Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit
|
|
- Martin Gerber
- vor 6 Jahren
- Abrufe
Transkript
1 Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Reliabilität in der klassischen (psychometrischen) Testtheorie Statistisches Modell Realisierung mit der SPSS-Prozedur Reliability
2 Klassische Testtheorie: Reliabilität von Messungen In der klassischen Testtheorie (KTT) der Psychometrie wird die Messung x A einer interessierenden Eigenschaft eines Objektes A als Summe aus dem sog. "wahren Wert" (engl.: true score) A dieses Objektes und einem zufälligen Messfehler ε i aufgefasst, der einen Erwartungswert von Null aufweist: x = +ε mit μ ε = 0 Es wird angenommen, dass für alle zu messenden Objekte gilt, dass der jeweilige wahre Wert statistisch unabhängig vom Messfehler ist, was in der KTT als lokale stochastische Unabhängigkeit bezeichnet wird. Gilt diese Annahme, so folgt daraus, dass die Varianz der Messungen über alle Objekte gleich der Summen aus der True-Score-Varianz plus der Messfehlervarianz ist: X ε σ X =σ +σε ( ) A,i A i i Grafisch lässt sich dies als Pfaddiagramm darstellen, bei dem eine beobachtete Variable X in einem linearen Regressionsmodell durch eine latente Variable erklärt wird. Im Pfaddiagramm wird die beobachtete Variable X als Rechteck dargestellt und die unbeachtete Variable, die die "true scores" repräsentiert durch einen Kreis. Die Messfehler werden dann durch die ebenfalls unbeobachtete Residualvariable ε repräsentiert. Forschungspraktikum GMF 1
3 Klassische Testtheorie: Reliabilität einer Messung Die Reliabilität der Messung X ist dann als der durch die "true-scores" erklärte Varianzanteil an der Varianz der Messungen definiert: σ σε ρ X. = = 1 σ σ X 1 X ε 1 ε X Zwei Messungen heißen parallel, wenn sie nicht nur den gleichen "true score" messen, sondern zusätzlich auch die Messfehlervarianzen gleich sind. Zwei Messungen heißen tau-äquivalent, wenn sie den gleichen "true score" messen, aber unterschiedliche Messfehlervarianzen haben. Zwei Messungen heißen kongenerisch, wenn die Regressionsgewichte der Regression der Messungen auf die "true scores" zu unterschiedlichen Regessionsgewichten führt, wobei die Messfehlervarianzen gleich oder verschieden sein können. Im Pfaddiagramm ist dann eine der beiden Regressionsgewichte ("Ladungen") kleiner 1 und für deren Varianz gilt: X Um die Reliabilität zu ermitteln, wird angenommen, dass es mehrere Messungen bzw. unabhängige Messwiederholungen X i der "true scores" gibt, wobei jede Messung wieder die Summe aus "true score" und Messfehler ist. Das Pfaddigramm entspricht dann dem einer Faktorenanalyse mit einem Faktor. In der Abbildung sind zwei Messungen X 1 und X der gleichen Größe eingezeichnet. σ =λ σ +σ X i ε i i Forschungspraktikum GMF
4 Klassische Testtheorie: Reliabilität von Summenscores X 1 X Es kann gezeigt werden, dass die Kovarianz zwischen zwei parallelen oder tau-äquivalenten Messungen der gleichen Größe gleich der Varianz der true scores ist: σ X,X =σ =σ ( i j) ij ε 1 ε Wenn zwei Messungen parallel sind, gilt zudem, dass die Korrelation zwischen den Messungen gleich der Reliabilität ist. Aus dieser Eigenschaft wird gelegentlich Reliabilität auch als Korrelation einer Messung mit sich selbst bezeichnet, wobei "mit sich selbst" meint, dass es sich um zwei statistisch unabhängige identische (d.h. parallele) Messungen handelt. Die KTT hat vor allem unterschiedliche Formeln zur Berechnung der Reliabilität von Summenscores generiert. Angenommen, es liegen K parallele Messungen X 1, X,..., X k der gleichen Größe vor. Es kann gezeigt werden, dass dann für die Reliabilität der Summe Y= X 1 + X X k gilt: K σ K σ K ρ ρ = = = X. Y. σy K σ + K σ ε 1 + (K 1) ρx. wobei ρ X. die Reliabilität einer einzelnen parallelen Messung ist. Forschungspraktikum GMF 3
5 Klassische Testtheorie: Reliabilität von Summenscores Summenscore K=10 K=4 0.6 K= Einzelne Messung Aus der Gleichung folgt, dass die Reliabilität eines Summenscores höher ist als die Reliabilität jeder einzelnen Messung, wobei der Unterschied um so höher ist, je geringer die Reliabiliät jeder einzelnen Messung ist. In der Abbildung ist dese Beziehung für Summen von K=, 4 und 10 Messungen dargestellt. Sind die Messungen nicht parallel, sondern nur tau-äquivalent, so gilt die Formel, wenn anstelle der Reliabilität einer einzelnen Messung der Quotient aus der "true score"-varianz und dem Mittelwert der Varianzen der einzelnen Messungen berechnet wird: K K ρ ρ = = = ρ = σ K σ σ mit X. σ Y + ρx. σx * X. Y. K * 1 (K 1) * K σ + σεi i= 1 Forschungspraktikum GMF 4
6 Klassische Testtheorie: Reliabilität von Summenscores Bei kongenerischen Messungen gilt für die Summenscores: K K K K λ λ σ i j λ λ σ i j i= 1 j= 1 i= 1 j= 1 Y. K K K σy λi λj σ + σεi i= 1 j= 1 i= 1 ρ = = Berechnung von Reliabilitätskoeffizienten Aus der Formel für die Reliabilität einer Summe aus zwei parallelen Messungen folgt bei zwei Messungen: K σ K ρx. ρx. ρ K = ρ Y. = = = = σ 1 + (K 1) ρ 1+ρ 1+ρ Y X. X. wobei ρ für die Korrelation zwischen den beiden parallelen Messungen steht. Eine Schätzung der Reliabilität der Summe zweier paralleler Messungen ist also der Quotient aus der zweifachen Korrelation zwischen den beiden Messungen geteilt durch die Summe aus eins plus dieser Korrelation. Dieser Koeffizient ist auch als Spearman-Brown-Koeffizient bekannt. Forschungspraktikum GMF 5
7 Klassische Testtheorie: Berechnung von Reliabilitätskoeffizienten ρ ρ Y. = 1 + ρ In der Regel besteht ein Summenscore aus K Messungen (Items). Für die Schätzung der Reliabilität nach der Spearman-Brown-Formel werden daher zwei Testhälften gebildet und die Korrelation zwischen den Summen der jeweils K/ Items berechnet. "ρ" steht hier also für die Korrelation zwischen diesen beiden Hälften. Dieses Verfahren wird als "split half"-methode bezeichnet. Bei der Anwendung der Spearman-Brown-Fornel wird unterstellt, dass die beiden Testhälften als parallele Messungen aufgefasst werden können. Wenn die Messungen nicht gleich lang sind, sondern sich die K Items in k 1 und k Items aufteilen, gilt eine sehr viel komplexere Formel: ρ = Y. k k ρ + ρ + 4 ρ ( 1 ρ ) K k1 k ( 1 ρ ) K 4 1 wobei "ρ" hier für die Korrelation zwischen den beiden Summen aus k 1 bzw. k Items steht. Forschungspraktikum GMF 6
8 Klassische Testtheorie: Berechnung von Reliabilitätskoeffizienten Bei der Berechnung der Reliabilität kann auch davon Gebrauch gemacht werden, dass die Varianz einer Summe gleich der Summe der Varianzen der Summanden plus zweimal der Summe aller möglichen Kovarianzen ist: K K K K i 1 K K ( X,X) ( X) ( X,X) σ = σ = σ + σ = σ + σ Y i j i i j i ij i= 1 j= 1 i= 1 i= j= 1 i= 1 i> j Werden unter der Annahme tau-äquivalenter oder paralleler Messungen die "true-score"-varianz und die Messfehlervarianz(en) eingesetzt, ergibt sich: ( ) ( ) K K K Y i ij ε K K 1 i i= 1 i> j i= 1 σ = σ + σ = σ +σ + σ Dann folgt für die "true score"-varianz: K σy σi i= 1 σ = K K 1) ( ) Setzt man den rechten Teil der Gleichung in die Formel für die Reliabilität der Summe von tauäquivalenten Messungen bei K= ein: ergibt sich: Y 1 4 K σ 4 σ ( 1) σ Y. σy σy σy σy σ σ σ ρ = = = = ( Y σ1 σ) Forschungspraktikum GMF 7
9 Klassische Testtheorie: Berechnung von Reliabilitätskoeffizienten ( ) σy σ1 σ ρ Y. = σy Diese Formel zur Berechnung der Reliabilität von zwei Messungen bzw. Testhälften ist die Formel für die "split half"-reliabilität nach Guttmann. Im Unterschied zu Formel von Spearman-Brown wird hier nicht Paralelität, sondern nur Tauäquivalenz unterstellt und gilt dann auch bei Testhälften, die unterschiedliche Zahlen von Items aufweisen. Für die Reliabilität einer Summe von K tau-äquivalenten Items folgt zudem: K σy σi K K K i= 1 K σy σi σi K σ K (K 1) K 1 i= 1 K i= 1 Y. 1 σy σy σy K 1 σy ρ = = = = =α Diese Formel zur Schätzung der Reliabilität einer Summe heißt Crombachs α und ist vermutlich der am häufigsten berechnete Koeffizient zur Berechnung der Reliabilität. Bei K= ist er mit der "split half"-reliabilität nach Guttman identisch. Forschungspraktikum GMF 8
10 Klassische Testtheorie: Berechnung von Reliabilitätskoeffizienten Combachs α hat die Eigenschaft, dass dieser Koeffizient gleichzeitig der Durchschnittswert alle "split half"-koeffizienten nach Guttmann ist. Wenn die Messungen parallel oder tau-äquivalet sind, erfasst α die Reliabilität des Summenscores. Bei kongenerischen Messungen unterschätzt α die tatsächliche Reliabilität. Bei der Anwendung der Formeln der KTT muss unterstellt werden, dass das Messmodell der KTT gilt, was insbesondere heißt, dass alle Messungen tatsächlich die gleiche Eigenschaft erfassen und nicht unterschiedliche Eigenschaften. Cronbachs α wird auch als Maß der internen Konsistenz bezeichnet um auszudrücken, dass nicht garantiert ist, dass der Wert tatsächlich die Reliabilität des Summenscores erfasst, sondern nur unter der Annahme der Eindimensionalität. In der Realität liegen keine Populationsdaten, sondern Stichprobendaten vor. Die Formeln der KTT werden dann auf die entsprechenden Schätzungen der Populationsvarianzen angewendet. Dabei ist es möglich, dass es aufgrund der Stichprobengegebenheiten zu Abweichungen mit den tatsächlich interessierenden Populationswerten kommt. Forschungspraktikum GMF 9
11 Realisierung mit der SPSS-Prozedur Reliability Die Koeffizienten der KTT können in SPSS mit der Prozedur Reliability berechnet werden. Die für die KTT wichtigsten Optionen lauten: RELIABILITY VARIABLES=varlist oder ALL /SCALE(name)=varlist /MODEL=ALPHA oder SPLIT(n) /STATISTICS=DESCRIPTIVE COVARIANCES CORRELATIONS SCALE /SUMMARY= TOTAL MEANS VARIANCE COV CORR. Notwendig sind die Optionen "/variables=..." und "/model=..."; alle andere Optionen können ausgelassen werden: /variables=varlist benennt die Variablem die analysiert werden sollen. /scale(name)=varlist ermöglicht, nur eine Teilmenge der Variablen in "/variables" für die Analyse auszuwählen. In Klammern muss dann ein temporärer Variablenname für die Liste der ausgewählten Variablen aufgeführt werden. /model=... gibt die Berechnungsmethode für die Reliablitäten vor. Der Parameter "alpha" forder die Berechnung von Crombachs α an, der Parameter "split" die Berechnung nach der "Split Half"-Methode. Hinter dem Wort "split" kann in Klammern eine Zahl angegeben werden, die die Größe der ersten Testhälfte angibt. Forschungspraktikum GMF 10
12 Realisierung mit der SPSS-Prozedur Reliability /statistics=... /summary=... ermöglichst die Ausgabe deskriptiver (Mittelwerte, Standardabweichungen und Fallzahlen ("descri"), der Varianzen und Kovarianzen ("cov") bzw. der Korrelationen ("cor"). Mit "scale" werden Mittelwert, Varianz und Standardabweichung des Summenscores und die Zahl der eingegangenen Variablen (Items) ausgegeben. gibt für die Mittelwerte ("means"), Varianzen ("var"), Kovarianzen ("cov") und Korrelationen ("cor") der im Summenscore verwendeten Variablen deskriptive Statistiken wieder. Mit dem Parameter "total" werden Statistiken berechnet, wenn jeweils ein Item aus dem Summenscore ausgeschlossen wird: Ausgegeben werden Mittelwert und Varianz des Summenscores ohne das Item, die Korrelation des Items mit dem Summenscore ohne das Item, und R, wenn das Item durch die übrigen Items erklärt wird, sowie Crombachs α, wenn das Item aus dem Summenscore ausgeschlossen ist. Als Beispiel soll die SPSS-Prozedur Reliabilität zur Berechnugn der Reliabilität der Summe (bzw. des Mittelwertes) aus den vier Items zur Messung der Fremdenfeindlichkeit in dem kumulierten GFM-Datensatz herangezogen werden. Forschungspraktikum GMF 11
13 Realisierung mit der SPSS-Prozedur Reliability get file="c:\...\trend.sav. reliability var=ff03d ff04d ff05d ff08d /Mod alpha /stat des cov cor scale /sum tot mean var cov cor. Berechnet wird Cromachs α. Angefordert werden zusätzlich diverse Statistiken, Reliabilitätsstatistiken Cronbachs Alpha Cronbach s Alpha für standardis ierte Items Anzahl der Items Die Schätzung ergibt einen Wert von Auf der Basis der Korrelationen ergibt sich nach der Formel für parallele Messungen ein Wert von Die Resliabilität scheint also recht hoch zu sein. Ausgegeben werden zusätzlich die deskriptiven Statistiken für die einzelnen Items und die Gesamtskala. Forschungspraktikum GMF 1
14 Realisierung mit der SPSS-Prozedur Reliability Itemstatistiken ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp Mittelwert Std. -Abweichung Anzahl Skala-Statistiken Mittelwert Varianz Std. -Abweichung Anzahl der Items Aus der Varianz der Skala und den ebenfalls angeforderten Kovarianzen lässt sich α per Hand berechnen. Der Wert für die standardisierten Variablen kann aus der Korrelationsmatrix berechnet werden. Forschungspraktikum GMF 13
15 Realisierung mit der SPSS-Prozedur Reliability Inter-Item-Kovarianzmatrix ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff05d Ausländerkind er verhindern gute Bildung der dt. Kinder ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp Inter-Item-Korrelationsmatrix ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff05d Ausländerkind er verhindern gute Bildung der dt. Kinder ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp Forschungspraktikum GMF 14
16 Realisierung mit der SPSS-Prozedur Reliability Auswertung der Itemstatistiken Item-Mittelwerte Item-Varianzen Inter-Item-Kovarianzen Inter-Item-Korrelationen Maximum / Anzahl Mittelwert Minimum Maximum Bereich Minimum Varianz der Items Die mit "/summary" angeforderten Statistiken geben weitere Informationen. Von Interesse ist vor allem die durch "total" angeforderten Informationen: Item-Skala-Statistiken ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp Skalenmittelw ert, wenn Item weggelassen Skalenvarianz, wenn Item weggelassen Korrigierte Item-Skala- Korrelation Quadrierte multiple Korrelation Cronbachs Alpha, wenn Item weggelassen Forschungspraktikum GMF 15
17 Realisierung mit der SPSS-Prozedur Reliability Item-Skala-Statistiken ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp Skalenmittelw ert, wenn Item weggelassen Skalenvarianz, wenn Item weggelassen Korrigierte Item-Skala- Korrelation Quadrierte multiple Korrelation Cronbachs Alpha, wenn Item weggelassen In der letzten Spalte wird sichtbar, welche Auswirkungen das Auslassen eines Items hat. In der Regel verringert sich die Reliabilität. Können nicht alle Items verwendet werden, so wird das Item ausgelassen, dass die Reliabilität am geringsten verringert. Im Beispiel ist es aber so, dass das Auslassen von "ff05d" die Reliabilität sogar erhöhen würde. Dies deutet darauf hin, dass dieses Item möglicherweise die Bedingung der Eindimensionalität der Messungen verletzt und daher ausgeschlossen werden sollte: reliability var=ff03d ff04d ff08d /Mod alpha /sum tot. Forschungspraktikum GMF 16
18 Realisierung mit der SPSS-Prozedur Reliability Reliabilitätsstatistiken Cronbachs Anzahl Alpha der Items ff03d Ausländer sind Belastung fürs soziale Netz ff04d Es leben zu viele Ausländer in D. ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp Skalenmittelw ert, wenn Item weggelassen Item-Skala-Statistiken Skalenvarianz, wenn Item weggelassen Korrigierte Item-Skala- Korrelation Cronbachs Alpha, wenn Item weggelassen Werden die Reliabilitäten über "split half" geschätzt, ergeben sich unterschiedliche Werte, je nachdem wie die Hälften gebildet werden: reliability var=ff03d ff04d ff05d ff08d /Mod split. reliability var=ff03d ff05d ff04d ff08d /Mod split. reliability var=ff03d ff08d ff05d ff04d /Mod split. ff03d + ff04d mit ff05d + ff08d: nach Guttmann ff03d + ff05d mit ff04d + ff08d: nach Guttmann ff03d + ff08d mit ff05d + ff04d: 0.84 nach Guttmann Crombachs α ist der Durchschnittswert dieser drei Schätzungen. Forschungspraktikum GMF 17
19 Realisierung mit der SPSS-Prozedur Reliability Reliabilitätsstatistiken Cronbachs Alpha Korrelation zwischen Formen Teil 1 Teil Gesamtzahl der Items Spearman-Brown- Gleiche Länge Koeffizient ungleiche Länge Guttmans Split-Half-Koeffizient Wert Anzahl der Items Wert Anzahl der Items.805 a.55 b a. Die Items sind: ff03d Ausländer sind Belastung fürs soziale Netz, ff04d Es leben zu viele Ausländer in D.. b. Die Items sind: ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder, ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp. Reliabilitätsstatistiken Cronbachs Alpha Korrelation zwischen Formen Teil 1 Teil Gesamtzahl der Items Spearman-Brown- Gleiche Länge Koeffizient ungleiche Länge Guttmans Split-Half-Koeffizient Wert Anzahl der Items Wert Anzahl der Items.559 a.740 b a. Die Items sind: ff03d Ausländer sind Belastung fürs soziale Netz, ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder. b. Die Items sind: ff04d Es leben zu viele Ausländer in D., ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp. Forschungspraktikum GMF 18
20 Realisierung mit der SPSS-Prozedur Reliability Reliabilitätsstatistiken Cronbachs Alpha Korrelation zwischen Formen Teil 1 Teil Gesamtzahl der Items Spearman-Brown- Gleiche Länge Koeffizient ungleiche Länge Guttmans Split-Half-Koeffizient Wert Anzahl der Items Wert Anzahl der Items.693 a.565 b a. Die Items sind: ff03d Ausländer sind Belastung fürs soziale Netz, ff08d Ausländer nach Hause schicken, wenn Arbeitsplätze knapp. b. Die Items sind: ff05d Ausländerkinder verhindern gute Bildung der dt. Kinder, ff04d Es leben zu viele Ausländer in D.. Forschungspraktikum GMF 19
Bestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala. Cronbach s. 1 (k 1)r
Dr. Wolfgang Langer - Methoden V: Explorative Faktorenanalyse SoSe 1999-1 Bestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala Für die Schätzung der Zuverlässigkeit einer additiven Itemskala,
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduktion. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduktion Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im Datensatz
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im
MehrSPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1
SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter
MehrTesttheorie und Gütekriterien von Messinstrumenten. Objektivität Reliabilität Validität
Testtheorie und Gütekriterien von Messinstrumenten Objektivität Reliabilität Validität Genauigkeit von Messungen Jede Messung zielt darauf ab, möglichst exakte und fehlerfreie Messwerte zu erheben. Dennoch
MehrTESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Reliabilität 1. Überblick 2. Berechnung
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Hauptkomponenten- und enanalyse Hauptkomponentenanalyse Von der Hauptomponentenananlyse zur exploratischen enanalyse Bestimmung der Zahl der en
MehrReliabilitäts- und Itemanalyse
Reliabilitäts- und Itemanalyse In vielen Wissenschaftsdisziplinen stellt die möglichst exakte Messung von hypothetischen Prozessen oder Merkmalen sogenannter theoretischer Konstrukte ein wesentliches Problem
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
MehrForschungspraktikum 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.
MehrKontrolle und Aufbereitung der Daten. Peter Wilhelm Herbstsemester 2014
Kontrolle und Aufbereitung der Daten Peter Wilhelm Herbstsemester 2014 Übersicht 1.) Kontrolle und Aufbereitung der Daten Fehlerkontrolle Umgang mit Missing 2.) Berechnung von Skalen- und Summenscores
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrInstitut für Marketing und Handel Prof. Dr. W. Toporowski. SPSS Übung 5. Heutige Themen: Faktorenanalyse. Einführung in Amos
SPSS Übung 5 Heutige Themen: Faktorenanalyse Einführung in Amos 1 Faktorenanalyse Datei Öffnen V:/Lehre/Handelswissenschaft/Daten_Übung3/Preisimage_F_und_C.sav 2 Datensatz (I) v1 Wenn Produkte zu Sonderpreisen
MehrKlassische Testtheorie (KTT) Klassische Testtheorie (KTT) Klassische Testtheorie (KTT)
Klassische Testtheorie (KTT) Die KTT stellt eine Sammlung von Methoden dar, die seit Beginn des vorigen Jahrhunderts zur exakten und ökonomischen Erfassung interindividueller Unterschiede entwickelt wurden.
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
MehrKlassische Testtheorie (KTT) Klassische Testtheorie (KTT) Klassische Testtheorie (KTT)
Klassische Testtheorie (KTT) Die KTT stellt eine Sammlung von Methoden dar, die seit Beginn des vorigen Jahrhunderts zur exakten und ökonomischen Erfassung interindividueller Unterschiede entwickelt wurden.
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
Mehr6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
MehrSPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen
SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen Augustin Kelava 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel:
MehrKonfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 31. Mai 2011 4. Methode der kleinsten Quadrate Geschichte: Von Legendre, Gauß und Laplace zu Beginn des 19. Jahrhunderts eingeführt. Die Methode der
MehrKapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell
Kapitel 8 Einfache Regression Josef Leydold c 2006 Mathematische Methoden VIII Einfache Regression 1 / 21 Lernziele Lineares Regressionsmodell Anpassen des linearen Regressionsmodells, OLS Eigenschaften
MehrTeil: 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
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 6 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den insendeaufgaben geprüften Lehrzielgruppen Lehrzielgruppe:
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
MehrKapitel 3 Schließende lineare Regression Einführung. induktiv. Fragestellungen. Modell. Matrixschreibweise. Annahmen.
Kapitel 3 Schließende lineare Regression 3.1. Einführung induktiv Fragestellungen Modell Statistisch bewerten, der vorher beschriebenen Zusammenhänge auf der Basis vorliegender Daten, ob die ermittelte
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
Mehr3.2 Grundlagen der Testtheorie Methoden der Reliabilitätsbestimmung
3.2 Grundlagen der Testtheorie 3.2.6 Methoden der Reliabilitätsbestimmung 6.1 Was ist Reliabilität? 6.2 Retest-Reliabilität 6.3 Paralleltest-Reliabilität 6.4 Splithalf-(Testhalbierungs-)Reliabilität 6.5
MehrDie 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
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
Mehr4. Verteilungen von Funktionen von Zufallsvariablen
4. Verteilungen von Funktionen von Zufallsvariablen Allgemeine Problemstellung: Gegeben sei die gemeinsame Verteilung der ZV en X 1,..., X n (d.h. bekannt seien f X1,...,X n bzw. F X1,...,X n ) Wir betrachten
MehrVerfahren zur Skalierung. A. Die "klassische" Vorgehensweise - nach der Logik der klassischen Testtheorie
Verfahren zur Skalierung A. Die "klassische" Vorgehensweise - nach der Logik der klassischen Testtheorie 1. Daten: z. Bsp. Rating-Skalen, sogenannte "Likert" - Skalen 2. Ziele 1. Eine Skalierung von Items
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrW09 p. 1. Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Waldinventur und Fernerkundung
Der Verhältnisschätzer - Ratio estimator Beispiel: Schätzung der Anzahl Objekte (Bäume) in einem bestimmten Gebiet. Situation: Die Fläche ist unterteilt in Streifen / Transekte. Man wählt zufällig n =
MehrDrittvariablenkontrolle in der linearen Regression: Trivariate Regression
Drittvariablenkontrolle in der linearen Regression: Trivariate Regression 14. Januar 2002 In der Tabellenanalyse wird bei der Drittvariablenkontrolle für jede Ausprägung der Kontrollvariablen eine Partialtabelle
MehrKonfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
Mehr7. Stochastische Prozesse und Zeitreihenmodelle
7. Stochastische Prozesse und Zeitreihenmodelle Regelmäßigkeiten in der Entwicklung einer Zeitreihe, um auf zukünftige Entwicklung zu schließen Verwendung zu Prognosezwecken Univariate Zeitreihenanalyse
MehrVerteilungen mehrerer Variablen
Kapitel 3 Verteilungen mehrerer Variablen 3. Eigenschaften von Verteilungen mehrerer Variablen Im allgemeinen muss man Wahrscheinlichkeiten für mehrere Variable, die häufig auch voneinander abhängen, gleichzeitig
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrMultivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
MehrKapitel 8. Parameter multivariater Verteilungen. 8.1 Erwartungswerte
Kapitel 8 Parameter multivariater Verteilungen 8.1 Erwartungswerte Wir können auch bei mehrdimensionalen Zufallsvariablen den Erwartungswert betrachten. Dieser ist nichts anderes als der vektor der Erwartungswerte
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrDas Rasch-Modell und seine zentralen Eigenschaften
Das Rasch-Modell und seine zentralen Eigenschaften Stella Bollmann Seminar Psychometrische Modelle: Theorie und Anwendungen Institut für Statistik, LMU München München, 27. Mai 2014 Stella Bollmann Das
MehrStatistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
Mehr1 Inhaltsverzeichnis. 1 Einführung...1
1 Inhaltsverzeichnis 1 Einführung...1 1.1 Arten der stochastischen Abhängigkeit...2 1.2 Wo kommen regressive Abhängigkeiten vor?...3 1.3 Hauptaufgaben von Regressionsmodellen...3 1.4 Wissenschaftstheoretische
MehrParametrische 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
MehrWiederholung Qualitätssicherung Drittvariablen. Regression II. Statistik I. Sommersemester Statistik I Regression II (1/33) Wiederholung
Regression II Statistik I Sommersemester 2009 Statistik I Regression II (1/33) R 2 Root Mean Squared Error Statistik I Regression II (2/33) Zum Nachlesen Agresti: 9.1-9.4 Gehring/Weins: 8 Schumann: 8.1-8.2
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
MehrMessen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse
Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Dominik Ernst 26.05.2009 Bachelor Seminar Dominik Ernst Reliabilität und explorative Faktorenanalyse 1/20
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrFERNUNIVERSITÄT IN HAGEN WIRTSCHAFTSWISSENSCHAFT
FERNUNIVERSITÄT IN HAGEN FAKULTÄT WIRTSCHAFTSWISSENSCHAFT Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. A. Kleine Lehrstuhl für Angewandte
Mehr= = =0,2=20% 25 Plätze Zufallsübereinstimmung: 0.80 x x 0.20 = %
allgemein Klassifizierung nach Persönlichkeitseigenschaften Messung von Persönlichkeitseigenschaften Zuordnung von Objekten zu Zahlen, so dass die Beziehungen zwischen den Zahlen den Beziehungen zwischen
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrEinführung in die Test- und Fragebogenkonstruktion
Markus Bühner 1 Einführung in die Test- und Fragebogenkonstruktion 2., aktualisierte und erweiterte Auflage PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England
MehrVarianz und Kovarianz
KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
Mehr4.2 Grundlagen der Testtheorie
4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrBeispielberechnung Vertrauensintervall
Beispielberechnung Vertrauensintervall Auszug Kursunterlagen MAS ZFH in Berufs-, Studien- und Laufbahnberatung Prof. Dr. Marc Schreiber, Dezember 2016 Beispielberechnung Vertrauensintervall Statistische
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrB. Regressionsanalyse [progdat.sav]
SPSS-PC-ÜBUNG Seite 9 B. Regressionsanalyse [progdat.sav] Ein Unternehmen möchte den zukünftigen Absatz in Abhängigkeit von den Werbeausgaben und der Anzahl der Filialen prognostizieren. Dazu wurden über
MehrBivariate Regressionsanalyse
Universität Bielefeld 15. März 2005 Kovarianz, Korrelation und Regression Kovarianz, Korrelation und Regression Ausgangspunkt ist folgende Datenmatrix: Variablen 1 2... NI 1 x 11 x 12... x 1k 2 x 21 x
MehrÜbungsscheinklausur,
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 27
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 27 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
Mehr13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 1. Aufgabe: Für 25 der größten Flughäfen wurde die Anzahl der abgefertigten Passagiere in den Jahren 2009 und 2012 erfasst. Aus den Daten (Anzahl
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrEigene MC-Fragen Testgütekriterien (X aus 5) 2. Das Ausmaß der Auswertungsobjektivität lässt sich in welcher statistischen Kennzahl angeben?
Eigene MC-Fragen Testgütekriterien (X aus 5) 1. Wenn verschieden Testanwender bei Testpersonen mit demselben Testwert zu denselben Schlussfolgerungen kommen, entspricht dies dem Gütekriterium a) Durchführungsobjektivität
MehrEine Skala ist also Messinstrument, im einfachsten Fall besteht diese aus einem Item
KONSTRUKTION UND ANALYSE VON SKALEN Ziel Skalen und Tests Systematisierung von Tests Itemarten Skalenarten im Detail Die Likert Skala Skala: Eine Skala ist ein Instrument zur Messung von (theoretischen)
MehrStrukturgleichungsmodelle. Sozialwissenschaften. R.Oldenbourg Verlag München Wien. Von Universitätsprofessor Dr. Jost Reinecke
Strukturgleichungsmodelle in den Sozialwissenschaften Von Universitätsprofessor Dr. Jost Reinecke R.Oldenbourg Verlag München Wien 1 Einleitung 3 2 Die Entwicklung der statistischen Modellbildung mit Strukturgleichungen
MehrVorlesung 4: Spezifikation der unabhängigen Variablen
Vorlesung 4: Spezifikation der unabhängigen Variablen. Fehlspezifikation der unabhängigen Variablen. Auswirkungen einer Fehlspezifikation a. auf die Erwartungstreue der Schätzung b. auf die Effizienz der
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Wiederholung: Verteilungen Noémie Becker & Dirk Metzler 31. Mai 2016 Inhaltsverzeichnis 1 Binomialverteilung 1 2 Normalverteilung 2 3 T-Verteilung
MehrLineare Regression II
Lineare Regression II Varianzanalyse als multiple Regession auf Designvariablen Das lineare Regressionsmodell setzt implizit voraus, dass nicht nur die abhängige, sondern auch die erklärenden Variablen
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrBeispielberechnung Vertrauensintervalle
Beispielberechnung Vertrauensintervalle Auszug Kursunterlagen MAS Berufs-, Studien- und Laufbahnberatung Juni 2015 Prof. Dr. Marc Schreiber Beispielberechnung Vertrauensintervalle Vorbereitung - Statistische
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen
Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen Noémie Becker & Dirk Metzler http://evol.bio.lmu.de/_statgen 7. Juni 2013 1 Binomialverteilung 2 Normalverteilung 3 T-Verteilung
MehrStatistiken deuten und erstellen
Statistiken deuten und erstellen Dipl. Ök. Jens K. Perret, M.Sc. Evgenija Yushkova, M.A. Schumpeter School of Business and Economics Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Inhalt
MehrK8 Stetige Zufallsvariablen Theorie und Praxis
K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrRETESTRELIABILITÄT. Teststabilität. Korrelation wiederholter Testdurchführungen. Persönlichkeitstests. Stabilität des Zielmerkmals.
Basiert auf RETESTRELIABILITÄT Wird auch genannt Teststabilität Geeignet für Korrelation wiederholter Testdurchführungen Abhängig von beeinflusst Stabilität des Zielmerkmals Persönlichkeitstests Speedtests
Mehr1 (2π) m/2 det (Σ) exp 1 ]
Multivariate Normalverteilung: m=1: Y N(µ; σ 2 ) Erwartungswert: µ Varianz: σ 2 f Y (y) = f Y1 Y 2...Y m (y 1,y 2,...,y m ) = [ 1 exp 1 ] 2πσ 2 2 (y µ)2 /σ 2 Σ: m m-matrix, symmetrisch, positiv definit.
Mehr