Struktur- gleichungs- modelle. Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr.
|
|
- Susanne Schuler
- vor 7 Jahren
- Abrufe
Transkript
1 Struktur- gleichungs- modelle Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
2 Gliederung I. Einordnung in den Gesamtzusammenhang II. Eigene Studie III. Basics Strukturgleichungsmodelle IV. Ablauf eines Strukturgleichungsmodells V. Gemeinsamer Abschluss Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
3
4 4 I Einordnung in den Gesamtzusammenhang Wir kennen bereits: Regression Faktorenanalyse Pfadanalyse Strukturgleichungsmodell Korrelation Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
5 5 I Einordnung in den Gesamtzusammenhang 1. Korrelation und Kovarianz Kovarianz = Stärke des Zusammenhangs zwischen zwei Variablen Korrelationen: Beobachtungswerte werden einer Standardisierung unterzogen Problematik: Kausalschlüsse à Möglichkeiten Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
6 6 Möglichkeiten des Kausalschlusses Annahmen Regressionsanalyse 1) X Y 2) X Y 3) X Annahmen FA Y Z 4) 5) 6) X Y X Y Annahmen SGM Z X Z Y Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
7 7 I Einordnung in den Gesamtzusammenhang Exkurs M & M s Unterscheidung zwischen Moderatoren und Mediatoren Mediatoren helfen uns ein Phänom grundlegend zu verstehen typisches Beispiel: Mediator = Vermittler Kognition Emotion Verhalten Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
8 8 I Einordnung in den Gesamtzusammenhang 2. Verbindung zum ALM und linearer Regression: [...] if you were going to a desert island to do psychology research and could take only one computer programm with you to do statistical tests, you would want to choose multiple regression. Regression = Kausalrichtung möglich (Aron, A. & Aron, E. N., 2002) Regression: nur direkt messbare Variablen (manifeste) SGM: auch nicht direkt messbare Variablen (latente) Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
9 9 I Einordnung in den Gesamtzusammenhang Rückblick: Allgemeines lineares Modell: b = Steigung der Graden a = Höhenlage Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
10 10 I Einordnung in den Gesamtzusammenhang Rückblick: Allgemeines lineares Modell: Y = a + (b1) (X1) + (b2) (X2) + (bn) (Xn) + e Wert auf Kriterium Fester Einfluss Unterschiede zw. VP Fehler Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
11 11 I Einordnung in den Gesamtzusammenhang η = B η + Γ ξ + ζ η = Wert auf der endogenen Variable ξ = Wert auf der latenten Variable ζ = Residualvariable B = Pfadkoeffizient; direkte Verbindung zwischen latenten endogenen Variablen Γ = Pfadkoeffizient; direkte Verbindung zwischen latenten exogenen und latenten endogenen Variablen Endogene Variable Direkte Effekte endogen Direkte Effekte exogen à endogen Fehler Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
12 12 I Einordnung in den Gesamtzusammenhang 3. Pfadanalyse o Ausschließlich manifeste Variablen o direkte und indirekte Zusammenhänge o gerichtete und ungerichtete Zusammenhänge o Einbezug exogener (kein Pfeil zeigt darauf) und endogener (mind. ein Pfeil zeigt darauf) Variablen möglich X X Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
13 13 I Einordnung in den Gesamtzusammenhang Pfadanalyse SGM entspricht Mediatoranalyse Varianzaufklärung und Kausalrichtung Spezialfall eines SGM Manifeste Variablen werden untersucht aufgestellte Gleichungen lösbar Latente Konstrukte werden untersucht à Messmodelle notwendig kann sich Lösung nur annähern Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
14 14 I Einordnung in den Gesamtzusammenhang 4. Faktorenanalyse Was wisst ihr noch von letzter Woche? Kernfrage: Kann ein vermuteter Zusammenhang zwischen latenten Variablen und Indikatorvariablen empirisch bestätigt werden? dient der Datenreduktion Identifikation latenter Variablen Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
15 15 II Eigene Studie Das Rammsteinphänomen: Wenn Musik mehr Liebhaber unter den Menschen hat, die die Sprache des Textes nicht verstehen können. Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
16 16 Das Rammsteinphänomen Brachiallyrics: rebellisch-hart und trotzdem tanzbar (Mühmann, 1999, S. 15) Völlig begeistert von dem Teutonensound, verbunden mit der exzentrischen Bühnenshow, steht Amerika Kopf. (Mühmann, 1999, S. 21) Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
17 17 II Eigene Studie Quizrunde Welcher aktuelle Hit ist das? Sie bringt mich um. Wenn ich dich kriege oh ho. Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
18 18 II Eigene Studie Quizrunde Wer singt diesen Text? Bevor ich dich kennenlernte, war die Welt flach, Obwohl Sie, Herr Galilei,dies bestreiten! Das Fröscheküssen machte mich müde, aber den Märchenprinzen habe ich niemals gefunden! Nicole Shakira Andrea Berg Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
19 19 II Eigene Studie Unsere Hypothesen: (1) Je höher das Hörverständnis einer Fremdsprache ist, desto mehr Wert legt man auf den Liedtext. (2) Je höher der Need for Cognition bei einer Person ausgeprägt ist, umso höher ist das Bedürfnis Liedtexte verstehen zu wollen. à NFC: stabile Disposition to engage in and enjoy effortful cognitive endeavors (Cacioppo, Petty & Kao, 1984, S. 306) (3) Umso gewissenhafter eine Person ist, desto größer ist das Bedürfnis Liedtexte zu verstehen. Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
20 20 II Eigene Studie Wie haben wir gefragt? Unsere Skalen... subj. eingeschätztes Hörverständnis von Fremdsprachen präferierte Musikrichtungen (Schäfer et al., ) Eigene Items zu den Konstrukten: Hörverständnis, Musikalität, Musikkonsum, Bands, wie z.b. Rammstein, profitieren davon, dass deren Texte im Ausland nicht verstanden werden. Liedtextverständnis, etc. Solange sich ein Lied gut anhört, ist mir der Text egal. NEO Offenheit, Gewissenhaftigkeit (Borkenau & Ostendorf, 1993) NFC-Skala (Cacioppo et al.,1984) Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
21 21 II Eigene Studie Unsere Stichprobe: Teilnehmer: % 46 % Alter: 26.9 Jahre (SD = 10.2; Min = 12; Max =68) Höchster Abschluss: 42.7 % Abitur Tätigkeit: 40.5 % Studenten Hörverständis von Liedtexten: (Eher) gut oder sehr gut Englisch Französisch Spanisch 68.8 % 7.9 % 3.3 % 60 % min. ein Instrument; 41 % im Chor Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
22 22 III Basics Strukturgleichungsmodell Wie stark ist der Zusammenhang zwischen latenten Variablen, die sich nicht direkt messen lassen? Empirische Prüfung theoretisch fundierter Hypothesen zwischen latenten Variablen Formulierung von Messmodellen für alle Variablen Abbildung vermuteter Kausalzusammenhänge im Strukturmodell Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
23 23 III Basics Strukturgleichungsmodell Verfahren strukturprüfend Ziel Vorab formulierte Wirkungszusammenhänge in linearem Gleichungssystem abbilden. Vorteil Gleichzeitige Betrachtung mehrerer AV s Gleichzeitige Prüfung von mehren Kausalhypothesen ( komplex ) Messfehler Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
24 24 III Basics Strukturgleichungsmodell Who s who des SGM: die Variablen UV Ursache, Bedingung à Werden durch s Modell nicht erklärt! AV Hervorgerufene Wirkung, Folge à Je 1x Regressionsgleichung = Strukturgleichung Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
25 25 Die Teilmodelle des SGM Strukturmodell bildet die theoretisch vermuteten Zusammenhänge zw. den latenten Variablen ab Messmodelle der exogene bzw. endogenen Variable: Ø dient der Operationalisierung Ø vermutete Zusammenhänge mit den emp. Messwerten Pfaddiagramm: bildet Hypothesensystem graphisch ab Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
26 26 Verschiedene Ansätze Ohne Wechselbeziehung Regression Manifest Mit Wechselbeziehung Pfadanalyse Latent Variablen als hypothetische Faktoren Linearkombination der Messwerte Kovarianzanalytischer Ansatz Varianzanalytischer Ansatz Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
27 27 Verschiedene Ansätze Kovarianzanalytischer Ansatz: Latente Variablen werden als Faktoren interpretiert Basis: Konfirmatorische FA Gleichzeitige Prüfung Kausalstruktur zw. latenten Variablen + Prüfung der Messmodelle Modellparameter so schätzen, dass emp. Varianz-Kovarianz- Matrix möglichst gut reproduziert wird. Varianzanalytischer Ansatz: Emp. Daten möglichst gut reproduzieren Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
28 28 III Basics Strukturgleichungsmodell Arten von Parametern Man kann Parameter unterschiedlich festlegen. Feste Vorab konstanten Wert zuweisen Null, wenn keine Kausalbeziehung angenommen Restringierte zu schätzen Entspricht dem Wert eines/ mehrerer anderer Parameter. Freie unbekannt werden bei der Parameterschätzung ermittelt Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
29 Fragestellung/ Hypothesen 29 Modellspezifikation Datenerhebung Modellschätzung Modellevaluation Modellmodifikation
30 30 IV Ablauf Strukturgleichungsmodell 1.Theoriearbeit/ Hypothesenbildung Theoriearbeit = Voraussetzung für SGM Hypothesen formulieren Was sind meine hypothetischen Konstrukte? Wie empirsch messen? Wer soll diese später beurteilen? Welche Zusammenhänge der latenten Variablen werden angenommen? Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
31 31 IV Ablauf Strukturgleichungsmodell 2. Prüfen der Voraussetzungen SGM ist auf große Stichproben ausgelegt 1. Lineare Zusammenhänge 2. Anzahl unbekannter Parameter bekannte Ko-/ Varianzen 3. Ausreichend große Stichprobe LOWESS-Prozedur Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
32 Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer 32
33
34
35
36
37
38
39
40
41 Jetzt: Konstrukt benennen
42 Tadaa!
43
44
45
46
47
48
49 Drag & drop
50 50 II Ablauf Strukturgleichungsmodell 2. Pfaddiagramm und Modellspezifikation pro latenter Variable ein Pfaddiagramm / Messmodell Hypothesen in Matrizengleichungen formulieren Unterstellung alle Variablen standardisiert/ zentriert Festlegung fester und restringierter Parameter Annahme: Die Messfehler korrelieren nicht untereinander Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
51 Unser Modell (Datei Modell_SGM_ )
52 52 II Ablauf Strukturgleichungsmodell 3. Identifikation der Modellstruktur Ist das Gleichungssystem eindeutig lösbar? Zahl der Gleichungen muss mind. Parameter entsprechen Anzahl der Korrelationskoeffizienten (Gleichungen) n(n+1) /2 n = Anzahl der Indikatoren Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
53 53 IV Ablauf Strukturgleichungsmodell 3. Identifikation der Modellstruktur Überidentifiziert = d.h. es gibt DIE eine Lösung nicht Anzahl Gleichungen Anzahl Parameter = df df < 0 Gleichungssystem nicht lösbar (unteridentifiziert) df = 0 Gleichungssystem eindeutig lösbar (identifiziert) df > 0 Gleichungssystem lösbar (überidentifiziert) Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
54 54 IV Ablauf Strukturgleichungsmodell 4. Parameterschätzung Konfirmatorische Faktorenanalyse (CFA) Ermöglicht Vergleich von Modellen mittels Gütemaßen Grundannahme CFA: Indikatoren kovariieren, da gemeinsame verursachende Variable (latente Variable) Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
55 55 IV Ablauf Strukturgleichungsmodell 4. Parameterschätzung Ziele CFA: Differenz zwischen modelltheoretischer und empirischer Kovarianzmatrix minimieren Faktorladungen (Parameter) zwischen latenter Variable & Indikatoren berechnen Messfehler schätzen Fit- Indices Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
56 56 IV Ablauf Strukturgleichungsmodell 4. Parameterschätzung Iterative Schätzverfahren ML (Maximum-Likelihood-Methode) ULS, GLS, SLS, ADF Auswahl der Methode abhängig von: Mulitnormalverteilung der manif. Variablen Skaleninvarianz der Fitfunktion Stichprobengröße Verfügbarkeit von Inferenzstatistik (χ²) Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
57
58
59
60
61 Für uns nicht wichtig
62
63
64
65
66 Regressionsgewichte anpassen
67 Messfehler benennen
68 Analyse Merkmale spezifizieren
69
70
71 Zurück zu unserem Modell à vereinfachen
72
73 Kausalpfeile ziehen
74 Analyse Merkmale spezifizieren
75
76
77 77 IV Ablauf Strukturgleichungsmodell 5. Beurteilung der Schätzergebnisse (Gütemaße) Wie gut passt die modelltheoretische Korrelationsmatrix zur empirischen Korrelationsmatrix? Beurteilung Gesamtstruktur Gütemaße (Fit Indizes) Teilstrukturen Residuen Critical Ratio Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
78 78 IV Ablauf Strukturgleichungsmodell 5. Beurteilung der Schätzergebnisse (Gütemaße) Prüfung der Zuverlässigkeit der Schätzungen Standardfehler der Schätzung: Schätzung einzelner Parameter = Punktschätzung Standardfehler der Schätzung groß à Modell nicht zuverlässig Quadrierte multiple Korrelationskoeffizienten Reliabilität der Messung der latenten Variablen In AMOS ausgegeben Reliabilität = 1 Fehlervarianz Gesamtvarianz Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
79 Amos Output
80
81
82 82 IV Ablauf Strukturgleichungsmodell 5. Beurteilung der Schätzergebnisse (Gütemaße) Gesamtanpassungsgüte des Modells à Fit des Modells Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
83 χ 2 Test GFI Absolute Maße (wie R²) AGIF PGFI Gütemaße Relative oder Inkrementelle Maße Fehlermaße NFI RFI CFI, IFI, TLI RMSEA
84 Gütemaße χ 2 Test
85 85 IV Ablauf Strukturgleichungsmodell 5. Beurteilung der Schätzergebnisse (Gütemaße) χ2 ( CMIN ) H 0 gefundene Matrix entspricht der im Modell postulierten signifikantes Ergebnis = kein Fit! (je höher p- Wert desto besser) Problem: Stichprobengrößenabhängig df = Anzahl Varianzen / Kovarianzen Anzahl Parameter x 2 df à zufriedenstellender Fit x 2 2,5 à guter Fit Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
86 χ 2 Test GFI Absolute Maße (wie R²) AGIF PGFI Gütemaße
87 87 GFI (goodness-of-fit) Ausmaß der durchs Modell erklärten Varianz 0 à 1 0,9 PGFI (parsimony goodness-of-fit) Zusätzlich Komplexität berücksichtigt Meist kleiner als GFI 0 à 1 0,5 AGFI (adjusted goodness-of-fit) Komplexität in Form der df berücksichtigt 0 à 1 0,9 Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
88 χ 2 Test GFI Absolute Maße (wie R²) AGIF PGFI Gütemaße Relative oder Inkrementelle Maße NFI RFI CFI, IFI, TLI
89 89 IV Ablauf Strukturgleichungsmodell 5. Beurteilung der Schätzergebnisse (Gütemaße) Modell vs. Baseline- Modell ( Independence Modell oder saturiertes Modell) NFI (normed fit index) CFI (comparative fit index) RFI (relative fit index) Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
90 χ 2 Test GFI Absolute Maße (wie R²) AGIF PGFI Gütemaße Relative oder Inkrementelle Maße Fehlermaße NFI RFI CFI, IFI, TLI RMSEA
91 91 IV Ablauf Strukturgleichungsmodell 5. Beurteilung der Schätzergebnisse (Gütemaße) RMSEA (root mean square error of approximation) = PCLOSE approximiert Modell Realität hinreichend gut? 0,05 guter (close) Modellfit 0,08 akzeptablen (reasonable) Modellfit 0,1 inakzeptabler Modellfit Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
92
93 Chi- Quadrat/ df < 2.5 GFI > 0.9 AGFI > 0.9 NFI > 0.9 CFI > 0.9 RMSEA < 0.05
94 IV Ablauf Strukturgleichungsmodell 5. Beurteilung der Schätzergebnisse (Gütemaße) Beurteilung von Teilstrukturen Beurteilung der Residuen à residual covariances Werte <0,1 Betrachtung standardisierte Residuen Critical Ratio (C.R.) C.R. >1,96
95
96 96 6. Modifikation Pro Grund für schlechten Modellfit finden Reduktion confirmation bias Ökonomie (Daten) Kontra Datensatz beeinflusst Modifikation Übergeneralisierung der Ergebnisse Theoretische Fundierung zusätzlicher Parameter Overfitting model Konfirmatorischer Charakter geht verloren Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
97 Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer 97
98 98 V GemeinsamerAbschluss Einige Verständnisfragen: Was ist die Ausgangsbasis eines Strukturgleichungsmodells? Warum wird jeder Variable ein Fehler hinzugefügt? Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
99 99 SGM nun einsetzen oder nicht? The techniques of Structural Equation Modeling represent the future of data analysis. Nobody really understands SEM. Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
100 100 SGM nun einsetzen oder nicht? Pro Kontra ü Einbezug latenter Variablen ü Komplexe Zusammenhänge ü Fehler wird explizit berücksichtigt ü Integration viele Standardverfahren ü sehr flexible Methode ü Effektgröße und nicht die Signifikanz wird betrachtet Ø Schwierig Ø Brauche große Stichprobe Ø Gefahr Modelle post hoc zu konstruieren Ø Braucht fundiertes Wissen, methodisches Können Ø sehr populär geworden Ø Keine feste Lösung, sondern Schätzungen Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
101 101 Vielen Dank für eure Aufmerksamkeit Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
102 102 Referenzen Aron, A. & Aron, E. N. (2002). Statistics for Psychology. New Jersey: Prentice-Hall. Kap. 16 Backhaus, K., Erichson, B., Plinke, W. & Weiber, R. (2000). Multivariate Analysemethoden. Berlin: Springer. Borkenau, P. & Ostendorf, F. (1993). NEO-Fünf-Faktoren-Inventar (NEO- FFI) nach Costa und McCrae. Göttingen: Hogrefe. Cacioppo, J. T., Petty, R. E., & Kao, C. F. (1984). The Efficient Assessment of Need for Cognition. Journal of Personality Assessment, 48, Jonas,K., Maier, E. & Rietmann, B. (2006). Kausalmodellierung in der Praxis Übungen mit AMOS. Universität Zürich. Psychologisches Institut. Mühlmann, Wolf-Rüdiger (1999). Letzte Ausfahrt: Germania. Ein Phänomen namens Neue Deutsche Härte. Jeske: Berlin. Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
103 103 Referenzen Nachtigall, C. Kroehne, U., Funke, F., & Steyer, R. (2003). (Why) Should We Use SEM? Pros and Cons of Structural Equation Modeling. Methods of Psychological Research Online 2003, 8, 2, S Weiber, R., & Mühlhaus, D. (2010). Strukturgleichungsmodellierung. Berlin: Springer. Werner, C., & Schermelleh-Engel, K. (2009). Strukturgleichungsmodelle: Vorteile, Herausforderungen und Probleme. Unbekannt: Frankfurt. christinawerner/sem/sem_pro_con.pdf Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
104 104 Bildnachweise Bücher: Vewirrtes Gesicht: ite.de/content/knowledge/ marktforschung/emotionen-messen-aber-wie;47288;0 Erinnerung: Störche: Post It: M und M: Regression: Multivariate/basis-lexikon-multivariate.html Punktewolke: Pfadanalyse: frcorner_spurensuche.jpg M und M Frau: Fragezeichen: Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
105 105 Bildnachweise Homer- Rammstein: cb / inciclopedia/images/d/d3/homero-rammstein.jpg Michel Telo: Pego1.jpg Bonbons: Nicole: Volksmusiker-sind-schlimmer-als- Rocker.html&docid=kD72Mnly6Jn25M&imgurl= bildergalerien/crop / ci3x2l-w580-aoriginal-h386-l0/30- Jahre-Ein-bisschen- Frieden-.jpg&w=580&h=386&ei=iRHGT_LIBYiF4gTT_7CjBQ&zoom=1&iact =hc&vpx=613&vpy=229&dur=1367&hovh=183&hovw=275&tx=138&ty=106 &sig= &page=2&tbnh=131&tbnw=197&start=36&nds p=42&ved=1t:429,r:3,s:36,i:152 Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
106 106 Bildnachweise Berg: Shakria: shakira_wallpaper_23_1600x1200.jpg Limesurvey: Smilies: zazzle.de smilies-world.de Unbekannte: Fragezeichen: Abschätzen: Blattstruktur: q=struktur&um=1&hl=de&tbm=isch&tbnid=svkqlsvvchy7tm:&imgrefurl = &docid=H_gzqAcKDDcmbM&imgurl= img.fotocommunity.com/abstraktes/strukturen/struktura jpg&w=850&h=567&ei=azpht9fkny3lsga63bx4dg&zoom=1 &biw=1016&bih=621 Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
107 107 Bildnachweise Waage: _waage_mit_5_gewichten.jpg Checkliste: 00/27/87/99/110_F_ _bu0CLrJm4IgGnjyJlXVyzJP7alw3dNA5.jpg Theoretiker: theorie_e_htm_m77ae8c9a.jpg Verwirrung: +its&hl=de&biw=1252&bih=578&gbv=2&tbm=isch&tbnid=wxbi3vp6hw Nn0M:&imgrefurl= 6a00e54ef4f e7df9970bpopup&docid=O8kL8fy2vOpxZM&imgurl= 6a00e54ef4f e7df9970b-800wi&w=500&h=400&ei=chbGT 8nLMbLO4QTRpviABg&zoom=1&iact=rc&dur=348&sig= &page=4&tbnh=124&tbnw=155&start=70&ndsp=24&ved=1t: 429,r:22,s:70,i:272&tx=51&ty=29 Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
108 108 Bildnachweise Baum: q=baum&um=1&hl=de&sa=n&tbm=isch&tbnid=z96lc5pracc5um:&imgrefu rl= der_baum_start.htm&docid=anoeuceiuyt_gm&imgurl= baum&w=404&h=454&ei=jtpht5_nbmtwsgbo6ldddg&zoom=1&iact=r c&dur=295&sig= &page=2&tbnh=142&tbnw=126& start=19&ndsp=23&ved=1t:429,r:2,s:19,i: 196&tx=73&ty=40&biw=1016&bih=621 Modifikation: AAAAAAAAADY/zPXraat0AXI/s1600/mood-home.jpg Verständnis: 00/12/70/57/400_F_ _stgrRGf7XDyCqaCIRjzBVmqFcZUqfIaN.jpg Fit: Abschluss: /11/aufmerksamkeit-erregen-mit-flyer.jpg Isabelle Koschek, Franziska Loth, Pia Schuster Multivariate Analysemethoden 5. Juni 2012 Dozent: Dr. Schäfer
Literatur: Rudolf & Müller, S Dr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung Einführung SEM Folie Nr. 1
1 Korrelation und Kausalität 2 Grundsätzliches 3 Pfaddiagramme und lineare Strukturgleichungen 4 Struktur- und Messmodell 5 Modellspezifikation 6 Parameterschätzungen 7 Beurteilung der Schätzergebnisse
Strukturgleichungsmodelle
Strukturgleichungsmodelle Seminar: Multivariate Verfahren Dozent: Dr. Thomas Schäfer Dozenten: Bernadette Kloke, Teresa Hastedt, Nadine Markstein Datum: 15.06.2010 Überblick 1. Grundlegendes zum SGM 1.1
Strukturgleichungsmodellierung
Strukturgleichungsmodellierung FoV Methodenlehre FSU-Jena Dipl.-Psych. Norman Rose Parameterschätzung, Modelltest & Fit Indizes bei SEM Forschungsorientierte Vertiefung - Methodenlehre Dipl.-Psych. Norman
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit. 21. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit 2. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle In vielen Untersuchungen soll eine komplexere Beziehungsstruktur untersucht werden.
Variablen und Parameter in LISREL
Variablen und Parameter in LISREL 1 Konfirmatorische Faktorenanalyse: Pfaddiagramm Dieses Diagramm stellt den denkbar einfachsten Fall einer konfirmatorischen Faktorenanalyse dar. Empirisch sind Modelle
Einführung in die Modellklasse Linearer Strukturgleichungsmodelle. LInear Structural RELationships. Karl G. Jöreskog (1973)
Einführung in die Modellklasse Linearer Strukturgleichungsmodelle LInear Structural RELationships Karl G. Jöreskog (1973) Dr. Wolfgang Langer Martin-Luther-Universität, Institut für Soziologie Gliederung:
Inhaltsverzeichnis. Teil I Grundlagen
Inhaltsverzeichnis Teil I Grundlagen 1 Bedeutung der Strukturgleichungsmodellierung... 3 1.1 Theorie und Sachlogik als Ausgangspunkt... 3 1.2 Empirische Prüfung von Hypothesen: Das Hempel-Oppenheim-Schema..
Konfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
Konfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
Multiple Regressionsanalyse - Kurzabriss
Multiple Regressionsanalyse - Kurzabriss Ziele: Schätzung eines Kriteriums aus einer Linearkombination von Prädiktoren Meist zu Screening-Untersuchungen, um den Einfluß von vermuteten Ursachenvariablen
Lineare Strukturgleichungsmodelle (LISREL)
Sommersemester 2007 Übung zu Anwendungen in multivariater Datenananlyse Lineare Strukturgleichungsmodelle (LISREL) Dienstags 16.15-17.45 in Oec I 21 Organisation und Scheinvoraussetzungen Dienstags 16.15
Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)
Interdisziplinäres Seminar Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA) WS 2008/09 19.11.2008 Julia Schiele und Lucie Wink Dozenten: Prof. Dr. Bühner, Prof. Dr. Küchenhoff
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
Instrument 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
1 Matrixdarstellung von Strukturgleichungsmodellen
Matrixdarstellung von Strukturgleichungsmodellen. Einführung Ein in Mplus mit Hilfe der Syntax-Statements spezifiziertes Modell wird zur Modellschätzing in Matrizenform repräsentiert. Aus diesen Matrizen
Wolfgang Irlinger. Kausalmodelle zur Lieferantenbewertung
Wolfgang Irlinger Kausalmodelle zur Lieferantenbewertung GABLER RESEARCH Inhaltsverzeichnis VII Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbolverzeichnis XV XVII
Die Faktorenanalyse. Anwendung dann, wenn zwischen beobachtbaren und nicht direkt beobachtbaren Variablen ein kausales Verhältnis vermutet wird
Die Faktorenanalyse Zielsetzung Datenreduktion: eine größere Anzahl von Variablen auf eine kleinere Anzahl unabhängiger Einflussgrößen zurückführen Grundlegende Idee Direkt beobachtbare Variablen spiegeln
Faktorenanalysen höherer Ordnung
Faktorenanalysen höherer Ordnung 1 Ausgangssituation Übliche Faktorenanalysen (erster Ordnung) gehen von Zusammenhängen zwischen manifesten, beobachteten Variablen aus und führen diese Zusammenhänge auf
Strukturgleichungsmodellierung
Rolf Weiber Daniel Mühlhaus Strukturgleichungsmodellierung Eine anwendungsorientierte Einführung in die Kausalanalyse mit Hilfe von AMOS, SmartPLS und SPSS ^J Springer ABKÜRZUNGS- UND SYMBOL VERZEICHNIS
Interdisziplinäres Seminar. Multivariate Statistik bei psychologischen Fragestellungen. Markus Bühner und Helmut Küchenhoff WS 2008/09
Interdisziplinäres Seminar Multivariate Statistik bei psychologischen Fragestellungen Markus Bühner und Helmut Küchenhoff WS 2008/09, Homepage: http://www.stat.uni-muenchen.de/~helmut/seminar_0809.html
LISREL-Mehrgruppenvergleiche (Multi-Sample Analysis)
LISREL-Mehrgruppenvergleiche (Multi-Sample Analysis) 1 Ausgangssituation Normalerweise überprüft man ein Strukturgleichungsmodell mit LISREL an den Daten einer Stichprobe. Wollte man beispielsweise nach
Forschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
7.1 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)
Jost Reinecke. Strukturgleich ungsmodelle. Sozialwissenschaften. 2., aktualisierte und erweiterte Auflage DE GRUYTER OLDENBOURG
Jost Reinecke Strukturgleich ungsmodelle in den Sozialwissenschaften 2., aktualisierte und erweiterte Auflage DE GRUYTER OLDENBOURG Inhaltsverzeichnis 1 Einleitung 1 2 Die Entwicklung der statistischen
BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001)
AMOS - Bedienungsanaleitung 1 BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) A. Aufbau einer Inputdatei (Excel-Arbeitsblatt), welche eine Kovarianz- bzw. Korrelationsmatrix
Einführung in die konfirmatorische Faktoren- und Pfadanalyse mit LISREL
Dr. Wolfgang Langer - Methoden V: Konfirmatorische Faktorenanalyse SoSe 2002-1 Einführung in die konfirmatorische Faktoren- und Pfadanalyse mit LISREL Mit der Entwicklung des LISREL-Modells für die konfirmatorische
Hypothesen und Modellbildung
Hypothesen und Modellbildung 4 Inhaltsverzeichnis 4.1 Ablaufschritte der Kausalmodellierung... 85 4.2 Fallbeispiel: Kundenbindung... 87 4.3 Indikatoren zum Fallbeispiel... 91 Literatur... 93 4.1 Ablaufschritte
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
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC. Referenten: Linda Gräfe & Konstantin Falk
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC Referenten: Linda Gräfe & Konstantin Falk 1 Agenda Schätzverfahren ML REML Beispiel in SPSS Modellbeurteilung Devianz AIC BIC
Die Technik und Logik von linearen Strukturgleichungsmodellen
Die Technik und Logik von linearen Strukturgleichungsmodellen Empfehlenswerte Einführungen in die Arbeit mit Strukturgleichungsmodellen ( structural equation modeling ) finden sich in Byrne (1994) (spezifisch
LISREL-Beispiel zum Kapitel 15: Latent-State-Trait-Theorie
LISREL-Beispiel zum Kapitel 15: Latent-State-Trait-Theorie Augustin Kelava und Karin Schermelleh-Engel 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel: Testängstlichkeit 1 2
Strukturgleichungsmodelle. Sozialwissenschaften. R.Oldenbourg Verlag München Wien. Von Universitätsprofessor Dr. Jost Reinecke
Strukturgleichungsmodelle in den Sozialwissenschaften Von Universitätsprofessor Dr. Jost Reinecke R.Oldenbourg Verlag München Wien 1 Einleitung 3 2 Die Entwicklung der statistischen Modellbildung mit Strukturgleichungen
Statistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
Faktorenanalyse und Strukturgleichungsmodelle II
Faktorenanalyse und Strukturgleichungsmodelle II VL Forschungsmethoden Outline 1 2 3 4 Karl G. Joreskog VL Forschungsmethoden SEM II (1/23) Identifikation ist Eigenschaft des Modells Was ist Identifikation?
Teil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
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
Das Modell moderner Organisationsentwicklung
Das Modell moderner Organisationsentwicklung Ariane-Sissy Wagner Das Modell moderner Organisationsentwicklung Theoriegeleitete Strukturgleichungsmodellierung ausgewählter Modellbestandteile Ariane-Sissy
9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - soziale Kontakte (6 Items) - Markenbewusstsein (6 Items) - Werbeakzeptanz (6 Items) - materielle
AUSBLICK AUF WEITERE ANALYSEVERFAHREN IN DER STATISTIK 1
AUSBLICK AUF WEITERE ANALYSEVERFAHREN IN DER STATISTIK 1 1 Hier wird nicht der Anspruch erhoben, eine exhaustive Abhandlung zu geben Unterscheidung: Deskriptive vs. Inferenzstatistik Deskriptive Statistik:
Tabellenverzeichnis. Glossar. 1.1 Das griechische Alphabet von A bis Ω... 5
Tabellenverzeichnis 1.1 Das griechische Alphabet von A bis Ω................. 5 2.1 Religiösität, Rassimus und Lebensalter................ 12 2.2 Amtszeit von Kabinetten in Italien 1945-2008.............
Regression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
Multivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
Glossar. den man als mindesten oder interessanten Effekt für die Population annimmt. Anpassungstest; 148 f., 151: Der Anpassungstest
Literatur Aron, A., Aron, E. N., and Coups, E. J. (2009). Statistics for Psychology. Upper Saddle River: Prentice Hall. Backhaus, K.; Erichson, B.; Plinke, W. und Weiber, R. (2006). Multivariate Analysemethoden.
Evaluations- und Forschungsmethodik
Evaluations- und Forschungsmethodik Sommersemester 2009 Evaluations- und Forschungsmethodik / Multivariate Verfahren Prof Westermann EInstieg Faktorenanalyse : Fragen -Vor und Nacheile der orthogonalen
Tabelle 1. Einzelgruppenanalysen und Multigruppenvergleiche: Messinvarianz über das Geschlecht in den Untertests der IDS-P
ESM : Messinvarianzanalysen über das Geschlecht Tabelle 1. Einzelgruppenanalysen und Multigruppenvergleiche: Messinvarianz über das Geschlecht in den s der IDS-P Konfigurale 3a Metrische 3a vs. Modell
Freisetzen und Fixieren von Parametern in Strukturgleichungsmodellen
Freisetzen und Fixieren von Parametern in Strukturgleichungsmodellen 1 Variablen und Parameter Variablen haben für verschiedene Personen unterschiedliche Werte. Parameter haben für eine gegebene Population
Faktorenanalyse und Strukturgleichungsmodelle II. VL Forschungsmethoden
Faktorenanalyse und Strukturgleichungsmodelle II VL Forschungsmethoden Outline Fortsetzung Einführung (Likert)-Skalierung Komplexe Modelle Software Karl G. Joreskog VL Forschungsmethoden SEM II (1/23)
Explorative Faktorenanalyse
Explorative Faktorenanalyse 1 Einsatz der Faktorenanalyse Verfahren zur Datenreduktion Analyse von Datenstrukturen 2 -Ich finde es langweilig, mich immer mit den selben Leuten zu treffen -In der Beziehung
Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
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
Statistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II
Statistik II Regressionsrechnung+ Regressionsanalyse Statistik II - 16.06.2006 1 Regressionsrechnung Nichtlineare Ansätze In einigen Situation könnte man einen nichtlinearen Zusammenhang vermuten. Bekannte
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
Ziel 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
Stress und Shopping. Beeinflussung des Impulskaufverhaltens durch emotionale Erschöpfung
Wirtschaft Sarah Dimanski Stress und Shopping. Beeinflussung des Impulskaufverhaltens durch emotionale Erschöpfung Eine empirische Analyse Masterarbeit Bibliografische Information der Deutschen Nationalbibliothek:
6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - Preisorientierung (6 Items) - Werbeakzeptanz (6 Items) - Qualitätsbewusstsein (6 Items) - Trendbewusstsein
Kapitel 10. Multikollinearität. Exakte Multikollinearität Beinahe Multikollinearität
Kapitel 0 Multikollinearität Exakte Multikollinearität Beinahe Multikollinearität Exakte Multikollinearität Unser Modell lautet y = Xb + u, Dimension von X: n x k Annahme : rg(x) = k Wenn sich eine oder
9. Längsschnittliche Ergebnisse zur Wirkrichtung
Längsschnittliche Ergebnisse 136 9. Längsschnittliche Ergebnisse zur Wirkrichtung Nachdem in den Kapiteln 7 und 8 die Ergebnisse der beiden Messzeitpunkte jeweils getrennt betrachtet wurden, soll im nächsten
Gliederung. 1. Einführung. Heute schon Musik gehört?
Regressionsanalyse Technische Universität Chemnitz Seminar: Forschungsmethodik und Evalua
Strukturgleichungsanalyse versus Regressionsanalyse. Sirko Kupper.
Strukturgleichungsanalyse versus Regressionsanalyse Sirko Kupper 1997 Für die statistische Analyse von Forschungshypothesen der Sozial- und Verhaltenswissenschaften ist die Strukturgleichungsmodellierung
Validierung einer deutschsprachigen Fassung der High-Sensitive-Person-Scale
I. Kongress zum Thema Hochsensibilität, Münsingen 08.10.-09.10.2015 Prof. für Persönlichkeitspsychologie und Diagnostik, Helmut-Schmidt-Universität, Universität der Bundeswehr, Hamburg Validierung einer
Anwendung von Multi-Level Moderation in Worst Performance Analysen
Anwendung von Multi-Level Moderation in Worst Performance Analysen Präsentation auf der FGME 2015 - Jena Gidon T. Frischkorn, Anna-Lena Schubert, Andreas B. Neubauer & Dirk Hagemann 16. September 2015
Aufgabensammlung (Nicht-MC-Aufgaben) Klausur Ökonometrie WS 2017/18. ( = 58 Punkte)
Aufgabe 3 (14 + 2 + 7 + 7 + 3 + 5 + 9 + 11 = 58 Punkte) Hinweis: Beachten Sie die Tabellen mit Quantilen am Ende der Aufgabenstellung! Mit Hilfe der Statistiksoftware R soll der Datensatz HousePrices aus
Berechnung von Strukturgleichungsmodellen mit Amos. Im folgenden kurze Einführung: Arbeiten mit Amos Graphics
Oliver Schiling Handout:: Amos 6.0 / Graphics 1 Berechnung von Strukturgleichungsmodellen mit Amos Was kann Amos? Klassische Strukturgleichungsmodelle (Kovarianzstrukturanalysen, Pfadmodelle mit/ohne latente
11. Übungsblatt zur Vorlesung Ökonometrie SS 2014
Universität des Saarlandes Lehrstab Statistik Dr. Martin Becker Dipl.-Kfm. Andreas Recktenwald 11. Übungsblatt zur Vorlesung Ökonometrie SS 2014 Aufgabe 45 Die in Aufgabe 43 getroffene Annahme heteroskedastischer
X =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
Vorlesung 12: Ausblick - Was wir nicht besprochen haben
Vorlesung 12: Ausblick - Was wir nicht besprochen haben 1. Instrumentalvariablen 2. Regressionsmodelle für spezielle Datenkonstellationen 3. Messfehler 4. Systeme mit mehreren Regressionsgleichungen Vorlesung
Faktorenanalyse. 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:
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
Biostatistik 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
Uta Scheunert. Das subjektive Alter von Konsumenten
Uta Scheunert Das subjektive Alter von Konsumenten Entwicklung, empirische Überprüfung und Wertung eines Messansatzes als Basis für eine erfolgreiche Segmentierung und Strategieentwicklung im Seniorenmarketing
Thomas Gatzka & Benedikt Hell. Fachhochschule Nordwestschweiz Hochschule für Angewandte Psychologie Olten, Schweiz
Beyond RIASEC Entwicklung und Evaluation eines hierarchischen Interessenstrukturmodells Thomas Gatzka & Benedikt Hell Fachhochschule Nordwestschweiz Hochschule für Angewandte Psychologie Olten, Schweiz
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
Marketing. Eine managementorientierte Einführung. Bearbeitet von Prof. Dr. Franz-Rudolf Esch, Prof. Dr. Andreas Herrmann, Prof. Dr.
Marketing Eine managementorientierte Einführung Bearbeitet von Prof. Dr. Franz-Rudolf Esch, Prof. Dr. Andreas Herrmann, Prof. Dr. Henrik Sattler 5. Auflage 2017. Buch. XX, 500 S. Kartoniert ISBN 978 3
6.2 Lineare Regression
6.2 Lineare Regression Einfache lineare Regression (vgl. Kap. 4.7) Y i = θ 0 + θ 1 X i + ǫ i ǫ i (0, σ 2 ) ˆθ 1 ˆθ 0 = S XY S 2 X = 1 ( Yi n ˆθ ) 1 Xi als Lösung der Minimumaufgabe n (Y i θ 1 X 1 θ 0 )
I.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
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
4. Österreichische Konferenz für Berufsbildungsforschung, Steyr 03.Juli 2014
Wie fühlen sich Lehrlinge auf die LAP vorbereitet? Eine multivariate Analyse der subjektiven und ausbildungsbezogenen Bestimmungsfaktoren Martin Mayerl Österreichisches Institut für Berufsbildungsforschung
Multivariate Analysemethoden, Dozent: Dr. Thomas Schäfer Alexander Allnoch, Markus Burkhardt & Vivien Röder
Multivariate Analysemethoden, Dozent: Dr. Thomas Schäfer 29.05.2012 Alexander Allnoch, Markus Burkhardt & Vivien Röder 1. Einführung 2. Grundlagen Faktorenanalyse 3. Nutzungsdimensionen von Musik - unsere
Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 36 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula =
Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 3.6 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula
Korrelation Regression. Wenn Daten nicht ohne einander können Korrelation
DAS THEMA: KORRELATION UND REGRESSION Korrelation Regression Wenn Daten nicht ohne einander können Korrelation Korrelation Kovarianz Pearson-Korrelation Voraussetzungen für die Berechnung die Höhe der
Varianzkomponentenschätzung
Qualitas AG Varianzkomponentenschätzung Peter von Rohr Qualitas AG Peter von Rohr Folien ZL I+II LFW C11 October 29, 2015 2 / 23 Multiple Lineare Regression Annahmen Modell y = Xb + e Varianz der Fehler
Inhalt. I Einführung. Kapitel 1 Konzept des Buches Kapitel 2 Messen in der Psychologie... 27
Inhalt I Einführung Kapitel 1 Konzept des Buches........................................ 15 Kapitel 2 Messen in der Psychologie.................................. 27 2.1 Arten von psychologischen Messungen....................
Faktorenanalyse und Strukturgleichungsmodelle II
Faktorenanalyse und Strukturgleichungsmodelle II Vorlesung Forschungsmethoden Wie sieht die Terminologie aus? Primär interessant: Beziehungen zwischen gemeinsamen Faktoren und beobachteten Variablen Werden
Dabei bezeichnet x die Einflussgrösse (Regressor), y die Zielvariable (die eine Folge der Ursache x ist) und die Störung. Die n = 3 Beobachtungen
Lineare Regression und Matrizen. Einführendes Beispiel Der im Kapitel Skalarprodukt gewählte Lösungsweg für das Problem der linearen Regression kann auch mit Matrizen formuliert werden. Die Idee wird zunächst
Wie liest man Konfidenzintervalle? Teil I. Premiu m
Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall
LISREL-Syntax: Struktur und wichtige Anweisungen
LISREL-Syntax: Struktur und wichtige Anweisungen 1 LISREL-Syntax einer konfirmatorischen Faktorenanalyse Das Modell entspricht dem Pfaddiagramm des Handouts Variablen- und Parameterbezeichnungen in LISREL.
Konfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Kapitel 6 Einführung in die Test- und Fragebogenkonstruktion, Pearson Education 2003, Markus Bühner, 1 6.1 Grundkonzeption Die konfirmatorische Faktorenanalyse (CFA) dient
3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
2. Stochastische ökonometrische Modelle. - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen
.1. Stochastische ökonometrische Modelle.1 Einführung Ziele: - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen - Numerische Konkretisierung ökonomischer Modelle und deren Analse. . Variierende
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
Methodische Aspekte linearer Strukturgleichungsmodelle Ein Vergleich von kovarianz- und varianzbasierten Kausalanalyseverfahren
Andreas Fuchs Methodische Aspekte linearer Strukturgleichungsmodelle Ein Vergleich von kovarianz- und varianzbasierten Kausalanalyseverfahren l Research Papers on Marketing Strategy No. 2 / 2011 Herausgegeben
Marco Vannotti (Autor) Die Zusammenhänge zwischen Interessenkongruenz, beruflicher Selbstwirksamkeit und verwandten Konstrukten
Marco Vannotti (Autor) Die Zusammenhänge zwischen Interessenkongruenz, beruflicher Selbstwirksamkeit und verwandten Konstrukten https://cuvillier.de/de/shop/publications/2438 Copyright: Cuvillier Verlag,
Vorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 6. Vorlesung: 28.04.2003 Organisatorisches Terminverlegung Übungsgruppen Gruppe 5 alter Termin: Donnerstag, 01.05.03, 12 14 Uhr, IfP SR 9 neuer Termin:
Empirische Forschungsmethoden
Winfried Stier Empirische Forschungsmethoden Zweite, verbesserte Auflage Mit 22 Abbildungen und 53 Tabellen Springer L Inhaltsverzeichnis I. Grundlagen 1 1.1. Methoden, Methodologie, Empirie 1 1.2. Einige
Was heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
LISREL/CFA: Modelltest
LISREL/CFA: Modelltest im Rahmen des Interdisziplinären Seminars Multivariate Statistik bei psychologischen Fragestellungen Martina Feilke, Martina Unterburger, Christoph Burkhardt Dozenten: Prof. Dr.
Meßmodelle und konfirmatorische Faktorenanalyse
Meßmodelle und konfirmatorische Faktorenanalyse Jost Reinecke Universität Bielefeld 28. September 2005 Meßmodelle Die Modellspezifikation Die Identifikation der Modellparameter Restriktionen im Meßmodell
Schätzen 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