Zusammenhangsmaße II
|
|
- Friedrich Winkler
- vor 6 Jahren
- Abrufe
Transkript
1 Sommersemester 2009
2 Wiederholung/ Eine nominale und eine intervallskalierte Variable χ 2 =?!?
3 Übung von Simone Reutzel Heute im HS1, altes ReWi-Haus
4 Zum Nachlesen Agresti/Finlay: Kapitel 8.5, 9.4 Gehring/Weins: Kapitel Schumann: Kapitel 8.2
5 Was ist ein Zusammenhang? Zusammenhang = Verteilungen zweier Variablen nicht unabhängig voneinander Kategorien treten häufiger gemeinsam auf als bei rein zufälliger Verteilung zu erwarten Zusammenhangsmaße quantifizieren Stärke und ggf. Richtung des Zusammenhangs Unterschiedliche Maße für unterschiedliche Skalenniveaus PRE-Maß λ betrachtet Verbesserung gegenüber naiver Vorhersage und ist asymmetrisch
6 Warum unterscheiden sich λ und V? Beide gehen von Kreuztabelle (bivariate Verteilung) aus V basiert auf χ 2 Weichen interne/randverteilungen voneinander ab Alle Zellen werden berücksichtigt Vergleichbar mit arithmetischem Mittel: gesamte Information wird genutzt λ betrachtet Modus der Randverteilung (abhängige Variable) Vergleich mit Modus innerhalb von Subgruppen, definiert durch Ausprägungen unabhängige Variable (z. B. Ost/West) Anschaulicher, aber weniger Information genutzt Wenn Modus in Randverteilung und in Gruppen identisch λ = 0 Höhe von λ hängt ab von Häufigkeit Modus vs. Häufigkeit aller anderen Kategorien zusammen innerhalb von Subgruppen
7 λ = 0.57 vs. λ = 0 Kanzlerpräferenz Wahlabsicht Merkel Steinmeier Σ Union SPD Andere Σ
8 λ = 0.57 vs. λ = 0 Kanzlerpräferenz Wahlabsicht Merkel Steinmeier Σ Union SPD Andere Σ Modus in den Subgruppen unterscheidet sich Innerhalb der Subgruppen Modus sehr häufig, alle anderen eher selten
9 λ = 0.57 vs. λ = 0 Kanzlerpräferenz Wahlabsicht Merkel Steinmeier Σ Union SPD Andere Σ Modus in den Subgruppen unterscheidet sich Innerhalb der Subgruppen Modus sehr häufig, alle anderen eher selten In der Randverteilung auch andere Antworten ( Fehler ) häufig Große Fehlerreduktion, hohes λ
10 λ = 0.57 vs. λ = 0 Kanzlerpräferenz Wahlabsicht Merkel Steinmeier Σ Union SPD Andere Σ Modus in den Subgruppen unterscheidet sich Innerhalb der Subgruppen Modus sehr häufig, alle anderen eher selten In der Randverteilung auch andere Antworten ( Fehler ) häufig Große Fehlerreduktion, hohes λ Einfluß der Kategorienbildung
11 λ = 0.57 vs. λ = 0 Region Wahlabsicht West Ost Σ PDS Andere Σ
12 λ = 0.57 vs. λ = 0 Region Wahlabsicht West Ost Σ PDS Andere Σ Modus in Randverteilung und beiden Subgruppen identisch
13 λ = 0.57 vs. λ = 0 Region Wahlabsicht West Ost Σ PDS Andere Σ Modus in Randverteilung und beiden Subgruppen identisch Keine Fehlerreduktion, λ = 0
14 λ = 0.57 vs. λ = 0 Region Wahlabsicht West Ost Σ PDS Andere Σ Modus in Randverteilung und beiden Subgruppen identisch Keine Fehlerreduktion, λ = 0 Aufteilung Andere λ > 0 möglich
15 λ = 0.57 vs. λ = 0 Region Wahlabsicht West Ost Σ PDS Andere Σ Modus in Randverteilung und beiden Subgruppen identisch Keine Fehlerreduktion, λ = 0 Aufteilung Andere λ > 0 möglich Aber nur wenn anderer Modus innerhalb von Subgruppe (einfache Mehrheit für PDS)
16 Warum sind Maße für ordinale Daten wichtig? Viele politikwissenschaftlich interessante Variablen ordinal Umfragedaten: stimme voll zu, stimme zu, lehne ab lehne voll ab Freedom house ranking: free, partly free, not free Politische Parteien: links, Mitte, rechts Effektivität internationaler Umweltschutzregime: none, some... Berechnung nominaler Maße (V, λ) möglich Aber: Information über Ordnung der Kategorien wird ignoriert
17 Was ist ein ordinaler Zusammenhang? Richtung Mehr x, mehr y; weniger x, weniger y positiver Zusammenhang Mehr x, weniger y; weniger x, mehr y negativer Zusammenhang
18 Was ist ein ordinaler Zusammenhang? Richtung Mehr x, mehr y; weniger x, weniger y positiver Zusammenhang Mehr x, weniger y; weniger x, mehr y negativer Zusammenhang Wie mißt man das?
19 Was ist ein ordinaler Zusammenhang? Richtung Mehr x, mehr y; weniger x, weniger y positiver Zusammenhang Mehr x, weniger y; weniger x, mehr y negativer Zusammenhang Wie mißt man das? Vergleich von Paaren von Beobachtungen
20 Was ist ein ordinaler Zusammenhang? Richtung Mehr x, mehr y; weniger x, weniger y positiver Zusammenhang Mehr x, weniger y; weniger x, mehr y negativer Zusammenhang Wie mißt man das? Vergleich von Paaren von Beobachtungen Land A hohes Bildungsniveau hohes Wirtschaftswachstum Land B niedriges Bildungsniveau niedriges Wirtschaftswachstum +
21 Zusammenhangsmaß Systematisiert Paarvergleich Symmetrisch Kann ebenfalls als PRE-Maß interpretiert werden Vorzeichen
22 Wie wird berechnet? Paare von Objekten bilden
23 Wie wird berechnet? Paare von Objekten bilden Konkordantes Paar A B: B hat mehr von x (z. B. Bildung) und mehr von y (z. B. politisches Interesse) als A
24 Wie wird berechnet? Paare von Objekten bilden Konkordantes Paar A B: B hat mehr von x (z. B. Bildung) und mehr von y (z. B. politisches Interesse) als A Diskonkordantes Paar A B: B hat mehr von x (z. B. Bildung) als A, aber weniger von y (z. B. politisches Interesse) als A
25 Wie wird berechnet? Paare von Objekten bilden Konkordantes Paar A B: B hat mehr von x (z. B. Bildung) und mehr von y (z. B. politisches Interesse) als A Diskonkordantes Paar A B: B hat mehr von x (z. B. Bildung) als A, aber weniger von y (z. B. politisches Interesse) als A : Verhältnis konkordante diskonkordante Paare
26 Wie wird berechnet? Paare von Objekten bilden Konkordantes Paar A B: B hat mehr von x (z. B. Bildung) und mehr von y (z. B. politisches Interesse) als A Diskonkordantes Paar A B: B hat mehr von x (z. B. Bildung) als A, aber weniger von y (z. B. politisches Interesse) als A : Verhältnis konkordante diskonkordante Paare Konkordante Paare überwiegen: positiver Zusammenhang Diskonkordante Paare überwiegen: negativer Zusammenhang
27 Wie wird berechnet? Paare von Objekten bilden Konkordantes Paar A B: B hat mehr von x (z. B. Bildung) und mehr von y (z. B. politisches Interesse) als A Diskonkordantes Paar A B: B hat mehr von x (z. B. Bildung) als A, aber weniger von y (z. B. politisches Interesse) als A : Verhältnis konkordante diskonkordante Paare Konkordante Paare überwiegen: positiver Zusammenhang Diskonkordante Paare überwiegen: negativer Zusammenhang Paare mit identischen Werten für eine oder beide Variablen: ties
28 Wie wird berechnet? Paare von Objekten bilden Konkordantes Paar A B: B hat mehr von x (z. B. Bildung) und mehr von y (z. B. politisches Interesse) als A Diskonkordantes Paar A B: B hat mehr von x (z. B. Bildung) als A, aber weniger von y (z. B. politisches Interesse) als A : Verhältnis konkordante diskonkordante Paare Konkordante Paare überwiegen: positiver Zusammenhang Diskonkordante Paare überwiegen: negativer Zusammenhang Paare mit identischen Werten für eine oder beide Variablen: ties Werden bei ignoriert
29 Wie berechnet man die Anzahl der Paare? Kreuztabelle aufstellen Anordnung der Kategorien: niedrigste oben/links, höchste unten/rechts Bildung konkordanter Paare möglich mit allen Objekten rechts und unterhalb der eigenen Zelle Bildung diskonkordanter Paare möglich mit Objekten in den Zellen links und unterhalb der eigenen Zelle Zahl der möglichen Paare für zwei Zellen: Produkt der Häufigkeiten beider Zellen Z. B. 10 Personen in der ersten Zelle, 5 in der zweiten Zelle, 10 5 verschiedene Paare möglich Auf diese Weise Summe aller konkordanten und dann aller diskonkordanten Paare bilden
30 Beispiel : Bildung und Nationalstolz Was erwarten Sie?
31 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Wo sind die konkordanten Paare?
32 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Wo sind die konkordanten Paare? Z. B. hier...
33 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Wo sind die konkordanten Paare? Z. B. hier... oder hier...
34 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Wo sind die konkordanten Paare? Z. B. hier... oder hier... oder hier
35 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Wo sind die konkordanten Paare? Z. B. hier... oder hier... oder hier Diskonkordante Paare...
36 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Wo sind die konkordanten Paare? Z. B. hier... oder hier... oder hier Diskonkordante Paare... oder hier
37 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Konkordant:
38 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Konkordant: 115 ( )= ( ) = ( )= (260+58)= (138+58)= =
39 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Konkordant: ( )= ( ) = ( )= (260+58)= (138+58)= =
40 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Diskonkordant:
41 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Diskonkordant: 128 ( )= ( )= ( )= ( )= = ( )=
42 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Diskonkordant: ( )= ( )= ( )= ( )= = ( )=
43 Beispiel : Bildung und Nationalstolz Was erwarten Sie? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz = N c N D = N C + N D = 0.375
44 Interpretation von N c = N D = 0
45 Interpretation von N c = N D = 0 meist relativ hoch = 0.5
46 Interpretation von N c = N D = 0 meist relativ hoch = 0.5 Ties werden komplett ignoriert Potentiell viel verlorene Information Irreführende Werte möglich reagiert u. U. nicht auf Veränderungen in Tabelle
47 Was sind ties? niedrig mittel hoch gar nicht stolz nicht sehr stolz ziemlich stolz sehr stolz Paare mit identischem Wert für Spaltenvariable (x) tied in x, T x Paare mit identischem Wert für Zeilenvariable (y) tied in y, T y Paare mit identischen Werten für beide Variablen relativ uninteressant Verschiedene alternative Koeffizienten berücksichtigen ties
48 τ b τ b = N C N D (NC + N D + T x ) (N C + N D + T Y )
49 τ b τ b = N C N D (NC + N D + T x ) (N C + N D + T Y ) Identisch mit wenn keine ties
50 τ b τ b = N C N D (NC + N D + T x ) (N C + N D + T Y ) Identisch mit wenn keine ties Ansonsten kleiner als weil Nenner größer
51 τ b τ b = N C N D (NC + N D + T x ) (N C + N D + T Y ) Identisch mit wenn keine ties Ansonsten kleiner als weil Nenner größer Somers D asymmetrische Variante von τ b
52 Somers D Wiederholung/ D yx = N C N D N C + N D + T Y mit y als abhängiger Variable Identisch mit wenn keine ties Ansonsten kleiner als weil Nenner größer Somers D asymmetrische Variante von τ b
53 Somers D Wiederholung/ D yx = N C N D N C + N D + T Y mit y als abhängiger Variable Identisch mit wenn keine ties Ansonsten kleiner als weil Nenner größer Somers D asymmetrische Variante von τ b Zahlreiche andere Maße
54 Warum nominale/intervallskalierte Variable? Viele Variablen (näherungsweise) intervallskaliert Z. B. Einkommen, Testwerte, LRS... Vergleich über Gruppen (Geschlecht, Länder etc.) Zusammenhangsmaß: η bzw. η 2 PRE-Maß/asymmetrisch Kann Gruppenzugehörigkeit Vorhersage der abhängigen Variablen verbessern?
55 Wie wird η berechnet? Beste Prognose für intervallskalierte Variable?
56 Wie wird η berechnet? Beste Prognose für intervallskalierte Variable? Arithmetisches Mittel Summe einfache Abweichungen = 0 Summe quadrierte Abweichungen minimal
57 Wie wird η berechnet? Beste Prognose für intervallskalierte Variable? Arithmetisches Mittel Summe einfache Abweichungen = 0 Summe quadrierte Abweichungen minimal Maß für Vorhersagefehler: SAQ
58 Wie wird η berechnet? Beste Prognose für intervallskalierte Variable? Arithmetisches Mittel Summe einfache Abweichungen = 0 Summe quadrierte Abweichungen minimal Maß für Vorhersagefehler: SAQ Reduktion SAQ bei Kenntnis der Gruppenzugehörigkeit? Vorhersage globaler Mittelwert Vs. Vorhersage Gruppenmittelwerte
59 Wie wird η berechnet? SAQ gesamt : Summe der quadrierte Abweichungen vom gemeinsamen Durchschnitt SAQ Kategorien : Summe der Summen der quadrierten Abweichungen vom jeweiligen Gruppendurchschnitt η 2 η 2 = SAQ gesamt SAQ Kategorien SAQ gesamt
60 Ein Beispiel: FN 2004 (drei Regionen) Region x (x x kat ) (x x kat ) 2 (x x ges ) (x x ges ) 2 Basse-Normandie x B N = Σ Limousin x L = Σ Picardie x P = Σ ΣΣ x ges = 15.5
61 Ein Beispiel: FN 2004 (drei Regionen) Region x (x x kat ) (x x kat ) 2 (x x ges ) (x x ges ) 2 Basse-Normandie x B N = Σ Limousin x L = Σ Picardie x P = Σ ΣΣ x ges = 15.5 η 2 = = 0.91
62 Warum zwei intervallskalierte Variablen? Wenn Intervallskalierung plausible Annahme, eine der häufigsten Konstellationen LRS Konservatismus-Skala Proportionalität des Wahlsystems (effektive) Zahl der Parteien (Relative) Größe des tertiären Sektors Anteil der Postmaterialisten Arbeitslosenquote Stimmenanteil Extreme Rechte
63 Was ist die Logik von Pearson s r (Korrelationskoeffizient)? Beste unkonditionale Vorhersage: arithmetisches Mittel; SAQ = Vorhersagefehler zwei Mittelwerte, zwei SAQ Visualisierung durch Streudiagramm Positiver Zusammenhang: überdurchschnittliche Werte von x, überdurchschnittliche Werte von y und umgekehrt Negativer Zusammenhang: überdurchschnittliche Werte von x, unter durchschnittliche Werte von y und umgekehrt Starke Zusammenhänge mit bloßem Auge erkennbar r: quantifiziert Stärke, symmetrisch, PRE-Maß
64 ALQ und FN 2004 in 9 Départements 25 FN x = 6.7; ȳ = ALQ
65 ALQ und FN 2004 in 9 Départements 25 FN x = 6.7; ȳ = ALQ
66 Wie läßt sich die gemeinsame Streuung zweier Variablen erfassen? Ein Fall ist nicht mit dem Mittelwert identisch Für eine Variable: quadrierte Abweichung vom Mittelwert x Für zwei Variablen: Produkt der Abweichungen von beiden Mittelwerten x, ȳ Abweichungsprodukt Positives Abweichungsprodukt: bezüglich beider Variablen über- oder unterdurchschnittlich Negatives Abweichungsprodukt: überdurchschnittlich bei einer, unterdurchschnittlich bei anderer Variablen Vgl. mit
67 Abweichungsprodukt für einen Fall 25 FN ALQ AP = (x i x) (y i ȳ) = ( ) ( ) = 15.6
68 Abweichungsprodukte für alle Fälle: Summe Abweichungsprodukte No. x i x i x y i y i ȳ (x i x) (y i ȳ)
69 Kovarianz und Korrelation Kovarianz = SAP n = = 5.9 = cov(x, y) Wertebereich ; + Vgl. χ 2 Abhängig von Stärke und Skalierung Kovarianz durch Produkt beider Standardabweichungen teilen Korrelationskoeffizient r Korrelationskoeffizient r = cov(x, y) s x s y = SAP n SAQ x n SAQy n = SAP SAQx SAQ y
70 Kovarianz und Korrelation II Korrelationskoeffizient SAP SAQx SAQ y = 52.8 = = 0.82 Bringt Kovarianz auf standardisierten Wertebereich Wertebereich [-1;+1] 0 = kein Zusammenhang r 2 symmetrisches PRE-Maß Wie stark reduziert Kenntnis von x Vorhersagefehler von y (SAQ) und umgekehrt? η 2 r 2, unterschiedliche Skalenniveaus/Berechnungsvorschriften
71 Zusammenhang gemeinsame Verteilung zweier Variablen Vielzahl von Zusammenhangsmaßen Skalenniveau beachten
Analyse bivariater Kontingenztafeln
Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen
MehrLage- und Streuungsmaße
Sommersemester 2009 Modus Median Arithmetisches Mittel Symmetrie/Schiefe Wölbung/Exzess 4 6 8 10 ALQ Tutorien Begleitend zur Vorlesung, inhaltlich identisch mit der Übung Mögliche Zeiten: Do 10-12, Do
MehrTeil II: Einführung in die Statistik
Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu
MehrDatenanalyse mit Excel. Wintersemester 2013/14
Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrAssoziation & Korrelation
Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von 2 Merkmalen für jeden Merkmalsträger stellt sich die Frage, ob es systematische Zusammenhänge
MehrAuswertung und Darstellung wissenschaftlicher Daten (1)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea
MehrQuantitative Methoden der Bildungsforschung
Glieung Wieholung Korrelationen Grundlagen lineare Regression Lineare Regression in SPSS Übung Wieholung Korrelationen Standardisiertes Zusammenhangsmaß (unstandardisiert: Kovarianz) linearer Zusammenhang
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
Mehra) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.
Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html
MehrKategoriale abhängige Variablen:
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell Statistik II
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
Mehr2002/2004 2050 2050 Veränderungen gegenüber 2002/2004 Deutschland Ost und West Basisanahme Basisanahme Annahme hoher Anstieg Annahme hoher Anstieg Mittelwert in % pro Jahr Männer 20,0 25,3 27,2 5,3 7,2
MehrKontingenzkoeffizient (nach Pearson)
Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen
MehrKategoriale abhängige Variablen: Logit- und Probit -Modelle. Statistik II
Kategoriale abhängige Variablen: Logit- und Probit -Modelle Statistik II Wiederholung Literatur Annahmen und Annahmeverletzungen Funktionen Exponenten, Wurzeln usw. Das Problem Das binäre Logit-Modell
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrGrundlagen der Datenanalyse
Schematischer Überblick zur Behandlung quantitativer Daten Theorie und Modellbildung Untersuchungsdesign Codierung / Datenübertragung (Erstellung einer Datenmatrix) Datenerhebung Fehlerkontrolle / -behebung
MehrModul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.
Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes
MehrDie Parteien und ihre Anhänger
Pressemitteilung, Universität Leipzig und Universität Gießen, November 11 Die Parteien und ihre Anhänger Ergebnisse einer Repräsentativerhebung zu Parteienpräferenz und Geschlecht, Arbeitslosigkeit, Alter,
MehrGrundlagen der Datenanalyse am Beispiel von SPSS
Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrAbhängigkeit zweier Merkmale
Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich
Mehr6Korrelationsanalyse:Zusammenhangsanalysestetiger Merkmale
6Korrelationsanalyse:Zusammenhangsanalysestetiger Merkmale 6.1 Korrelationsanalyse 6.1 Korrelationsanalyse Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrGrundlagen Statistik Angewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Zur Person Constantin von Craushaar Consultant / Partner Innstat e.u. (www.innstat.com) info@innstat.com Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS
MehrEine computergestützte Einführung mit
Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik
MehrHerzlich Willkommen zur Vorlesung Statistik
Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrAuswertung und Darstellung wissenschaftlicher Daten (2)
Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber SPSS-Andrea Payrhuber Ergebnisse dem Skalenniveau der einzelnen Daten entsprechend darstellen. nominalskalierte Daten. ordinalskalierte
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Angewandte Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines einfachen Beispieles Häufigkeitsauswertungen Grafiken Datenmanipulationen
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)
MehrAnalyse von Querschnittsdaten. Regression mit Dummy-Variablen
Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05
MehrDer Internetdienst für Ihre Online-Umfragen. Leitfaden statistische Auswertung
Der Internetdienst für Ihre Online-Umfragen Leitfaden statistische Auswertung Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten einen Fragebogen
MehrRegressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )
Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels
MehrFelix-Nicolai Müller. Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009
Cohen s Kappa Felix-Nicolai Müller Seminar Fragebogenmethodik - WS2009/2010 - Universität Trier Dr. Dirk Kranz 24.11.2009 Felix-Nicolai Müller Cohen s Kappa 24.11.2009 1 / 21 Inhaltsverzeichnis 1 2 3 4
MehrBitte schreiben Sie in Druckbuchstaben und vergessen Sie nicht zu unterschreiben. Name, Vorname:. Studiengang/ Semester:. Matrikelnummer:..
Institut für Erziehungswissenschaft der Philipps-Universität Marburg Prof. Dr. Udo Kuckartz Arbeitsbereich Empirische Pädagogik/Methoden der Sozialforschung Wintersemester 004/005 KLAUSUR FEBRUAR 005 /
MehrDeskriptive Statistik
Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
Mehr3 Zusammenhangsmaße Zusammenhangshypothesen
3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert
MehrEinführung in die statistische Datenanalyse I
Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE
MehrPortfoliotheorie. Von Sebastian Harder
Portfoliotheorie Von Sebastian Harder Inhalt - Begriffserläuterung - Allgemeines zur Portfoliotheorie - Volatilität - Diversifikation - Kovarianz - Betafaktor - Korrelationskoeffizient - Betafaktor und
MehrHUMBOLDT-UNIVERSITÄT ZU BERLIN
HUMBOLDT-UNIVERSITÄT ZU BERLIN WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT INSTITUT FÜR STATISTIK UND ÖKONOMETRIE LADISLAUS VON BORTKIEWICZ LEHRSTUHL FÜR STATISTIK Humboldt-Universität Wirtschaftswissenschaftliche
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrKapitel 23 Lineare Regression
Kapitel 23 Lineare Regression Sowohl einfache als auch multiple Regressionsanalysen können Sie mit dem Befehl STATISTIK REGRESSION LINEAR... durchführen. Dabei lassen sich mit Hilfe diverser Optionen zahlreiche
MehrEinseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte
MehrMediennutzung im Ost-West-Vergleich ein Test der These von der Populationsheterogenität am Beispiel von Fernsehen und Tageszeitungen
Mediennutzung im Ost-West-Vergleich ein Test der These von der Populationsheterogenität am Beispiel von Fernsehen und Tageszeitungen VORTRAG ZUM 3. WORKSHOP DES MEDIENWISSENSCHAFTLICHEN LEHR- UND FORSCHUNGSZENTRUMS
MehrWalter Krämer: Statistik verstehen Eine Gebrauchsanweisung, Piper Verlag, München 2003; S. 183-196
Walter Krämer: Statistik verstehen Eine Gebrauchsanweisung, Piper Verlag, München 2003; S. 183-196 Korrelation und Kausalität In diesem Kapitel sehen wir uns einige Methoden an, Zusammenhänge zwischen
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
Mehr6.1 Grundbegriffe und historischer Hintergrund
Kapitel 6 Regression 61 Grundbegriffe und historischer Hintergrund Bedeutung der Regression: Eines der am häufigsten verwendeten statistischen Verfahren Vielfache Anwendung in den Sozialwissenschaften
MehrKapitel 34 Boxplots und Fehlerbalken
Kapitel 34 Boxplots und Fehlerbalken Boxplots und Fehlerbalken sind dazu geeignet, die Lage und Verteilung der Werte einer Stichprobe grafisch darzustellen. Die beiden Diagrammtypen sind auf die Darstellungen
MehrData Mining (ehem. Entscheidungsunterstützungssysteme)
Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
Mehr(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik
II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:
Mehr1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:
. Einführung und statistische Grundbegriffe Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische Darstellung von Datenmaterial
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3
MehrKundenzufriedenheitsbefragung 2014
Kundenzufriedenheitsbefragung 2014 Auswertungsband über alle bisher erhobenen Augenoptiker Anton Optik e.k. Februar 2015, V100 Label TÜV SÜD Management Service GmbH 1 1 2 Hintergrund der Erhebung Zusammenfassung
MehrMethoden 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
MehrSozialer Abstieg und Konsum
Sozialer Abstieg und Konsum Auswirkungen finanzieller Verknappung auf das Konsumverhalten Inaugural-Dissertation zur Erlangung des akademischen Grades einer Doktorin der Wirtschaftswissenschaft des Fachbereichs
MehrKlausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2008. Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2008 Aufgabe 1 I) Einige Mitarbeiter
MehrWirtschaftsstatistik. Konzentrations- und Disparitätsmessung 16.10.2007
Wirtschaftsstatistik Konzentrations- und Disparitätsmessung 16.10.2007 Begriffe Konzentration und Disparität Laut Oxford Advanced Learner s Dictionary by OUP, bzw. WordNet by Princeton University concentration:
MehrEinige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)
MehrAkzeptanz von Studiengebühren
Akzeptanz von Studiengebühren Ergebnisse einer forsa-umfrage in der Bevölkerung und bei Studierenden Im November 2003, im Juni 2000 und im Februar 1998 hat die Gesellschaft für Sozialforschung und statistische
MehrBeeinflusst das Geschlecht das Erwerbseinkommen?
74 Kapitel 5 Analyse von Zusammenhängen 5.1 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt. Letztendlich kommt es auf die Analyse von
MehrMultinomiale logistische Regression
Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable
MehrINSA-Meinungstrend. 2.148 Befragte Befragungszeitraum: 01.05.2015 04.05.2015. INSA-CONSULERE GmbH
INSA-Meinungstrend 2.148 Befragte Befragungszeitraum: 01.05.2015 04.05.2015 Das Bundesverfassungsgericht sollte das Betreuungsgeld wegen der mutmaßlich fehlenden Zuständigkeit des Bundes für verfassungswidrig
MehrInhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1
Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,
MehrMultiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)
Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang
Mehr6. Auswertung mehrdimensionaler Daten
6. Auswertung mehrdimensionaler Daten Bisher: Auswertungsmethoden für Daten eines einzelnen Merkmals, z.b. Diskrete Klassierung Grafische Darstellungen (Verteilungsfunktion) Lagemaße Streungsmaße Schiefemaße
MehrKapitel 13 Häufigkeitstabellen
Kapitel 13 Häufigkeitstabellen Die gesammelten und erfaßten Daten erscheinen in der Datendatei zunächst als unübersichtliche Liste von Werten. In dieser Form sind die Daten jedoch wenig aussagekräftig
MehrEinfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
MehrVersuchsplanung. Inhalt. Grundlagen. Faktor-Effekt. Allgemeine faktorielle Versuchspläne. Zweiwertige faktorielle Versuchspläne
Inhalt Versuchsplanung Faktorielle Versuchspläne Dr. Tobias Kiesling Allgemeine faktorielle Versuchspläne Faktorielle Versuchspläne mit zwei Faktoren Erweiterungen Zweiwertige
Mehr1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18
3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen
MehrZUSAMMENFASSUNG...I VORWORT...II INHALTSÜBERSICHT... IV INHALTSVERZEICHNIS... VI ABBILDUNGSVERZEICHNIS... IX TABELLENVERZEICHNIS...
VI INHALTSVERZEICHNIS ZUSAMMENFASSUNG...I VORWORT...II INHALTSÜBERSICHT... IV INHALTSVERZEICHNIS... VI ABBILDUNGSVERZEICHNIS... IX TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIV 1 EINLEITUNG...1
MehrUnivariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen
Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen
MehrWeitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression
Weitere Fragestellungen im Zusammenhang mit einer linearen Einfachregression Speziell im Zusammenhang mit der Ablehnung der Globalhypothese werden bei einer linearen Einfachregression weitere Fragestellungen
MehrARD-DeutschlandTREND März 2013 / KW_10. ARD- DeutschlandTREND März 2013 Kalenderwoche Repräsentative 10 Erhebung zur politischen Stimmung
ARD-DeutschlandTREND März 2013 / KW_10 ARD- DeutschlandTREND März 2013 Kalenderwoche Repräsentative 10 Erhebung zur politischen Stimmung ARD-DeutschlandTREND März 2013 / KW_10 Untersuchungsanlage Grundgesamtheit:
MehrQuantitative empirische Sozialforschung
Heinz-Günter Micheel Quantitative empirische Sozialforschung Mit 37 Abbildungen und 34 Tabellen Ernst Reinhardt Verlag München Basel Dr. Heinz-Günter Micheel ist Privatdozent an der Fakultät für Erziehungswissenschaft
MehrÜbungen zur Veranstaltung Statistik 2 mit SPSS
Raum 22, Tel. 39 4 Aufgabe 5. Wird der neue Film MatchPoint von Woody Allen von weiblichen und männlichen Zuschauern gleich bewertet? Eine Umfrage unter 00 Kinobesuchern ergab folgende Daten: Altersgruppe
MehrDas Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":
Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur
MehrVorlesung: Statistik für Kommunikationswissenschaftler
Vorlesung: Statistik für Kommunikationswissenschaftler Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München WiSe 2009/2010 Übungen zur Veranstaltung Mittwoch: 14.15-15.45 HG DZ007 Cornelia Oberhauser
MehrMedizinische Statistik
FH JENA Medizinische Statistik Einführung in SPSS V22 J. Schütze / M. Walther 2015 Literatur: Bühl, A.: "SPSS 20 - Einführung in die moderne Datenanalyse, 13. Auflage, Pearson Studium, 2011 Kähler, W.-M.:
MehrGrundbegriffe (1) Grundbegriffe (2)
Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.
MehrStandardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
MehrB. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3)
B. Heger / R. Prust: Quantitative Methoden der empirischen Sozialforschung (Master Modul 1.3) Übung 1 (mit SPSS-Ausgabe) 1. Erstellen Sie eine einfache Häufigkeitsauszählung der Variable V175 ( des/der
MehrEinleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25
Inhaltsverzeichnis Einleitung 19 Zu diesem Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Falsche Voraussetzungen 21 Wie dieses Buch aufgebaut ist 21 Teil I: Datenanalyse und Grundlagen
Mehr9. Datenaufbereitung und Datenanalyse
Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 9. Datenaufbereitung und Datenanalyse Datenaufbereitung und Codierung, Datenmatrix, Datenfehler
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrÜbungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder
Übungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder Hinweise zur Übung Benötigter Vorlesungsstoff Ab diesem Übungskomplex wird die Kenntnis und praktische Beherrschung der Konzepte
MehrStandardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen. Standardisierung von Daten
DAS THEMA: TABELLEN UND ABBILDUNGEN Standardisierung von Daten Darstellung von Daten in Texten, Tabellen und Abbildungen Standardisierung von Daten z-standardisierung Standardnormalverteilung 1 DIE Z-STANDARDISIERUNG
MehrÜbung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II
Übung Statistik I Statistik mit Stata SS07-14.05.2007 5. Dokumentation der Datenanalyse, Datentransformationen II und Univariate Statistiken II Andrea Kummerer (M.A.) Oec R. I-53 Sprechstunde: Di. 15-16
MehrEinführung in die Statistik mir R
Einführung in die Statistik mir R ww w. syn t egris.de Überblick GESCHÄFTSFÜHRUNG Andreas Baumgart, Business Processes and Service Gunar Hofmann, IT Solutions Sven-Uwe Weller, Design und Development Jens
Mehr