Hauptkomponentenanalyse. Die Schritte bei einer Hauptkomponentenanalyse
|
|
- Daniel Fürst
- vor 7 Jahren
- Abrufe
Transkript
1 Die Schritte bei einer FACTOR /VARIABLES f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r /MISSING LISTWISE /ANALYSIS f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r /PRINT UNIVARIATE INITIAL CORRELATION KMO EXTRACTION ROTATION /FORMAT SORT BLANK(.0) /CRITERIA MINEIGEN() ITERATE(5) /EXTRACTION PC /CRITERIA ITERATE(5) /ROTATION VARIMAX /METHOD=CORRELATION. So sehen die Standardeinstellungen in der Syntax-Datei aus: Es werden die Variablen r bis 0R analysiert. Daten mit fehlenden Werten werden listenweise ausgeschlossen, d.h. wenn ein Fall bei einem der 0 Items einen fehlenden Wert hat, wird er ausgeschlossen. Bei wenigen fehlenden Werten könnten auch die fehlenden Werte durch den Mittelwerte ersetzt werden. Weiterhin werden die smatrix und das KMO-Maß ausgegeben. Weitere Optionen: Faktorenextraktion nach dem Eigenwertkriterium, Varimax-Rotation. Die Faktorladungen sollen sortiert werden, wobei nur Faktorladungen über.0 angegeben werden. Deskriptive Statistiken R Besonderes Interesse am Fach R Meine Begabungen/Fähigkeiten R Mich zu bilden, meine Persönlichkeit zu entfalten 4R Die Perspektive in eine Führungsposition 5R Die Aussicht auf einen sicheren Arbeitsplatz 6R Das Ansehen des Berufs in der Gesellschaft 7R Um später wissenschaftlich arbeiten zu können 8R Berufsfeld mit selbstbestimmt arbeiten 9R Gute Verdienstchancen im späteren Beruf 0R Anderen Menschen zu helfen Standardab Mittelwert weichung Analyse N Diese deskriptiven Statistiken sind praktisch, vor allem da hier das N angegeben wird, hier kann die Zahl der ausgeschlossenen Fälle indirekt abgelesen werden.. Schritt: Überprüfung der Voraussetzungen Auf die Überprüfung der Normalitäts- und Linearitätsannahmen soll an dieser Stelle verzichtet werden ( data screening ) Ein Blick auf die smatrix kann sinnvoll sein: Beispiel_PCA_V0.doc
2 smatrix R Beso ndere s Intere sse am Fach R Mein e Bega bung en/fä higke iten R Mich zu bilde n, mein e Pers önlic hkeit zu entfal ten 4R Die Pers pektiv e in eine Führu ngsp ositio n 5R Die Aussi cht auf einen siche ren Arbeit splatz 6R Das Anse hen des Beruf s in der Gese llsch aft 7R Um späte r wiss ensc haftlic h arbeit en zu könn en 8R Beruf sfeld mit selbs tbesti mmt arbeit en 9R Gute Verdi enstc hanc en im späte ren Beruf 0R Ander en Mens chen zu helfe n R Besonderes Interesse am Fach R Meine Begabungen/Fähigkeiten R Mich zu bilden, meine Persönlichkeit zu entfalten 4R Die Perspektive in eine Führungsposition 5R Die Aussicht auf einen sicheren Arbeitsplatz 6R Das Ansehen des Berufs in der Gesellschaft 7R Um später wissenschaftlich arbeiten zu können 8R Berufsfeld mit selbstbestimmt arbeiten 9R Gute Verdienstchancen im späteren Beruf 0R Anderen Menschen zu helfen Überwiegend sind die en nicht sehr hoch, was bei großen Stichproben nicht überraschend ist. Einige Zusammenhänge sind aber erkennbar, so zwischen 4R und 9R. Wichtig ist das KMO-Maß: KMO- und Bartlett-Test Maß der Stichprobeneignung nach Kaiser-Meyer-Olkin..75 Bartlett-Test auf Sphärizität Ungefähres Chi-Quadrat df Signifikanz nach Bartlett Die smatrix ist mittelprächtig geeignet für eine Faktorenanalyse, der Bartlett-Test zeigt, dass die smatrix mit einer Sicherheit unter 0.00 % nicht einer Nullkorrelationsmatrix entspringt. Es kann also eine gerechnet werden. Beispiel_PCA_V0.doc
3 . Schritt: Berechnung der Hauptkomponenten (Faktorenextraktion) und Entscheidung über die Zahl der zu extrahierenden Hauptkomponenten. So sieht bei SPSS die Ausgabe aus. Erklärte Gesamtvarianz Summen von quadrierten Faktorladungen Anfängliche Eigenwerte für Extraktion Rotierte Summe der quadrierten Ladungen Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % Extraktionsmethode:. Wichtig ist zuerst die linke Seite: Anfängliche Eigenwerte Gesamt % der Varianz Kumulierte % Extraktionsmethode:. Der Eigenwerteverlauf über die 0 n (= 0 Variablen) ist gut erkennbar, per Definition nehmen die Eigenwerte ab. Das Eigenwertkriterium (> ) legt eine dreifaktorielle Struktur nahe. Diese dreifaktorielle Lösung erklärt 55.7 % der Varianz. An sich eine zufriedenstellende Lösung. Das Ergebnis ist also: Erklärte Gesamtvaria Summen von quadrierten Faktorladungen für Extraktion Gesamt % der Varianz Kumulierte % Extraktionsmethode:. Wir wählen eine dreifaktorielle Lösung mit einer erklärten Varianz von 55.7 %. Auch der Scree-Test legt eine derartige Lösung nahe: Beispiel_PCA_V0.doc
4 .0 Screeplot Eigenwert Faktor. Schritt: Inspektion der Kommunalitäten (h²) Kommunalitäten R Besonderes Interesse am Fach R Meine Begabungen/Fähigkeiten R Mich zu bilden, meine Persönlichkeit zu entfalten 4R Die Perspektive in eine Führungsposition 5R Die Aussicht auf einen sicheren Arbeitsplatz 6R Das Ansehen des Berufs in der Gesellschaft 7R Um später wissenschaftlich arbeiten zu können 8R Berufsfeld mit selbstbestimmt arbeiten 9R Gute Verdienstchancen im späteren Beruf 0R Anderen Menschen zu helfen Extraktionsmethode:. Anfänglich Extraktion Gemäß der Logik der hätten wir bei einer vollständigen Lösung Kommunalitäten von. Bei einer dreifaktoriellen statt einer elffaktoriellen Lösung tragen aber die Variablen unterschiedlich zu dieser Lösung bei. So sehen wir, dass die Variable F07_7R kaum in der Lösung repräsentiert ist, während 9R und auch 4R stark in dieser Lösung vertreten sind, also zu dieser Lösung beitragen (s. auch die ursprünglichen en). 4 Beispiel_PCA_V0.doc
5 4. Schritt: Inspektion der Faktorladungen Die Ladungen der nicht rotierten Ladungsmatrix sind bei dem. Faktor eindeutig, nicht aber bei den beiden anderen Faktoren (zur Erinnerung: Die Faktorladungen sind en der jeweiligen n mit den Items). nmatrix a 9R Gute Verdienstchancen im späteren Beruf 4R Die Perspektive in eine Führungsposition 5R Die Aussicht auf einen sicheren Arbeitsplatz 6R Das Ansehen des Berufs in der Gesellschaft R Besonderes Interesse am Fach R Mich zu bilden, meine Persönlichkeit zu entfalten 8R Berufsfeld mit selbstbestimmt arbeiten 7R Um später wissenschaftlich arbeiten zu können 0R Anderen Menschen zu helfen R Meine Begabungen/Fähigkeiten Extraktionsmethode:. a. n extrahiert Die beste Interpretation gelingt, wenn die jeweiligen Items nur auf einem Faktor hohe Ladungen besitzen und auf anderen nicht. Die Faktoren und lassen sich schlecht interpretieren. Deswegen sollte die Faktorladungsmatrix rotiert werden. 5. Schritt: Rotation der Faktorladungsmatrix Rotierte nmatrix a 9R Gute Verdienstchancen im späteren Beruf 4R Die Perspektive in eine Führungsposition 5R Die Aussicht auf einen sicheren Arbeitsplatz 6R Das Ansehen des Berufs in der Gesellschaft R Meine Begabungen/Fähigkeiten R Besonderes Interesse am Fach 7R Um später wissenschaftlich arbeiten zu können 0R Anderen Menschen zu helfen R Mich zu bilden, meine Persönlichkeit zu entfalten 8R Berufsfeld mit selbstbestimmt arbeiten Extraktionsmethode:. Rotationsmethode: Varimax mit Kaiser-Normalisierung. a. Die Rotation ist in 5 Iterationen konvergiert Die rotierte Faktorladungsmatrix sieht sehr eindeutig aus, es gibt klare Zuordnungen der Items zu den Hauptkomponenten. Allerdings entspricht diese Lösung nicht den eher rigiden Stevens -Kriterien. Auf der anderen Seite kann bei diesem hohen N von einer stabilen Lösung ausgegangen werden. 5 Beispiel_PCA_V0.doc
6 Erklärte Gesamtvarianz Summen von quadrierten Faktorladungen für Extraktion Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % Extraktionsmethode:. Rotierte Summe der quadrierten Ladungen Die Rotation kann zu einer Veränderung der Eigenwerte bei den jeweiligen n führen, die erklärte Varianz bleibt selbstverständlich stabil. Bei diesem Datensatz sind allerdings nur geringfügige Verschiebungen zu erkennen. 6. Schritt: Interpretation der Hauptkomponenten Die erhaltenen Faktoren müssen inhaltlich interpretiert werden, d.h. sie müssen interpretierbar sein. Deswegen ist eine interpretierbare Lösung einer Lösung vorzuziehen, die methodisch sauber (s. Stevens-Kriterien) aber nur schlecht interpretierbar ist. Folgende Lösungen wurden von Seminarteilnehmer/innen vorgeschlagen: Faktor : Wohlstand und Ansehen Faktor : Interesse und Fähigkeiten Faktor : persönliche Entfaltung Die erste n umfasst vier Items und kann unter dem Titel "Karriere und Beruf" stehen. Die drei Items "Gute Berufschancen im späteren Beruf" (.86), " Die Perspektive in einer Führungsposition" (.8) sowie "Die Aussicht auf einen sicheren Arbeitsplatz" (,805)weisen einen hohen inhaltlichen Zusammenhang auf, während das Item "Das Ansehen des Berufes in der Gesellschaft" (.670)zwar einen geringeren Wert aufweist, aber auch noch mit in diese Gruppe gehört. Die zweite beinhaltet drei Items und steht unter dem Titel "Eigene Fähigkeiten und Wünsche" bezüglich der Entscheidung für das Hauptfach. Die Gründe "Meine Begabungen und Fähigkeiten" (.777) sowie "Besonderes Interesse am Fach" (.79) gehören deutlich zusammen zu einer Gruppe. Das Item "Um später wissenschaftlich arbeiten zu können" (.557) kann nur mit Einschränkung zu dieser Gruppe gezählt werden. Die dritte Hauptkomponente ist ebenfalls aus drei Variablen zusammengesetzt und behandelt das Thema " Selbstbestimmung und das Verhältnis zu anderen". Hier ist allerdings ein nicht so deutlicher Zusammenhang zu sehen, da zwei Werte relativ gering sind:.55 bei "Im Berufsfeld selbstbestimmt mitarbeiten" und.695 "Mich zu bilden, meine Persönlichkeit entfalten". Nur das Item "Anderen Menschen zu helfen" weist einen deutlichen Wert auf : Hauptkomponente: "Managementberufsbild". Hauptkomponente: Beruf nach eigenen Interessen und Leistungen. Hauptkomponente (eigentlich zu wenig Items): Wissenschaftlichen Arbeiten 6 Beispiel_PCA_V0.doc
7 .Beruflicher Erfolg.Eigenkompetenz.Persönlichkeitsentfaltung Anmerkungen: - keine Ausreißer - nur drei Ladungen bei und - schwache Ladungen der jeweils dritten Ladung von und (.557/.55) Namen für die n:.:verdienst und Ansehen.:Begabungen und Interesse.:Persönlichkeit und Nächstenliebe Anmerkungen: Die rotierte Lösung zeigt sehr schön, dass es keine "Ausreißer" gibt. D.H., alle Variablen in einer ngruppe passen sehr gut zusammen. Leider besitzen die n und 4 aber nur jeweils Ladungen. Außerdem gibt es bei diesen n auch jeweils eine Ladung mit unter 600. (557 bzw. 55).Normalerweise sind diese Ladungen nicht so gut wie Ladungen über 600.Am Aussagekräftigsten sind Ladungen über Schritt: Berechnung der Faktorscores Für weitere Berechnungen kann es sinnvoll sein, mit den Faktorscores zu rechnen anstatt mit den Originalvariablen. Dies hat den Vorteil, dass sich die Variablen von zehn auf drei reduzieren und diese Faktorscores voneinander unabhängig, also orthogonal sind. Dies ist wichtig bei Datenanalysen im Rahmen des allgemeinen linearen Modells. 7 Beispiel_PCA_V0.doc
8 Hier rufen Sie die auf Die betreffenden Variablen werden markiert und über den Pfeil in das Variablenfenster übernommen Es ist empfehlenswert, sich die univariaten Statistiken und die smatrix ausgeben zu lassen. Wichtig ist die Ausgabe des KMO-Maßes, da an diesem Maß erkennbar wird, ob die smatrix überhaupt zur Extraktion geeignet ist. 8 Beispiel_PCA_V0.doc
9 Über Extraktion öffnet sich dieses Fenster: Die Methode der ist die Voreinstellung. Empfehlenswert ist die Ausgabe der smatrix und des Screeplots. Die Eigenwertmethode ist bei der Zahl der zu extrahierenden Hauptkomponenten die Voreinstellung. Alternativ können Sie auch die von Ihnen gewünschte Anzahl der Faktoren eintragen. Dies empfiehlt sich, wenn Sie nach Inspektion der Eigenwertelösung zu einer Lösung neigen, bei der weniger Faktoren extrahiert werden als nach dem Eigenwertkriterium. Sie sollten als Rotationsmethode die üblicherweise verwendete Varimax-Methode auswählen. Abweichende Methoden sollten in der Regel begründet werden. Das Ausschreiben der Faktorwerte in die Datenmatrix ist nur nötig, wenn Sie anschließend mit diesen neuen Variablen rechnen wollen. Hier können Sie wählen, wie mit fehlenden Werten umgegangen wird. Voreinstellung ist listenweiser Ausschluss, d.h. eine Person wird dann ausgeschlossen, wenn eine Variablen einen fehlenden Wert hat. Zur besseren Interpretation sollten Sie sich die Ladungen nach Größe sortiert ausgeben lassen und alle Werte unter z.b. 0.4 nicht ausdrucken lassen. 9 Beispiel_PCA_V0.doc
Musterklausur im Fach Käuferverhalten und Marketingforschung. Prof. Dr. M. Kirchgeorg
Lehrstuhl Marketingmanagement Musterklausur im Fach Käuferverhalten und Marketingforschung Prof. Dr. M. Kirchgeorg Punkteverteilung: Aufgabe max. Punktzahl erreichte Punktzahl I-1 12 I-2 10 I-3 8 Gesamt
MehrSPSS-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
MehrEiner Reihe von Merkmalen zugrunde liegende, gemeinsame Faktoren ermitteln.
Faktoranalysen Aufbau 1. Sinn und Zweck 2. Eigenschaften der Merkmale 3. Extraktion der Faktoren 4. Anzahl der Faktoren 5. Rotation der Faktoren 6. Interpretation der Faktoren Sinn und Zweck Einer Reihe
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduktion. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduktion Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im Datensatz
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im
MehrGHF SoSe 2011 HS MD-SDL
GHF SoSe 2011 HS MD-SDL 6/28/2011 1 Bitte recherchieren Sie die verschiedenen Bestimmungsstücke des Validitätskonzepts Bitte überlegen Sie sich Strategien zur Prüfung dieser verschiedenen Bestimmungsstücke
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 13 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
MehrSkript Einführung in SPSS
SPSSinteraktiv Faktorenanalyse - 1 - Skript Einführung in SPSS Faktorenanalyse Explorative Faktorenanalyse Hauptkomponentenanalyse (PCA) Hinweise zum Schreiben des statistischen Reports 1. Sämtliche Tabellen
MehrExplorative 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
MehrDie 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
MehrStatistik II: Klassifikation und Segmentierung
Medien Institut : Klassifikation und Segmentierung Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Faktorenanalyse 2. Clusteranalyse 3. Key Facts 2 I 14 Ziel
Mehr9 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
MehrInstitut für Marketing und Handel Prof. Dr. W. Toporowski. SPSS Übung 5. Heutige Themen: Faktorenanalyse. Einführung in Amos
SPSS Übung 5 Heutige Themen: Faktorenanalyse Einführung in Amos 1 Faktorenanalyse Datei Öffnen V:/Lehre/Handelswissenschaft/Daten_Übung3/Preisimage_F_und_C.sav 2 Datensatz (I) v1 Wenn Produkte zu Sonderpreisen
MehrEigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung. 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend?
Eigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend? a) Die Faktorenanalyse hat ihren Ursprung in der theoretischen Intelligenzforschung.
MehrAufgaben zur Multivariaten Statistik
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Universität Kassel Aufgaben zur Multivariaten Statistik Teil : Aufgaben zur Einleitung. Was versteht man unter einer univariaten, bivariaten
MehrMultivariate Analysemethoden
Multivariate Analysemethoden Dipl.-Volksw. Rafael Rucha Klausur erster Termin im Wintersemester 2006/2007 3. Januar 2007 Das Arbeitsministerium beauftragte ein sozialwissenschaftliches Institut, eine Studie
MehrEinführung in SPSS. Sitzung 5: Faktoranalyse und Mittelwertsvergleiche. Knut Wenzig. 22. Januar 2007
Sitzung 5: Faktoranalyse und Mittelwertsvergleiche 22. Januar 2007 Verschiedene Tests Anwendungsfall und Voraussetzungen Anwendungsfall Mehrere Variablen, die Gemeinsamkeiten haben, werden gebündelt. (Datenreduktion)
MehrMultivariate Verfahren
Faktorenanalyse 1 Matthias Rudolf & Johannes Müller Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS Praxisbeispiel zur Faktorenanalyse: FABA Inhalt: 1 Beschreibung
Mehr6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
MehrFaktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur
MehrZur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen.
4.3 Faktorenanalyse Problemstellung Zur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen. Je größer jedoch die
MehrUnivariate Kennwerte mit SPSS
Univariate Kennwerte mit SPSS In diesem Paper wird beschrieben, wie eindimensionale Tabellen und Kennwerte mit SPSS erzeugt werden. Eine Herleitung der Kennwerte und eine inhaltliche Interpretation der
MehrProf. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION
Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 2. FS Master Rehabilitationspsychologie, SoSe 2012 Faktorenanalyse/ faktorielle Validität 2 Einleitung Allgemeines zu Faktorenanalysen (FA)
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Hauptkomponenten- und enanalyse Hauptkomponentenanalyse Von der Hauptomponentenananlyse zur exploratischen enanalyse Bestimmung der Zahl der en
MehrFaktorenanalyse. Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie
Faktorenanalyse Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie Seminar: Multivariate Analysemethoden Seminarleiter: Dr. Thomas Schäfer Referenten:
MehrStatistische Methoden in der Wirtschaftsund Sozialgeographie
Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 0.5--45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-
MehrHypothesentests 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
MehrEinführung in die Hauptkomponentenanalyse und Faktorenanalyse mit SPSS. Datenanalyse HS09 Susan Kriete Dodds 18. November 2009
Einführung in die Hauptkomponentenanalyse und Faktorenanalyse mit SPSS Datenanalyse HS09 Susan Kriete Dodds 18. November 2009 Hauptkomponentenanalyse Öffne die Datei Kamera.csv Analysieren > Dimensionsreduzierung
MehrPraktische Durchführung der explorativen Faktorenanalyse
Dr. Wolfgang Langer - Methoden V: Explorative Faktorenanalyse SoSe 1999-1 Praktische Durchführung der explorativen Faktorenanalyse Bei ihrem Sozialisationstypus Autoritäre Persönlichkeit unterscheiden
MehrMaterialband. Marktforschung
Materialband Marktforschung Multivariate statistische Verfahren 5. Sem. Prof. Dr. Rößler Themenbereiche 1 Regressionsanalyse 2 Varianzanalyse 3 Diskriminanzanalyse 4 Faktorenanalyse 5 Clusteranalyse Regressionsanalyse
MehrExploratorische Faktorenanalyse: Hauptachsenanalyse und Hauptkomponentenanalyse SPSS-Beispiel zu Kapitel 13 1
Exploratorische Faktorenanalyse: Hauptachsenanalyse und Hauptkomponentenanalyse SPSS-Beispiel zu Kapitel 13 1 Karin Schermelleh-Engel, Christina S. Werner & Helfried Moosbrugger Inhaltsverzeichnis 1 Vorbemerkungen...
MehrAbb. 26: Antwortprofil zur Frage "Wie intensiv setzten sie die Methode ein?"
2.2.1.2. Intensität des Einsatzes der Methoden 2.2.1.2.1. Antwortprofil Das Antwortprofil zu der Fragestellung "Wie intensiv setzten sie die Methode ein?" zeigt Abbildung 26. 1. M ethoden der Neukundengewinnung:
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrInhalt. Einführung in die Faktorenanalyse mit SPSS. 1. Faktorenanalyse: Wozu? 1. Faktorenanalyse: Wie?
Einführung in die Faktorenanalyse mit SPSS Benutzertreffen am URZ Christoph Witzel. Juni 00 Inhalt. Faktorenanalyse: Wozu und wie?. Beispieldaten Metalle. Vorgehensweise. Verfahren zur Berechnung der Faktoren.
MehrGrundzüge der Faktorenanalyse
SEITE Grundzüge der Faktorenanalyse Bei der Faktorenanalyse handelt es sich um ein Verfahren, mehrere Variablen durch möglichst wenige gemeinsame, hinter ihnen stehende Faktoren zu beschreiben. Beispiel:
Mehr5. Arbeitsschritt: Skalenkonstruktion mit Hilfe der Faktorenanalyse
Dr. Wolfgang Langer - Methoden V: Explorative Faktorenanalyse SoSe 1999-1 5. Arbeitsschritt: Skalenkonstruktion mit Hilfe der Faktorenanalyse Mit Hilfe der orthogonalen Hauptkomponenten- und Faktorenanalyse
Mehr2.5 Das Rotationsproblem
.5 Das Rotationsproblem Das Verfahren der Faktorenextraktion ist so ausgestaltet, dass - der erste Faktor F 1 einen möglichst großen Teil der Varianz der manifesten Variablen erklärt, - der zweite Faktor
MehrStatistik II im Wintersemester 2006/2007
Statistik II im Wintersemester 2006/2007 Themen am 16.1. Multivariate Analysemodelle Multivariate Regression Hauptkomponentenanalyse Faktorenanalyse Lineare Strukturgleichungsmodelle Lernziele: 1. Unterschied
MehrExplorative Faktorenanalyse
Bachelorseminar: Ausgewählte Aspekte der Wirtschafts- und Sozialstatistik Explorative Faktorenanalyse Simon Reitzner Betreuerin: Eva Endres, M.Sc. LMU München, Institut für Statistik 19.06.2015 1 / 43
Mehr17. Januar Ruhr-Universität Bochum. Methodenlehre III, WS 2010/2011. Prof. Dr. Holger Dette. 1. Matrizenrechnung. 2.
Ruhr-Universität Bochum 17. Januar 2011 1 / 232 Methodenlehre III NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30
Mehr4. Skalenbildung: Faktorenanalyse, Aggregation von Items & Normierung
4. Skalenbildung: Faktorenanalyse, Aggregation von Items & Normierung Über die interne Struktur eines Tests bestehen präzise theoretische Vorstellungen --> ja: Konfirmatorische Faktorenanalyse CFA -->
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 5 bis 8 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrStatistik-Quiz Sommersemester
Statistik-Quiz Sommersemester Seite 1 von 8 Statistik-Quiz Sommersemester Die richtigen Lösungen sind mit gekennzeichnet. 1 In einer Gruppe von 337 Probandinnen und Probanden wurden verschiedene Merkmale
MehrEntwicklung der Faktorenanalyse 17.06.2009. Faktorenanalyse. Faktorenanalyse nach Spearman Variablen zur Beschreibung von Intelligenz
Faktorenanalyse Thomas Schäfer SS 009 1 Entwicklung der Faktorenanalyse Faktorenanalyse nach Spearman Variablen zur Beschreibung von Intelligenz Hauptkomponentenanalyse (Pearson, Hotelling) Thomas Schäfer
Mehrx erhielt die Rücklauf/Responsequote. Im Vergleich auch zu anderen Kennzahlen ist bei der Responsequote die Standardabweichung am geringsten (1,95).
höchsten Zustimmungswert ( = 5,7) x erhielt die Rücklauf/Responsequote. Im Vergleich auch zu anderen Kennzahlen ist bei der Responsequote die Standardabweichung am geringsten (1,95). 3. Kennzahl entscheidet
MehrMultivariate 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
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 27. März 2015 Aufgabe 1 Kennzeichnen Sie die folgenden Aussagen über die beiden Zufallsvektoren ([ ] [ ]) ([ ] [ ]) 2 1 0 1 25 2 x 1 N, x 3 0 1 2
MehrMessen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse
Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Dominik Ernst 26.05.2009 Bachelor Seminar Dominik Ernst Reliabilität und explorative Faktorenanalyse 1/20
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse Die explorative Faktorenanalyse ist ein Verfahren aus der multivariaten Statistik. Mithilfe der Faktorenanalyse kann aus den Beobachtungen vieler manifester Variablen (z.b Items
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrFaktorenanalyse. 1. Grundsätzliche Überlegungen 1
Faktorenanalyse Auf den nächsten Seiten soll das Verfahren der Faktorenanalyse an einigen Beispielen dargestellt werden. Ziel ist es, die Durchführung von explorativen Faktorenanalysen mit SPSS für Windows
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten
MehrKapitel 26 Faktorenanalyse
Kapitel 26 Faktorenanalyse In den Wirtschafts- und Sozialwissenschaften hat man es häufig mit Begriffen und Sachverhalten zu tun, die einen hohen Grad an Komplexität aufweisen und sich daher nicht durch
MehrZielsetzungen beim Einsatz der Methoden bei der Neukundengewinnung
2.2.2. Zielsetzungen beim Einsatz der Methoden bei der Neukundengewinnung In diesem Abschnitt soll analysiert werden, mit welchen Zielsetzungen die befragten Unternehmen verschiedene Methoden der Neukundengewinnung
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrMultivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
Mehr1. 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
Mehrexplorative Faktorenanalyse Spickzettel
9.Testkonstruktion eplorative Faktorenanalyse Spickzettel Interpretation / Faktorentaufe Passung Datenmatri standardisiert berechnen /schätzen Beispiel: Item Ich habe gerne viele Menschen um mich herum
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrSPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen
SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen Augustin Kelava 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel:
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
MehrUniversität Potsdam. Skalenbildung
Universität Potsdam Department Erziehungswissenschaft Grundschulpädagogik/-didaktik Skalenbildung Arbeitsschritte der Testanalyse am Beispiel des Lesetests ELFE 1-6, Subtest Textverständnis Datengrundlage
MehrDie Rücktransformation: Z = A t (Y µ) = Y = AZ + µ
Die Rücktransformation: Z = A t (Y µ) = Y = AZ + µ Kleine Eigenwerte oder Eigenwerte gleich Null: k Eigenwerte Null = Rang(Σ) = m k Eigenwerte fast Null = Hauptkomponenten beinahe konstant Beschränkung
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
MehrAbb. 28: Antwortprofil zur Frage Zielsetzung beim Einsatz der Neukundengewinnung: Gewinnung von Interessenten
2. Zielsetzungen beim Einsatz der Methoden der Neukundengewinnung: G ew innung von Interessenten 1 = trifft nicht zu 7 = trifft zu 1 2 3 4 5 6 7 Katalog Solo-Mailing Verbundmailing Beilagen Paketbeilage
MehrVeranschaulichung: Einführung in die Faktorenanalyse mit SAS. 1. Faktorenanalyse: Wie? Inhalt. 1. Faktorenanalyse: Wozu?
Einführung in die Faktorenanalyse mit SAS Benutzertreffen am URZ Christoph Witzel 6. Juni 2003 1. Faktorenanalyse: Wozu? Veranschaulichung: Variablen seien: Wie oft Personen Fußball spielen, Rad fahren,
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
Mehr12 Teilnehmervoraussetzungen zum Umschulungsbeginn
Teilnehmervoraussetzungen zum Umschulungsbeginn 187 12 Teilnehmervoraussetzungen zum Umschulungsbeginn An dieser Stelle werden die wichtigsten Voraussetzungen beschrieben, die die Umschüler mit in die
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
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrLösungen 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;
MehrEinführung in SPSS. 1. Die Datei Seegräser
Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten
MehrStatistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse Eric Klopp 1 Universität des Saarlandes Zusammenfassung Die explorative Faktorenanalyse (EFA) ist ein Verfahren aus der multivariaten Statistik. Mithilfe der Faktorenanalyse
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 24. August 2009 24. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Überblick 1. Arbeitsschritte bei der Datenanalyse 2. Datensatz kennenlernen, Variableninformationen
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrExploratorische Faktorenanalyse
Exploratorische Faktorenanalyse Kapitel 5 Einführung in die Test- und Fragebogenkonstruktion, Pearson Education 2003, Markus Bühner, 1 5.1 Ziele der Faktorenanalyse (1) Daten reduzieren (2) Zusammenhänge
MehrDimensionale Methoden: Hauptkomponentenanalyse (HKA) und Faktorenanalyse (FA)
Dimensionale Methoden: Hauptkomponentenanalyse (HKA) und Faktorenanalyse (FA) 1 HKA und FA: das Problem Beispiel: Supermärkte: Welches sind die Hauptattribute von Supermärkten? (637 Kunden beurteilen Attribute
MehrInhaltsverzeichnis. 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
MehrExplorative Faktorenanalyse: Einführung und Analyse mit R
Explorative Faktorenanalyse: Einführung und Analyse mit R Christina Werner Frühling 2014 Universität Zürich 1 Wozu verwendet man Faktorenanalysen? Mit Hilfe von Faktorenanalysen kann untersucht werden,
MehrStatistik für Psychologen, Pädagogen und Mediziner
Thomas Köhler Statistik für Psychologen, Pädagogen und Mediziner Ein Lehrbuch ^~i: Verlag W. Kohlhammer 1 Einführung: Begriffsklärungen und Überblick 11 1.1 Aufgaben und Subdisziplinen der Statistik 11
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Musterlösung Aufgabe 1 (28 Punkte) Der Marketing-Leiter einer Lebensmittelherstellers möchte herausfinden, mit welchem Richtpreis eine neue Joghurt-Marke auf
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrZur Typologie berufsbezogener Persönlichkeitsbeschreibungen von Lehramtsstudierenden
Zur Typologie berufsbezogener Persönlichkeitsbeschreibungen Pädagogische Professionalität 70. Tagung der AEPF 10. 12.09.2007 Leuphana Universität Lüneburg Gliederung Kontext Fragestellung Datenerhebung
MehrErgebnisse 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
MehrKonfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
MehrKapitel 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
MehrFaktorenanalyse Beispiel
Faktorenanalyse Zweck der Faktorenanalyse ist die Dimensionsreduktion einer gegebenen Variablenanzahl, d. h. also die Zusammenfassung vorhandener Variablen zu wenigen latenten, i. d. R. voneinander unabhängigen
MehrVertiefungsrichtung Marktforschung
Vertiefungsrichtung Marktforschung Sommersemester 2006 Dipl.-WiInf.(FH) Christian Reinboth Darstellen Faktorenanalyse Erkennen Beschreiben Testen Faktorenanalyse In der Marktforschung hat man es häufig
Mehr5. 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
MehrDie Datenerhebung erfolgte in Form einer voll standardisierten schriftlichen Befragung. [...]
Methodenlehreklausur 3/0 Name: 1 Bearbeitungszeit: 2 Stunden 30 Minuten Zugelassene Hilfsmittel: Taschenrechner Teil I: Offenes Beispiel Eva Neumann, Hans Werner Bierhoff (2004): Ichbezogenheit versus
MehrAufgaben 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:
Mehrvon 1970 bis 2010 Mediensoziologische Forschung in vergleichender Perspektive Funktionen von Medien im Zeitverlauf von 1970 bis 2010
Funktionen von Medien im Zeitverlauf von 1970 bis 2010 MLFZ-Workshop Mediatisierung der Gesellschaft? Mediensoziologische Forschung in vergleichender Perspektive Köln, 19. November 2010 Entwicklung der
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
Mehrentschieden 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
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag
Mehr