E E E-0.681E E-0-3.5E E E E E E E E E E E E E-0.976E E-0.476E E E-0 1.3E E E a E E E E E E E E E E a E E E E E E E E E a E-0.966E E E E-0.008E E-0-3.0E a E E E E E-0.15E E E E a E-0.881E E-0.930E E E E E-0.851E-0.966E-0 -.9E a E E E E E E E E E a E E E E E E E E E-0.881E a 3.47E E-0.93E E E E E E E E E E-0.67 a E E E E E E E-0.930E E E E a 5.006E E E E E-0.008E E E E E-0.93E E E-0.6 a E E E-0.15E E E E E E E a E-0-1.0E-0-3.0E E E E E E E E a a. Maß der Stichprobeneignung Univ.-Prof. Dr. Jost Adler 3 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Extraktion der Faktoren (Festlegen der Anzahl) Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 33 16
17 Das Fundamentaltheorem der Faktorenanalyse (I) Die Korrelationsmatrix R lässt sich durch die Faktorladungen (Matrix A) und die Korrelationen zwischen den Faktoren (Matrix C) reproduzieren. Bei Unterstellung von unkorrelierten Faktoren entspricht C der Einheitsmatrix Annahme: Jeder Beobachtungswert einer Ausgangsvariablen x j oder der standardisierten Variablen z j lässt sich als eine Linearkombination mehrerer (hypothetischer) Faktoren beschreiben. x kj a j1 p k1 a k Univ.-Prof. Dr. Jost Adler 34 j p... a bzw. für standardisierte x-werte z kj a j1 Z P A' p k1 a j p In Matrixschreibweise: k... a jq jq p p (Grundgleichung der Faktorenanalyse) kq kq Q q1 a jq p kq Bezeichnungen: Merkmalsvariable j Fall/Objekt k Faktor q Faktorladungen a jq Faktorwert p kq Das Fundamentaltheorem der Faktorenanalyse (II) Ermittlung der Korrelationsmatrix R aus den standardisierten Ausgangsdaten (Matrix Z): 1 R Z' Z K 1 Einsetzen von Z = P A : 1 R ( P A' )' ( P A' ) K 1 Ausmultiplizieren der Klammern: 1 1 R A P' P A' A P' P A' K 1 K 1 C R A C A' Bei Unterstellung von unkorrelierten Faktoren: R A A' Univ.-Prof. Dr. Jost Adler 35 17
18 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Extraktion der Faktoren (Festlegen der Anzahl) Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 36 Komponenten der Gesamtvarianz bei einer -Faktoren-Lösung a j1 = 0,7 a j = 0,1 s jrest = 0, Kommunalität h 1 = 0,8 (erklärte Varianz) Univ.-Prof. Dr. Jost Adler 37 18
19 Faktorextraktionsverfahren: Hauptachsenanalyse (I) Annahme: Die gesamte Varianz der Ausgangsvariablen kann nicht vollständig durch die Extraktion von Faktoren erklärt werden, was dadurch zum Ausdruck kommt, dass die Varianz einer Variablen in die Komponenten Kommunalität und Einzelrestvarianz aufgeteilt wird. Ziel: Die Varianzen der Variablen sollen lediglich in Höhe der Kommunalitäten erklärt werden. Bei der Kommunalitätenschätzung werden als "Startwerte immer Werte kleiner 1 vorgegeben. Die Vorgabe kann aufgrund inhaltlicher Überlegungen oder über den Iterationsprozess erfolgen. Die Kommunalitäten werden immer in Höhe der Vorgaben reproduziert, wenn ebenso viele Faktoren wie Variable extrahiert werden (vgl. Anfängliche Statistik). Werden weniger Faktoren als Variable extrahiert, so ergeben sich im Ergebnis (Statistik Extraktion) Kommunalitäten, die i.d.r. kleiner sind als die Vorgaben. Die jeweiligen Differenzen (Vorgabe - Kommunalität) stellen den durch die Faktoren nicht reproduzierten Varianzanteil dar. Univ.-Prof. Dr. Jost Adler 38 Faktorextraktionsverfahren: Hauptachsenanalyse (II) Frage bei der Interpretation der Faktoren: Wie lässt sich die Ursache bezeichnen, die für die hohen Ladungen der Variablen auf diesem Faktor verantwortlich ist?" D. h. der Hauptachsenanalyse liegt eine kausale Interpretation der Faktoren zugrunde. Univ.-Prof. Dr. Jost Adler 39 19
20 Faktorenextraktionsverfahren: Hauptkomponentenanalyse Annahme: Die gesamte Varianz der Ausgangsvariablen kann vollständig durch die Extraktion von Faktoren erklärt werden, d.h. es existiert keine Einzelrestvarianz (spezifische Varianz + Messfehlervarianz). Bei der Kommunalitätenschätzung wird als "Startwert immer der Wert 1 vorgegeben. Die Kommunalitäten von 1 werden immer dann vollständig reproduziert, wenn ebenso viele Faktoren wie Variable extrahiert werden (vgl. Anfängliche Statistik). Werden weniger Faktoren als Variable extrahiert, so ergeben sich im Ergebnis (Statistik Extraktion) Kommunalitäten von kleiner 1. Die jeweiligen Differenzen (1 - Kommunalität) stellen den durch die Faktoren nicht reproduzierten Varianzanteil dar. Frage bei der Interpretation der Faktoren: "Wie lassen sich die auf einen Faktor hoch ladenden Variablen durch einen Sammelbegriff (Komponente) zusammenfassen?" D. h. der Hauptkomponentenanalyse liegt keine kausale Interpretation der Faktoren zugrunde Univ.-Prof. Dr. Jost Adler 40 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Extraktion der Faktoren (Festlegen der Anzahl) Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 41 0
21 Cattell s Scree-Test und Kaiser-Kriterium 5 4 Extraktion von 4 Faktoren Eigenwert 3 Elbow Extraktion von 5 Faktoren 1 Kaiser-Kriterium Zahl der Faktoren Univ.-Prof. Dr. Jost Adler 4 Güte der Faktorenanalyse Faktor Summen von quadrierten Faktorladungen Anfängliche Eigenwerte für Extraktion Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % : Extraktionsmethode: Hauptachsen-Faktorenanalyse. Univ.-Prof. Dr. Jost Adler 43 1
22 Kommunalitäten Funktionalität des Handy (z.b. SMS, WAP) Aussehen/Design Austauschbarkeit des Cover Akkustandzeiten Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors günstige Tarife Möglichkeit des Tarifwechsels zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Extraktionsmethode: Hauptachsen-Faktorenanalyse. Anfänglich Extraktion Univ.-Prof. Dr. Jost Adler 44 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Extraktion der Faktoren (Festlegen der Anzahl) Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 45
23 Faktorladungsmatrix q j Matrix A Akkustandzeiten Austauschbarkeit des Cover Aussehen/Design Funktionalität des Handy (z.b. SMS, WAP) Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Erreichbarkeit Indoors Möglichkeit des Tarifwechsels günstige Tarife R A A' U wobei U = Residuum Univ.-Prof. Dr. Jost Adler 46 Faktor E E E E E E E E E E E E E Kommunalität Eigenwert q j a a jq jq Reproduzierte Korrelationen Reproduzierte Korrelation R^=A*A Residuum a U Verfügbarkeit Funktionalität vielfältiger zuverlässige des Handy Logos und Möglichkeit und vielfältige (z.b. SMS, Aussehe Austauschbar Akkustan Klingeltöne für Netzabde Netz-/Spra Erreichbarkeit günstige des kompetente Comfortable Informatio WAP) n/design keit des Cover dzeiten das Handy ckung chqualität Indoors Tarife Tarifwechsels Hotline Mailbox nsdienste Funktionalität des.645 b E E E-0 Handy (z.b. SMS, WAP) Aussehen/Design b E-0.615E E-03 Austauschbarkeit des b E E-0 Cover Akkustandzeiten b E E-0 Verfügbarkeit vielfältiger Logos und Klingeltöne b E E E E-03 für das Handy Netzabdeckung b E E-0 Netz-/Sprachqualität b E E E-03 Erreichbarkeit Indoors b E E-0.893E-0 günstige Tarife b e E E-0 Möglichkeit des E b 1.498E E E-0 Tarifwechsels zuverlässige und -9.64E E E E E E-0.88E E b kompetente Hotline Comfortable Mailbox E-0.615E E-0 -.6E E E E E E b.448 vielfältige -.793E E E E E E E E E E b Informationsdienste Funktionalität des 1.756E E E E E E E E E E E E-0 Handy (z.b. SMS, WAP) Aussehen/Design 1.756E E E-0.090E E E E E E E E E-03 Austauschbarkeit des -.818E E E E E E E E E E E E-0 Cover Akkustandzeiten 1.449E E E E E E E E E E E E-0 Verfügbarkeit vielfältiger Logos und Klingeltöne E E E E E E E E E E E-0.690E-03 für das Handy Netzabdeckung E E E E E E E E E E E E-0 Netz-/Sprachqualität 8.745E E-0 -.5E-0-1.4E E E E E E E E E-03 Erreichbarkeit Indoors E E E E E E E E E E-0.95E-03.71E-0 günstige Tarife -1.97E E E E E E E E E E E E-0 Möglichkeit des 3.744E E E E E E E E E E E E-0 Tarifwechsels zuverlässige und -1.45E E E E E-0 1.3E-0.679E E E E-03.45E E-03 kompetente Hotline Comfortable Mailbox 7.676E E E E E-0-8.0E E-04.95E E E-03.45E E-03 vielfältige 1.067E E E E-0.690E E E-03.71E E E E E-03 Informationsdienste Extraktionsmethode: Hauptachsen-Faktorenanalyse. a. Residuen werden zwischen beobachteten und reproduzierten Korrelationen berechnet. Es gibt 0 (.0%) nichtredundante Residuen mit Absolutwerten > 0,05. b. Reproduzierte Kommunalitäten Univ.-Prof. Dr. Jost Adler 47 3
24 Interpretationshilfe durch Faktorrotation: Rotierte Faktorladungen Univ.-Prof. Dr. Jost Adler 48 Interpretation der Faktoren: Rotierte Faktorladungsmatrix Faktoren: Akkustandzeiten Austauschbarkeit des Cover Aussehen/Design Handy Funktionalität des Handy (z.b. SMS, WAP) Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy Netzabdeckung Netz-/Sprachqualität Erreichbarkeit Indoors zuverlässige und kompetente Hotline Comfortable Mailbox vielfältige Informationsdienste Möglichkeit des Tarifwechsels günstige Tarife Extraktionsmethode: Hauptachsen-Faktorenanalyse. Rotationsmethode: Varimax mit Kaiser-Normalisierung. a. Die Rotation ist in 5 Iterationen konvergiert. Netz Faktor E E E E E E E E E E-0 4.5E E E E E E-0-8.0E E-0.897E E E-03 Service E E-03.6E E E E-0.741E Tarif E-0.77 Univ.-Prof. Dr. Jost Adler 49 4
25 Ablaufschritte einer Faktorenanalyse Berechnung der Korrelationsmatrix auf Basis standardisierter Ausgangsdaten Prüfung der Eignung der Korrelationsmatrix für eine Faktorenanalyse Bestimmung der Kommunalitäten und des Verfahrens zur Extraktion der Faktoren Extraktion der Faktoren (Festlegen der Anzahl) Ermittlung der Faktorladungen und Faktorinterpretation (Faktorrotation) Bestimmung von Faktorwerten Univ.-Prof. Dr. Jost Adler 50 Besonderheiten von Faktorwerten Der Faktorwert spiegelt die Ausprägung eines bestimmten Objektes (Fall) bei einem bestimmten Faktor wider. Faktorwerte sind standardisierte Größen und besitzen immer eine relative Aussage im Sinne einer positiven oder negativen Abweichung vom Durchschnitt. 1 Berechnung bspw. über Regression: P Z A ( A' A) Interpretation: negativer Faktorwert: Objekt im Vergleich zu allen anderen Objekten auf diesem Faktor unterdurchschnittlich ausgeprägt Faktorwert = 0: Objekt im Vergleich zu allen anderen Objekten auf diesem Faktor durchschnittlich ausgeprägt positiver Faktorwert: Objekt im Vergleich zu allen anderen Objekten auf diesem Faktor überdurchschnittlich ausgeprägt Univ.-Prof. Dr. Jost Adler 51 5
26 Positionierung anhand von Faktorwerten Faktor Univ.-Prof. Dr. Jost Adler 5 Faktor 1 Wie wichtig sind Ihnen folgende Aspekte beim mobilen Telefonieren? günstige Tarife Aussehen/Design des Handy lange Akkustandzeiten hervorragende Netz-/Sprachqualität vielfältige Informationsdienste gute Netzabdeckung Funktionalität des Handy (z. B. SMS, WAP) Erreichbarkeit Indoors Komfortable Mailbox Austauschbarkeit des Handy-Cover Verfügbarkeit vielfältiger Logos und Klingeltöne für das Handy zuverlässige und kompetente Hotline Möglichkeit jederzeit den Tarif zu wechseln Univ.-Prof. Dr. Jost Adler 53 sehr wichtig überhaupt nicht wichtig
27 Zentrale Begriffe der Faktorenanalyse Korrelation: Der Korrelationskoeffizient r gibt die Stärke des Zusammenhangs zwischen zwei Variablen an und liegt absolut zwischen 0 und 1. Kommunalität: Die Kommunalität einer Variablen gibt an, welchen Beitrag alle Faktoren gemeinsam zur Erklärung der Varianz einer Variablen liefern. (= i a j : Summierung der quadrierten Faktorladungen je Variable j über alle Faktoren i) Eigenwert: Der Eigenwert eines Faktors gibt an, welchen Beitrag dieser Faktor zur Erklärung der Gesamtvarianz liefert. (= j a i : Summierung der quadrierten Faktorladungen je Faktor i über alle Variablen j) Faktorladung: Die Faktorladung a einer Variable gibt an, wie stark diese Variable mit einem Faktor korreliert ist. Univ.-Prof. Dr. Jost Adler 54 Zusammenfassung der Rechenschritte einer Faktorenanalyse Univ.-Prof. Dr. Jost Adler 55 7
28 Praktische Anwendung in SPSS Getting Started (I) 1. Analysemethode auswählen Univ.-Prof. Dr. Jost Adler 57 8
29 Getting Started (II). Variablen in das Modell einbeziehen 3. Deskriptive Statistiken wählen 6. Rotation: Varimax (rechtwinklig) 4. Option Sortiert nach Größe wählen 5. Extraktion: Analyseverfahren wählen Univ.-Prof. Dr. Jost Adler 58 Aufgabe: Faktorenanalyse In einer empirischen Erhebung wurden elf Automobilmarken im Hinblick auf bestimmte Eigenschaften beurteilt. Im einzelnen handelte es sich um die in der Abbildung angeführten Marken und Eigenschaften. 0 Personen wurden befragt. Obwohl die 0 Personen alle Marken beurteilt haben und somit nicht ausgeschlossen werden kann, dass die Beurteilung der Marken nicht unabhängig erfolgte, wird dies für die weitere Analyse unterstellt. Bei empirischen Untersuchungen ist jedoch darauf zu achten, dass unsere Annahme auch tatsächlich erfüllt ist. Die Daten stellen entsprechend Mittelwerte über die 0 Befragten dar. Die Marken werden als Fälle interpretiert. Es sollte auf Basis dieser Befragung geprüft werden, ob die zehn Eigenschaften alle unabhängig voneinander zur (subjektiven) Beurteilung der Marken notwendig waren oder ob bestimmte komplexere Faktoren eine hinreichend genaue Beurteilung geben. In einem zweiten Schritt sollten die Marken entsprechend der Faktorenausprägung positioniert werden. Univ.-Prof. Dr. Jost Adler 59 9
30 Aufgabe: Faktorenanalyse Marken Eigenschaften 1 Toyota A Ersatzteilverfügbarkeit Opel B Rabatte 3 Mitsubishi C Wartungsintervall 4 Mercedes D Preisgünstigkeit 5 BMW E Fahrkomfort 6 Porsche F Motorleistung 7 Rover G Ersatzwagen 8 Mazda H Sicherheit 9 Volvo I Korrosionsanfälligkeit 10 VW J Notfallhilfe 11 Ford Führen Sie eine Faktoranalyse durch! Univ.-Prof. Dr. Jost Adler 60 Empirische Forschungsmethoden: Multivariate Datenanalyse 1 Klassifikationsansätze Explorative Verfahren der Datenanalyse (strukturentdeckend).1 Faktorenanalyse. Clusteranalyse.3 Multidimensionale Skalierung 3 Konfirmatorische Verfahren der Datenanalyse (strukturprüfend) 3.1 Nichtlineare Regressionsanalyse 3. Varianzanalyse 3.3 Logistische Regression 3.4 Conjoint Measurement 3.5 Kausalanalyse Univ.-Prof. Dr. Jost Adler 61 30
31 Beispiel: Kundenbindung im Mobilfunk (Forts.) Nachdem Frau Ruppich die Ergebnisse hinsichtlich der Kaufkriterien der Arbeitsgruppe präsentiert hat, soll in einem weiteren Analyseschritt eine Gruppierung der befragten Mobilfunkkunden vorgenommen werden. Hierzu wird auf Basis der errechneten Faktorwerte eine Clusteranalyse durchgeführt. Die Ergebnisse der Custeranalyse sind für 57 repräsentativ ausgewählte Befragungsteilnehmer anhand des Statistikpaketes SPSS ermittelt worden. In der nächsten Sitzung der Arbeitsgruppe erläutert Frau Ruppich die Ergebnisse der Gruppierung. Zur Präsentation der Ergebnisse hat Frau Ruppich neben dem Dendrogramm noch zwei weitere Charts mitgebracht: Fehlerquadratsumme durchschnittlicher Faktorwert 1 0,5 0-0,5-1 -1,5 - -,5 Faktor 1 Faktor Faktor 3 Faktor 4 0, ,55E-0-0, ,9571 Cluster 1 Cluster 1 Cluster Cluster 3 Cluster Cluster Cluster -6,55E-0 0, , , Cluster 3 0,51-0, , , Cluster 4 -, ,11E-0-0, ,07476 Univ.-Prof. Dr. Jost Adler 6 Ablauf einer Clusteranalyse Bestimmung der zu klassifizierenden Objekte und Auswahl der Beurteilungsvariablen Feststellung des Proximitätsmaßes Wahl des Fusionierungsalgorithmus Bestimmung der optimalen Gruppenzahl Durchführung des Gruppierungsvorgangs Beurteilung der gefundenen Clusterlösung Univ.-Prof. Dr. Jost Adler 63 31
32 Grundprobleme bzw. Entscheidungstatbestände der Clusteranalyse Wahl des Proximitätsmaßes metrisches Skalenniveau Quadrierte Euklidische Distanz nominales Skalenniveau Wahl des Fusionierungsalgorithmus Single Linkage Complete Linkage Ward Festlegung der Zahl der Cluster Elbow-Kriterium Stopping Rules Test von Mojena Beurteilung und Interpretation der gefundenen Cluster-Lösung F-Werte T-Werte Univ.-Prof. Dr. Jost Adler 64 Ablauf einer Clusteranalyse Bestimmung der zu klassifizierenden Objekte und Auswahl der Beurteilungsvariablen Feststellung des Proximitätsmaßes Wahl des Fusionierungsalgorithmus Bestimmung der optimalen Gruppenzahl Durchführung des Gruppierungsvorgangs Beurteilung der gefundenen Clusterlösung Univ.-Prof. Dr. Jost Adler 65 3
33 Ablauf einer Clusteranalyse Bestimmung der zu klassifizierenden Objekte und Auswahl der Beurteilungsvariablen Feststellung des Proximitätsmaßes Wahl des Fusionierungsalgorithmus Bestimmung der optimalen Gruppenzahl Durchführung des Gruppierungsvorgangs Beurteilung der gefundenen Clusterlösung Univ.-Prof. Dr. Jost Adler 66 Überblick über ausgewählte Proximitätsmaße Proximitätsmaße bei Nominal-Skalen bei metrischen Skalen Tanimoto- Koeffizient M- Koeffizient Kulczynski- Koeffizient L 1 -Norm Q-Korre- lations- Koeffizient RR- Koeffizient Dice- Koeffizient L -Norm Mahalanobis- Distanz Univ.-Prof. Dr. Jost Adler 67 33
34 Ausgangsdatenmatrix zur Darstellung von Ähnlichkeitskoeffizienten bei binären Variablen Merkmale Objekte Objekt Objekt Muster Objekt 3 a1 a0 1c a1 d1 b1 1c b1 d1 b0 Objekt Anzahl4 a 0 = b = c = 1 0 1d = 0 Objekt Objekt Objekt Univ.-Prof. Dr. Jost Adler 68 Kombinationsmöglichkeiten binärer Variablen Objekt 1 Eigenschaft vorhanden (1) Eigenschaft nicht vorhanden (0) Eigenschaft vorhanden (1) a b Objekt Eigenschaft nicht vorhanden (0) c d Zeilensumme a + c b + d Spaltensumme a + b c + d m Univ.-Prof. Dr. Jost Adler 69 34
35 Kombinationsmöglichkeiten binärer Variablen Objekt 1 Eigenschaft vorhanden (1) Eigenschaft nicht vorhanden (0) Eigenschaft vorhanden (1) a = 3 b = 3 Objekt Eigenschaft nicht vorhanden (0) c = d = Zeilensumme a + c = 5 b + d = 5 Spaltensumme a + b = 6 c + d = 4 m = 10 Univ.-Prof. Dr. Jost Adler 70 Definition ausgewählter Ähnlichkeitsmaße bei binären Variablen Ähnlichkeit von Objekt i und j: Name des Koeffizienten Tanimoto (Jaccard) Simple Matching (M) Russel & Rao (RR) Dice Kulczynski s ij Univ.-Prof. Dr. Jost Adler 71 a δ d a δ d λ(b c) Gewichtungsfaktoren / - - und m = a+b+c+d Definition a a b c a d m a m a a (b c) a b c 35
Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION
Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 2. FS Master Rehabilitationspsychologie, SoSe 2012 Faktorenanalyse/ faktorielle Validität 2 Einleitung Allgemeines zu Faktorenanalysen (FA)
MehrAbb. 30: Antwortprofil zum Statement Diese Kennzahl ist sinnvoll
Reklamationsquote Stornierungsquote Inkassoquote Customer-Lifetime-Value Hinsichtlich der obengenannten Kennzahlen bzw. Kontrollgrößen für die Neukundengewinnung wurden den befragten Unternehmen drei Statements
MehrInstitut für Marketing und Handel Prof. Dr. W. Toporowski. SPSS Übung 5. Heutige Themen: Faktorenanalyse. Einführung in Amos
SPSS Übung 5 Heutige Themen: Faktorenanalyse Einführung in Amos 1 Faktorenanalyse Datei Öffnen V:/Lehre/Handelswissenschaft/Daten_Übung3/Preisimage_F_und_C.sav 2 Datensatz (I) v1 Wenn Produkte zu Sonderpreisen
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
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
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3
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
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
MehrFaktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
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.
MehrMarktforschung und Datenanalyse
Marktforschung und Datenanalyse Lehrstuhl für BWL, insb. Marketing von Prof. Dr. Reinhold Decker Dozentin: Anja Hörmeyer (M.Sc.) Universität Bielefeld, Lehrstuhl für BWL, insb. Marketing 1 Anja Hörmeyer
MehrDie Clusteranalyse 24.06.2009. Clusteranalyse. Grundidee Mögliche Anwendungsgebiete gg Vorgehensweise Beispiele. methodenlehre ll Clusteranalyse
Clusteranalyse Thomas Schäfer SS 2009 1 Die Clusteranalyse Grundidee Mögliche Anwendungsgebiete gg Vorgehensweise Beispiele Thomas Schäfer SS 2009 2 1 Die Clusteranalyse Grundidee: Eine heterogene Gesamtheit
MehrInhaltsverzeichnis. Abbildungsverzeichnis...III. 1 Management Summary... 1. 2 Einleitung... 5. 3 Vorgehensweise und Methodik... 6
I Inhaltsverzeichnis Abbildungsverzeichnis...III 1 Management Summary... 1 2 Einleitung... 5 3 Vorgehensweise und Methodik... 6 3.1 Sekundärerhebung...6 3.2 Primärerhebung...14 3.2.1 Design der empirischen
MehrPfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Pfadanalyse Bacher, SoSe2007 1. Grundlegende Verfahren Explorative Pfadanalyse: Kausale Beziehungen zwischen Variablen werden aufgedeckt, erforderlich ist eine kausale Anordnung der Variablen. Konfirmatorische
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
MehrDirekter Verkauf von Produkten. 2.2.2.3.1. Antwortprofil
2.2.2.3. Direkter Verkauf von Produkten 2.2.2.3.1. Antwortprofil Bei der Zielsetzung direkter Verkauf von Produkten kristallisieren sich insbesondere zwei Methoden heraus, die mit dieser Zielsetzung zum
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
Mehr26. GIL Jahrestagung
GeorgAugustUniversität Göttingen 26. GIL Jahrestagung Einsatz von künstlichen Neuronalen Netzen im Informationsmanagement der Land und Ernährungswirtschaft: Ein empirischer Methodenvergleich Holger Schulze,
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
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,
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrHans-Friedrich Eckey SS 2004. Skript zur Lehrveranstaltung Multivariate Statistik
Hans-Friedrich Eckey SS 2004 Skript zur Lehrveranstaltung Multivariate Statistik Vormerkungen I Vorbemerkungen Das Manuskript beinhaltet den gesamten Stoff, der Bestandteil der Lehrveranstaltung "Multivariate
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
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
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf
Mehr5 Zusammenhangsmaße, Korrelation und Regression
5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
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
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
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
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
MehrFaktorenanalyse. Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie
Faktorenanalyse Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie Seminar: Multivariate Analysemethoden Seminarleiter: Dr. Thomas Schäfer Referenten:
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
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
MehrFlorian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
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...
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
MehrStichprobenauslegung. für stetige und binäre Datentypen
Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung
MehrAbb. 28: Antwortprofil zur Frage Zielsetzung beim Einsatz der Neukundengewinnung: Gewinnung von Interessenten
2. Zielsetzungen beim Einsatz der Methoden der Neukundengewinnung: G ew innung von Interessenten 1 = trifft nicht zu 7 = trifft zu 1 2 3 4 5 6 7 Katalog Solo-Mailing Verbundmailing Beilagen Paketbeilage
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
MehrErgebnisse Kundenbefragung
Ergebnisse Kundenbefragung MCP mein coach + partner Im Schollengarten 1d 76646 Bruchsal Ansprechpartner: Steffen Ansmann Projektleiter Innovations- und Marktforschung TÜV Rheinland Kraftfahrt GmbH Am Grauen
MehrErfüllen wir Ihre Erwartungen?
S Berliner Sparkasse Erfüllen wir Ihre Erwartungen? Loyalitäts- und Zufriedenheitsbefragung in der BusinessLine. Ergebnisse 2012. Vorwort Liebe Kundin, lieber Kunde, eine lebendige Kundenbeziehung entsteht
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.
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?
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
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
MehrHauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften
Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Fehlende Daten in der Multivariaten Statistik SS 2011 Allgemeines Das Seminar richtet sich in erster Linie an Studierende
MehrEiner Reihe von Merkmalen zugrunde liegende, gemeinsame Faktoren ermitteln.
Faktoranalysen Aufbau 1. Sinn und Zweck 2. Eigenschaften der Merkmale 3. Extraktion der Faktoren 4. Anzahl der Faktoren 5. Rotation der Faktoren 6. Interpretation der Faktoren Sinn und Zweck Einer Reihe
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
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
MehrStudie: Gastarifrechner 2010. Testsieger Portal AG, Hamburg, 16. Dezember 2010
Studie: Gastarifrechner 2010 Testsieger Portal AG, Hamburg, 16. Dezember 2010 Übersicht 1 2 3 Zusammenfassung der Ergebnisse Methodik Gesamtergebnis Seite 2 1. Zusammenfassung der Ergebnisse Gesamtsieger
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrDie Klimaforscher sind sich längst nicht sicher. Hans Mathias Kepplinger Senja Post
1 Die Klimaforscher sind sich längst nicht sicher Hans Mathias Kepplinger Senja Post In: Die Welt, 25. September 2007 - Dokumentation der verwandten Daten - 2 Tabelle 1: Gefährlichkeit des Klimawandels
MehrElternumfrage 2014. Kita und Reception. Campus Hamburg
Elternumfrage 2014 Kita und Reception Campus Ergebnisse der Elternumfrage 2014 Um die Auswertung der Elternumfrage 2014 richtig lesen und interpretieren zu können, sollten folgende Punkte beachtet werden:
MehrAbamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER
Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit
MehrWelche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?
Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp
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
MehrIhr Mandant möchte einen neuen Gesellschafter aufnehmen. In welcher Höhe wäre eine Vergütung inklusive Tantieme steuerrechtlich zulässig?
Ihr Mandant möchte einen neuen Gesellschafter aufnehmen. In welcher Höhe wäre eine Vergütung inklusive Tantieme steuerrechtlich zulässig? Oft wirft die Aufnahme neuer Gesellschafter oder auch die Einstellung
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
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
MehrUNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG
UNIVERSITÄT LEIPZIG WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT DIPLOM-PRÜFUNG DATUM: 13. Juli 2009 FACH: TEILGEBIET: KLAUSURDAUER: Allgemeine Betriebswirtschaftslehre SL-Schein Marketing II 60 Minuten PRÜFER:
MehrCross-Selling bei Versicherungen. Empirische Analyse zu Status quo, Trends und zukünftigen Anforderungen
Georg Wittmann Christiane Früchtl Silke Weisheit Cross-Selling bei Versicherungen Empirische Analyse zu Status quo, Trends und zukünftigen Management Summary In der Studie Cross-Selling bei Versicherungen
Mehr«Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen
18 «Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen teilnimmt und teilhat.» 3Das Konzept der Funktionalen
MehrStudiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
MehrGRUPPENARBEIT MARKTFORSCHUNG. Marketing Management Seminar
GRUPPENARBEIT MARKTFORSCHUNG Marketing Management Seminar Agenda Aufgabenstellung Zielgruppe Testanordnung Fragebogen Auswertung Analyse Erkenntnisse Aufgabenstellung Marken-Fruchtsafthersteller Ein Marken
MehrIntrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung
Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
MehrKonfiguration einer Sparkassen-Chipkarte in StarMoney
Konfiguration einer Sparkassen-Chipkarte in StarMoney In dieser Anleitung möchten wir Ihnen die Kontoeinrichtung in StarMoney anhand einer vorliegenden Sparkassen-Chipkarte erklären. Die Screenshots in
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
MehrWERKZEUG KUNDENGRUPPEN BILDEN
Integrierter MarketinXervice Dr. Rüdiger Alte Wilhelm-Busch-Straße 27 99099 Erfurt Tel.: 0361 / 55 45 84 38 WERKZEUG GRUPPEN BILDEN Die folgenden Fragen mögen Ihnen helfen, Kriterien aufzustellen, anhand
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrÜbungen zur Vorlesung Induktive Statistik Bedingte Wahrscheinlichkeiten
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@dvz.fh-koeln.de Aufgabe 3.1 Übungen zur Vorlesung Induktive Statistik Bedingte Wahrscheinlichkeiten
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrBeurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln
Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich
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)
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
MehrWie Projektziele gemessen werden können oder wie man Indikatoren entwickeln kann?
Innovationstransferund Forschungsinstitut für berufliche Aus-und Weiterbildung SCHWERIN Wie Projektziele gemessen werden können oder wie man Indikatoren entwickeln kann? von Dr. Walter Gürth Workshop der
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
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrPRÜFBERICHT ERSTELLT FÜR:
PRÜFBERICHT ERSTELLT FÜR: AOK PLUS Die Gesundheitskasse für Sachsen und Thüringen Zertifizierung im Bereich Kinder- und Familienfreundlichkeit Datum: 22. August 2012 KONTAKTDATEN Institut für angewandte
MehrStandardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten
DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG
MehrAccess [basics] Rechnen in Berichten. Beispieldatenbank. Datensatzweise berechnen. Berechnung im Textfeld. Reporting in Berichten Rechnen in Berichten
Berichte bieten die gleichen Möglichkeit zur Berechnung von Werten wie Formulare und noch einige mehr. Im Gegensatz zu Formularen bieten Berichte die Möglichkeit, eine laufende Summe zu bilden oder Berechnungen
MehrMultivariate Analysemethoden
Multivariate Analysemethoden 30.04.2014 Günter Meinhardt Johannes Gutenberg Universität Mainz Einführung Was sind multivariate Analysemethoden? Vorlesung Übung/Tut Prüfung Verfahrensdarstellung in Überblick
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrMobile Umfragen Responsive Design (Smartphone & Tablet)
Mobile Umfragen Responsive Design ( & Tablet) Umfragen und Umfragedesign für mobile Endgräte mit der Umfragesoftware von easyfeedback. Inhaltsübersicht Account anlegen... 3 Mobile Umfragen (Responsive
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
Mehr