1. Anhang Anhang A. Übersicht Unterscheidung verschiedener Varianten von Commitment (Moser 1997; S.167).
|
|
- Henriette Friedrich
- vor 7 Jahren
- Abrufe
Transkript
1 1. Anhang Anhang A Übersicht Unterscheidung verschiedener Varianten von Commitment (Moser 1997; S.167).
2 Anhang B Übersicht der Komponenten und Foci des Commitment (Felfe 2008; S.46).
3 Anhang C Deutsche Version des Commitment Fragebogens von Meyer und Allen (1990) (Schmidt et al. 1998; S ). Ich wäre sehr froh, mein weiteres Berufsleben in diesem Betrieb verbringen zu können. (AC 1) Ich unterhalte mich gerne auch mit Leuten über meinen Betrieb, die hier nicht arbeiten. (AC 2) Probleme des Betriebes beschäftigen mich häufig so, als seien sie meine eigenen. (AC 3) Ich glaube, ich könnte mich leicht mit einem anderen Betrieb gleich stark verbunden fühlen wie mit meinem jetzigen*. (AC4) Ich empfinde mich nicht als Teil der Familie meines Betriebes*. (AC 5) Ich fühle mich emotional nicht sonderlich mit dem Betrieb verbunden*. (AC 6) Dieser Betrieb hat eine große persönliche Bedeutung für mich. (AC 7) Ich empfinde kein starkes Gefühl der Zugehörigkeit zu diesem Betrieb*. (AC 8) Ich mache mir keine Sorgen darüber, was passieren würde, wenn ich hier kündige, ohne eine andere Stelle in Aussicht zu haben*. (CC 1) Selbst wenn ich es wollte, würde es mir sehr schwer fallen, gerade jetzt meinen Betrieb zu verlassen. (CC 2) Zu vieles in meinem Leben würde sich verändern, wenn ich mich dazu entschlösse, meinen Betrieb momentan zu verlassen. (CC 3) Es wäre nicht mit vielen Nachteilen für mich verbunden, wenn ich momentan meinen Betrieb verlassen würde*. (CC 4) In meinem Betrieb zu bleiben, entspricht sowohl der Notwendigkeit als auch meinen Wünschen. (CC 5) Ich glaube, daß ich momentan wenige alternative Beschäftigungsmöglichkeiten habe, um einen Betriebswechsel ernsthaft in Erwägung zu ziehen. (CC 6) Eine der wenigen ernsthaften Folgen eines Betriebswechsels wäre der Mangel an tatsächlichen Beschäftigungsalternativen. (CC 7) Einer der Hauptgründe, warum ich hier weiter arbeite, besteht darin, daß ein Stellenwechsel beträchtliche persönliche Opfer
4 von mir verlangte, die ein anderer Betrieb nicht aufwiegen könnte. (CC 8) Ich glaube, daß die Leute heutzutage den Betrieb zu häufig wechseln. (NC 1) Ich glaube nicht, daß man seinem Betrieb immer treu sein muß*. (NC 2) Es erscheint mit überhaupt nicht unmoralisch, von Betrieb zu Betrieb zu wechseln*. (NC 3) Einer der Hauptgründe, in diesem Betrieb weiter zu arbeiten, besteht für mich darin, daß ich glaube, daß Treue dem Betrieb gegenüber wichtig ist. Ich fühle mich deshalb auch moralisch verpflichtet, in meinem Betrieb zu bleiben. (NC 4) Wenn mir ein anderer Betrieb eine bessere Stelle anböte, würde ich es nicht als richtig empfinden, meinen Betrieb zu verlassen. (NC 5) Einem Betrieb treu zu bleiben, messe ich eine große Bedeutung bei. (NC 6) Heutzutage stünde es um die Dinge besser, wenn die Leute die meiste Zeit ihres Berufslebens in einem Betrieb bleiben würden. (NC 7) Ich denke nicht, daß es heutzutage noch vernünftig ist, so ein richtiger <<Betriebsmensch>> zu werden*. (NC 8) * (Die mit * gekennzeichneten Items werden rekodiert, so daß hohe Itemwerte immer hohe Ausprägung der jeweiligen Organisationsbindung indizieren)
5 Anhang D Übersicht der meistgenutzten Maßnahmen zur Erhebung von Commitment (Cooper-Hakim & Viswesvaran 2005; S. 247).
6 Anhang E Übersicht der Antezedenzien, Korrelate und Ergebnisfaktoren der ersten Metaanalyse von Mathieu & Zajac 1990 (Mathieu & Zajac 1990; S.174)
7 Anhang F Ergebnisse der Metaanalyse von Mathieu und Zajac zu den Ergebnisfaktoren des Commitment (Matthieu & Zajac 1990; S. 177)
8 Anhang G Ergebnisse der Metaanalyse von Meyer et al zu den Ergebnisfaktoren der Commitment-Komponenten (Meyer et al. 2002; S )
9 Anhang H Ergebnisse der Metaanalyse von Meyer et al zu den Antezedenzien der Commitment- Komponenten (Meyer et al. 2002; S )
10 Anhang I Verknüpfung von Führungspersönlichkeit, Führungsverhalten, Führungssituation und Führungserfolg im theoretischen Modell (Eigene Darstellung nach Von Rosenstiel 2003; S.9). Führungssituation Kultur und politisches System des Landes Branchenzugehörigkeit der Organisation Unternehmensverfassung und rechtlicher Rahmen Organisationsstruktur und -kultur Funktion (Produktion, Finanzierung, Marketing, F&E, Personal, etc.) Größe, Struktur und Klima der Gruppe Persönlichkeitsmerkmale der Gruppenmitglieder Machtbasis und Legitimierung des Führenden Person des Führenden Intelligenz deklaratives und prozedurales Wissen big five soziale Kompetenz Führungsverhalten autoritärer vs. kooperativer Führungsstil Dimensionen des Führungsverhaltens Interpretation der Führungsrolle Verstärkung des erwünschten Geführtenverhaltens transaktionale und transformationale Führung Vorbildverhalten symbolische Führung Geführtenverhalten Arbeitszufriedenheit Commitment selbstgesteuertes Lernen Qualifizierung Engagement teamorientiertes Verhalten Abwesenheit vom Arbeitsplatz Führungserfolg disaggregiert Effizienz Aggregiert Problemlösungen Wachstum Verbesserungsvorschläge Gewinn Informationsaufwand Umsatz Prozess- und Marktanteil Produktinnovation Produktivität Planabweichungen Arbeitsgerichtsverfahren Arbeitsunfälle
11 Anhang J Versionen des MLQ (Felfe 2005; S.54).
12 Anhang K Deutsche überarbeitete und ergänzte Version des Multifactor Leadership Questionnaire (MLQ) von Bass und Avolio (Fefe & Goihl 2002b) Skala** Die Person, die ich einschätze,... Nr. CR / - 1 bietet im Gegenzug für meine Anstrengung ihre Hilfe an. 1 IS 1 überprüft stets aufs neue, ob zentrale/wichtige Annahmen noch angemessen sind. 2 MBP 1 versäumt es, sich um die Probleme zu kümmern, bis sie wirklich ernst geworden 3 sind. MBA 1 konzentriert sich überwiegend auf Unregelmäßigkeiten, Fehler, Ausnahmen und 4 Abweichungen von Vorschriften. LF / - 1 R versucht, sich nicht herauszuhalten, wenn wichtige Fragen anstehen. 5 IIb 1 spricht mit anderen über ihre wichtigsten Überzeugungen und Werte. 6 LF 2 R ist immer da, wenn sie gebraucht wird. 7 IS 2 sucht bei der Lösung von Problemen nach unterschiedlichen Perspektiven. 8 IM 1 äußert sich optimistisch über die Zukunft. 9 IIa 1 macht mich stolz darauf, mit ihr zu tun zu haben. 10 CR2 macht deutlich, wer für bestimmte Leistungen verantwortlich ist. 11 MBP 2 wartet bis etwas schief gegangen ist, bevor sie etwas unternimmt. 12 IM 2 spricht mit Begeisterung über das, was erreicht werden soll. 13 IIb 2 macht klar, wie wichtig es ist, sich 100%-ig für eine Sache einzusetzen. 14 IC 1 verbringt Zeit mit Führung und damit, den Mitarbeitern etwas beizubringen. 15 CR 3 spricht klar aus, was man erwarten kann, wenn die gesteckten Ziele erreicht 16 worden sind. MBP 3 ist fest davon überzeugt, dass man ohne Not nichts ändern sollte. 17 IIa 2 stellt die eigenen Interessen zurück, wenn es um das Wohl der Gruppe geht. 18 IC 2 berücksichtigt meine Individualität und behandelt mich nicht nur als irgendeinen 19 Mitarbeiter unter vielen. MBP 4 vertritt die Ansicht, daß Probleme erst wiederholt auftreten müssen, bevor man 20 handeln sollte. IIa 3 handelt in einer Weise, die bei mir Respekt erzeugt. 21 MBA 2 kümmert sich in erster Linie um Fehler und Beschwerden. 22 IIb / - 3 berücksichtigt die moralischen und ethischen Konsequenzen von 23 Entscheidungen. MBA 3 verfolgt alle Fehler konsequent. 24 IIa 4 strahlt Stärke und Vertrauen aus. 25 IM 3 formuliert eine überzeugende Zukunftsvision. 26 MBA 4 macht mich auf Fehler aufmerksam, damit die Anforderungen erfüllt werden. 27 LF 3 R trifft schnell und ohne Zögern ihre Entscheidungen. 28 IC 3 erkennt meine individuellen Bedürfnisse, Fähigkeiten und Ziele. 29 IS 3 bringt mich dazu, Probleme aus verschiedenen Blickwinkeln zu betrachten. 30 IC 4 hilft mir, meine Stärken auszubauen. 31 IS 4 schlägt neue Wege vor, wie Aufgaben/Aufträge bearbeitet werden können. 32 LF 4 klärt wichtige Fragen sofort. 33 IIb 4 betont die Wichtigkeit von Teamgeist und einem gemeinsamen 34 Aufgabenverständnis. CR 4 zeigt Zufriedenheit, wenn andere die Erwartungen erfüllen. 35 IM 4 hat großes Vertrauen, daß die gesteckten Ziele erreicht werden. 36 EFF 1 setzt sich effektiv für meine (beruflichen) Bedürfnisse und Interessen ein. 37 SAT1 sorgt durch ihr Führungsverhalten für Zufriedenheit. 38 EEF 1 bringt mich dazu, mehr zu schaffen als ich ursprünglich erwartet habe. 39 EFF 2 kann meine Interessen gut bei höheren Vorgesetzten vertreten. 40 SAT 2 gestaltet die Zusammenarbeit so, dass ich wirklich zufrieden bin. 41 EEF 2 spornt mich an, erfolgreich zu sein. 42 EFF 3 setzt sich effektiv für die Belange der Organisation ein. 43 EEF3 erhöht meine Bereitschaft, mich stärker anzustrengen. 44 EFF 4 kann eine Gruppe effektiv führen /* möchte ich auf keinen Fall enttäuschen /* motiviert mich immer wieder dazu, dass ich mehr tue als ich eigentlich müsste. 47
13 AUS /* ist für mich so wichtig, dass ich den Kontakt zu ihr suche/pflege. 48 AUS /* vermag mich durch ihre Persönlichkeit zu beeindrucken und zu faszinieren. 49 AUS /* versteht es, mich immer wieder zu begeistern. 50 AUS /* verfügt über Fähigkeiten und Eigenschaften, die ich bewundere. 51 / - Diese Items wurden bei der Skalenbildung nicht berücksichtigt. /* Diese Items wurden aufgrund eigener Vorarbeiten zusätzlich aufgenommen. ** zur Erläuterung der Abkürzungen s. Tabelle 4 Antwortvorgaben Fünfstufige Antwortskala: 1 = nie, 2 = selten, 3 = hin und wieder, 4 = oft, 5 = regelmäßig, fast immer
14 Anhang L Detaillierte Übersicht der weiterführenden Untersuchung der Mittelwertprofile von USamerikanischen und Deutschen Stichproben bezüglich der Wahrnehmung der Führungskräfte (Felfe 2006b; S.73)
15 Anhang M Der komplette Fragebogen
16
17
18
19 Anhang N RECODE FS_LF_1 FS_LF_2 FS_LF_3 FS_LF_4 (1=5) (2=4) (3=3) (4=2) (5=1) INTO FS_LF_1r FS_LF_2r FS_LF_3r FS_LF_4r. VARIABLE LABELS FS_LF_1r 'FS_LF_1r' /FS_LF_2r 'FS_LF_2r' /FS_LF_3r 'FS_LF_3r' /FS_LF_4r 'FS_LF_4r'. EXECUTE. RECODE AC_04 AC_05 AC_06 AC_08 (1=7) (2=6) (3=5) (4=4) (5=3) (6=2) (7=1) INTO AC_04r AC_05r AC_06r AC_08r. VARIABLE LABELS AC_04r 'AC_04r' /AC_05r 'AC_05r' /AC_06r 'AC_06r' /AC_08r 'AC_08r'. EXECUTE.
20 Anhang O Reliabilitätsstatistik für Skala AC Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,863,863 8 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Quadrierte Cronbachs, wenn Item wenn Item Skala- multiple Alpha, wenn Korrelation Korrelation Item AC_04r 28, ,159,553,364,853 AC_05r 27, ,665,333,222,878 AC_06r 27, ,545,811,700,822 AC_08r 27, ,946,611,398,847 AC_01 27, ,526,660,547,842 AC_02 27, ,732,753,639,831 AC_03 28, ,721,413,317,867 AC_07 28, ,647,793,690,826 Inter-Item-Korrelationsmatrix AC_04r AC_05r AC_06r AC_08r AC_01 AC_02 AC_03 AC_07 AC_04r 1,000,269,524,396,482,428,173,534 AC_05r,269 1,000,353,381,173,270,000,284 AC_06r,524,353 1,000,576,584,666,462,788 AC_08r,396,381,576 1,000,435,501,258,518 AC_01,482,173,584,435 1,000,695,335,610 AC_02,428,270,666,501,695 1,000,475,687 AC_03,173,000,462,258,335,475 1,000,456 AC_07,534,284,788,518,610,687,456 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,440,000,788, ,870,032 8
21 Skalen der passiven Führung Reliabilitätsstatistik für Skala LF (Exklusive Item LF_1) Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,817,816 3 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Cronbachs, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_LF_2r 5,0750 3,919,696,721 FS_LF_3r 4,9000 4,561,584,831 FS_LF_4r 5,0583 3,871,735,680 Inter-Item-Korrelationsmatrix FS_LF_2r FS_LF_3r FS_LF_4r FS_LF_2r 1,000,516,710 FS_LF_3r,516 1,000,565 FS_LF_4r,710,565 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,597,516,710,194 1,376,008 3
22 Reliabilitätsstatistik für Skala MbEp Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,869,869 4 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Cronbachs, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_MBP_1 6,86 9,282,658,858 FS_MBP_2 7,15 8,431,809,796 FS_MBP_3 7,20 9,271,694,844 FS_MBP_4 7,37 9,243,729,830 Inter-Item-Korrelationsmatrix FS_MBP_1 FS_MBP_2 FS_MBP_4 FS_MBP_3 FS_MBP_1 1,000,693,569,477 FS_MBP_2,693 1,000,665,687 FS_MBP_4,569,665 1,000,656 FS_MBP_3,477,687,656 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,625,477,693,216 1,453,007 4
23 Skalen der transformationalen Führung Reliabilitätsstatistik für Skala IS Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,859,858 4 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Cronbachs, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_IS_1 10,26 9,218,583,867 FS_IS_2 9,92 8,581,710,819 FS_IS_3 10,17 7,888,767,793 FS_IS_4 10,16 7,529,766,794 Inter-Item-Korrelationsmatrix FS_IS_4 FS_IS_2 FS_IS_1 FS_IS_3 FS_IS_4 1,000,662,523,744 FS_IS_2,662 1,000,502,653 FS_IS_1,523,502 1,000,530 FS_IS_3,744,653,530 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,602,502,744,241 1,481,009 4 Reliabilitätsstatistik für Skala IIb (Exklusive Item IIb3) Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,728,729 3
24 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Quadrierte Cronbachs, wenn Item wenn Item Skala- multiple Alpha, wenn Korrelation Korrelation Item FS_IIB_1 6,93 3,895,607,410,581 FS_IIB_2 6,60 4,259,440,194,762 FS_IIB_4 6,82 3,143,622,429,549 Inter-Item-Korrelationsmatrix FS_IIB_1 FS_IIB_2 FS_IIB_4 FS_IIB_1 1,000,379,627 FS_IIB_2,379 1,000,412 FS_IIB_4,627,412 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,473,379,627,248 1,654,014 3
25 Reliabilitätsstatistik für Skala IIa Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,902,903 4 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Cronbachs, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_IIA_1 10,06 10,375,792,870 FS_IIA_2 10,12 11,432,699,902 FS_IIA_3 9,93 10,641,843,852 FS_IIA_4 9,88 10,665,795,869 Inter-Item-Korrelationsmatrix FS_IIA_1 FS_IIA_2 FS_IIA_3 FS_IIA_4 FS_IIA_1 1,000,657,749,713 FS_IIA_2,657 1,000,662,602 FS_IIA_3,749,662 1,000,811 FS_IIA_4,713,602,811 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,699,602,811,209 1,347,005 4
26 Reliabilitätsstatistik für Skala IM Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,833,835 4 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Cronbachs, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_IM_1 10,60 7,082,736,756 FS_IM_2 10,62 7,465,635,801 FS_IM_3 10,89 6,551,700,775 FS_IM_4 10,42 8,346,597,818 Inter-Item-Korrelationsmatrix FS_IM_1 FS_IM_2 FS_IM_3 FS_IM_4 FS_IM_1 1,000,578,644,593 FS_IM_2,578 1,000,586,437 FS_IM_3,644,586 1,000,509 FS_IM_4,593,437,509 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,558,437,644,206 1,472,005 4
27 Reliabilitätsstatistik für Skala IC Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,889,889 4 Item-Skala-Statistiken Skalenmittelwer Skalenvarianz, Korrigierte Item- Cronbachs t, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_IC_1 10,22 12,087,710,875 FS_IC_2 9,73 12,100,770,852 FS_IC_3 10,08 11,717,789,844 FS_IC_4 10,06 12,089,756,857 Inter-Item-Korrelationsmatrix FS_IC_1 FS_IC_2 FS_IC_3 FS_IC_4 FS_IC_1 1,000,626,630,649 FS_IC_2,626 1,000,747,657 FS_IC_3,630,747 1,000,694 FS_IC_4,649,657,694 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,667,626,747,121 1,194,002 4
28 Skalen der transaktionalen Führung Reliabilitätsstatistik für Skala CR (exklusive CR_1) Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,722,724 3 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Quadrierte Cronbachs, wenn Item wenn Item Skala- multiple Alpha, wenn Korrelation Korrelation Item FS_CR_2 6,90 3,755,590,348,579 FS_CR_3 7,30 3,657,523,283,659 FS_CR_4 6,78 3,818,518,277,664 Inter-Item-Korrelationsmatrix FS_IC_1 FS_IC_2 FS_IC_3 FS_IC_4 FS_IC_1 1,000,626,630,649 FS_IC_2,626 1,000,747,657 FS_IC_3,630,747 1,000,694 FS_IC_4,649,657,694 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,667,626,747,121 1,194,002 4
29 Reliabilitätsstatistik für Skala MBA Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,707,706 4 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Quadrierte Cronbachs, wenn Item wenn Item Skala- multiple Alpha, wenn Korrelation Korrelation Item FS_MBA_1 9,45 5,376,507,333,635 FS_MBA_2 9,38 5,648,504,310,637 FS_MBA_3 8,98 5,336,526,316,622 FS_MBA_4 8,88 5,993,433,253,678 Inter-Item-Korrelationsmatrix FS_MBA_1 FS_MBA_3 FS_MBA_2 FS_MBA_4 FS_MBA_1 1,000,396,524,234 FS_MBA_3,396 1,000,320,478 FS_MBA_2,524,320 1,000,301 FS_MBA_4,234,478,301 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,375,234,524,289 2,235,011 4
30 Zusätzlich erhobene Skalen Reliabilitätsstatistik für Skala SAT Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,902,907 2 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Cronbachs, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_SAT_1 3,24 1,294,830. FA_SAT_2 3,13 1,713,830. Inter-Item-Korrelationsmatrix FA_SAT_2 FS_SAT_1 FA_SAT_2 1,000,830 FS_SAT_1,830 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,830,830,830,000 1,000,000 2
31 Reliabilitätsstatistik für Skala AUS Reliabilitätsstatistiken Cronbachs Alpha Cronbachs Alpha für standardisierte Items Anzahl der Items,924,924 4 Item-Skala-Statistiken Skalenmittelwert Skalenvarianz, Korrigierte Item- Cronbachs, wenn Item wenn Item Skala- Alpha, wenn Korrelation Item FS_AUS_1 9,04 12,528,760,922 FS_AUS_2 9,21 11,629,899,874 FS_AUS_3 9,25 12,256,849,892 FS_AUS_4 8,95 12,552,786,913 Inter-Item-Korrelationsmatrix FS_AUS_1 FS_AUS_2 FS_AUS_3 FS_AUS_4 FS_AUS_1 1,000,748,727,644 FS_AUS_2,748 1,000,858,808 FS_AUS_3,727,858 1,000,726 FS_AUS_4,644,808,726 1,000 Auswertung der Itemstatistiken Mittelwert Minimum Maximum Bereich Maximum / Minimum Varianz Anzahl der Items Inter-Item-Korrelationen,752,644,858,214 1,332,005 4
32 Anhang P Hypothesen 1.0 und 1.1 COMPUTE MEAN_AC=MEAN(AC_04r,AC_05r,AC_06r,AC_08r,AC_01,AC_02,AC_03,AC_07). EXECUTE. COMPUTE Skalenwert_Transformationale_Fuehrung=MEAN(FS_IS_1,FS_IS_2,FS_IS_3,FS_IS_4, FS_IIB_1,FS_IIB_2,FS_IIB_4,FS_IIA_1,FS_IIA_2,FS_IIA_3,FS_IIA_4,FS_IM_1,FS_I M_2,FS_IM_3,FS_IM_4,FS_IC_1,FS_IC_2,FS_IC_3,FS_IC_4). EXECUTE. COMPUTE Mean_IS=MEAN(FS_IS_1,FS_IS_2,FS_IS_3,FS_IS_4). EXECUTE. COMPUTE Mean_IIB=MEAN(FS_IIB_1,FS_IIB_2,FS_IIB_4). EXECUTE. COMPUTE Mean_IIA=MEAN(FS_IIA_1,FS_IIA_2,FS_IIA_3,FS_IIA_4). EXECUTE. COMPUTE Mean_IM=MEAN(FS_IM_1,FS_IM_2,FS_IM_3,FS_IM_4). EXECUTE. COMPUTE Mean_IC=MEAN(FS_IC_1,FS_IC_2,FS_IC_3,FS_IC_4). Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz Skalenwert_Transformation, ,018, ,001 ale_fuehrung Mean_IS, ,001, ,006 Mean_IIB, ,000, ,008 Mean_IIA, ,000, ,000 Mean_IM, ,000, ,000 Mean_IC, ,000, ,000 a. Signifikanzkorrektur nach Lilliefors
33 Anhang Q Hypothesen 2.0; 2.1 und 2.2 COMPUTE Skalenwert_Transaktionale_Fuehrung=MEAN(FS_MBA_1,FS_MBA_2,FS_MBA_4,FS_MBA_3,FS_CR_2,FS_CR_3,FS_CR_4). EXECUTE. COMPUTE Mean_CR=MEAN(FS_CR_2,FS_CR_3,FS_CR_4). EXECUTE. COMPUTE Mean_MBA=MEAN(FS_MBA_1,FS_MBA_2,FS_MBA_3,FS_MBA_4). EXECUTE. Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz Skalenwert_Transaktionale, ,011, ,147 _Fuehrung Mean_MBA, ,053, ,140 Mean_CR, ,000, ,000 a. Signifikanzkorrektur nach Lilliefors
34 Anhang R Hypothesen 3.0 und 3.1 COMPUTE Mean_LF=MEAN(FS_LF_2r,FS_LF_3r,FS_LF_4r). EXECUTE. COMPUTE Mean_MBP=MEAN(FS_MBP_1,FS_MBP_2,FS_MBP_3,FS_MBP_4). EXECUTE. COMPUTE Skalenwert_Passive_Fuehrung=MEAN(FS_MBP_1,FS_MBP_2,FS_MBP_3,FS_MBP_4,FS_LF_ 2r,FS_LF_3r,FS_LF_4r). EXECUTE. Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz Skalenwert_Passive_Fuehr, ,000, ,000 ung Mean_LF, ,000, ,000 Mean_MBP, ,000, ,000 a. Signifikanzkorrektur nach Lilliefors
35 Anhang S Hypothese 4 Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz Skalenwert_Transformation, ,018, ,001 ale_fuehrung Skalenwert_Transaktionale, ,011, ,147 _Fuehrung Skalenwert_Passive_Fuehr, ,000, ,000 ung MEAN_AC, ,000, ,003 a. Signifikanzkorrektur nach Lilliefors
36
37 Residuenstatistik a Minimum Maximum Mittelwert Standardabweic hung N Nicht standardisierter 2,0750 5,3310 4,0000, vorhergesagter Wert Standardisierter -2,340 1,618,000 1, vorhergesagter Wert Standardfehler des,103,415,193, Vorhersagewerts Korrigierter Vorhersagewert 2,0729 5,3338 4,0010, Nicht standardisierte -2, ,59110, , Residuen Standardisierte Residuen -2,598 2,353,000, Studentisierte Residuen -2,621 2,386,000 1, Gelöschtes Residuum -2, , , , Studentisierte -2,691 2,436 -,003 1, ausgeschlossene Residuen Mahalanobis-Abstand,040 15,876 2,975 2, Cook-Distanz,000,096,009, Zentrierter Hebelwert,000,133,025, a. Abhängige Variable: MEAN_AC Modellzusammenfassung b Modell R R-Quadrat Korrigiertes R- Quadrat Standardfehler des Schätzers 1,603 a,364,348 1,10121 a. Einflußvariablen : (Konstante), Skalenwert_Passive_Fuehrung, Skalenwert_Transaktionale_Fuehrung, Skalenwert_Transformationale_Fuehrung b. Abhängige Variable: MEAN_AC ANOVA a Modell Quadratsumme df Mittel der Quadrate F Sig. Regression 80, ,850 22,141,000 b 1 Nicht standardisierte Residuen 140, ,213 Gesamt 221, a. Abhängige Variable: MEAN_AC b. Einflußvariablen : (Konstante), Skalenwert_Passive_Fuehrung, Skalenwert_Transaktionale_Fuehrung, Skalenwert_Transformationale_Fuehrung
38 Hypothese 4.1 DESCRIPTIVES VARIABLES=Skalenwert_Transformationale_Fuehrung Skalenwert_Transaktionale_Fuehrung /SAVE /STATISTICS=MEAN STDDEV MIN MAX. COMPUTE Moderator1=ZSkalenwert_Transformationale_Fuehrung*ZSkalenwert_Transaktional e_fuehrung. EXECUTE. Z- Wert(Skalenwert_Transform ationale_fuehrung) Z- Wert(Skalenwert_Transakti onale_fuehrung) Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz, ,018, ,001, ,011, ,147 Moderator1, ,000, ,000 a. Signifikanzkorrektur nach Lilliefors Modellzusammenfassung c Modell R R-Quadrat Korrigiertes R- Quadrat Standardfehler des Schätzers 1,600 a,361,350 1, ,601 b,361,344 1,10425 a. Einflußvariablen : (Konstante), Z- Wert(Skalenwert_Transaktionale_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung) b. Einflußvariablen : (Konstante), Z- Wert(Skalenwert_Transaktionale_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung), Moderator1 c. Abhängige Variable: MEAN_AC
39 ANOVA a Modell Quadratsumme df Mittel der Quadrate F Sig. Regression 79, ,880 32,984,000 b 1 Nicht standardisierte Residuen 141, ,209 Gesamt 221, Regression 79, ,591 21,807,000 c 2 Nicht standardisierte Residuen 141, ,219 Gesamt 221, a. Abhängige Variable: MEAN_AC b. Einflußvariablen : (Konstante), Z-Wert(Skalenwert_Transaktionale_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung) c. Einflußvariablen : (Konstante), Z-Wert(Skalenwert_Transaktionale_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung), Moderator1 Residuenstatistik a Minimum Maximum Mittelwert Standardabweic hung N Nicht standardisierter vorhergesagter Wert 2,0324 5,3431 4,0000, Standardisierter vorhergesagter Wert -2,403 1,640,000 1, Standardfehler des Vorhersagewerts,112,490,186, Korrigierter Vorhersagewert 2,0355 5,3476 3,9979, Nicht standardisierte Residuen -2, ,67310, , Standardisierte Residuen -2,649 2,421,000, Studentisierte Residuen -2,670 2,444,001 1, Gelöschtes Residuum -3, ,72455, , Studentisierte ausgeschlossene Residuen -2,744 2,499 -,001 1, Mahalanobis-Abstand,229 22,483 2,975 4, Cook-Distanz,000,119,008, Zentrierter Hebelwert,002,189,025, a. Abhängige Variable: MEAN_AC
40
41 Hypothese 4.2 DESCRIPTIVES VARIABLES=Skalenwert_Passive_Fuehrung /SAVE /STATISTICS=MEAN STDDEV MIN MAX. COMPUTE Moderator2=ZSkalenwert_Transformationale_Fuehrung*ZSkalenwert_Passive_Fuehr ung. EXECUTE. Z- Wert(Skalenwert_Transform ationale_fuehrung) Z- Wert(Skalenwert_Passive_ Fuehrung) Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz, ,018, ,001, ,000, ,000 Moderator2, ,000, ,000 a. Signifikanzkorrektur nach Lilliefors Modellzusammenfassung c Modell R R-Quadrat Korrigiertes R- Quadrat Standardfehler des Schätzers 1,596 a,356,345 1, ,597 b,357,340 1,10739 a. Einflußvariablen : (Konstante), Z- Wert(Skalenwert_Passive_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung) b. Einflußvariablen : (Konstante), Z- Wert(Skalenwert_Passive_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung), Moderator2 c. Abhängige Variable: MEAN_AC
42 ANOVA a Modell Quadratsumme df Mittel der Quadrate F Sig. Regression 78, ,324 32,271,000 b 1 Nicht standardisierte Residuen 142, ,219 Gesamt 221, Regression 78, ,322 21,465,000 c 2 Nicht standardisierte Residuen 142, ,226 Gesamt 221, a. Abhängige Variable: MEAN_AC b. Einflußvariablen : (Konstante), Z-Wert(Skalenwert_Passive_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung) c. Einflußvariablen : (Konstante), Z-Wert(Skalenwert_Passive_Fuehrung), Z- Wert(Skalenwert_Transformationale_Fuehrung), Moderator2 Residuenstatistik a Minimum Maximum Mittelwert Standardabweic hung N Nicht standardisierter vorhergesagter Wert 2,2776 5,4326 4,0000, Standardisierter vorhergesagter Wert -2,114 1,759,000 1, Standardfehler des Vorhersagewerts,117,401,194, Korrigierter Vorhersagewert 2,2068 5,4462 4,0013, Nicht standardisierte Residuen -2, ,65313, , Standardisierte Residuen -2,606 2,396,000, Studentisierte Residuen -2,639 2,438 -,001 1, Gelöschtes Residuum -2, , , , Studentisierte ausgeschlossene Residuen -2,710 2,492 -,003 1, Mahalanobis-Abstand,346 14,620 2,975 2, Cook-Distanz,000,071,008, Zentrierter Hebelwert,003,123,025, a. Abhängige Variable: MEAN_AC
43
44 Anhang T Hypothese 5 USE ALL. COMPUTE filter_$=(mean_sat >= 3.6). VARIABLE LABELS filter_$ 'Mean_SAT >= 3.6 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. USE ALL. COMPUTE filter_$=(mean_ac >= 4.6). VARIABLE LABELS filter_$ 'MEAN_AC >= 4.6 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE.
45 Anhang U Hypothese 6 COMPUTE filter_$=(skalenwert_transformationale_fuehrung >= 3.6 AND Skalenwert_Transaktionale_Fuehrung <= 3.5 AND Skalenwert_Passive_Fuehrung <= 3.5). VARIABLE LABELS filter_$ 'Skalenwert_Transformationale_Fuehrung >= 3.6 AND Skalenwert_Transaktionale_Fuehrung <= 3.5 AND Skalenwert_Passive_Fuehrung <= 3.5 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. COMPUTE filter_$=(skalenwert_transformationale_fuehrung <= 3.5 AND Skalenwert_Transaktionale_Fuehrung >= 3.6 AND Skalenwert_Passive_Fuehrung <= 3.5). VARIABLE LABELS filter_$ 'Skalenwert_Transformationale_Fuehrung <= 3.5 AND Skalenwert_Transaktionale_Fuehrung >= 3.6 AND Skalenwert_Passive_Fuehrung <= 3.5 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. COMPUTE filter_$=(skalenwert_transformationale_fuehrung <= 3.5 AND Skalenwert_Transaktionale_Fuehrung <= 3.5 AND Skalenwert_Passive_Fuehrung >= 3.6). VARIABLE LABELS filter_$ 'Skalenwert_Transformationale_Fuehrung <= 3.5 AND Skalenwert_Transaktionale_Fuehrung <= 3.5 AND Skalenwert_Passive_Fuehrung >= 3.6 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE. Hohe transformationale Führung (Filter) Hohe transaktionale Führung Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz, ,000, ,000, ,000, ,000 Hohe passive Führung, ,000, ,000 Mean_SAT, ,000, ,000 a. Signifikanzkorrektur nach Lilliefors
46 Deskriptive Statistik N Schiefe Kurtosis Statistik Statistik Standardfehler Statistik Standardfehler Hohe transformationale 120 1,658,221,760,438 Führung (Filter) Hohe transaktionale 120 4,182,221 15,751,438 Führung Hohe passive Führung 120 2,419,221 3,914,438 Mean_SAT 120 -,243,221 -,992,438 Gültige Werte (Listenweise) 120 Statistiken Hohe Hohe Hohe passive Mean_SAT transformational transaktionale Führung e Führung Führung (Filter) Gültig N Fehlend Schiefe 1,658 4,182 2,419 -,243 Standardfehler der Schiefe,221,221,221,221 Kurtosis,760 15,751 3,914 -,992 Standardfehler der Kurtosis,438,438,438,438 Summe ,50 Mann-Whitney-U Tests und Richtungsunterschied Hohe transformationale Führung Ränge Mean_SAT Hohe transaktionale Führung (Filter) transaktionale Führung nicht dominant transaktionale Führung dominant N Mittlerer Rang Rangsumme , , ,00 216,00 Gesamt 120
47 Mean_SAT Bericht Hohe transformationale Führung (Filter) N Median transformationale Führung 98 3,0000 nicht dominant transformationale Führung 22 4,0000 dominant Insgesamt 120 3,5000 Hohe transaktionale Führung Mean_SAT Bericht Hohe transaktionale Führung (Filter) N Median transaktionale Führung 114 3,5000 nicht dominant transaktionale Führung 6 2,2500 dominant Insgesamt 120 3,5000 Hohe passive Führung Mean_SAT Bericht Hohe passive Führung (Filter) N Median passive Führung nicht 106 3,5000 dominant passive Führung dominant 14 1,5000 Insgesamt 120 3,5000
48
49 Anhang V Hypothese 7 USE ALL. COMPUTE filter_$=(mean_aus >= 3.6). VARIABLE LABELS filter_$ 'Mean_AUS >= 3.6 (FILTER)'. VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'. FORMATS filter_$ (f1.0). FILTER BY filter_$. EXECUTE.
50
16 Anhang. Anhang Fragebogen I Soziodemografische Informationen. Alter?
Anhang Fragebogen I 6 Anhang 6. Soziodemografische Informationen Alter?. bis 25 Jahre 2. 26 bis 35 Jahre 3. 36 bis 45 Jahre 4. 46 bis 55 Jahre 5. über 55 Jahre Geschlecht?. weiblich 2. männlich Wie lange
SPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1
SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter
B. 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
Hypothesentests 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
Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 1 Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Im Folgenden
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
Statistik 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
Statistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
Statistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.
Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt
Faktorenanalysen 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
Faktorenanalysen 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
Statistik 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
Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
Stefan Dörr. Motive, Einflussstrategien und transformationale Führung als Faktoren effektiver Führung
Stefan Dörr Motive, Einflussstrategien und transformationale Führung als Faktoren effektiver Führung Rainer Hampp Verlag München und Mering 2008 Inhaltsverzeichnis V Inhaltsverzeichnis Danksagung...III
Statistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
Statistik 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
Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
Häufigkeitsauszählungen, 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
Ergebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
a) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
Übungsblätter 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
1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis
1. Inhaltsverzeichnis 1. Inhaltsverzeichnis... 1 2. Abbildungsverzeichnis... 1 3. Einleitung... 2 4. Beschreibung der Datenquelle...2 5. Allgemeine Auswertungen...3 6. Detaillierte Auswertungen... 7 Zusammenhang
2. Generieren Sie deskriptive Statistiken (Mittelwert, Standardabweichung) für earny3 und kidsunder6yr3 und kommentieren Sie diese kurz.
Statistik II Übung : Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (6-24 Jahre alt) und der Anzahl der unter
Projekt-Leadership: Menschen führen in Projekten
120minutenBUSINESSWOMEN Präsentation des Anlasses: Projekt-Leadership: Menschen führen in Projekten 24. Juni 2009 Referenten: Moreno della Picca, Helvetia Versicherung Basel Wolfgang Rathert, lic.oec.
Kreuzvalidierung. 1. Schritt: Aufteilung der Stichprobe in ungefähr gleiche Hälften nach dem Zufall. SPSS:
Kreuzvalidierung. Schritt: Aufteilung der Stichprobe in ungefähr gleiche Hälften nach dem Zufall. SPSS: SPSS erzeugt eine neue Variable Filter_$. Die herausgefilterten Fälle werden im Datenfenster angezeigt
Führungsstiltheorie und Coaching
Führungsstiltheorie und Coaching 2 2.1 Full Range of Leadership Coaching als Führungsstil stellt die individuelle Berücksichtigung und Förderung der Mitarbeiter in den Vordergrund. Welche Vorteile bietet
Inhalt. 1 Wissenschaftliche und praktische Relevanz Aktuelle Entwicklungen in der Führungsforschung 18
Inhalt Vorwort 9 1 Wissenschaftliche und praktische Relevanz 11 1.1 Organisationaler Wandel 11 1.2 Neue Anforderungen an Führungskräfte 14 1.3 Weiterführende Ansätze 15 2 Aktuelle Entwicklungen in der
Schuldneigungen - Voraussetzungen und Folgen
Pädagogik Florence Rößler-Nance Schuldneigungen - Voraussetzungen und Folgen Diplomarbeit Diplomarbeit Schuldneigungen Voraussetzungen und Folgen Vorgelegt von Florence Rößler-Nance München, im November
Projekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?
AKULTÄT ANGEWANDTE SOZIALWISSENSCHATEN PRO. DR. SONJA HAUG Projekt Kaffeemaschine Welche aktoren beeinflussen das Geschmacksurteil? Ausgehend von der Verkostung an der Hochschule Regensburg und der dabei
Statistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
Sozialwissenschaftliche 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
Aspekte der Führung heute und zukünftig. Hans Aebersold, Patrick Bargsten
Aspekte der Führung heute und zukünftig Hans Aebersold, Patrick Bargsten Führung Grundlagen der Führung Was ist Führung Führungserfolg Die Person des Führenden Führungsverhalten Situativ angepasste Führung
Geschlecht + Anfangsgehalt. T-Test für das Anfangsgehalt Gruppenstatistiken. Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3
Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3 Geschlecht + Anfangsgehalt 14000 399 403 7000 12000 335 Anfangsgehalt 10000 8000 6000 4000 2000 N = 28 63 185 291 227 52 215 158 88 284 193
Führung und Gesundheit aus Sicht der Wissenschaft
Führung und Gesundheit aus Sicht der Wissenschaft Dr. Sylvie Vincent-Höper HAW BGM Ringvorlesung Führung, Management und Gesundheit 04.11.2015 1 Gibt es einen Zusammenhang zwischen Führung und Mitarbeitergesundheit?
Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt:
Beispiele zum Üben und Wiederholen zu Wirtschaftsstatistik 2 (Kurs 3) 1 Einfachregression 1.1In 10 Haushalten wurden Einkommen und Ausgaben für Luxusgüter erfragt: Haushaltseinkommen 12 24 30 40 80 60
SozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik
Einführung 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
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Reliabilität in der klassischen (psychometrischen) Testtheorie Statistisches Modell Realisierung mit der SPSS-Prozedur Reliability Klassische Testtheorie:
Wie wirkt Führung auf Gesundheit?
Wie wirkt Führung auf Gesundheit? 4. Symposium zu Gesundheitsrisiken in Pflegeberufen am 13.11.2013 in Hamburg Sabine Gregersen Berufsgenossenschaft für Gesundheitsdienst und Wohlfahrtspflege Grundlagen
Institut für Soziologie Dipl.-Soz. Benjamin Gedon. Methoden 2. Logistische Regression II
Institut für Soziologie Dipl.-Soz. Methoden 2 Logistische Regression II Bringen Sie zur nächsten Übung und in die Klausur einen (nicht programmierbaren) Taschenrechner mit! # 2 Programm Wiederholung der
Anhang A: Fragebögen und sonstige Unterlagen
Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben
Übersicht über die verwendeten Erhebungsinstrumente. Fragebogen für Schulleitende
Übersicht über die verwendeten Erhebungsinstrumente Fragebogen für Schulleitende Merkmale der Schulleitungsperson Alter, Geschlecht Pensum als SL Allfälliges Pensum als LP Erfahrung Ausbildung Weiterbildung/externe
Personalführung: Aufgabensammlung I. Lösungen. F3 Personalführung. Führung ist zielbezogene Einflussnahme eines Führenden auf einen Geführten.
Thema Dokumentart Personalführung: Aufgabensammlung I Lösungen Theorie im Buch "Integrale Betriebswirtschaftslehre" Teil: F3 Personalführung Personalführung: Aufgabensammlung I Aufgabe 1 1.1 Erklären Sie
Service-orientiertes Seniorenzentrum Arbeitsbedingungen und Dienstleistungsqualität in der Altenpflege
Kerstin Rieder, Isabel Herms, Marco Schröder & Anita Hausen Arbeitsbedingungen und Dienstleistungsqualität in der Altenpflege Tagung Professionalisierung Interaktiver Arbeit München, 15. Juli 2010 Gliederung
Signifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
9. Deutsche Zusammenfassung
9. Deutsche Zusammenfassung Bis in die 80er Jahre hinein befassen sich die meisten Theorien des Führungsverhaltens hauptsächlich mit transaktionaler Führung. Führung wird verstanden als die Gestaltung
beruflicher Bildungsabschluss incl. Hochschulabschl. 4Kat.(m) Häufigkeit Prozent Gültig Lehre/Beruffachgesundh.Schule ,2 59,2 59,2
Häufigkeiten Deskriptive Statistiken Häufigkeiten Beruflicher Bildungsabschluss (Mbfbil4) Zielvariablenliste OK Er erscheint: Statistiken beruflicher Bildungsabschluss incl. N Gültig 3445 Fehlend 0 beruflicher
Heinz Holling & Günther Gediga. Statistik - Deskriptive Verfahren
Heinz Holling & Günther Gediga Statistik - Deskriptive Verfahren Übungen Version 15.12.2010 Inhaltsverzeichnis 1 Übung 1; Kap. 4 3 2 Übung 2; Kap. 5 4 3 Übung 3; Kap. 6 5 4 Übung 4; Kap. 7 6 5 Übung 5;
Aktuelle Gütekriterien und Normen der Selbstund Fremdversion des Transformational Leadership Inventories (TLI) Stand Januar 2015
Aktuelle Gütekriterien und Normen der Selbstund Fremdversion des Transformational Leadership Inventories (TLI) Stand Januar 2015 Mathias Diebig und Jens Rowold Der Transformational Leadership Inventory
Empirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
Die Subskala besteht aus folgenden Items (Ausschnitt aus dem Codeplan):
Beispiel für eine Itemanalyse mit der SPSS-Prozedur Reliabilitätsanalyse (RELIABILITY) Daten: POKIII_AG1_V06.SAV (POK III, AG 1) Die Skala Körperbewusstsein von Löwe und Clement (1996) 1 besteht aus zwei
Statistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 1
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 1 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Einführung in Datensatz Stichprobenbeschreibung
Syntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
Statistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
Inhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
SPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
Sozialwissenschaftliche 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
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
Aufgaben 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.
Aktuelle Gütekriterien und Normen der Selbstund Fremdversion des Transformational Leadership Inventories (TLI)
Aktuelle Gütekriterien und Normen der Selbstund Fremdversion des Transformational Leadership Inventories (TLI) Stand Januar 2015 Mathias Diebig und Jens Rowold Der Transformational Leadership Inventory
BEFRIEDIGUNG VON PSYCHOLOGISCHEN GRUNDBEDÜRFNISSEN ALS MEDIATOR DER POSITIVEN EINFLÜSSE VON SERVANT LEADERSHIP AUF PSYCHISCHES WOHLBEFINDEN
BEFRIEDIGUNG VON PSYCHOLOGISCHEN GRUNDBEDÜRFNISSEN ALS MEDIATOR DER POSITIVEN EINFLÜSSE VON SERVANT LEADERSHIP AUF PSYCHISCHES WOHLBEFINDEN Leibniz-Institut für Arbeitsforschung an der TU Dortmund Ardeystraße
Einfache 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,
1 Einleitung Führung / Leadership / Management... 9
Inhaltsverzeichnis 1 Einleitung...5 2 Grundbegriffe - Definitionen... 9 2.1 Führung / Leadership / Management... 9 2.2 Transaktionale- und transformationale Führung...17 2.3 Charisma / Idealisierter Einfluss
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
Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 9A a.
LÖSUNG 9A a. Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Das Regressionsmodell soll nur für Büropersonal angewendet werden Management- und Bewachungspersonal (MIND =0) soll nicht einbezogen
Einführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
Was treibt mich an? Was motiviert mich?
Was treibt mich an? Was motiviert mich? Dieser Test gibt Ihnen nur die Möglichkeit einer ersten Einschätzung ihrer Motive. Es bedarf weiterer Auseinandersetzung, um den persönlichen Motiven wirklich auf
Messung von Commitment und Identifikation. Commitment und Identifikation in Organisationen Philipp Spitzer 1
Messung von Commitment und Identifikation Commitment und Identifikation in Organisationen Philipp Spitzer 1 Gliederung 1. Einleitung 2. Instrumente zur Messung von Commitment 2.1 Dreikomponentenmodell
Statistik 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
Hypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
Aufgaben 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
Zusammenhang zwischen Führungsverhalten, Arbeitscharakteristika und Befindensbeeinträchtigungen
Zusammenhang zwischen Führungsverhalten, Arbeitscharakteristika und Befindensbeeinträchtigungen der Mitarbeiter DGAUM 53. Wissenschaftliche Jahrestagung der Deutschen Gesellschaft für Arbeitsmedizin und
Mittelwertvergleiche, 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
Definition. Parsifalstraße Bayreuth Telefon: Telefax:
Parsifalstraße 25 95445 Bayreuth Telefon: +49 921 55-7071 Telefax: +49 921 55-7070 info@personet.de www.personet.de Definition Persönlichkeitstest = standardisiertes, routinemäßig anwendbares Verfahren,
Statistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
Auswertung 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
Felfe et al.: Commitment Organisation, Beruf und Beschäftigungsform (COBB) 1. Commitment Organisation, Beruf und Beschäftigungsform (COBB)
Felfe et al.: Commitment Organisation, Beruf und Beschäftigungsform (COBB) 1 Commitment Organisation, Beruf und Beschäftigungsform (COBB) 1 Überblick Zusammenfassung Der Fragebogen bildet Einstellungen
Modellierung und Prognose der. für die Zeitperiode Herbst/Winter
Technische Universität Graz Erzherzog-Johann-Universität Institut für Statistik Steyrergasse 17/IV, 8010 Graz Tel: 873-6478, Fax: 873-6977 e-mail: stadlober@stat.tu-graz.ac.at web: http://www.cis.tugraz.at/stat/
SigmaStat Nina Becker, Christoph. Rothenwöhrer. Copyright 2004 Systat Software, Inc.
SigmaStat 3.11 Copyright 2004 Systat Software, Inc. http://www.systat.com Nina Becker, Christoph Rothenwöhrer Die Aufgabe der Statistik ist die Zusammenfassung von Daten, deren Darstellung, Analyse und
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
Gelingende Arbeitsbeziehungen eine wichtige Voraussetzung erfolgreicher Arbeit heute und morgen. Dr. Dennis John Coburg,
Gelingende Arbeitsbeziehungen eine wichtige Voraussetzung erfolgreicher Arbeit heute und morgen Dr. Dennis John Coburg, 21.02.2017 Positive Psychologie: Themen Coburg, 21.02.2017 2 Führung & Beziehungen:
Immer muss ich ran! Faire Aufgabenverteilung als Mediator zwischen transformationaler Führung und dem Wohlbefinden von Mitarbeitern
Immer muss ich ran! Faire Aufgabenverteilung als Mediator zwischen transformationaler Führung und dem Wohlbefinden von Mitarbeitern Torsten J. Holstad Thomas Rigotti Kathleen Otto Fragestellung Wird der
Inhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
Führung den demographischen Wandel gestalten
Daniela Eberhardt Margareta Meyer Führung den demographischen Wandel gestalten Individualisierte alternsgerechte Führung: Wie denken und handeln Führungspersonen? Rainer Hampp Verlag München, Mering 2011
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.
Ergebnisse der empirischen Studie zum Thema Second Screen im Unterricht
Ergebnisse der empirischen Studie zum Thema Second Screen im Unterricht Befragungszeitraum: Marz 2016 bis Mai 2016 27.06.2016 Hon.-Prof. Dr. Christian Kreidl / Prof. Dr. Ulrich Dittler Inhaltsübersicht
Hypothesentests 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
Werkzeuge der empirischen Forschung
Werkzeuge der empirischen Forschung I. Daten und Beschreibende Statistik 1. Einführung 2. Dateneingabe, Datentransformation, Datenbehandlung 3. Beschreibende Statistik II. Schließende Statistik 1 III.
Felfe & Goihl: Deutscher Multifactor Leadership Questionnaire (MLQ) 1. Deutscher Multifactor Leadership Questionnaire (MLQ)
Felfe & Goihl: Deutscher Multifactor Leadership Questionnaire (MLQ) 1 Deutscher Multifactor Leadership Questionnaire (MLQ) 1 Überblick Zusammenfassung Der Fragebogen bildet verschiedene Aspekte transformationaler
FÜHRUNGSKRÄFTETRAINING DES FÜHRUNGSSTILS SERVANT LEADERSHIP ZUR FÖRDERUNG DER PSYCHISCHEN GESUNDHEIT UND LEISTUNGSFÄHIGKEIT VON MITARBEITERN
FÜHRUNGSKRÄFTETRAINING DES FÜHRUNGSSTILS SERVANT LEADERSHIP ZUR FÖRDERUNG DER PSYCHISCHEN GESUNDHEIT UND LEISTUNGSFÄHIGKEIT VON MITARBEITERN Leibniz-Institut für Arbeitsforschung an der TU Dortmund Ardeystraße
Name 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
Eigene 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
Steigert computerunterstütztes Lernen das Interesse an Physik? Hildegard Urban-Woldron
Steigert computerunterstütztes Lernen das Interesse an Physik? Hildegard Urban-Woldron Übersicht Ausgangssituation Fragestellung und Hypothesen Theoretisches Modell Ergebnisse aus Vorerhebungen Instrumente
Analyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7. Tierkreiszeichen * Crosstabulation
2012 03 31 Analyse 1 Tierkreiszeichen (korrigiert für Bounces).docx Seite 1 von 7 Count Tierkreiszeichen * Crosstabulation Total nicht Tierkreiszeichen 22.12.-20.01. Steinbock 36278 22383 58661 21.01.-19.02.
Soziale und gesellschaftliche Risiken und Nebenwirkungen einer seltenen chronischen Krankheit
Carolin Elisabeth Tillmann Soziale und gesellschaftliche Risiken und Nebenwirkungen einer seltenen chronischen Krankheit Leben mit Lupus erythematodes Tectum Verlag Carolin Elisabeth Tillmann Soziale und