Pflichtmodul E2: Theorie und Methoden psychologischen Messens und Beobachtens. Ausgewählte Methoden. Mag. Dr. Ulrich Tran Sommersemester 2011
|
|
- Reiner Scholz
- vor 6 Jahren
- Abrufe
Transkript
1 Pflichtmodul E2: Theorie und Methoden psychologischen Messens und Beobachtens Ausgewählte Methoden Mag. Dr. Ulrich Tran Sommersemester 2011
2 Überblick LV gibt Einführung in Grundlagen, Anwendung(SPSS) und Interpretation einiger gängiger statistischer Verfahren und Methoden Baut auf den Inhalten der VO Einführung in quantitative Methodenauf (bzw. VO Psychologische Methodenlehre und Statistik I) und wendet sich an fortgeschrittene StudentInnen des Bachelorstudiums Psychologie Methoden werden insbesondere vor dem Hintergrund klinischpsychologischer Forschung referiert Klinische Forschung wichtiger Anwendungsbereich quantitativer Forschungsmethoden Einzelne Methoden insbesondere für den klinischen Bereich von Relevanz (z.b. nicht-parametrischeverfahren); kommen z. T. im restlichen Curriculum eher zu kurz (z.b. Sensitivität, Spezifität, OddsRatios, RiskRatios, Methoden der Beurteilerübereinstimmung)
3 Inhalte Varianzanalytische Methoden Einfaktorielle Versuchspläne Einzelvergleiche(Kontraste) und Post-Hoc-Tests Annahmen und Voraussetzungen an die Daten Zweifaktorielle Versuchspläne Haupteffekte & Wechselwirkungen Simultaner Vergleich von 2 Gruppen zu 2 Zeitpunkten (klassisches Design der Interventionsforschung) abhängige Messungen Ausblick auf die Kovarianzanalyse Analyse und Kennwerte von 4-Felder-Tafeln OddsRatio, RiskRatio Sensitivität & Spezifität Positive Predictive Value, Negative Predictive Value
4 Inhalte (Forts.) Effektstärken und deren Bedeutung für die klinische Forschung Klinische vs. statistische Signifikanz Optimales N Poweranalyse Beurteilerübereinstimmung bei kategorialen Daten Prozentuale Übereinstimmung Kappa-Koeffizient von Cohen(2 Beurteiler) Kappa-Koeffizient von Fleiss(m > 2 Beurteiler) Nicht-parametrischeVerfahren Grundlagen, Vorteile, Einschränkungen gegenüber parametrischen Tests Vorstellung ausgewählter Verfahren (U-Test, Kruskal-Wallis-Test, Wilcoxon- Test, Friedman-Test, McNemar-Test)
5 Inhalte (Forts.) Probleme der Veränderungsmessung Signifikanz individueller Änderungen: Reliable Change Index VO findet montags von 10:00-11:30 s.t. statt (Audi Max) KeineVorlesung am (Rektorstag), am und (Ostern) und am (Pfingsten) LetzteEinheit am ( für Prüfung reserviert)
6 Empfohlene Literatur Field, A. (2009). DiscoveringstatisticsusingSPSS(3rd ed.). Thousand Oaks, CA: Sage. Bortz, J., & Lienert, G. A. (2008). Kurzgefasste Statistik für die Klinische Forschung(3. Aufl.). Heidelberg: Springer. Bortz, J. (2005). Statistik für Human- und Sozialwissenschaftler (6. Aufl.). Heidelberg: Springer.
7 Homepage zur VO Unterlagen (Folien der Vorlesung, Datenfiles) werden auf zur Verfügung gestellt Die Unterlagen ersetzen jedoch nicht den Besuch der Vorlesung!!!
8 Prüfung Schriftlich (Multiple Choice) zu Semesterende Entweder als Modulprüfung(Vorlesungen der Modulgruppe E) oder allein Modalität und genaue Termine werden im Laufe des noch Semesters bekanntgegeben
9 Varianzanalytische Methoden
10 Einfaktorielle Versuchspläne 1/40 EinfaktorielleVarianzanalyse (ANOVA) erlaubt simultanen Vergleich von k 2 Mittelwerten Erweiterung des t-test für k> 2 Gruppen Beispiel: (vgl. Kühner et al., 2007) Werte im BDI II bei klinisch Depressiven, Remittierten und Gesunden Gruppe n M SD Depressive Remittierte Gesunde Unterscheiden sich die drei Gruppen signifikant voneinander?
11 Einfaktorielle Versuchspläne 2/40 Warum keine dreit-tests (Depressive vs. Remittierte; Depressive vs. Gesunde; Remittierte vs. Gesunde)? allgemein: k 2 = k! 2( k 2)! = m Vergleiche Problem der Alphafehler-Kumulierung Jeder statistische Test hat (selbstgewählte) Irrtumswahrscheinlichkeit Alphafehler/Fehler 1. Art(meistens: α = 0.05) Wenn die H 0 in Wirklichkeit gilt, wird sie (dennoch) in (nur) 5 von 100 Fällen verworfen (bei α = 0.05) Der Alphafehler von dreit-tests zusammenist somit sicherlich größer als jener bloß eines(t-)tests??? Nur:Wie groß?
12 Einfaktorielle Versuchspläne 3/40 Annahme: Ergebnisse der t-tests voneinander statistisch unabhängig Wahrscheinlichkeit für einen Alphafehler bei einem Test ist gleich α P( beibehalten) = ( 1 α) H 0 Statistische Unabhängigkeit Multiplikationstheorem P( H 0 m-mal beibehalten) = ( 1 α) ( 1 α) L( 1 α) = ( 1 α) m-mal m Gegenwahrscheinlichkeit: in mtests mindestens einmal H 0 (fälschlicherweise) verwerfen P ( mind. einmal verwerfen) = 1 ( 1 α) H 0 m
13 Einfaktorielle Versuchspläne 4/40 α =0.05, k =3 Gruppen, m =3 t-tests 3 3 P( H mind. einmal verwerfen) = 1 ( ) = = 014. > Der gemeinsame Fehler (familywiseerror) ist fast dreimal höher als der nominell gewählte Zuwachsrate steigt mit Anzahl der Gruppen und Vergleiche stark an: # Gruppen (k) # Vergleiche (m) Familywise Error Zudem: Tests nichtvoneinander unabhängig reales Alpha noch höher!
14 Einfaktorielle Versuchspläne 5/40 Zur Kontrolle des familywiseerrorkönnen Prozeduren wie Bonferroni- Korrektur o. ä. verwendet werden Prinzip:p-Wert jedes einzelnen Tests wird nicht mit α, sondern mit verglichen * α = α m Nachteil:Sehr konservatives Vorgehen!(Verwerfen der H 0 wird u. U. unverhältnismäßig schwierig; k =3, α =0.05: α * =0.017) Für den simultanen Vergleich mehrerer Gruppenmittelwerte ist ANOVA das geeignete Analyseinstrument Kontrolliert den familywise error Ist aber nicht so konservativ
15 Einfaktorielle Versuchspläne 6/40 Prinzip der Varianzanalyse Omnibustest ANOVA prüft nichtsequentiell die Hypothesen H 0 (1): μ 1 =μ 2 ; H 0 (2): μ 1 =μ 3 ; H 0 (3): μ 2 =μ 3 sondern H 0 : μ 1 =μ 2 =μ 3 bzw. allgemein H 0 : μ 1 =μ 2 = =μ k Die H 1 wird angenommen, wenn sich zumindest zweider untersuchten Mittelwerte signifikant voneinander unterscheiden d.h. es gibt μ i und μ j für die gilt: μ i μ j [ (i, j): μ i μ j ] Test beruht auf einem Vergleich der Varianz der Daten, die durch systematische Unterschiede bedingt wird (Gruppen), gegenüber der Varianz, die durch den Zufall zustande kommt Varianzanalyse
16 Einfaktorielle Versuchspläne 7/40 Ist die Varianz der Gruppenmittelwerte um einen gemeinsamen Mittelwertgrößerals die Varianz innerhalb der Gruppen? Depressive Remittierte Gesunde BDI-II-Score
17 Einfaktorielle Versuchspläne 8/40 Ist die Varianz der Gruppenmittelwerte um einen gemeinsamen Mittelwertgrößerals die Varianz innerhalb der Gruppen? Depressive Remittierte Gesunde BDI-II-Score
18 Einfaktorielle Versuchspläne 9/40 Berechnung der Quadratsummen Gesamtvariabilität QS Gesamt j= 1 i= 1 k... Anzahl der Gruppen n j k n j = ( x x)...größeder j-tengruppe ij x... Gesamtmittelwert über alle Gruppen 2 Systematische Variabilität Unsystematische Variabilität QS x j Zwischen k = j= 1 n 2 j ( xj x)...mittelwert der j-tengruppe k j QS = ( x x ) Innerhalb n j= 1 i= 1 ij j 2
19 Einfaktorielle Versuchspläne 10/40 Berechnung der Varianzschätzer QS = QS + QS Gesamt Zwischen Innerhalb Quadratsummen dienen zur Varianzschätzung σˆ σˆ 2 Gesamt 2 Zwischen QSGesamt = dfgesamt = nj 1 = N df Gesamt QSZwischen = dfzwischen = k 1 df Zwischen j 1 df Freiheitsgrade df = df + df Gesamt Zwischen Innerhalb 2 QSInnerhalb σˆ Innerhalb = dfinnerhalb = ( nj 1) df Innerhalb j = N k
20 Einfaktorielle Versuchspläne 11/40 Signifikanztestung der Varianzanalyse Bei Geltungder H 0 (μ 1 =μ 2 = =μ k ) gilt: σˆ = 2 Zwischen σˆ 2 Innerhalb InferenzstatistischeÜberprüfung F-Test F = σˆ σˆ 2 Zwischen 2 Innerhalb Empirischer F-Wert wird mit kritischem F-Wert mit df k 1 und df = N k bei α =0.05 (oder 0.01) verglichen 1 = 2 2 EinseitigeTestung(nur σˆ Zwischen > σˆ der H 0 ), allerdings ungerichteteh 1 2 Innerhalb spricht gegen die Gültigkeit
21 Einfaktorielle Versuchspläne 12/40 Durchführung einer ANOVA in SPSS (File BDI.sav) Analysieren > Mittelwerte vergleichen > Einfaktorielle ANOVA
22 Einfaktorielle Versuchspläne 13/40
23 Einfaktorielle Versuchspläne 14/40 Interpretation:die Gruppen unterscheiden sich signifikant voneinander H 0 wird verworfen WelcheGruppen zeigen signifikante Unterschiede? Einzelvergleiche(Kontraste) und Post-Hoc-Tests Einzelvergleichehäufig a prioriformuliert, d.h. bereits vordurchführung der Analyse besteht eine Hypothese, welchemittelwerte sich voneinander unterscheiden sollten ( hypothesengeleitetes Vorgehen) Einzelvergleiche können aber auch a posterioriberechnet werden, ebenso wie Post-Hoc-Testszur Datenexplorationbenutzt werden können ( exploratives Vorgehen)
24 Einfaktorielle Versuchspläne 15/40 Einzelvergleiche Erlauben insbesondere das Testen gerichteterhypothesen in der ANOVA z.b.: Gesunde und Remittierte haben niedrigerewerte im BDI-II als akut Depressive Rechnerische Durchführung durch Festlegung von Linearkombinationen bzw. gewichteter Summen der Gruppenmittelwerte Festlegen von Kontrastkoeffizienteng j mit der Nebenbedingung gj = 0 j Orthogonale(= unabhängige) und nicht-orthogonalekontrastemöglich Allgemein:df Zwischen =k 1 orthogonalekontraste (k =3 2 Kontraste)
25 Einfaktorielle Versuchspläne 16/40 Zwei Kontraste sind orthogonal, wenn die Summe der Produkte ihrer Koeffizienten Null ist: Gruppe Kontrast 1 Kontrast 2 Produkt Depressive Remittierte Gesunde Summe Gesunde und Remittierte unterscheiden sich von Depressiven (2-seitig) Remittierte unterscheiden sich von Gesunden (2-seitig) Kontrolle, dass Kontraste orthogonal
26 Einfaktorielle Versuchspläne 17/40 Berechnung von Kontrasttests in SPSS (File BDI.sav)
27 Einfaktorielle Versuchspläne 18/40 Kontrast wird formal mit t-statistik geprüft
28 Einfaktorielle Versuchspläne 19/40 Setzen eines zweiten Kontrasts in SPSS (File BDI.sav)
29 Einfaktorielle Versuchspläne 20/40
30 Einfaktorielle Versuchspläne 21/40 Ergebnis der Kontrasttests ist Gesunde und Remittierte unterscheiden sich signifikant von Depressiven; einseitige Testung p-wert kann halbiert werden Gesunde unterscheiden sich auch signifikant von Remittierten; keine a priori Hypothese Beibehalten des 2-seitigen p-wertes aus SPSS Kontraste können für sequentielle Vergleichevon Gruppenmittelwerten verwendet werden Ausschluss jeweils einer Gruppe in nachfolgenden Kontrasttests (Kontrastkoeffizient =0) orthogonale Kontraste Einseitige oder zweiseitige Testung richtet sich nach dem Vorhandensein gerichteter Hypothesen
31 Einfaktorielle Versuchspläne 22/40 Andere (wählbare) Kontraste in SPSS: Analyse vontrends (Polynomiale Kontraste[orthogonal]) quadratisch linear kubisch Linear ab 2 Gruppen Quadratisch ab 3 Gruppen Kubisch ab 4 Gruppen
32 Einfaktorielle Versuchspläne 23/40 Nur nützlich, wenn Gruppen sinnvolleordnungaufweisen PolynomialeKontraste können auch durch eigene Gewichtsetzung berechnet werden Im Fall von 3 Gruppen z.b.: Gruppe Linear Quadratisch Produkt Depressive Remittierte Gesunde Summe 0 0 0
33 Einfaktorielle Versuchspläne 24/40 Bei df 1 =1 ist F =t 2 ; =
34 Einfaktorielle Versuchspläne 25/40
35 Einfaktorielle Versuchspläne 25/40 Linearer Trend auch visuell deutlich erkennbar
36 Einfaktorielle Versuchspläne 25/40 Linearer Trend auch visuell deutlich erkennbar Quadratischer?
37 Einfaktorielle Versuchspläne 26/40 ONEWAY ANOVA BDI Zwischen den Gruppen Innerhalb der Gruppen Gesamt (Kombiniert) Linearer Term Quadratischer Term Ungewichtet Gewichtet Abweichung Ungewichtet Gewichtet Quadrats Mittel der umme df Quadrate F Signifikanz 12817, ,575 97,208, , , ,843, , , ,272, , ,649 11,143, , ,649 11,143, , ,649 11,143, , , , Gruppenmittelwerte weisen nicht nur linearen Trendauf (p<.001), sondern auch quadratischen(p =.001).
Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrMehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
MehrMittelwertvergleiche, Teil II: Varianzanalyse
FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II: FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 6-6) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrSozialwissenschaftlerInnen 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
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
MehrStichprobenumfangsplanung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße
MehrZweifache Varianzanalyse
Zweifache Varianzanalyse Man kann mittels VA auch den (gleichzeitigen) Einfluss mehrerer Faktoren (unabhängige Variablen) auf ein bestimmtes Merkmal (abhängige Variable) analysieren. Die Wirkungen werden
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Mittelwertvergleiche Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrEinführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrTestplanung zur statistischen Prüfung psychologischer Hypothesen
Testplanung zur statistischen Prüfung psychologischer Hypothesen Die Ableitung von Vorhersagen und die Kontrolle der Determinanten des statistischen Tests von Willi Hager Hogrefe Verlag für Psychologie
MehrGrundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2
Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Statistischer Schluss Voraussetzungen z.b. bzgl. Skalenniveau und
MehrSPSS 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
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrAufgaben 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
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrHypothesentests 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
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrSPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
MehrAllgemeines 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
MehrKapitel 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
MehrBeispiel 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)
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
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
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
MehrEinfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrWahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse
Wahrscheinlichkeitsrechnung und Statistik für Biologen Faktorielle Varianzanalyse Dirk Metzler & Martin Hutzenthaler 15. Juni 2010 Inhaltsverzeichnis 1 Die einfaktorielle Varianzanalyse und der F -Test
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
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
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
Mehrmethodenlehre ll ALM und Mehrfaktorielle ANOVA Mehrfaktorielle ANOVA methodenlehre ll ALM und Mehrfaktorielle ANOVA
15.04.009 Das Allgemeine lineare Modell Post hoc Tests bei der ANOVA Mehrfatorielle ANOVA Thomas Schäfer SS 009 1 Das Allgemeine lineare Modell (ALM) Varianz als Schlüsselonzept "The main technical function
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrSkript zur Vorlesung Statistik 2
Weder die Autorin noch der Fachschaftsrat Psychologie übernimmt Irgendwelche Verantwortung für dieses Skript. Das Skript soll nicht die Lektüre der Prüfungsliteratur ersetzen. Verbesserungen und Korrekturen
MehrSeminar: Multivariate Analysemethoden. Dozent: Dr. Thomas Schäfer. Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz
Seminar: Multivariate Analysemethoden Dozent: Dr. Thomas Schäfer Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz 22.05.2012 GLIEDERUNG 1. Einführung 1.1 unsere Fragestellungen 1.2 unsere
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrVarianzanalytische 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
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrKurzgefasste Statistik fur die klinische Forschung
J.Bortz G.A.Lienert Kurzgefasste Statistik fur die klinische Forschung Leitfaden fur die verteilungsfreie Analyse kleiner Stichproben 3., aktualisierte und bearbeitete Auflage Mit 13 Abbildungen und 97
MehrKontrastanalyse Kontrastanalyse
8.4.9 analyse Thomas Schäfer SS 9 analyse Fragen, die Sie schon beantworten önnen: Unterscheiden sich die Mittelwerte über verschiedene Gruppen hinweg irgendwie? (Omnibushypothesen) Varianzanalyse Fragen,
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
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
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
Mehra) Man bestimme ein 95%-Konfidenzintervall für den Anteil der Wahlberechtigten, die gegen die Einführung dieses generellen
2) Bei einer Stichprobe unter n=800 Wahlberechtigten gaben 440 an, dass Sie gegen die Einführung eines generellen Tempolimits von 100km/h auf Österreichs Autobahnen sind. a) Man bestimme ein 95%-Konfidenzintervall
MehrLehrbuch der Statistik
Jürgen Bortz Lehrbuch der Statistik Für Sozialwissenschaftler Zweite, vollständig neu bearbeitete und erweiterte Auflage Mit 71 Abbildungen und 223 Tabellen Springer-Verlag Berlin Heidelberg New York Tokyo
MehrUE 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...
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrStatistik. Für Sozialwissenschaftler. Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen
Jürgen Bortz Statistik Für Sozialwissenschaftler Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen Springer-Verlag Berlin Heidelberg Newlfork London Paris Tokyo Inhaltsverzeichnis Einleitung
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
MehrStatistik II Übung 3: Hypothesentests Aktualisiert am
Statistik II Übung 3: Hypothesentests Aktualisiert am 12.04.2017 Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrTests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
MehrStatistik für Psychologen und Sozialwissenschaftler
Markus Bühner Matthias Ziegler Statistik für Psychologen und Sozialwissenschaftler Mit über 480 Abbildungen PEARSON Studium Ein Imprint von Pearson Education München Boston San Francisco Harlow, England
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
MehrPsychologische Methodenlehre Statistik
RAINER LEONHART Psychologische Methodenlehre Statistik Mit 21 Abbildungen und 40 Tabellen Mit 64 Ubungsfragen Ernst Reinhardt Verlag Miinchen Basel Inhalt Vorwort 9 1 Einfuhrung in die Forschungsmethoden
Mehrfh 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
MehrVergleich von Gruppen I
Vergleich von Gruppen I t-test und einfache Varianzanalyse (One Way ANOVA) Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Der unverbundene t-test mit homogener Varianz Beispiel Modell Teststatistik
MehrMethodik für Linguisten
Claudia Methodik für Linguisten Eine Einführung in Statistik und Versuchsplanung narr VERLAG 1 Reisevorbereitungen und Wegweiser 2 Linguistik als empirische Wissenschaft 15 2.1 Karl Popper und der Falsifikationismus
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)
LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
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
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
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
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 11. Vorlesung: 18.0.200 Agenda. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse ii. iii. iv. Uni- vs. multivariate Varianzanalyse
MehrAnalyse 2: Hypothesentests
Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Korrelationen 1 Lineare Regression 3 Literatur 5 Korrelationen Mit Hilfe von G*Power lässt sich analog zum Vorgehen beim t-test (Kapitel 3, Band I) vor einer Untersuchung
MehrKapitel 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
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
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
MehrAnwendungsaufgaben. 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
MehrStatistische Messdatenauswertung
Roland Looser Statistische Messdatenauswertung Praktische Einführung in die Auswertung von Messdaten mit Excel und spezifischer Statistik-Software für naturwissenschaftlich und technisch orientierte Anwender
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrInferenzstatistik Vortrag: Alpha und Beta Fehler
Inferenzstatistik Vortrag: Alpha und Beta Fehler Dresden, 18.11.08 01 Fehlerquelle Hypothesen Unbekannte Wirklichkeit H0 ist richtig H0 ist falsch Schlussfolgerung aus dem Test unserer Stichprobe Ho annehmen
MehrEinfaktorielle Varianzanalyse
Einfaktorielle Varianzanalyse 5 Einfaktorielle Varianzanalyse Dieses und das folgende Kapitel beschäftigen sich mit einem in den sozialwissenschaftlichen Disziplinen sehr weit verbreiteten und beliebten
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
Mehr8. G*Power. power3/ 8. Stichprobenumfang, Effekt- und Teststärke
8. G*Power http://www.psycho.uniduesseldorf.de/abteilungen/aap/g power3/ 8. Stichprobenumfang, Effekt- und Teststärke 8. Stichprobenumfangsplanung, Effektstärken und Teststärkenberechnung mit G*Power 3.0
MehrIm Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.
Einfatorielle Varianzanalyse Varianzanalyse untersucht den Einfluss verschiedener Bedingungen ( = nominalsalierte(r) Variable(r)) auf eine metrische Variable. Die Bedingungen heißen auch atoren und ihre
Mehr