Varianzanalyse. SeKo. Heute. Vivien Röder, M.Sc.Psych. Professur für Forschungsmethodik & Evaluation

Größe: px
Ab Seite anzeigen:

Download "Varianzanalyse. SeKo. Heute. Vivien Röder, M.Sc.Psych. Professur für Forschungsmethodik & Evaluation"

Transkript

1 ÜbungMethodenlehreII, SeKo VivienRöder,M.Sc.Psych. ProfessurfürForschungsmethodik&Evaluation Einführung wieso,weshalb,warum?, Inferenzstatistik wirwollenanhandeinerstatistik SchlussaufdiePopulationziehen IstdasSPErgebniszufälligzustandegekommenoder nicht? Ausgangspunkt:statistischeHypothese,dievor Testdurchführungfestgelegtwird BerechnungeinespWertes Idee:jekleinerp,umsowenigerwahrscheinlich,dass dasergebniszufälligzustandegekommenist zustande gekommen ist AlldashattenwirbeitTestschonmal. Wasistanders??? anders??? Überblick Einführung Heute Einfaktorielle Mehrfaktorielle MöglichkeitmehralsGruppenzuvergleichen g WarumnichtmehreretTests? 7Gruppen:1Vergleiche 1xfalschsignifikant signifikant bei=5% pfürfehlentscheidung kumuliertes Omnibushypothese Gruppenmittelwerteunterscheidensichirgendwieunterscheiden sich irgendwie FTest,,ANOVA Einfaktoriell,mehrfaktoriell,abhängigeStichproben abhängige 4

2 Idee und Berechnung Beispielaufgabe Unterrichtsmethode 70 Varianzzerlegung AV Varianz erhalb der Gruppe Rauschen F ˆ ˆ 46 8, 1, Varianz ischenden Gruppen Effekt durch Manipulation Gruppenunterricht Selbststudium Einzelunterricht E-Learning 4Unterrichtsmethoden 6 5 AV:Test(010Punkte) F ˆ ˆ , 46 1, k n x x j j j 1 j 1 i 1 k n j xij x j A B C 5 7 Berechnung (einfaktoriell, unabhängige SP) Quadratsummen ˆ ges = + F ˆ, derabweichungendergruppenmittel wertevomgesamtmittelwert bedingtdurch erklärte,systematischevarianz derabweichungendereinzelwerte erhalbeinergruppevomgruppenmittelwert bedingtdurchstörvariablenundmessfehler nichterklärtevarianz,fehlervarianz F-Verteilung & Beispielaufgabe F emp >F krit,um H 0 zurück zuweisen FWerte immer positiv,da Varianzen immer positiv ˆ F, Bsp: ˆ F(,)=8.1 F krit =,4 8

3 Effektgröße ² & Beispielaufgabe mehrfaktorielle Unterschiedsmaß Konventionen: kleinereffektab0,01 mittlerereffektab0,06 großereffektab0,14 b0 F ˆ ˆ 70 8, 46 1, Beispiel:² =70/(70+46)=0,60 = 0 60 Mehrfaktoriell =mehrere Bsp:xDesign:mitb.Ausprägungen Interaktionenischenmöglich BeiFWerteberechenbar FfürFaktorA(HaupteffektfürFaktorA) FfürFaktorB(HaupteffektfürFaktorB) FfürInteraktionAB Bei7FWerte eu ete xhaupteffekt,xinteraktionvon,1xinteraktion aller 9 11 Fazit einfache mehrfaktorielle Bsp. Vorlesung Was? Signifikanztest fürundmehrgruppen Omnibushypothese Einfaktoriell 1,beliebigvieleAusprägungen Mehrfaktoriell mehrere,beliebigvieleausprägungen Bsp:Studiengang:Psycho,Seko,Wiwi; n Psycho =n Seko =n Wiwi =6 Freiheitsgrade? Psycho Seko Wiwi g F(,15)=.61 Effektgröße(einfaktoriell,ua.SP) Placebo Dosis_1 Dosis_ Männer Frauen Faktoren:Geschlecht&Dosis Waskannichberechnen? HaupteffektGeschlecht HaupteffektTherapie InteraktionGeschlechtxTherapie 10 1

4 mehrfaktorielle Bsp. Vorlesung mehrfaktorielle - Übungsaufgabe VonehemaligenStudierenden,dieihrGeldaus4unterschiedlichenQuellen bezogenhaben,solldiegesamtstudiendauer(insemestern)erfasst erfasst werden.(diestichprobesetztsichzugleichenteilenausweiblichenund männlichenstudierendenzusammen.) 1.WennmandieseDatenmittelseinereifaktoriellen testet, wassinddanndiestatistischenhypothesen?.berechnedie( = 5%)! 1 15 mehrfaktorielle ANOVA Bsp. Vorlesung SPSS mehrfaktorielle - Übungsaufgabe Tests der Zwischensubjekteffekte Abhängige Variable: Depsivität Typ III Quadratischer Partielles Eta Quelle Quadratsumme Mittelwert F Sig. hoch ei Korrigiertes Modell 17,944 a 5 4,589,684,075,58 Konstanter Term 50, ,89 90,5,000,970 sex Dosis (Therapie) sex * Dosis Fehler Gesamtsumme 4,7 1 4,7,694,17,18 4,778 17,89 1,49,96,184 10,444 51,7 4,01,046, , , , Korrigierter Gesamtwert 7, a. R-Quadrat =,58 (Angepasstes R-Quadrat =,1) sex Geldquelle Eltern Bafög Teilzeit Ganztag weiblich männlich

5 mehrfaktorielle Übungsaufgabe Post-Hoc Tests Faktoren:Geschlecht&Geldquelle Waskannichberechnen? HaupteffektGeschlecht HaupteffektGeldquelle InteraktionGeschlechtxGeldquelle :Omnibushypothese Wennsignifikant:unklarwarum PosthocTests Explorativ KontrollierekumuliertenFehler Powersinkt 17 Abhängige Variable: Studiendauer ; Bonferroni Mittelwertdiffer Mehrfachvergleiche 95 % Konfidenzintervall (I) Geldquelle (J) Geldquelle enz (I-J) Standarehler Sig. Untergrenze Obergrenze Eltern Bafög,00 1,,569-1,7 5,7 Teilzeitjob -4,00 * 1,,010-7,7 -,7 Ganztagsjob -6,00 * 1,,000-9,7 -,7 Bafög Eltern -,00 1,,569-5,7 1,7 Teilzeitjob -6,00 * 1,,000-9,7 -,7 Ganztagsjob -8, * 1,,000-11,7-4,7 47 Teilzeitjob Eltern 4,00 * 1,,010,7 7,7 Bafög 6,00 * 1,,000,7 9,7 Ganztagsjob -,00 1,,569-5,7 1,7 Ganztagsjob Eltern 6,00 * 1,,000,7 9,7 Bafög 8,00 * 1,,000 4,7 11,7 Teilzeitjob,00 1,,569-1,7 5,7 19 mehrfaktorielle - Übungsaufgabe Einführung Abhängige Variable: Semesteranzahl Quelle Korrigiertes Modell Konstanter Term Geldquelle sex Geldquelle * sex Tests der Zwischensubjekteffekte Quadratsumme vom Typ III Mittel der Quadrate F Sig. 580,000 a 7 8,857 1,75, , ,000 11,481, ,000 1, 19,75,000 40, ,000 5,96,01 140,000 46,667 6,914,001 IndenBedingungensinddieselben(=Mess wiederholung)odergepaartepersonen g HomogenereGruppen geringerefehlervarianz mehrpower Sequenzeffekte Fehler Gesamt Korrigierte Gesamtvariation,000 6, , ,000 9 a. R-Quadrat =,79 (korrigiertes R-Quadrat =,669) 18 0

6 t-test EinBasketballSportvereinhatsichentschlossen,einspezielles TrainingfürKorbwürfemitden6MitgliedernseinerA Mannschaftdurchführenzulassen.MitdiesemTrainingsollen diespielernachnureinerwochedeutlichmehrpunkte erzielenkönnen.dietabellezeigtdiepunktzahlender einzelnenspieler,diesievorb.nachdem Trainingsprogrammmit0Würfen erzielenkonnten.essolldiefrage Spieler vorher nachher 1 5 geprüftwerden,obdastraining das 5 1 tatsächlichzueinerbedeutsamen 0 VerbesserungderSpielleistungführt g WassindNull undalternativhypothese? ÜberprüfenSie,obdasTrainingzueinersigni.Verbesserungführte. 1 VerändertAntiStstrainingdieAggsivitätjugendlicher Straftäter?ÜberderVerlaufeinesdreimonatigen AntiStstrainingswurdenvonvierTeilnehmernamEnde vier am jedesmonatsaggsivitätsfragebögen(0bis40punkte) erhoben. Straftäter 1Monat Monate Monate Wassind:,AV,H0,H1? sind: H1? ÜberprüfenSiedieH1! GebenSieeineEffektgrößean! eine t-test Spieler vorher nachher Nachvor MW,5 Straftäter 1Monat Monate Monate

7 Straftäter 1Monat Monate Monate F(,6)=10, Maß: MEASURE_1 SPSS Tests der Innersubjekteffekte Quadratis cher Partielles Eta hoch Quelle Typ III Mittelwert F Sig. ei Faktor1 Angenommene Sphärizität, ,000 10,15,01,771 Greenhouse- Geisser,000 1,679 18,67 10,15,019,771 Huynh-Feldt (HF),000, ,000 10,15,01,771 Fehler (Faktor1) Untergrenze,000 1,000,000 10,15,050,771 Angenommene Sphärizität 64, ,667 Greenhouse- Geisser 64,000 5,06 1,708 Huynh-Feldt (HF) 64,000 6,000 10,667 Untergrenze 64,000,000 1, 5 7 F-Verteilung & Beispielaufgabe Bsp. für zu Hause F emp >F krit,um H 0 zurück zuweisen an FWerte immer positiv,da Varianzen immer positiv Bsp: F(,6)=

8 F ˆ ˆ =k-=-1= k n j1 Bsp. für zu Hause Männchen A Männchen B Männchen C Weibchen ,00 Weibchen 8 6,67 Weibchen 7 5,00 Weibchen , X j X 49,75 17,5 4 17,5 48 9,75, ,00 =175 =17, ,5 117, gesamt gesamt k n X ij X j1 i1 Pers (0 17,5)... (9 17,5) 1188, n Pers k X i X 17,5, ,5 17,5 0, 17,5 8, 85 i1 gesamt Pers 1188, 117,48 8,85 11,89 =(k-1)(n-1)= =6 117,48 568,74 F 87,4 11,89 1, ,48 P 0,99 117,48 11,89 F (,6) = 87,4 > F krit, 5%(,6) = 5,14 signifikant 9

SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben

SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen

Mehr

Hypothesentests mit SPSS

Hypothesentests mit SPSS Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht

Mehr

SozialwissenschaftlerInnen II

SozialwissenschaftlerInnen II Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik

Mehr

Einführung in die Varianzanalyse mit SPSS

Einführung in die Varianzanalyse mit SPSS Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen

Mehr

Messwiederholungen und abhängige Messungen

Messwiederholungen und abhängige Messungen Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse

Mehr

Aufgaben zu Kapitel 5:

Aufgaben zu Kapitel 5: Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:

Mehr

Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte

Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Einfaktorielle Varianzanalyse Vergleich mehrerer Mittelwerte Es wurden die anorganischen Phosphatwerte im Serum (mg/dl) eine Stunde nach einem Glukosetoleranztest bei übergewichtigen Personen mit Hyperinsulinämie,

Mehr

Mathematische und statistische Methoden I

Mathematische und statistische Methoden I Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de

Mehr

A.1 Fragebogen der Untersuchung von Burisch (2002)

A.1 Fragebogen der Untersuchung von Burisch (2002) A.1 Fragebogen der Untersuchung von Burisch (2002) Anhang Seite A-1 Anhang Seite A-2 Anhang Seite A-3 Anhang Seite A-4 Anhang Seite A-5 Anhang Seite A-6 Anhang Seite A-7 A.2 LISREL Referenzblatt (Universität

Mehr

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter

Mehr

Nichtparametrische Varianzanalysen - praktische Anwendung

Nichtparametrische Varianzanalysen - praktische Anwendung Nichtparametrische Varianzanalysen - praktische Anwendung Nichtparametrische Varianzanalysen sind primär anzuwenden, wenn die abhängige Variable entweder metrisch ist und die Voraussetzungen Normalverteilung

Mehr

Aufgaben zu Kapitel 7:

Aufgaben zu Kapitel 7: Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn

Mehr

SPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1

SPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1 SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter

Mehr

SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.

SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ

Mehr

Anhang A: Fragebögen und sonstige Unterlagen

Anhang A: Fragebögen und sonstige Unterlagen Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft

Mehr

Aufgaben zu Kapitel 7:

Aufgaben zu Kapitel 7: Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn

Mehr

Methodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie

Mehr

Statistik-Team. Tobias Kley: Übung: Freitag, Uhr, HGA 10 Tutorium (SPSS) - ab

Statistik-Team. Tobias Kley: Übung: Freitag, Uhr, HGA 10 Tutorium (SPSS) - ab Statistik-Team Tobias Kley: tobikley@uni-muenster.de Übung: Freitag, 9.00-10.00 Uhr, HGA 10 Tutorium (SPSS) - ab 26.10.2009 Koordination: Dr. Helge Thiemann Helge.Thiemann-i5m@ruhr-uni-bochum.de 0234/

Mehr

Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben

Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)

Mehr

methodenlehre ll ALM und Mehrfaktorielle ANOVA Mehrfaktorielle ANOVA methodenlehre ll ALM und Mehrfaktorielle ANOVA

methodenlehre ll ALM und Mehrfaktorielle ANOVA Mehrfaktorielle ANOVA methodenlehre ll ALM und Mehrfaktorielle ANOVA 15.04.009 Das Allgemeine lineare Modell Post hoc Tests bei der ANOVA Mehrfatorielle ANOVA Thomas Schäfer SS 009 1 Das Allgemeine lineare Modell (ALM) Varianz als Schlüsselonzept "The main technical function

Mehr

Anwendungsaufgaben. Effektgröße bei df Zähler = df A = 1 und N = 40 (zu berechnen aus df Nenner ): Der aufgedeckte Effekt beträgt also etwa 23 %.

Anwendungsaufgaben. Effektgröße bei df Zähler = df A = 1 und N = 40 (zu berechnen aus df Nenner ): Der aufgedeckte Effekt beträgt also etwa 23 %. Anhang A: Lösungen der Aufgaben 39 beiden Kombinationen sehr hoch ist. (Dieses Ergebnis wäre aber in diesem Beispiel nicht plausibel.) 5. Der Faktor A und die Wechselwirkung werden signifikant: Lärm hat

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a) LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;

Mehr

Statistik II Übung 3: Hypothesentests

Statistik II Übung 3: Hypothesentests Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden

Mehr

1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis

1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis 1. Inhaltsverzeichnis 1. Inhaltsverzeichnis... 1 2. Abbildungsverzeichnis... 1 3. Einleitung... 2 4. Beschreibung der Datenquelle...2 5. Allgemeine Auswertungen...3 6. Detaillierte Auswertungen... 7 Zusammenhang

Mehr

Statistik II Übung 3: Hypothesentests Aktualisiert am

Statistik II Übung 3: Hypothesentests Aktualisiert am Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier

Mehr

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert

Mehr

Prüfungsliteratur: Rudolf & Müller S

Prüfungsliteratur: Rudolf & Müller S 1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit

Mehr

Mehrfaktorielle Varianzanalyse

Mehrfaktorielle Varianzanalyse Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen

Mehr

Prüfungsliteratur: Rudolf & Müller S

Prüfungsliteratur: Rudolf & Müller S 1 Beispiele zur univariaten Varianzanalyse 2 Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Kovarianzanalyse 5 Multivariate Varianzanalyse 6 Zweifaktorielle Varianzanalyse

Mehr

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0)

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0) Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische e Lösung von Grundaufgaben mit SPSS (ab V..0) Text: akmv_v.doc Daten: akmv??.sav Lehrbuch: W. Timischl, Biostatistik. Wien - New York:

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 10.1.5 Varianzanalyse (ANOVA: analysis of variance ) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder werden zwei unterschiedliche

Mehr

UE Angewandte Statistik Termin 4 Gruppenvergleichstests

UE Angewandte Statistik Termin 4 Gruppenvergleichstests UE Angewandte Statistik Termin 4 Gruppenvergleichstests Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Allgemeiner Überblick... 1 2 Normalverteilung... 2 2.1 Explorative Datenanalyse...

Mehr

Mathematische und statistische Methoden I

Mathematische und statistische Methoden I Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 6-6) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de

Mehr

Stichprobenumfangsplanung

Stichprobenumfangsplanung Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße

Mehr

Vorlesung: Multivariate Statistik für Psychologen

Vorlesung: Multivariate Statistik für Psychologen Vorlesung: Multivariate Statistik für Psychologen 10. Vorlesung: 1.0.2003 Agenda 3. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse Grundidee und Ziele der MANOVA Beispiele

Mehr

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen

Mehr

5. Lektion: Einfache Signifikanztests

5. Lektion: Einfache Signifikanztests Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen

Mehr

Informationen zur KLAUSUR am

Informationen zur KLAUSUR am Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,

Mehr

Skript zur Vorlesung Statistik 2

Skript zur Vorlesung Statistik 2 Weder die Autorin noch der Fachschaftsrat Psychologie übernimmt Irgendwelche Verantwortung für dieses Skript. Das Skript soll nicht die Lektüre der Prüfungsliteratur ersetzen. Verbesserungen und Korrekturen

Mehr

Inhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen

Inhaltsverzeichnis Einführung und deskriptive Statistik Grundlagen der Inferenzstatistik 1: Zufallsvariablen Inhaltsverzeichnis 1 Einführung und deskriptive Statistik... 1 1.1 Wichtige mathematische Schreibweisen... 1 1.1.1 Das Summenzeichen... 1 1.1.2 Mengentheoretische Schreibweisen... 3 1.1.3 Variablentransformationen...

Mehr

VS PLUS

VS PLUS VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN

Mehr

Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.

Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt

Mehr

Inferenzstatistik verstehen

Inferenzstatistik verstehen Markus Janczyk Roland Pfister Inferenzstatistik verstehen Von A wie Signifikanztest bis Z wie Konfidenzintervall ^ Springer Spektrum vii 1 Einführung und deskriptive Statistik 1 1.1 Wichtige mathematische

Mehr

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate 31 und 31 und (), Methode der 33 Das allgemeine (), Methode der kleinsten Quadrate 36 Kovarianzanalyse 37 Modelle mit Messwiederholungen 1 / 85 Eine grundsätzliche Bemerkung zu Beginn Es bestehen viele

Mehr

13. Anhang. Teilstudie 1. Anhang 1: Fragebogen zur Hauptbefragung der Schüler. Anhang 2: Fragebogen zur Vorbefragung der Schüler

13. Anhang. Teilstudie 1. Anhang 1: Fragebogen zur Hauptbefragung der Schüler. Anhang 2: Fragebogen zur Vorbefragung der Schüler . Anhang. Anhang Teilstudie Anhang : Fragebogen zur Hauptbefragung der Schüler Anhang : Fragebogen zur Vorbefragung der Schüler Anhang : Fragebogen zur Vorbefragung der Lehrer Anhang 4: Statistische Berechnungen

Mehr

Ergebnisreferat Forschungsmethodik II bei Michael Kickmeier-Rust Institut für Psychologie der Karl-Franzens-Uni Graz

Ergebnisreferat Forschungsmethodik II bei Michael Kickmeier-Rust Institut für Psychologie der Karl-Franzens-Uni Graz Ergebnisreferat Forschungsmethodik II bei Michael Kickmeier-Rust Institut für Psychologie der Karl-Franzens-Uni Graz Sophie Fürstenberg Maria Morozova Lisa Ochsenhofer Kristian Trubelja 09.06.2010 Untersuchung:

Mehr

1 Übungsaufgaben zur Regressionsanalyse

1 Übungsaufgaben zur Regressionsanalyse 1 Übungsaufgaben zur Regressionsanalyse 1 1 Übungsaufgaben zur Regressionsanalyse 1.1 Übungsaufgaben zu Seite 1 und 2 1. Wie lautet die Regressionsfunktion? 2. Welche Absatzmenge ist im Durchschnitt bei

Mehr

SPSS III Mittelwerte vergleichen

SPSS III Mittelwerte vergleichen SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen

Mehr

Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.

Etwas 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

Mehr

Varianzanalyse mit Messwiederholungen (fortgesetzt) path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/"))

Varianzanalyse mit Messwiederholungen (fortgesetzt) path = Verzeichnis wo Sie anova1 gespeichert haben attach(paste(path, anova1, sep=/)) Varianzanalyse mit Messwiederholungen (fortgesetzt) Jonathan Harrington Befehle: anova3.txt path = "Verzeichnis wo Sie anova1 gespeichert haben" attach(paste(path, "anova1", sep="/")) 1. Greenhouse-Geisser

Mehr

Webergänzung zu Kapitel 10

Webergänzung 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

Mehr

Veränderte Nutzung? Soziale Unterschiede bei der Inanspruchnahme öffentlicher Kinderbetreuung

Veränderte Nutzung? Soziale Unterschiede bei der Inanspruchnahme öffentlicher Kinderbetreuung Veränderte Nutzung? Soziale Unterschiede bei der Inanspruchnahme öffentlicher Kinderbetreuung Dr. Christian Alt Deutsches Jugendinstitut München Vortrag auf der DJI-Jahrestagung Betreute Kindheit neue

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft

Mehr

Simon Hux Universität Zürich. Junior Management Science 2(3) (2017)

Simon Hux Universität Zürich. Junior Management Science 2(3) (2017) Universität Zürich Junior Management Science 2(3) (2017) 73-103 Anhang Anhang A: Bemerkung: Online-Fragenbogen Ein Eingabefeld zum Anklicken wird mittels Kreis symbolisiert. Eine kurze, dünne Linie stellt

Mehr

1. Es sind einfach zu viele! Varianzanalytische Verfahren.

1. Es sind einfach zu viele! Varianzanalytische Verfahren. 1. Es sind einfach zu viele! Varianzanalytische Verfahren. In diesem Kapitel behandeln wir die Varianzanalyse (ANOVA). Varianzanalysen kommen in sehr sehr vielen verschiedenen Gestalten einher. Das Ziel

Mehr

Lernziele Experimentelles Praktikum

Lernziele Experimentelles Praktikum Lernziele Experimentelles Praktikum Inhaltsverzeichnis 1. Theoretischer Hintergrund des Artikels 2. Grundlagen des Experimentierens 3. Schritte der allgemeinen Versuchsplanung 4. Unabhängige Variablen

Mehr

Jun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König. Interventionsstudien. Workshop am Tag der Zentren (PH Weingarten am

Jun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König. Interventionsstudien. Workshop am Tag der Zentren (PH Weingarten am Jun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König Interventionsstudien Workshop am Tag der Zentren (PH Weingarten am 5.0.015) Weingarten, Balingen, 1.11.007 den 5.0.015 S. König & S. Lukas Folie 1 Agenda

Mehr

Vorlesung: Multivariate Statistik für Psychologen

Vorlesung: Multivariate Statistik für Psychologen Vorlesung: Multivariate Statistik für Psychologen 7. Vorlesung: 05.05.2003 Agenda 2. Multiple Regression i. Grundlagen ii. iii. iv. Statistisches Modell Verallgemeinerung des Stichprobenmodells auf Populationsebene

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

Vorlesung: Multivariate Statistik für Psychologen

Vorlesung: Multivariate Statistik für Psychologen Vorlesung: Multivariate Statistik für Psychologen 9. Vorlesung: 12.05.2003 Agenda 2. Univariate Varianzanalyse iv. Varianzanalyse als Spezialfall der Regression Zusammenhang Regression und Varianzanalyse

Mehr

a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen

a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen 2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall

Mehr

Inhaltsverzeichnis. Über die Autoren Einleitung... 21

Inhaltsverzeichnis. Über die Autoren Einleitung... 21 Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die

Mehr

entschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.

entschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind. Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen

Mehr

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des. Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre

Mehr

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II

ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung 7.1 Einfaktorielle Varianzanalyse mit Messwiederholung 1 Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 2 Teststärkebestimmung a posteriori

Mehr

Einige Kriterien für die Durchführung einer Varianzanalyse. Jonathan Harrington

Einige Kriterien für die Durchführung einer Varianzanalyse. Jonathan Harrington Einige Kriterien für die Durchführung einer Varianzanalyse Jonathan Harrington ANOVA und Versuchspersonen Zwei Bedingungen für die Durchführung eines ANOVAS Between Within Die selbe Anzahl (meistens mindestens

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori Berechnen der Effektgröße f aus empirischen Daten und Bestimmung

Mehr

Kapitel 6: Zweifaktorielle Varianzanalyse

Kapitel 6: Zweifaktorielle Varianzanalyse Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung

Mehr

Online Statistik-Coaching

Online Statistik-Coaching Online Statistik-Coaching Modul 3 Statistisches Testen - Auswahl der passenden Methode - Durchführung mit SPSS - Interpretation und Darstellung Dipl.-Math. Daniela Keller www.statistik-und-beratung.de

Mehr

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate

3.3 Das allgemeine lineare Modell (ALM), Methode der kleinsten Quadrate 31 und 31 und (), Methode der 33 Das allgemeine (), Methode der kleinsten Quadrate 37 Modelle mit Messwiederholungen 1 / 113 Eine grundsätzliche Bemerkung zu Beginn Es bestehen viele Ähnlichkeiten zwischen

Mehr

Einfaktorielle Varianzanalysen

Einfaktorielle Varianzanalysen Einfaktorielle Varianzanalysen Einfaktorielle Varianzanalysen Um eine einfaktorielle Varianzanalyse mit MAXQDA Stats zu berechnen, wählen Sie im Hauptmenü den Eintrag Gruppenvergleiche > Varianzanalyse.

Mehr

Musterlösung. Modulklausur Multivariate Verfahren

Musterlösung. Modulklausur Multivariate Verfahren Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn

Mehr

Signifikanzprüfung. Peter Wilhelm Herbstsemester 2016

Signifikanzprüfung. Peter Wilhelm Herbstsemester 2016 Signifikanzprüfung Peter Wilhelm Herbstsemester 2016 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha-Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und

Mehr

Abhängigkeitsstruktur bei der zweifaktoriellen Varianzanalyse mit Wechselwirkung. Faktor A (qualitative Variable) Abhängige Variable Y (quantitative)

Abhängigkeitsstruktur bei der zweifaktoriellen Varianzanalyse mit Wechselwirkung. Faktor A (qualitative Variable) Abhängige Variable Y (quantitative) B. Modell der zweifaktoriellen Varianzanalyse mit Wechselwirkungen Eine Wechselwirkung (Interaktion) zwischen den beiden Faktoren A und B liegt vor, wenn über die einzelnen Faktoreffekte hinaus bestimmte

Mehr

Varianzanalyse (ANOVA: analysis of variance)

Varianzanalyse (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.

Mehr

Statistische Methoden in den Umweltwissenschaften

Statistische Methoden in den Umweltwissenschaften Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10

Mehr

8. G*Power. power3/ 8. Stichprobenumfang, Effekt- und Teststärke

8. G*Power.  power3/ 8. Stichprobenumfang, Effekt- und Teststärke 8. G*Power http://www.psycho.uniduesseldorf.de/abteilungen/aap/g power3/ 8. Stichprobenumfang, Effekt- und Teststärke 8. Stichprobenumfangsplanung, Effektstärken und Teststärkenberechnung mit G*Power 3.0

Mehr

Mittelwertvergleiche, Teil I: Zwei Gruppen

Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil I: Zwei Gruppen FB W. Ludwig-Mayerhofer Statistik II Mittelwertvergleiche Mittelwertvergleiche:

Mehr

Die Varianzanalyse. Jonathan Harrington

Die Varianzanalyse. Jonathan Harrington Die Varianzanalyse Jonathan Harrington Anova und t- test t- test oder ANOVA (Analysis of Variance = Varianzanalyse) Ein Faktor mit 2 Stufen ANOVA Hat Geschlecht einen Einfluss auf die Dauer? Ein Faktor

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung

Mehr

Ergebnisse VitA und VitVM

Ergebnisse VitA und VitVM Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15

Mehr

Konfidenzintervalle. SeKo. Heute. Konjunktion, Disjunktion, bedingte Wahrscheinlichkeit

Konfidenzintervalle. SeKo. Heute. Konjunktion, Disjunktion, bedingte Wahrscheinlichkeit Übung Methodenlehre I, SeKo Vivien Röder Professur für Forschungsmethodik & Evaluation Wiederholung Wahrscheinlichkeitstheorie Konjunktion, Disjunktion, bedingte Wahrscheinlichkeit P(Methodenverständnis

Mehr

2.5 Lineare Regressionsmodelle

2.5 Lineare Regressionsmodelle 2.5.1 Wiederholung aus Statistik I Gegeben Datenpunkte (Y i, X i ) schätze die beste Gerade Y i = β 0 + β 1 X i, i = 1,..., n. 2 Induktive Statistik 409 Bsp. 2.30. [Kaffeeverkauf auf drei Flohmärkten]

Mehr

ANalysis Of VAriance (ANOVA) 1/2

ANalysis Of VAriance (ANOVA) 1/2 ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?

Mehr

Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten

Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor

Mehr

Kontrastanalyse Kontrastanalyse

Kontrastanalyse Kontrastanalyse 8.4.9 analyse Thomas Schäfer SS 9 analyse Fragen, die Sie schon beantworten önnen: Unterscheiden sich die Mittelwerte über verschiedene Gruppen hinweg irgendwie? (Omnibushypothesen) Varianzanalyse Fragen,

Mehr

Methodenlehre. Vorlesung 6. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 6. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 6 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft

Mehr

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav Beispiel für eine multivariate Varianzanalyse () Daten: POKIV_Terror_V12.sav Es soll überprüft werden, inwieweit das ATB-Syndrom (Angst vor mit den drei Subskalen affektive Angst von, Terrorpersistenz,

Mehr

Seminar: Multivariate Analysemethoden. Dozent: Dr. Thomas Schäfer. Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz

Seminar: Multivariate Analysemethoden. Dozent: Dr. Thomas Schäfer. Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz Seminar: Multivariate Analysemethoden Dozent: Dr. Thomas Schäfer Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz 22.05.2012 GLIEDERUNG 1. Einführung 1.1 unsere Fragestellungen 1.2 unsere

Mehr