Multivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.167
|
|
- Evagret Friedrich
- vor 7 Jahren
- Abrufe
Transkript
1 Multivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.167
2 Multivariate Regression Verfahren zur Prüfung des gemeinsamen linearen Einflusses mehrerer unabhängiger Variablen auf eine metrische abhängige Variable Analog zur bivariaten Regression wird auch hier die Abhängige als lineare Funktion der Unabhängigen modelliert: y = a + b 1 x 1 + b 2 x 2 mit a = Regressionskonstante b 1 = Steigungskoeffizient des ersten Merkmals x 1 = Ausprägung des ersten Merkmals b 2 = Steigungskoeffizient des zweiten Merkmals x 2 = Ausprägung des zweiten Merkmals Auch hier ist das Ziel, eine Gerade zu finden, die Quadratsumme der Residuen minimiert, also folgender Gleichung genügt: (yi ŷ i ) 2 = min! Statistik für SozialwissenschaftlerInnen II p.168
3 Beispiel Multivariate Regression Hypothesen: A: Je größer der Anteil der Katholiken, desto besser das CDU-Ergebnis. B: Je höher die Arbeitslosenquote, desto schlechter das CDU-Ergebnis. Wahlkreis y: CDU % x 1 : Kath. % x 2 : Arbeitslos % Neuwied 44,21 55,55 10,1 Ahrweiler 50,13 81,99 9,6 Koblenz 46,6 73,14 9,3 Cochem 50,94 70,78 10,8 Kreuznach 39,1 32,6 12 Bitburg 52,68 91,4 9,3 Trier 44,82 87,97 9,9 Montabaur 43,42 50,76 8,4 Mainz 40,86 51,36 8,3 Worms 37,99 32,81 9,6 Frankenthal 39,71 31,98 10,6 Ludwigshafen 40,86 38,01 10,1 Neustadt - S 46,48 45,61 9,3 Kaiserslautern 37,68 34,89 14,4 Pirmasens 42,79 45,98 14,4 Südpfalz 45,09 55,07 10,1 Statistik für SozialwissenschaftlerInnen II p.169
4 Berechnung der Regressionskoeffizienten Wie auch bei der bivariaten Regression werden die Regressionskoeffizienten a, b 1 und b 2 mit der Methode der kleinsten Quadrate geschätzt. Da die Ableitung der Koeffizienten ausgesprochen kompliziert ist, hier nur die Formeln der linearen Regression mit 2 Unabhängigen: a = ȳ b 1 x 1 b 2 x 2 b 1 = r yx 1 r yx2 r x1 x 2 1 r 2 x 1 x 2 s y s x1 b 2 = r yx 2 r yx1 r x1 x 2 1 r 2 x 1 x 2 s y s x2 Die Koeffizienten können zwischen ± schwanken, mit 0 als neutralem Wert, bei dem kein Effekt der Variable angenommen werden kann. Statistik für SozialwissenschaftlerInnen II p.170
5 Beispiel: Regressionskoeffizienten Korrelationsmatrix Stdabw. Mittelw Fälle y x 1 x 2 s n y 1 0,85-0,35 4,59 43,96 16 x 1 1-0,37 20,23 54,99 16 x 2 1 1,80 10,39 16 b 1 = r yx 1 r yx2 r x1 x 2 1 r 2 x 1 x 2 s y s x1 = 0, 85 ( 0, 35 0, 37) 1 ( 0, 37) 2 4, 59 20, 23 = 0, 19 b 2 = r yx 2 r yx1 r x1 x 2 1 r 2 x 1 x 2 s y s x2 = 0, 35 (0, 85 0, 37) 4, 59 1 ( 0, 37) 2 1, 8 = 0, 10 a = ȳ b 1 x 1 b 2 x 2 = 42, 96 0, 19 54, , 10 10, 39 = 34, 64 Statistik für SozialwissenschaftlerInnen II p.171
6 Standardisierte Koeffizienten Regressionskoeffizienten (b i ) sind abhängig von der Skala der unabhängigen Variablen und können daher nicht miteinander verglichen werden (bzgl. Stärke des Effektes) Abhilfe: Standardisierte Koeffizienten b i sie sind skalenunabhängig und schwanken zwischen 1 und +1: b 1 = r yx 1 r yx2 r x1 x 2 1 r 2 x 1 x 2 = b 1 s x 1 s y b 2 = r yx 2 r yx1 r x1 x 2 1 r 2 x 1 x 2 = b 2 s x 2 s y Je näher b i an +1( 1), desto stärker der positive (negative) Zusammenhang. 0 bedeutet kein Effekt. b Koeffizienten werden von Statistikprogrammen meist mit β bezeichnet. Statistik für SozialwissenschaftlerInnen II p.172
7 Beispiel: Standardisierte Koeffizienten Für unser Beispiel erhalten wir mit den Werten aus der Korrelationsmatrix: b 1 = b 1 s x 1 s y = 0, 19 20, 23 4, 59 b 2 = b 2 s x 2 s y = 0, 10 1, 8 4, 59 = 0, 84 = 0, 04 Demnach ist der Effekt des Katholizismus wesentlich stärker als der der regionalen Arbeitslosigkeit. Statistik für SozialwissenschaftlerInnen II p.173
8 Der Determinationskoeffizient R 2 Die Berechnung und Interpretation des Determinationskoeffizienten erfolgt auf gleiche Weise wie bei der bivariaten Regression: R 2 ist das Verhältnis der erklärten Streuung zur Gesamtstreuung: R 2 = erklärte Streuung Gesamtstreuung = n (ŷ i ȳ) 2 i=1 n (y i ȳ) 2 i=1 Statistik für SozialwissenschaftlerInnen II p.174
9 Beispiel: R 2 Wahlkreis y i ŷ i (y i ȳ) (y i ȳ) 2 (ŷ i ȳ) (ŷ i ȳ) 2 Neuwied 44,21 44,10 0,25 0,06 0,14 0,02 Ahrweiler 50,13 49,18 6,17 38,07 5,22 27,26 Koblenz 46,6 47,53 2,64 6,97 3,57 12,76 Cochem 50,94 46,92 6,98 48,72 2,96 8,73 Kreuznach 39,1 39,52 4,86 23,62 4,44 19,69 Bitburg 52,68 51,00 8,72 76,04 7,04 49,61 Trier 44,82 50,28 0,86 0,74 6,32 40,00 Montabaur 43,42 43,38 0,54 0,29 0,58 0,34 Mainz 40,86 43,50 3,1 9,61 0,46 0,21 Worms 37,99 39,83 5,97 35,64 4,13 17,05 Frankenthal 39,71 39,56 4,25 18,06 4,40 19,35 Ludwigshafen 40,86 40,76 3,1 9,61 3,20 10,22 Neustadt - Sp 46,48 42,30 2,52 6,35 1,66 2,76 Kaiserslautern 37,68 39,69 6,28 39,44 4,27 18,24 Pirmasens 42,79 41,80 1,17 1,37 2,16 4,68 Südpfalz 45,09 44,01 1,13 1,28 0,05 0,00 703,36 315,87 230,93 ȳ 43,96 R 2 = n i=1 (ŷ i ȳ) 2 n i=1 (y i ȳ) 2 = 230,93 315,87 = 0, 73 Statistik für SozialwissenschaftlerInnen II p.175
10 Signifikanztest Gesamtmodell Um zu überprüfen, ob dem Modell als Ganzes Signifikanz zugeschrieben werden kann, wird eine F -verteilte Prüfgröße berechnet Der Signifikanztest testet die Hypothese H 0 : alle β i = 0 H 1 : mindestens ein β i 0 Berechnung von F emp nach der Formel F emp = R 2 k 1 R 2 n k 1 mit df Zähler = k und df Nenner = n k 1 mit n =Zahl der Fälle k =Zahl der Unabhängigen Statistik für SozialwissenschaftlerInnen II p.176
11 Beispiel Signifikanz Gesamtmodell Da in unserem Beispiel R 2 = 0, 73 und n = 16; k = 2 kann F emp berechnet werden als F emp = R 2 k 1 R 2 n k 1 = 0, , = 17, 57 mit df Zähler = 2 und df Nenner = 13 kann für α = 0, 05 ein kritisches F von 3,81 ermittelt werden. Da F emp > F krit wird die H 0 verworfen und die H 1 beibehalten. Mindestens ein β-koeffizient ist ungleich Null. Statistik für SozialwissenschaftlerInnen II p.177
12 mit Signifikanztest Koeffizienten Um eine Aussage darüber machen zu können, welche der einzelnen unabhängigen Variablen einen signifikanten Effekt auf die Abhängige ausüben, müssen die einzelnen Koeffizienten auf Signifikanz geprüft werden: H 0 : β i = 0 (ungerichtet, auch gerichtet möglich) Die Prüfgröße folgt einer t-verteilung und ist bereits aus der bivariaten Regressionsanalyse bekannt: t = b i s bi mit df = n k 1 s bi = Standardfehler des Regressionskoeffizienten b i Statistik für SozialwissenschaftlerInnen II p.178
13 Beispiel Signifikanz d. Koeffizienten Da der F -Test keine Auskunft darüber gegeben hatte, welche Koeffizienten sich von Null unterscheiden, müssen die Koeffizienten von Katholizismus (x 1 ) und Arbeitslosigkeit (x 2 ) noch einzeln auf Signifikanz geprüft werden: für x 1 (Katholizsmus): H 1 : β > 0; H 0 : β 0 für x 2 (Arbeitslosigkeit): H 1 : β < 0; H 0 : β 0 Die Standardfehler der Koeffizienten lauten: s b1 = 0, 035 und s b2 = 0, 394, also sind für x 1 : t emp = b 1 s b1 = 0,19 0,035 für x 2 : t emp = b 2 s b2 = 0,10 0,394 = 5, 43 mit df = 13 = 0, 25 mit df = 13 Statistik für SozialwissenschaftlerInnen II p.179
Bivariate lineare Regression. Statistik für SozialwissenschaftlerInnen II p.154
Bivariate lineare Regression Statistik für SozialwissenschaftlerInnen II p.154 Grundidee und Typen der Regression Die Regressionsanalyse dient zur Quantifizierung des Zusammenhangs und der statistisch
MehrLineare Korrelation. Statistik für SozialwissenschaftlerInnen II p.143
Lineare Korrelation Statistik für SozialwissenschaftlerInnen II p.143 Produkt-Moment-Korrelation Der Produkt-Moment-Korrelationskoffizient r von Pearson ist ein Zusammenhangsmaß für metrische Variablen
MehrMethodik der multiplen linearen Regression
Methodik der multiplen linearen Regression Sibel Aydemir Statistisches Amt, Direktorium Landeshauptstadt München Name, Stadt Regressionsanalyse: Schritt für Schritt Schritt 1 Schritt 2 Schritt 3 Schritt
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
MehrTEIL 13: DIE EINFACHE LINEARE REGRESSION
TEIL 13: DIE EINFACHE LINEARE REGRESSION Die einfache lineare Regression Grundlagen Die einfache lineare Regression ist ebenfalls den bivariaten Verfahren für metrische Daten zuzuordnen 1 Sie hat einen
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Das lineare Regressionsmodell Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrÜbungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse. Lösungsblatt zu Nr. 2
Martin-Luther-Universität Halle-Wittenberg Institut für Soziologie Dr. Wolfgang Langer 1 Übungsblätter zu Methoden der Empirischen Sozialforschung IV: Regressionsanalyse Lösungsblatt zu Nr. 2 1. a) Je
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
MehrI.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03
I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 Vorlesung: 12.11.2002 He uses statistics as a drunken man use lampposts - for support rather than for illumination. Andrew Lang Dr. Wolfgang Langer
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
MehrMittelwertvergleiche, Teil II: Varianzanalyse
FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als
MehrDrittvariablenkontrolle in der linearen Regression: Trivariate Regression
Drittvariablenkontrolle in der linearen Regression: Trivariate Regression 14. Januar 2002 In der Tabellenanalyse wird bei der Drittvariablenkontrolle für jede Ausprägung der Kontrollvariablen eine Partialtabelle
MehrVorlesung Wirtschaftsstatistik 2 (FK 040637) Multiple lineare Regression. Dipl.-Ing. Robin Ristl Wintersemester 2012/13
Vorlesung Wirtschaftsstatistik 2 (FK 040637) Multiple lineare Regression Dipl.-Ing. Robin Ristl Wintersemester 2012/13 1 Grundidee: Eine abhängige Variable soll als Linearkombination mehrerer unabhängiger
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
MehrSozialwissenschaftlerInnen 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
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrWiederholung Drittvariablen Nicht-lineare Effekte Zusammenfassung. Regression III. Statistik I. Sommersemester 2009. Statistik I Regression III (1/36)
Regression III Statistik I Sommersemester 2009 Statistik I Regression III (1/36) Wiederholung Zuwandererquote FN 2004 10 15 20 25 5 10 15 20 Statistik I Regression III (2/36) Zum Nachlesen Agresti/Finlay
MehrBiometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern
Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem
MehrDie Korrelation von Merkmalen
Die Korrelation von Merkmalen In der Analse von Datenmaterial ist eines der Hauptziele der Statistik eine Abhängigkeit bzw. einen Zusammenhang zwischen Merkmalen zu erkennen. Die Korrelation ermittelt
MehrTest von Hypothesen: Signifikanz des Zusammenhangs (F-Test)
Test von Hyothesen: Signifikanz des Zusammenhangs (F-Test) Die Schätzung der Regressionsfunktion basiert auf Daten einer Stichrobe Inwiefern können die Ergebnisse dieser Schätzung auf die Grundgesamtheit
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 28. August 2009 28. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Korrelation vs. Regression 2. Ziel der Regressionsanalyse 3. Syntax für den
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick 1. Korrelation vs. Regression 2. Ziele der Regressionsanalyse 3. Syntax für
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
MehrTEIL 13: DIE LINEARE REGRESSION
TEIL 13: DIE LINEARE REGRESSION Dozent: Dawid Bekalarczyk GLIEDERUNG Dozent: Dawid Bekalarczyk Lineare Regression Grundlagen Prognosen / Schätzungen Verbindung zwischen Prognose und Zusammenhang zwischen
MehrEinführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012
Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012 Es können von den Antwortmöglichkeiten alle, mehrere, eine oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort
MehrInstrument zur Untersuchung eines linearen Zusammenhangs zwischen zwei (oder mehr) Merkmalen.
Gliederung Grundidee Einfaches lineares Modell KQ-Methode (Suche nach der besten Geraden) Einfluss von Ausreißern Güte des Modells (Bestimmtheitsmaß R²) Multiple Regression Noch Fragen? Lineare Regression
MehrEinführung in die Induktive Statistik: Varianzanalyse
Einführung in die Induktive Statistik: Varianzanalyse Jörg Drechsler LMU München Wintersemester 2011/2012 Varianzanalyse bisher: Vergleich der Erwartungswerte für zwei normalverteilte Variablen durch t-test
MehrHundesteuer im Jahr 2017
1. Hund 2. Hund 1 Mainz 186 1 Mainz 216 2 Landau in der Pfalz 120 2 Trier 168 2 Trier 120 3 Bendorf am Rhein 156 3 Koblenz 114 4 Worms 153 4 Worms 108 5 Frankenthal (Pfalz) 152 4 Bad Kreuznach 108 6 Kaiserslautern
MehrMathematik III - Statistik für MT(Master)
3. Regressionsanalyse Fachbereich Grundlagenwissenschaften Prof. Dr. Viola Weiß Wintersemester 0/03 Mathematik III - Statistik für MTMaster 3. Empirische Regressionsgerade Optimalitätskriterium: Die Summe
MehrHerzlich willkommen zur Vorlesung Statistik
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik Zusammenhänge zwischen nominalen (und/oder ordinalen) Merkmalen: analyse und II: Signifikanztests und Maße der Assoziation
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrB. Regressionsanalyse [progdat.sav]
SPSS-PC-ÜBUNG Seite 9 B. Regressionsanalyse [progdat.sav] Ein Unternehmen möchte den zukünftigen Absatz in Abhängigkeit von den Werbeausgaben und der Anzahl der Filialen prognostizieren. Dazu wurden über
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrLösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die
Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:
Mehr6. Übung Statistische Tests Teil 1 (t-tests)
Querschnittsbereich 1: Epidemiologie, Medizinische iometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 6. Übung Statistische Tests Teil 1 (t-tests)
MehrDaten zur strukturellen Unterrichtsversorgung 2018/2019 an öffentliche berufsbildende Schulen. Inhaltsverzeichnis
Ministerium für Bildung Daten zur strukturellen Unterrichtsversorgung 218/219 an öffentliche berufsbildende Schulen (Erhebung zum 12. September 218) Inhaltsverzeichnis Anlage 2 Jan. 219 Schulaufsichtsbezirk
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
Mehr7.1 Korrelationsanalyse. Statistik. Kovarianz. Pearson-Korrelation. Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien
Statistik 7.1 Korrelationsanalyse Institut für angewandte Statistik & EDV Universität für Bodenkultur Wien Sommersemester 2012 7 Regressions- und Korrelationsanalyse Kovarianz Pearson-Korrelation Der (lineare)
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
MehrForschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser
Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-
MehrKapitel 5 FRAGESTELLUNG 1. Öffne die Datei alctobac.sav.
Kapitel 5 FRAGESTELLUNG 1 Öffne die Datei alctobac.sav. Zuerst werden wir ein Streudiagramm erstellen, um einen grafischen Überblick von diesem Datensatz zu erhalten. Gehe dazu auf Grafiken / Streudiagramm
MehrGeplante Prüfungen telc Stand: ]
15.04.16 DTZ kvhs Cochem-Zell 15.04.16 DTZ vhs Mainz 2. Kom. 15.04.16 DTZ vhs Zweibrücken 16.04.16 DTZ kvhs Ahrweiler ausgebucht 16.04.16 DTZ kvhs Südwestpfalz 16.04.16 DTZ vhs Frankenthal 16.04.16 DTZ
MehrBivariater Zusammenhang bei metrischen Variablen: Regression und Korrelation
Bivariater Zusammenhang bei metrischen Variablen: Regression und Korrelation PEΣO 12. November 2001 Von der Tabellenanalyse zur Regression Die bivariate Verteilung zweier metrischer Variablen kann konzeptionell
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009. Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 15. Mai 2009 15. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Überblick Mehrfeldertabellen und Zusammenhangsmaße 1. Mehrfeldertabellen und Zusammenhangsmaße:
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
Mehr1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests
1.3 Das Testen von Hypothesen am Beispiel des Einstichproben t-tests Statistische Tests dienen dem Testen von Vermutungen, so genannten Hypothesen, über Eigenschaften der Gesamtheit aller Daten ( Grundgesamtheit
Mehr3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
MehrAufgaben zu Kapitel 4
Rasch, Friese, Hofmann & aumann (2006). Quantitative Methoden. Band (2. Auflage). Heidelberg: Springer. Aufgaben zu Kapitel 4 Aufgabe a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl
MehrZiel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.
Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt
MehrAnalyse von Querschnittsdaten. Signifikanztests II Advanced Stuff
Analyse von Querschnittsdaten Signifikanztests II Advanced Stuff Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum..4..4 7..4..4..4 7..4 4..4..4
MehrTutorial: Regression Output von R
Tutorial: Regression Output von R Eine Firma erzeugt Autositze. Ihr Chef ist besorgt über die Anzahl und die Kosten von Maschinenausfällen. Das Problem ist, dass die Maschinen schon alt sind und deswegen
MehrI.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03
I.V. Methoden 4: Regressionsund Pfadanalyse WiSe 02/03 Vorlesung: 26.11.2002 All Mathematics would suggest A steady straight line as the best, But left and right alternately Is consonant with History.
MehrProbeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende
Probeklausur zur Vorlesung Statistik II für Studierende der Soziologie und Nebenfachstudierende im Sommersemester 2012 Prof. Dr. H. Küchenhoff, J. Brandt, G. Schollmeyer, G. Walter Aufgabe 1 Betrachten
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrBitte kreuzen Sie alle richtigen Alternativen an! Beachten Sie dabei, daß eine falsch angekreuzte Alternative eine richtig angekreuzte aufhebt!
Aufgabe M1 (6 Punkte): Bitte kreuzen Sie alle richtigen Alternativen an! Beachten Sie dabei, daß eine falsch angekreuzte Alternative eine richtig angekreuzte aufhebt! In einer Marktreaktionsfunktion müssen
MehrTest auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)
Spezielle Tests Test auf einen Anteilswert (Binomialtest) Vergleich zweier Anteilswerte Test auf einen Mittelwert (Ein-Stichproben Gauss bzw. t-test) Vergleich zweier Mittelwerte (t-test) Test auf einen
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrÜbungsblatt 10: Lineare Regression (Sitzung 11)
1 Übungsblatt 10: Lineare Regression (Sitzung 11) Aufgabe 1 a) Nach welchem Kriterium wird die Regressionsgerade zur Vorhersage von Y-Werten festgelegt? b) Was sind die Gemeinsamkeiten und Unterschiede
MehrBehörde: Anschrift: Telefonnummer: Parkstraße Altenkirchen. Läufstraße Andernach. Insel Silberau Bad Ems
Kreisverwaltung Altenkirchen Kreisverwaltung Alzey-Worms Abteilung 5 Jugend und Familie Stadtverwaltung Andernach Kreisverwaltung Bad Dürkheim Kreisverwaltung Rhein-Lahn-Kreis Kreisverwaltung Bad Kreuznach
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrMultiple Regression II: Signifikanztests, Gewichtung, Multikollinearität und Kohortenanalyse. Statistik II
Multiple Regression II: Signifikanztests,, Multikollinearität und Kohortenanalyse Statistik II Übersicht Wiederholung Literatur Kausalität und Regression Inferenz und standardisierte Koeffizienten Statistik
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Testen von Hypothesen
MehrStatistik III. Methodologie der Psychologie
Statistik III Methodologie der Psychologie Thomas Schmidt & Lena Frank Wintersemester 2003/2004 Georg-Elias-Müller-Institut für Psychologie Uni Göttingen Literatur: Glantz, S.A. (2002). Primer of Biostatistics.
MehrMittelwertvergleiche, 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:
Mehr2. Korrelation, lineare Regression und multiple Regression
2., Linear 2., lineare multiple 2., lineare 2.1 2.2 Lineare 2.1 2.2 Lineare 2.7 Partielle 2.7 Partielle 1 / 149 2., Linear 2., lineare 2.1 2.2 Lineare 2.1 2.7 Partielle 2 / 149 2.1 Beispiel: Arbeitsmotivation
MehrStatistik II für Betriebswirte Vorlesung 12
Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 12 11. Januar 2013 7.3. Multiple parameterlineare Regression Im Folgenden soll die
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2013
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2013 1. Welche Aussage zur Statistik (in den Sozialwissenschaften) sind richtig? (2 Punkte) ( ) Statistik ist die Lehre von Methoden
MehrBiostatistik 101 Korrelation - Regressionsanalysen
Good Data don't need statistics Biostatistik 101 Korrelation - Regressionsanalysen Carl Herrmann IPMB Uni Heidelberg & DKFZ B080 carl.herrmann@uni-heidelberg.de Korrelation Sind Alter und Blutdruck miteinander
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
MehrZiel der linearen Regression
Regression 1 Ziel der linearen Regression Bei der linearen Regression wird untersucht, in welcher Weise eine abhängige metrische Variable durch eine oder mehrere unabhängige metrische Variablen durch eine
MehrGliederung. 1. Einführung. Heute schon Musik gehört?
Regressionsanalyse Technische Universität Chemnitz Seminar: Forschungsmethodik und Evalua
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrKreisfreie Städte und Landkreise Bevölkerung 2013 nach Verwaltungsbezirken Kreisfreie Städte und Landkreise Bevölkerungsdichte 2013 nach Verwaltungsbezirken Köln Metropolregion Rhein-Ruhr Altenkirchen
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrSPSS 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
Mehra) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen, die länger als 140 ms sind?
Modul G 20.12.2007 Zur Hausaufgabe 3 Erkläre die folgenden Plots und Berechnungen zu Wahrscheinlichkeiten aus technischer und statistischer Sicht. a) Wie hoch ist die Wahrscheinlichkeit, dass Vokale vorkommen,
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrLineare Regression II
Lineare Regression II Varianzanalyse als multiple Regession auf Designvariablen Das lineare Regressionsmodell setzt implizit voraus, dass nicht nur die abhängige, sondern auch die erklärenden Variablen
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrBeispiel 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)
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrBehörde: Anschrift: Telefonnummer:
Kreisverwaltung Altenkirchen - Unterhaltsvorschusskasse Kreisverwaltung Alzey-Worms Abteilung 5 Jugend und Familie Stadtverwaltung Andernach Unterhaltsvorschussstelle Kreisverwaltung Bad Dürkheim Kreisjugend-
MehrBehörde: Anschrift: Telefonnummer: Parkstraße Altenkirchen. Läufstraße Andernach. Insel Silberau Bad Ems
Kreisverwaltung Altenkirchen Kreisverwaltung Alzey-Worms Abteilung 5 Jugend und Familie Stadtverwaltung Andernach Kreisverwaltung Bad Dürkheim Kreisverwaltung Rhein-Lahn-Kreis Kreisverwaltung Bad Kreuznach
MehrAnwendungsaufgaben. a. Anhand des Streudiagramms (. Abb. 1) lässt sich ein linearer Zusammenhang vermuten. Aufgabe 1. Anhang 1: Lösungen der Aufgaben
Anhang 1: Lösungen der Aufgaben 15 +1). Korrelationskoeffizienten unterschiedlicher Stichproben oder verschiedener Variablen können so miteinander verglichen werden, was mit der Kovarianz nicht möglich
MehrJVA Diez geschlossener Vollzug Männer: Freiheitsstrafe
Justizvollzugsanstalt JVA Diez a) b) c) d) e) f) g) offener Vollzug Männer: a) b) JVA Frankenthal a) b) Zuständigkeit Lebenslange n gesamt RLP n mit anschl. Sicherheitsverwahrung gesamt RLP n über 8 Jahren
MehrEinfache lineare Regressionsanalyse
Dr. Matthias Rudolf Modul M3: Multivariate Statistik Aufgaben und Lösungshinweise zum Computerseminar ERA: Einfache lineare Regressionsanalyse Dr. Matthias Rudolf: Modul BA-M3 Multivariate Statistik Seite
MehrBranchenmonitoring Gesundheitsfachberufe Rheinland-Pfalz
Branchenmonitoring Gesundheitsfachberufe Rheinland-Pfalz Eine Untersuchung des Instituts für Wirtschaft, Arbeit und Kultur (IWAK), Zentrum der Goethe-Universität im Auftrag des Ministeriums für Arbeit,
MehrVorlesung: 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
MehrInstitut für Soziologie Christian Ganser. Methoden 2. Regressionsanalyse I: Lineare Regression
Institut für Soziologie Methoden 2 Regressionsanalyse I: Lineare Regression Inhalt 1. Grundidee und Vorgehen 2. Güte eines Regressionsmodells 3. Regressionskoeffizienten Signifikanz und Interpretation
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
MehrBivariater Zusammenhang in der Vierfeldertafel PEΣO
Bivariater Zusammenhang in der Vierfeldertafel PEΣO 12. Oktober 2001 Zusammenhang zweier Variablen und bivariate Häufigkeitsverteilung Die Bivariate Häufigkeitsverteilung gibt Auskunft darüber, wie zwei
Mehr