Multivariate Verfahren

Größe: px
Ab Seite anzeigen:

Download "Multivariate Verfahren"

Transkript

1 Varianzanalyse 1 Matthias Rudolf & Johannes Müller Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS Praxisbeispiel zur Varianzanalyse: Unfallopfer Inhalt: 1 Beschreibung der Untersuchung 2 2 Beschreibung der Daten 3 3 Auswertung Deskriptive Statistiken Multivariate Varianzanalyse mit Messwiederholung, Kriterien: Subjektive Parameter Multivariate Varianzanalyse mit Messwiederholung, Kriterien: Physiologische Parameter 16 4 Literatur 22

2 Unfallopfer 2 Unfallopfer Das nachfolgende Praxisbeispiel dient zur Illustration der Varianzanalyse, deren Grundlagen ausführlich im Kapitel 3 des Buches Multivariate Verfahren beschrieben sind. 1 Beschreibung der Untersuchung In der vorliegenden Untersuchung werden Opfer schwerer Verkehrsunfälle hinsichtlich bestimmter physiologischer Parameter (zum Beispiel Herzrate, Elektrodermale Aktivität) untersucht (Karl et al., 2001). Aufgrund der Schwere der Unfälle wird bei allen Probanden davon ausgegangen, dass der Unfall ein traumatisches Erlebnis (psychologisches Trauma) für sie bedeutet. Anhand eines klinischen Interviews wird ermittelt, welche der Probanden infolge des traumatischen Erlebnisses eine posttraumatische Belastungsstörung (PTB bzw. PTSD für posttraumatic stress disorder) entwickelt haben. Anschließend werden die psychophysiologischen Parameter der Probanden mit einer PTSD mit denen der Probanden ohne eine PTSD verglichen. Auf diese Weise sollen mögliche Indikatoren für eine PTSD ermittelt werden. Der vorliegende Beispieldatensatz enthält die Daten von 54 Probanden zwischen 19 und 63 Jahren der zum Zeitpunkt der Anfertigung des Manuskripts noch laufenden Untersuchung. Eine voll ausgebildete PTSD wurde bei sechs Probanden diagnostiziert, weitere 16 erfüllen die Kriterien für eine subsyndromale PTSD. Diese 22 Probanden werden zu einer Untersuchungsgruppe zusammengefasst und mit den restlichen 32 Probanden (Gruppe von Unfallopfern ohne PTSD) hinsichtlich der physiologischen Parameter verglichen. Aufgabe der Probanden in der Untersuchung ist es, insgesamt 120 Bilder zu betrachten. Während der Betrachtung werden die physiologischen Parameter erfasst. Die Bilder entstammen vier inhaltlichen Kategorien (je Kategorie 30 Bilder) und werden in zufälliger Reihe dargeboten. Die erste Kategorie besteht aus positiven Bildern (z.b. ein Bild von einem süßen Kätzchen), die zweite Kategorie aus neutralen (z.b. Kaffeetasse), die dritte Kategorie aus negativen Bildern (z.b. weinendes Kind). Die vierte Kategorie enthält traumarelevante Bilder, d.h. zum Beispiel Bilder von Unfällen oder zerstörten Autos. Diese letzte Kategorie ist die hier interessierende, die übrigen drei dienen als Kontrollkategorien. Es wird untersucht, ob Personen mit PTSD auf die traumarelevanten Bilder (verglichen mit den Bildern der anderen Kategorien) physiologisch anders reagieren als Personen ohne PTSD. Da jedem Probanden alle vier Bild-Kategorien dargeboten werden, handelt es sich hierbei um einen Messwiederholungsfaktor. Neben den objektiven physiologischen Parametern werden auch drei subjektive Parameter erhoben: Die Valenz (Kontinuum von angenehm bis unangenehm ) eines Bildes, die Bewertung der momentanen Erregung bei Betrachtung eines Bildes und inwieweit durch das jeweilige Bild Erinnerungen an den eigenen Verkehrsunfall ausgelöst wurden. Die subjektiven Parameter sollen auf exploratorischer Ebene

3 Varianzanalyse 3 innerhalb einer multivariaten Messwiederholungsanalyse untersucht werden. Es wird vermutet, dass sich für den Vergleich traumarelevanter Bilder mit den übrigen Bildern Unterschiede zwischen Personen mit und ohne PTSD zeigen. Als physiologische Parameter werden die Herzfrequenz, die Hautleitfähigkeit, das Elektroenzephalogramm (EEG) sowie das Elektromyogramm (EMG) erfasst. Im Rahmen des vorliegenden Kapitels wird von den physiologischen Parametern lediglich das EMG dargestellt und ausgewertet. Mittels EMG am orbicularus oculi (unter beiden Augen) wurde die Aktivität von Muskeln, die bei der sogenannten Schreckreaktion aktiviert werden, erfasst. Bei Personen mit PTSD wird bei Darbietung traumarelvanter Bilder eine starke Schreckreaktion (in Form hoher EMG- Werte) erwartet. Mittels Messwiederholungsanalyse soll hier ebenfalls auf exploratorischer Ebene untersucht werden, ob Personen mit PTSD beim Vergleich der traumarelevanten mit den übrigen Bildern einen größeren Unterschied im EMG aufweisen als Personen ohne PTSD. 2 Beschreibung der Daten Tabelle 1 enthält die Variablen der Untersuchung. Die Variable PTSD enthält die Diagnosen der Posttraumatischen Belastungsstörung. Es wurden dabei die Diagnosekriterien des DSM IV (Diagnostic and statistical manual of mental disorders, APA, 1994) zugrunde gelegt. Zu den Kriterien gehört u.a., dass das traumatische Erlebnis Furcht, Hilflosigkeit oder Entsetzen ausgelöst hat, beharrlich wiedererlebt wird (z.b. in Träumen) und allgemein ein erhöhtes Erregungsniveau vorliegt (z.b. erhöhte Schreckreaktion). Für die subjektiven Parameter Valenz, Erregung und Erinnerung liegen jeweils vier Messwiederholungsvariablen vor, da jeder Parameter getrennt für die vier möglichen Bildinhalte (positive, neutrale, negative und traumarelevante Bilder) ausgewertet wird. Bezüglich der physiologischen Parameter soll in diesem Kapitel lediglich die Muskelaktivität betrachtet werden. Das EMG wird in der vorliegenden Untersuchung unter dem linken und unter dem rechten Auge abgeleitet. Demnach gibt es hier zusätzlich zum Messwiederholungsfaktor Bildinhalt noch einen Messwiederholungsfaktor Ableitposition. Allerdings wäre in diesem Fall anstelle der Bezeichnung Messwiederholungsfaktor die in SPSS verwendete Bezeichnung Innersubjekt- Faktor treffender, da die Aktivität an beiden Augen gleichzeitig gemessen wird und somit nichts wiederholt wird. Es ergeben sich insgesamt 4 2 = 8 Variablen für das EMG. Zusätzlich sind noch die zwei demografischen Variablen Geschlecht und Alter enthalten.

4 Unfallopfer 4 Tabelle 1: Liste der Variablen zum Beispiel Unfallopfer Variablen Label Bemerkungen Unabhängige Variable ptsd Diagnose PTSD 0 = kein PTSD, 1 = PTSD Abhängige Variablen: Subjektive Parameter valpos Valenz positiv valneu Valenz neutral valneg Valenz negativ valtra Valenz Trauma Bewertung auf einem Kontinuum von angenehm bis unangenehm, Messwiederholung für alle vier Bildinhalte errpos errneu errneg errtra eripos erineu erineg eritra Erregung positiv Erregung neutral Erregung negativ Erregung Trauma Erinnerung positiv Erinnerung neutral Erinnerung negativ Erinnerung Trauma durch die Bilder hervorgerufene Erregung, Einschätzung auf einem Kontinuum, Messwiederholung für alle vier Bildinhalte Durch die Bilder hervorgerufene Erinnerung an das Trauma, Einschätzung auf einem Kontinuum, Messwiederholung für alle vier Bildinhalte Abhängige Variablen: Physiologische Parameter emgposli EMG positiv links Elektromyogramm emgposre EMG positiv rechts Messwiederholung für alle vier Bildinhalte und für emgneuli EMG neutral links die Position der Ableitung (links vs. rechts) emgneure EMG neutral rechts emgnegli EMG negativ links emgnegre EMG negativ rechts emgtrali EMG Trauma links emgtrare EMG Trauma rechts Demografische Variablen sex Geschlecht 1 = männlich, 2 = weiblich alter Alter 3 Auswertung 3.1 Deskriptive Statistiken Die Datei Unfallopfer.sav im Ordner Varianzanalyse enthält die Daten der Variablen aus Tabelle 1. Verschaffen Sie sich zunächst einen Überblick über die deskriptiven Eigenschaften der Daten. Wählen Sie hierzu im Hauptmenü unter Analysieren die Option Deskriptive Statistiken. Verschieben Sie in dem in Abbildung 1 gezeigten Dialogfenster die in Tabelle 1 aufgeführten Variablen außer die nominalskalierten Variablen Geschlecht und Diagnose PTSD in das Feld Variablen und starten Sie die Analyse.

5 Varianzanalyse 5 Abbildung 1: Dialogfenster Deskriptive Statistik Es erscheint die in Abbildung 2 gezeigte Tabelle. Hier können zum Beispiel die Wertebereiche der Variablen abgeschätzt werden. Es fällt auf, dass bezüglich der meisten hier aufgeführten Variablen lediglich 45 der 54 Probanden gültige Werte aufweisen. Die Analysen werden also nur mit 45 Probanden gerechnet. Die traumarelevanten Bilder werden als weniger angenehm eingestuft (Mittelwert 16.9) als die Bilder der übrigen drei Kategorien. Sie rufen mehr Erregung (Mittelwert 52.3) und deutlich mehr Erinnerungen (Mittelwert 44.0) hervor. Abbildung 2: Tabelle Deskriptive Statistik

6 Unfallopfer Multivariate Varianzanalyse mit Messwiederholung, Kriterien: Subjektive Parameter Nun soll die multivariate Varianzanalyse mit Messwiederholungen gerechnet werden. Wählen Sie dementsprechend in Hauptmenü unter Analysieren die Option Allgemeines lineares Modell, Messwiederholung. Es erscheint das Dialogfenster aus Abbildung 3. Hier müssen zunächst die Messwiederholungsfaktoren (= Innersubjektfaktoren) definiert werden. Da jeder Proband die Bilder aus allen vier Kategorien dargeboten bekommt, muss die Bildkategorie als Messwiederholungsfaktor definiert werden. Geben Sie dementsprechend in das Feld Name des Innersubjektfaktors zum Beispiel bilder ein und als Anzahl der Stufen 4. Ebenso könnte ein beliebiger anderer Name für diesen Faktor gewählt werden, vorausgesetzt. Wählen Sie dann die Schaltfläche Hinzufügen um den Faktor in das freie Feld zu übernehmen. Da die drei subjektiven Parameter multivariat ausgewertet werden sollen, müssen für diese drei Parameter ebenfalls Variablen, in diesem Fall als Messwert bezeichnet, definiert werden. Klicken Sie dementsprechend in das freie Feld Messwertbezeichnung. Abbildung 3: Dialogfenster Messwertwiederholung: Faktoren definieren (inkl. Messwertdefinitionen) Hier muss für jeden der drei abhängigen Parameter ein Messwert definiert werden. Geben Sie in das Feld Messwertbezeichnung zunächst den Namen Valenz für den ersten subjektiven Parameter ein und wählen Sie die Schaltfläche Hinzufügen. Der Name erscheint in dem freien Feld. Wiederholen Sie den Vorgang für Erregung und Erinnerung. Wählen Sie dann die Schaltfläche Definieren.

7 Varianzanalyse 7 Es erscheint das Dialogfenster aus Abbildung 4. In dem Feld Innersubjektvariablen sind zwölf Fragezeichen als Platzhalter für einzugebende Variablen dargestellt. Hinter dem Fragezeichen ist in Klammern die jeweilige Stufe des Messwiederholungsfaktors und der Name des Messwerts angegeben. So wird zum Beispiel an der ersten Stelle die Variable erwartet, die die erste Stufe des Faktors bilder (positiv) bezüglich der abhängigen Variable Valenz repräsentiert, also die Variable Valenz positiv (valpos). Verschieben Sie dementsprechend die Variable valpos als erste Variable in das Feld Innersubjektvariablen. Wiederholen Sie den Vorgang in der angegebenen Reihenfolge. Verschieben Sie also alle zwölf in Tabelle 1 unter abhängige Variablen: Subjektive Parameter angeführten Parameter in der dortigen Reihenfolge in das Feld Innersubjektvariablen. Falls die Variablen im Dialogfenster, wie in Abbildung 4 dargestellt, gemäß ihrer Reihenfolge im Dateneditor angeordnet sind, kann dies auch in einem Schritt erfolgen. Markieren Sie hierzu alle zwölf Variablen und verschieben Sie sie gleichzeitig. (Wählen Sie, falls Sie die Variablen in den Dialogfenstern in der Reihenfolge der Datendatei anordnen lassen wollen, im Hauptmenü unter Bearbeiten den Unterpunkt Optionen. Aktivieren Sie dann in dem sich öffnenden Dialogfenster in der Registerkarte Allgemein unter Variablenlisten die Option Alphabetisch). Abbildung 4: Dialogfenster Messwiederholung (ohne Variableneintrag) Abbildung 5 zeigt das Feld Innersubjektvariablen nach der erfolgreichen Verschiebung der unabhängigen subjektiven Parameter. Verschieben Sie nun noch die unabhängige Variable Diagnose PTSD in das Feld Zwischensubjektfaktoren und wählen Sie anschließend die Schaltfläche Kontraste.

8 Unfallopfer 8 Abbildung 5: Dialogfenster Messwiederholung (mit Variableneintrag) Es öffnet sich das in Abbildung 6 dargestellte Dialogfenster. Klicken Sie hier den Messwiederholungsfaktor bilder an und öffnen Sie unter Kontrast das Auswahlfeld. Wählen Sie den Kontrast Differenz, um den Effekt jeder Faktorstufe (außer der ersten) mit dem mittleren Effekt der vorhergehenden Faktorstufen zu vergleichen. Relevant im vorliegenden Fall ist der Vergleich der letzten Stufe der traumarelevanten Bilder mit den drei vorhergehenden Stufen positiver, neutraler und negativer Bildinhalt. Bestätigen Sie die Auswahl über die Schaltfläche Ändern und wechseln Sie über die Schaltfläche Weiter ins Dialogfenster Messwiederholung. Wählen Sie dort die Schaltfläche Diagramme. Abbildung 6: Dialogfenster Messwiederholung: Kontrast ändern

9 Varianzanalyse 9 In dem in Abbildung 7 dargestellten Dialogfenster können Diagramme univariater Zusammenhänge angefordert werden. Verschieben Sie hier die Variable ptsd in das Feld Horizontale Achse und den Messwiederholungsfaktor bilder in das Feld Separate Linien. Bestätigen Sie die Änderung über die Schaltfläche Hinzufügen. Es wird dann für jede Abhängige Variable ein Liniendiagramm erstellt, in dem die vier Kategorien durch vier Linien repräsentiert sind. Wechseln Sie anschließend über die Schaltfläche Weiter wieder zurück ins Dialogfenster Messwiederholung. Schließlich sollen noch deskriptive Statistiken und Effektgrößen dargestellt werden. Wählen Sie dementsprechend die Schaltfläche Optionen. Abbildung 7: Dialogfenster Messwiederholung: Profilplots Aktivieren Sie in dem in Abbildung 8 gezeigten Dialogfenster unter Anzeigen die Optionen Deskriptive Statistik und Schätzer der Effektgröße. Verlassen Sie das Dialogfenster über Weiter und starten Sie die Analyse. In Abbildung 9 ist die Tabelle Deskriptive Statistiken dargestellt. Hier zeigt sich, dass die Personen mit PTSD die traumarelevanten Bilder als weniger angenehm einstufen (Variable Valenz Trauma, Mittelwert 14.9) als die übrigen Bilder (Mittelwerte für positiv 66.6, für neutral 51.3 und für negativ 25.2). Außerdem liegt der Mittelwert von 14.9 unter den Valenz-Einstufungen aller vier Bildinhalte der Personen ohne PTSD. Dieses (erwartungsgemäße) Muster von Mittelwerten trifft mit umgekehrtem Vorzeichen auch bei den beiden anderen abhängigen Variablen zu. Für Personen mit PTSD ist sowohl die Erregung (Mittelwert 61.0) als auch die Erinnerung an das Trauma (Mittelwert 55.6) bei der Betrachtung traumarelevanten Bilder am höchsten.

10 Unfallopfer 10 Abbildung 8: Dialogfenster Messwiederholung: Optionen Abbildung 10 enthält die Tabelle Multivariate Tests. Bezüglich aller abhängigen Variablen (bzw. genauer gesagt, deren Linearkombination) gibt es keinen signifikanten Unterschied (p =.17) zwischen Personen mit und ohne PTSD, wenn man die über alle Stufen des Messwiederholungsfaktors gemittelten Werte betrachtet (Abbildung 11, Zeile Zwischen den Subjekten, PTSD). Bei Berücksichtigung des Messwiederholungsfaktors bilder sind dagegen signifikante Effekte zu beobachten. Der multivariate Haupteffekt der Bildinhalte ist sehr signifikant (p <.01) und verfügt über eine große Effektgröße von 2 =.94. Nimmt man zusätzlich noch den Effekt durch die unabhängige Variable Diagnose PTSD hinzu, ergibt sich ein signifikanter multivariater Interaktionseffekt (p =.02). Dies ist der im vorliegenden Kontext insbesondere interessierende Effekt. Es gibt also bezüglich der subjektiven Parameter Unterschiede zwischen Personen mit und ohne PTSD in Form einer unterschiedlichen Reaktion auf die verschiedenen Bildinhalte. Die Varianzaufklärung dieses Effekts beträgt 41%. Wie genau diese systematische Reaktion aussieht, kann anhand der Kontrasteffekte (und Mittelwerte aus Abbildung 9) ermittelt werden.

11 Varianzanalyse 11 Abbildung 9: Tabelle Deskriptive Statistiken

12 Unfallopfer 12 Effekt Zwischen den Subjekten Innerhalb der Subjekte F Hypothese df Fehler df Sig. Partielles Eta-Quadrat Konstanter Term Pillai-Spur 632,496 a 3 41,000,979 Wilks-Lambda 632,496 a 3 41,000,979 Hotelling-Spur 632,496 a 3 41,000,979 Größte charakteristische 632,496 a 3 41,000,979 Wurzel nach Roy ptsd Pillai-Spur 1,786 a 3 41,165,116 Wilks-Lambda 1,786 a 3 41,165,116 Hotelling-Spur 1,786 a 3 41,165,116 Größte charakteristische 1,786 a 3 41,165,116 Wurzel nach Roy bilder Pillai-Spur 56,289 a 9 35,000,935 Wilks-Lambda 56,289 a 9 35,000,935 Hotelling-Spur 56,289 a 9 35,000,935 Größte charakteristische 56,289 a 9 35,000,935 Wurzel nach Roy bilder * ptsd Pillai-Spur 2,675 a 9 35,018,408 Wilks-Lambda 2,675 a 9 35,018,408 Hotelling-Spur 2,675 a 9 35,018,408 Größte charakteristische 2,675 a 9 35,018,408 Wurzel nach Roy Abbildung 10: Tabelle Multivariate Tests Die in Abbildung 11 gezeigten Kontrasteffekte liegen allerdings nur für die univariaten Analysen der drei subjektiven Parameter Valenz, Erregung und Erinnerung vor. Bei der Interpretation dieser univariaten Analysen müssen gegebenenfalls Effekte der -Fehlerkumulation beachtet werden. Für die Differenz der eingestuften Valenz der traumarelevanten minus der Valenz der übrigen Bilder zeigt sich kein signifikanter Unterschied (p =.45, Zeile bilder*ptsd, Valenz, Niveau 4 vs. vorhergehendes). Für Personen ohne PTSD sind Bilder von Autounfällen und andere traumarelvante Bilder also nicht signifikant weniger unangenehm als für Personen mit PTSD. Bezüglich der Erregung (p <. 01) zeigt sich dagegen ein sehr signifikanter Effekt mit einer Varianzaufklärung von 31%. Bezüglich der hervorgerufenen Erinnerung (p <.05) gibt es einen signifikanten Effekt, die Varianzaufklärung beträgt 9%.

13 Varianzanalyse 13 Abbildung 11: Tabelle Tests der Innersubjektkontraste Die univariaten Effekte der Interaktion des Messwiederholungsfaktors bilder mit der unabhängigen Variable Diagnose PTSD können zusätzlich zu den oben dargestellten Tabellen in Form von Diagrammen betrachtet werden. Die Abbildungen 12, 13 und 14 enthalten dementsprechend die Diagramme der drei abhängigen Parameter Valenz, Erregung und Erinnerung. Es handelt sich jeweils um die grafische Darstellung der Mittelwerte aus Abbildung 9. In Abbildung 12 fällt ins Auge, dass die Unterschiede zwischen den Bildinhalten größer sind als die jeweiligen Unterschiede zwischen Personen mit und ohne PTSD (was allerdings einen Interaktionseffekt nicht ausschließt, da hierauf der generelle Haupteffekt des Faktors bilder keinen Einfluss hat).

14 Unfallopfer 14 Abbildung 12: Diagramm ptsd x bilder, Parameter Valenz In Abbildung 13 kann der sehr signifikante Kontrast der vierten gegenüber den anderen Stufen bezüglich des Parameters Erregung zugeordnet werden: Der einzige Bildinhalt, in dem sich die Erregung von Personen mit und ohne PTSD deutlich unterscheidet, ist der traumarelevante Inhalt. Dabei ist die Erregung der Personen mit PTSD höher als die der Personen ohne PTSD. Auch im Diagramm des Parameters Erinnerung in Abbildung 14 wird ein Interaktionseffekt veranschaulicht. Die Richtung ist dabei die gleiche wie bei dem Parameter Erregung.

15 Varianzanalyse 15 Abbildung 13: Diagramm ptsd x bilder, Parameter Erregung Abbildung 14: Diagramm ptsd x bilder, Parameter Erinnerung

16 Unfallopfer Multivariate Varianzanalyse mit Messwiederholung, Kriterien: Physiologische Parameter Nun soll der physiologische Parameter EMG analysiert werden. Die Muskelaktivität bei Darbietung der Bilder wird dabei wie erwähnt als Schreckreaktion interpretiert. Beim EMG müssen mit den Bildinhalten und der Ableitposition (unter dem linken vs. unter dem rechten Auge) zwei Messwiederholungsfaktoren berücksichtigt werden. Für jede Kombination der Stufen beider Faktoren ist eine Variable vorgesehen, also insgesamt 4 2 = 8 abhängige Variablen. Diese acht Variablen sollen nun innerhalb einer Messwiederholungsanalyse ausgewertet werden. Wählen Sie im Hauptmenü unter Analysieren die Option Allgemeines lineares Modell, Messwiederholung. Es erscheint das Dialogfenster aus Abbildung 15. Als Innersubjektfaktoren sind nun also zwei Faktoren zu definieren. Definieren sie neben dem Faktor bilder einen Faktor position und geben Sie als Anzahl der Stufen 2 ein. Übernehmen Sie den Faktor über die Schaltfläche Hinzufügen. Da im vorliegenden Fall nur ein Parameter analysiert wird, müssen im unteren Teil des Dialogfensters keine Messwerte definiert werden. Falls sich noch die abhängigen Parameter (Messwerte) Valenz, Erregung und Erinnerung von der obigen Analyse in dem Feld der Messwerte befinden, müssen diese über die unterste Schaltfläche Entfernen aus der Analyse genommen werden. Eine gleichzeitige Analyse von mehreren Messwerten ist über die Dialogfenster in SPSS nur dann möglich, wenn für alle Messwerte die gleichen Messwiederholungsfaktoren vorliegen. Im vorliegenden Fall wäre also eine gemeinsame Analyse von Valenz, Erregung, Erinnerung und Muskelaktivität nur dann möglich, wenn man beim EMG einen gemeinsamen Wert für die linke und rechte Ableitposition errechnen und somit auf diesen Messwiederholungsfaktor verzichten würde. Wählen Sie anschließend die Schaltfläche Definieren. Abbildung 15: Dialogfenster Messwertwiederholung: Faktoren definieren

17 Varianzanalyse 17 Abbildung 16 zeigt das sich öffnende Dialogfenster. Entfernen Sie gegebenenfalls die Variablen, die sich noch aus vorigen Analysen im Feld Innersubjektfaktoren befinden. In den Klammern ist nun die jeweilige Bedingungskombination der beiden Innersubjektfaktoren bilder und position angegeben. Dabei steht die erste Zahl für die Stufe des (ersten) Faktors bilder und die zweite Zahl für die Stufe des (zweiten) Faktors position. Die oberste Stelle im Feld Innersubjektfaktoren ist also für die Variable mit der Bedingungskombination positiv links (1,1), also die Variable emgposli, vorgesehen. An die zweite Stelle muss die Variable emgposre verschoben werden, an die dritte die Variable emgneuli usw. Abbildung 16: Dialogfenster Messwiederholung Die Reihenfolge, in der die Variablen eingegeben werden müssen, entspricht der Reihenfolge in Tabelle 1 (und im Dateneditor). Die acht Variablen können also auch alle gleichzeitig markiert und in einem Schritt verschoben werden (falls sie im Dialogfenster nicht in alphabetischer Reihenfolge aufgelistet sind, vgl. Abbildung 5). Verschieben Sie anschließend (wenn erforderlich) die unabhängige Variable Diagnose PTSD in das Feld Zwischensubjektfaktoren und wählen Sie die Schaltfläche Diagramme. Lassen Sie zusätzlich zu dem Diagramm ptsd x bilder ein Diagramm ptsd x position zeichnen. Verschieben Sie dementsprechend in dem in Abbildung 17 gezeigten Dialogfenster die Variable ptsd in das Feld Horizontale Achse und den Faktor position in das Feld Separate Linien. Wählen Sie Hinzufügen und wechseln Sie über Weiter zurück in das Dialogfeld Messwiederholung. Die Einstellungen in den Dialogfenstern Kontraste und Optionen entsprechen denen in den Abbildungen 6 und 8 beschriebenen. Für den Messwiederholungsfaktor position muss kein Kontrast

18 Unfallopfer 18 definiert werden, da er nur aus zwei Stufen besteht. Starten Sie also ohne weitere Änderungen die Analyse. Abbildung 17: Dialogfenster Messwiederholung: Profilplots Abbildung 18 zeigt die Tabelle Multivariate Tests. Es zeigt sich, dass der Haupteffekt des Messwiederholungsfaktors bilder signifikant ist (p =.01). Der hinsichtlich unserer Vermutung interessante Interaktionseffekt bilder x ptsd ist sehr signifikant (p <.01). Der Haupteffekt des zweiten Messwiederholungsfaktors position ist nicht signifikant, ebenso wenig sämtliche Interaktionseffekte, an denen dieser Faktor beteiligt ist. Die Ableitposition scheint also keinen Einfluss auf den Parameter EMG zu haben. Anhand der in Abbildung 19 dargestellten Tabelle Tests der Innersubjektkontraste zeigt sich, dass der für die Fragestellung relevante Kontrast der Stufe 4 gegen die übrigen Stufen bezüglich der Interaktion bilder x ptsd nicht signifikant ist (p =.11). Die eingangs aufgestellte Vermutung kann also mit der vorliegenden Stichprobe nicht bestätigt werden. Ebenso ist keiner der beiden anderen Kontraste der Interaktion bilder x ptsd signifikant. Angesichts des sehr signifikanten Interaktionseffekts bilder x ptsd (vgl. Abbildung 18) ist dies zunächst schwer zu erklären. Anhand der Mittelwerte kann nun genauer analysiert werden, durch welche Mittelwertsdifferenzen der sehr signifikante Effekte entstanden sein könnte.

19 Varianzanalyse 19 Abbildung 18: Tabelle Multivariate Tests (abhängiger Parameter: EMG) Abbildung 19: Tabelle Tests der Innersubjektkontraste (abhängiger Parameter: EMG, Kontrast: Differenz)

20 Unfallopfer 20 Eine eingehendere Analyse der Mittelwerte wäre zum Beispiel anhand der in Abbildung 20 gezeigten Tabelle Deskriptive Statistiken möglich. Für diesen Zweck geeigneter ist allerdings die grafische Darstellung der Mittelwerte in Form eines Diagramms. Deshalb wird die Tabelle an dieser Stelle nur der Vollständigkeit halber abgebildet. Abbildung 20: Tabelle Deskriptive Statistiken (abhängiger Parameter: EMG) Dementsprechend ist in Abbildung 21 das Diagramm ptsd x bilder dargestellt. Hier zeigt sich u.a., dass die Stufen 3 und 4, also negative und traumarelevante Bilder, gleichermaßen bei Personen mit PTSD eine höhere Muskelaktivität erzeugen als bei Personen ohne PTSD. Bei den neutralen Bildern (Stufe 2) ist der gleiche Effekt, aber in geringerer Ausprägung, zu beobachten. Die Mittelwerte der positiven Bilder (Stufe 1) weichen dagegen von diesem Muster ab: Hier haben Personen mit PTSD eine geringere Muskelaktivität als Personen ohne PTSD. Als Konsequenz aus diesen Beobachtungen könnte die eingangs aufgestellte Vermutung zum Beispiel dahingehend verändert werden, dass der Unterschied für den Vergleich der Stufe 1

21 Varianzanalyse 21 mit den nachfolgenden Stufen postuliert würde. Zur Untersuchung dieser Vermutung würde sich ein Helmert-Kontrast anbieten (hier wird der Effekt jeder Faktorstufe außer der letzten mit dem mittleren Effekt der folgenden Faktorstufen verglichen). Der Fragestellung angemessener erscheint allerdings der direkte Vergleich traumarelevanter Bilder mit positiven Bildern, da ja die traumarelevanten Bilder im Fokus der Aufmerksamkeit stehen. Abbildung 21: Diagramm ptsd x bilder, Parameter EMG Diese Vermutung kann mit einfachen Kontrasten geprüft werden (hier wird der Effekt jeder Faktorstufe außer einer mit dem Effekt einer Referenzfaktorstufe verglichen). Da wir uns auf der exploratorischen Ebene befinden, also in diesen Analyseschritten lediglich neue Hypothesen aufstellen können, dürfen wir mit dem gleichen Datensatz verschiedene Rechnungen durchführen. Rechnen Sie dementsprechend analog zu den Abbildungen 15 bis 17 eine Varianzanalyse, wählen Sie aber für den Messwiederholungsfaktor bilder anstelle des Kontrasts Differenz den Kontrast Einfach (vgl. Abbildung 6), wählen Sie als Referenzkategorie die Letzte. Bestätigen Sie die Änderungen über die Schaltfläche Weiter und starten Sie die Analyse. Bis auf die in Abbildung 22 gezeigte Tabelle Tests der Innersubjektkontraste entsprechen die Ergebnisse der Analyse den oben dargestellten. Bezüglich der Interaktion bilder x ptsd ist der Vergleich von Stufe 1 mit Stufe 4 sehr signifikant (p <.01). Der physiologische Parameter scheint also allenfalls für den Vergleich zwischen positiven und traumarelevanten Bildern ein Indikator für PTSD zu sein. Diese neu aufgestellte Hypothese müsste mit neuen Daten geprüft werden.

22 Unfallopfer 22 Abbildung 22: Tabelle Tests der Innersubjektkontraste (abhängiger Parameter: EMG, Kontrast: Einfach) 4 Literatur American Psychiatric Association (1994). Diagnostic and statistical manual of mental disorders, 4th edition. Washington, DC: American Psychiatric Press. Karl, A., Lämmerhirt, K., Dörfel, D., Erlebach, A., Buhss, U., Volke, H. J. & Maercker, A. (2001). Evoked EEG coherence, event-related potentials and startle response reflect altered emotional information processing in MVA survivors with posttraumatic stress disorder (PTSD) [abstract]. Psychophysiology, 39, 44

Hypothesentests mit SPSS

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

Mehr

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

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

Mehr

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

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

Mehr

Multivariate Verfahren

Multivariate Verfahren Analyse mehrdimensionaler Häufigkeitstabellen 1 Matthias Rudolf & Johannes Müller Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS Praxisbeispiel zur Analyse mehrdimensionaler

Mehr

Kapitel 3. FRAGESTELLUNG 1 und 2. Öffne die Datei commercial.sav. Folgende Darstellung sollte in der Datenansicht erscheinen:

Kapitel 3. FRAGESTELLUNG 1 und 2. Öffne die Datei commercial.sav. Folgende Darstellung sollte in der Datenansicht erscheinen: Kapitel 3 FRAGESTELLUNG 1 und 2 Öffne die Datei commercial.sav. Folgende Darstellung sollte in der Datenansicht erscheinen: Wenn in der SPSS Datenansicht bis nach unten gescrollt wird, kann festgestellt

Mehr

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG

STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

Aufgaben zu Kapitel 7:

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

Mehr

Kapitel 6: Zweifaktorielle Varianzanalyse

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

Mehr

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf: 18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse

Mehr

Beispiel für eine Profilanalyse Daten: POKIII_AG1_V03.sav

Beispiel für eine Profilanalyse Daten: POKIII_AG1_V03.sav Beispiel für eine Daten: POKIII_AG1_V03.sav Es soll überprüft werden, ob es geschlechtsspezifische Unterschiede bei den Einstellungen zum Tanz gibt. Aus dem Fragebogen der AG 1 des POK III wurden folgende

Mehr

Varianzanalyse (ANOVA: analysis of variance)

Varianzanalyse (ANOVA: analysis of variance) Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen 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.

Mehr

Aufgaben zu Kapitel 5:

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

Mehr

Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben

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

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

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

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Einrichtung Programm Mozilla Thunderbird

Einrichtung  Programm Mozilla Thunderbird Einrichtung E-Mail Programm Mozilla Thunderbird 1. Aufruf der E-Mail-Funktion aus ProQua über Druckmodul (1), 2. Hauptdokument auswählen und erzeugen (2), 3. Ausgabeart von Preview (3) nach Mail (4) wechseln

Mehr

Aufgaben zu Kapitel 8

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.

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache 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...

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von

Mehr

Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse

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

Mehr

OpenOffice Writer 4 / LibreOffice Writer 4. Grundlagen. Peter Wies. 1. Ausgabe, Oktober 2014 OOW4LOW4

OpenOffice Writer 4 / LibreOffice Writer 4. Grundlagen. Peter Wies. 1. Ausgabe, Oktober 2014 OOW4LOW4 Peter Wies 1. Ausgabe, Oktober 2014 OpenOffice Writer 4 / LibreOffice Writer 4 Grundlagen OOW4LOW4 8 OpenOffice Writer 4 / LibreOffice Writer 4 - Grundlagen 8 Dokumente mit Illustrationen gestalten In

Mehr

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

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

Mehr

Kurzanleitung. Zitiertil-Creator. Dokumentvorlagen Dokumente Formatvorlagen Format Zeichen Format Absatz

Kurzanleitung. Zitiertil-Creator. Dokumentvorlagen Dokumente Formatvorlagen Format Zeichen Format Absatz Dokumentvorlagen Dokumente Formatvorlagen Format Zeichen Format Absatz Datei Neu... Datei öffnen Datei schließen Beenden Suchen Suchen & Ersetzen Verknüpfungen Optionen Einfügen Inhalte einfügen Format

Mehr

Kapitel 39 Sequenzdiagramme

Kapitel 39 Sequenzdiagramme Kapitel 39 Sequenzdiagramme Sequenzdiagramme bilden eine spezielle Form von Liniendiagrammen. Die Besonderheit von Sequenzdiagrammen besteht darin, daß sie stets die einzelnen Werte einer Variablen aus

Mehr

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse

Mehr

Tab. 4.1: Altersverteilung der Gesamtstichprobe BASG SASG BAS SAS UDS SCH AVP Mittelwert Median Standardabweichung 44,36 43,00 11,84

Tab. 4.1: Altersverteilung der Gesamtstichprobe BASG SASG BAS SAS UDS SCH AVP Mittelwert Median Standardabweichung 44,36 43,00 11,84 Im weiteren wird gemäß den allgemeinen statistischen Regeln zufolge bei Vorliegen von p=,5 und

Mehr

Verknüpfen & Einbetten von Daten

Verknüpfen & Einbetten von Daten Verknüpfen & Einbetten von Daten In Office haben Sie die Möglichkeit, Daten in mehreren Anwendungen gemeinsam zu nutzen. Dies geschieht entweder durch Verknüpfen oder durch Einbetten von Objekten (Diagramme,

Mehr

Hypothesentests mit SPSS. Beispiel für einen t-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

Mehr

Auswertung erstellen: Liste mit E-Mail-

Auswertung erstellen: Liste mit E-Mail- Anleitung Auswertung erstellen: Liste mit E-Mail-Adressen Auswertung erstellen: Liste mit E-Mail- Adressen Das Beispiel Sie möchten für den Versand eines Newletters per E-Mail eine Liste der in mention

Mehr

Vorwort zur vierten Auflage Einleitung 13

Vorwort zur vierten Auflage Einleitung 13 http://www.beltz.de/de/nc/verlagsgruppe-beltz/gesamtprogramm.html?isbn=978-3-621-28249-9 6 Inhalt Inhalt Vorwort zur vierten Auflage 11 1 Einleitung 13 1.1 Warum R? 13 1.2 Fürwen ist dieses Buch? 14 1.3

Mehr

Angewandte Statistik 3. Semester

Angewandte Statistik 3. Semester Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen

Mehr

Datenauswertung mit Hilfe von Pivot-Tabellen in Excel

Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Begleitendes Manual zu den Workshops zur Datenerfassung und verarbeitung im Juni / Juli 2004 Datenauswertung mit Hilfe von Pivot-Tabellen in Excel...3

Mehr

Tabellen bearbeiten. Excel Grundlagen ZID/Dagmar Serb V.02/Sept. 2015

Tabellen bearbeiten. Excel Grundlagen ZID/Dagmar Serb V.02/Sept. 2015 Tabellen bearbeiten Excel 2010 - Grundlagen ZID/Dagmar Serb V.02/Sept. 2015 TABELLEN BEARBEITEN... 2 ZEILENHÖHE... 2 SPALTENBREITE... 2 SPALTEN EINFÜGEN [STRG]+[+]... 3 ZEILEN EINFÜGEN [STRG]+[+]... 4

Mehr

Parametrische vs. Non-Parametrische Testverfahren

Parametrische vs. Non-Parametrische Testverfahren Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer

Mehr

Deskription, 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 Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

Kapitel 5: Einfaktorielle Varianzanalyse

Kapitel 5: Einfaktorielle Varianzanalyse Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung

Mehr

Lösungen zum SPSS-Buch zweiter Teil Einführung in das quantitativ orientierte Forschen

Lösungen zum SPSS-Buch zweiter Teil Einführung in das quantitativ orientierte Forschen 1 Lösungen zum SPSS-Buch zweiter Teil Einführung in das quantitativ orientierte Forschen 2. Auflage Allgemeine Anmerkung Die Interpretationen zur Signifikanz erfolgen auf dem 5%-Nieveau. Kapitel 8 Studienaufgabe

Mehr

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav) Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe

Mehr

Hypothesentests mit SPSS

Hypothesentests 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

Mehr

VS PLUS

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

Mehr

Jan Götzelmann. 1. Ausgabe, Dezember Präsentation mit Einsatz von Multimediaelementen

Jan Götzelmann. 1. Ausgabe, Dezember Präsentation mit Einsatz von Multimediaelementen Informatik Anwender I und II SIZ 2013 Modul 202, K2013 Release 2: Präsentation mit Einsatz von Multimediaelementen Jan Götzelmann mit PowerPoint 2013 1. Ausgabe, Dezember 2013 SIZ-202-O13CC 3 Informatik-Anwender

Mehr

Testleiterbefragung. Einleitung. Fragestellung. Methode. Wie viele Schüler/innen zeigten das folgende Verhalten?

Testleiterbefragung. Einleitung. Fragestellung. Methode. Wie viele Schüler/innen zeigten das folgende Verhalten? Testleiterbefragung Einleitung "Ruhe bitte!" Vom Pausenhof schallt Geschrei in die Klasse, in der hinteren Reihe tauschen sich mehrere Schülerinnen und Schüler über die Lösung der letzten Frage aus, ein

Mehr

Aufgaben zu Kapitel 9

Aufgaben zu Kapitel 9 Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte

Mehr

4.Wie gut haben Sie im letzten Jahr(1997) Ihre Ziele bezüglich der Neukundengewinnung erreicht? 1 = gar nicht erreicht 7 = voll erreicht

4.Wie gut haben Sie im letzten Jahr(1997) Ihre Ziele bezüglich der Neukundengewinnung erreicht? 1 = gar nicht erreicht 7 = voll erreicht 2.2.4.1. Antwortprofil Anhand einer siebenstufigen Ratingskala 1 konnten die Unternehmen den Zielerreichungsgrad bezüglich der einzelnen vorgegebenen Ziele ankreuzen. Abbildung 33 zeigt das Antwortprofil

Mehr

» S C H R I T T - F Ü R - S C H R I T T - A N L E I T U N G «M U L T I P L E L I N E A R E R E G R E S S I O N M I T S P S S / I B M Daniela Keller

» S C H R I T T - F Ü R - S C H R I T T - A N L E I T U N G «M U L T I P L E L I N E A R E R E G R E S S I O N M I T S P S S / I B M Daniela Keller » SCHRITT-FÜR-SCHRITTANLEITUNG«MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Daniela Keller Daniela Keller - MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Impressum 2016 Statistik und Beratung Dipl.-Math. Daniela

Mehr

Teil: lineare Regression

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

Mehr

Projekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?

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

Mehr

UE Angewandte Statistik Termin 4 Gruppenvergleichstests

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

Mehr

Einführung in SPSS. 1. Die Datei Seegräser

Einführung 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

Mehr

Bevor Sie mit dem Druck von Mahnungen beginnen können, sollten Sie die Mahntexte definieren.

Bevor Sie mit dem Druck von Mahnungen beginnen können, sollten Sie die Mahntexte definieren. Mahnwesen Bevor Sie mit dem Druck von Mahnungen beginnen können, sollten Sie die Mahntexte definieren. Geben Sie den Absender, Telefonnummern, Sachbearbeiter und allfällige E-Mail-Adresse ein. Ebenso die

Mehr

Kapitel 1: Deskriptive Statistik

Kapitel 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

Mehr

Items Einstellungen sportliches Engagement der Freundinnen und Freunde Frauen keinen Wenige / niemand meiner Freundinnen und Freunde sind der Meinung,

Items Einstellungen sportliches Engagement der Freundinnen und Freunde Frauen keinen Wenige / niemand meiner Freundinnen und Freunde sind der Meinung, 9 Ergebnisse: Soziales Umfeld Freundinnen und Freunde 117 9 Freundinnen und Freunde Im folgenden Kapitel wird herausgearbeitet, wie die Schülerinnen und Studentinnen die Einstellungen und das Sportverhalten

Mehr

Gesprächsthema: Bauen mit einem Technikbaukasten. Die Erkennensleistung ist für verschiedene

Gesprächsthema: Bauen mit einem Technikbaukasten. Die Erkennensleistung ist für verschiedene Fragestellungen: Können Vp s aus Transkripten von Zweiergesprächen das Geschlecht der daran Teilnehmenden erkennen? Machen sie dabei systematische Fehler? Gesprächsthema: Bauen mit einem Technikbaukasten

Mehr

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

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

Mehr

Kapitel 1: Deskriptive Statistik

Kapitel 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.

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

Serienbrief erstellen

Serienbrief erstellen Um in Word 2010 einen Serienbrief zu erstellen, muss man den Seriendruck-Assistenten aufrufen. Der Seriendruck-Assistent führt dich in sechs Schritten durch diese Thematik. Dabei enthält jeder Schritt

Mehr

So geht s Schritt-für-Schritt-Anleitung

So geht s Schritt-für-Schritt-Anleitung So geht s Schritt-für-Schritt-Anleitung Software WISO Mein Büro 365 Thema Erstellen von Teilrechnungen Version/Datum ab 16.00.05.100 Inhaltsverzeichnis 1. Einführung... 2 2. Erstellen der Rechnungen...

Mehr

Freigeben des Posteingangs oder des Kalenders in Outlook

Freigeben des Posteingangs oder des Kalenders in Outlook Freigeben des Posteingangs oder des Kalenders in Outlook Berechtigungen für Postfächer können von den Anwendern selbst in Outlook konfiguriert werden. Dazu rufen Benutzer in Outlook das Kontextmenü ihres

Mehr

1 FORMULARE. 1.1 Felder im Formular

1 FORMULARE. 1.1 Felder im Formular MS Word 00 Kompakt Formulare FORMULARE Formulare sind Dokumente, in denen spezielle Bereiche dafür vorgesehen sind, mit bestimmten Informationen ausgefüllt zu werden. Formulare werden z.b. für Fragebögen,

Mehr

Markus Mandalka Einführung in die Fotoverwaltung mit JPhotoTagger. Version vom 6. September Inhaltsverzeichnis

Markus Mandalka Einführung in die Fotoverwaltung mit JPhotoTagger. Version vom 6. September Inhaltsverzeichnis Markus Mandalka Einführung in die Fotoverwaltung mit JPhotoTagger Version 10.07.06 vom 6. September 2010 Inhaltsverzeichnis Grundaufbau der Programmoberfläche...2 Bilder suchen und sichten...2 Schnellsuche...2

Mehr

Excel 2010. für Windows ISBN 978-3-86249-060-8. Peter Wies 1. Ausgabe, 11. Aktualisierung, November 2013. Grundlagen

Excel 2010. für Windows ISBN 978-3-86249-060-8. Peter Wies 1. Ausgabe, 11. Aktualisierung, November 2013. Grundlagen Peter Wies 1. Ausgabe, 11. Aktualisierung, November 2013 Excel 2010 für Windows Grundlagen ISBN 978-3-86249-060-8 EX2010 10 Excel 2010 - Grundlagen 10 Diagramme erstellen und schnell gestalten In diesem

Mehr

Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011

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

Mehr

TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG

TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG GLIEDERUNG Statistik eine Umschreibung Gliederung der Statistik in zwei zentrale Teilbereiche Deskriptive Statistik Inferenzstatistik

Mehr

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten

Mehr

Protokoll Grundpraktikum: O1 Dünne Linsen

Protokoll Grundpraktikum: O1 Dünne Linsen Protokoll Grundpraktikum: O1 Dünne Linsen Sebastian Pfitzner 22. Januar 2013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (552892) Arbeitsplatz: 3 Betreuer: A. Ahlrichs Versuchsdatum: 16.01.2013

Mehr

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

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

Mehr

Methodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie

Mehr

Kapitel 22 Partielle Korrelationen

Kapitel 22 Partielle Korrelationen Kapitel 22 Partielle Korrelationen Bereits im vorhergehenden Kapitel wurden mit der Prozedur KORRELATION, BIVARIAT Korrelationskoeffizienten berechnet. Korrelationskoeffizienten dienen allgemein dazu,

Mehr

Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation

Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation Kapitel 40 Zeitreihen: Autokorrelation und Kreuzkorrelation Bei Zeitreihendaten ist häufig das Phänomen zu beobachten, daß die Werte der Zeitreihe zeitverzögert mit sich selbst korreliert sind. Dies bedeutet,

Mehr

Kapitel 35 Histogramme

Kapitel 35 Histogramme Kapitel 35 Histogramme In einem Histogramm können Sie die Häufigkeitsverteilung der Werte einer intervallskalierten Variablen darstellen. Die Werte werden zu Gruppen zusammengefaßt und die Häufigkeiten

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests VORGEHENSWEISE Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel

Mehr

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

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

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

ECDL Information und Kommunikation Kapitel 7

ECDL Information und Kommunikation Kapitel 7 Kapitel 7 Bearbeiten von E-Mails Outlook Express bietet Ihnen noch weitere Möglichkeiten, als nur das Empfangen und Versenden von Mails. Sie können empfangene Mails direkt beantworten oder an andere Personen

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

Kapitel 11 Verschmelzen und Aggregieren von Datendateien

Kapitel 11 Verschmelzen und Aggregieren von Datendateien Kapitel 11 Verschmelzen und Aggregieren von Datendateien Daten, die in unterschiedlichen Datendateien gespeichert sind, lassen sich nicht unmittelbar gemeinsam analysieren, sondern sie müssen zuvor in

Mehr

4 SERIENDRUCK. 4.1 Vorbereitung

4 SERIENDRUCK. 4.1 Vorbereitung MS Word 2010 Aufbau Seriendruck 4 SERIENDRUCK Mit Hilfe eines Seriendrucks haben Sie die Möglichkeit, Dokumente wie zb Briefe, Angebote oder Einladungen an einen größeren Personenkreis zu adressieren,

Mehr

SozialwissenschaftlerInnen II

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

Mehr

Klassifikation von Signifikanztests

Klassifikation von Signifikanztests Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen

Mehr

Auf Biegen und Schieben

Auf Biegen und Schieben 0 Auf Biegen und Schieben Seite Auf Biegen und Schieben Modifikationen von Graphen durch Faktoren und Summanden Düsseldorf, den 7.06.0 Der bisher veröffentlichte Entwurf des Kernlehrplans für die Sekundarstufe

Mehr

CASIO-Bildschirme zu den Seiten in Lambacher Schweizer Thüringen Arbeiten mit dem CAS

CASIO-Bildschirme zu den Seiten in Lambacher Schweizer Thüringen Arbeiten mit dem CAS CASIO-Bildschirme zu den Seiten in Arbeiten mit dem CAS Seite 8 Beispiel Modulare Grafikanwendung oder Grafik- und Tabellenanwendung _1 _2 Fig. 3_1 CASIO-Bildschirme zu den Seiten in Arbeiten mit dem CAS

Mehr

Aufgaben zu Kapitel 1

Aufgaben zu Kapitel 1 Aufgaben zu Kapitel 1 Aufgabe 1 a) Öffnen Sie die Datei Beispieldatensatz.sav, die auf der Internetseite zum Download zur Verfügung steht. Berechnen Sie die Häufigkeiten für die beiden Variablen sex und

Mehr

Univariate Kennwerte mit SPSS

Univariate 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

Mehr

7. Serienbriefe erstellen Das Prinzip des Seriendrucks MICROSOFT WORD Elemente des Seriendrucks

7. Serienbriefe erstellen Das Prinzip des Seriendrucks MICROSOFT WORD Elemente des Seriendrucks 7. Serienbriefe erstellen 7.1. Das Prinzip des Seriendrucks Elemente des Seriendrucks Zur Erstellung eines Serienbriefs sind zwei Elemente notwendig: Hauptdokument mit gleichbleibendem Text und den sog.

Mehr

> Berechtigungen. BEREICH

> Berechtigungen. BEREICH BEREIH Berechtigungen In diesem Bereich der Dokumentation werden die Programme beschrieben, über die Sie die Zugriffsberechtigungen der Mitarbeiter steuern. Die hier beschriebenen Programme finden Sie

Mehr

7 DOKUMENTEE FORMATIEREN

7 DOKUMENTEE FORMATIEREN 7 DOKUMENTEE FORMATIEREN Sie können grundlegende Einstellungen von Dokumenten wie die Seitenausrichtung oder die Papiergröße bearbeiten und so Ihren Bedürfnissen anpassen. Die Befehle dazu finden Sie unter

Mehr