Diplomprüfung Evaluation und Forschungsmethodik SS 2010
|
|
- Hanna Glöckner
- vor 6 Jahren
- Abrufe
Transkript
1 Diplomprüfung Evaluation und Forschungsmethodik SS 200 Seite von 5 Seiten Diplomprüfung Evaluation und Forschungsmethodik SS 200 Alle Fragen müssen beantwortet werden. Eine Möglichkeit zur Auswahl besteht nicht. ACHTUNG: Alle Berechnungsschritte müssen deutlich werden! CLUSTERANALYSE Ein Untersucher hat N=40 Versuchspersonen zu den Eigenschaften von 5 verschiedenen anregenden Getränken (Dextro Energy, Red Bull, Isostar, Tee, Kaffee) befragt. Die abgefragten Eigenschaften waren: () Erfrischung, (2) Aktivierung, (3) Möglichkeit der praktischen Anwendung während des Fahrens und (4) benötigte Menge. Anschließend führte der Untersucher eine Clusteranalyse über die Eigenschaften durch, wobei er als Distanzmaß die City-Block Metrik verwendete und als Fusionierungsalgorithmus die Complete Linkage Methode. Die Abbildung zeigt das Ergebnis der Analyse als Dendrogramm: Complete Linkage City-Block Distanzen Dextro Energy Red Bull Isostar Tee Kaffee Distanz () Beschreiben Sie kurz das Vorgehen der (a) City-Block Metrik und der (b) Complete Linkage Methode. (2P) (2) Erläutern Sie anhand der Grafik, wie die einzelnen Fusionierungsschritte abliefen, also welche Objekte wann mit welcher Distanz fusioniert wurden. (2P) (3) Wie viele und welche Gruppen würden Sie aufgrund des Dendrogramms interpretieren? (P) 2 LOGISTISCHE REGRESSION () Nennen Sie kurz 2 Voraussetzungen, die erfüllt sein müssen, damit sich Daten für eine Auswertung mit Hilfe der logistischen Regression eignen. (2P) In einer Untersuchung wurde das Land [=Deutschland, 2=Schweiz, 3=Österreich; Referenzkategorie: Deutschland], die Schwierigkeit einer Skipiste [Intervallskala von bis 0] und die Jahreszeit [=Herbst, 2=Winter, 3=Frühjahr; Referenzkategorie: Herbst] als Risikofaktoren für einen Sturz [0=kein Sturz, = Sturz] während der Fahrt untersucht. Die folgende Tabelle zeigt das Ergebnis der Auswertung mit Hilfe der logistischen Regression: Regressionskoeffizient B fehler Wert Standard- p- Differenz für OR OR Konstante Schweiz vs. Deutschland.229 Land Österreich vs. Deutschland.245 Schwierigkeit Stufe Winter vs. Herbst Jahreszeit Frühjahr vs. Herbst (2) Interpretieren Sie das Ergebnis. (3P) (3) Wie viel höher ist die Chance eines Sturzes auf einer Piste mit dem Schwierigkeitsgrad 8 im Vergleich zu einer Piste mit dem Schwierigkeitsgrad 3. (3P)
2 Diplomprüfung Evaluation und Forschungsmethodik SS 200 Seite 2 von 5 Seiten 3 PROBABILISTISCHE SKALIERUNG () Beschreiben Sie die Annahmen, die Thurstone bezüglich des menschlichen Urteilsprozesses beim Zuordnen von Kategorien zu Reizen (Law of Categorial Judgement) macht? (3P) (2) Wie errechnet sich beim (a) BTL-Modell und (b) Law of Comparative Judgement die Bevorzugungswahrscheinlichkeit p(objekta > ObjektB) aus den ermittelten Skalenwerten? Geben Sie jeweils die allgemeine Formel an und berechnen Sie die Bevorzugungswahrscheinlichkeit für folgende Skalenwerte: s(objekt A)=3; s(objekt B)=5. (4P) 4 QUALITATIVES VORGEHEN () Wie bewerten Sie quantitative und qualitative Forschungsansätze hinsichtlich Forschungszweck und Forschungslogik? (2P) (2) Führen Sie 3 Argumente an, inwiefern sich das theoretische Sampling und statistische Sampling unterscheiden. (3P) 5 METAANALYSE Mathesen, Green, Loo und Carr (200) führen eine Metaanalyse über Reviews zum Einfluss verschiedener Behandlungsmethoden bei akustischen Halluzinationen durch. 53 von ursprünglich 58 gefundenen Reviews erfüllten jedoch nicht die Inklusionskriterien, um in die Metaanalyse aufgenommen zu werden. Für die verbleibenden 5 Reviews ergibt sich ein d = 0.88 für die Wirkung wiederholter transkranieller Magnetstimulationen (tms) bzw. ein d = 0.76 für die Wirkung von Elektrokrampftherapien (EKT) auf akustische Halluzinationen. () Für die hohe Abweisungsquote der Reviews können unter anderen methodische und statistische Schwächen verantwortlich sein. Nennen Sie jeweils 2 diesbezüglich einschlägige Argumente, die für die vorliegende Arbeit gelten können. (2P) (2) Welche inhaltlichen Aussagen sind zu oben genannten d-werten anhand vorliegender Informationen möglich? (2P) (3) Zur Veranschaulichung des gefundenen Effekts könnte alternativ der BESD berechnet werden. Wie würden Sie im vorliegenden Beispiel vorgehen, um diesen zu berechnen? Welche inhaltliche Aussage wäre möglich? (2P) 6 SIGNALENTDECKUNGSTHEORIE In einem Signalentdeckungsexperiment zur visuellen Wahrnehmung wurde in 50% von insgesamt 400 Versuchsdurchgängen ein sehr schwacher Lichtpunkt auf dem Monitor dargeboten, in den anderen 50% der Durchgänge wurde nichts dargeboten. Es wurden N=4 Versuchspersonen getestet: Herr A, Herr B, Herr C und Frau D. () Geben Sie für jede der folgenden Aussagen an, ob sie richtig sein könnte oder ob sie in jedem Fall falsch ist und begründen Sie Ihre Antwort kurz. (4P) a) Herr A hat dasselbe Antwortkriterium β wie Herr B, aber seine Diskriminationsleistung ist wesentlich besser als die von Herrn B. b) Herr C hat die geringste Trefferquote von allen 4 Personen, aber nicht die geringste Sensitivität. c) Frau D hat dieselbe Trefferquote und dieselbe Quote an falschen Alarmen wie Herr B, aber ihr Antwortkriterium β ist liberaler als das von Herrn B. d) Frau D hat folgende Werte: 70% Treffer, 30% falsche Alarme, 35% Verpasser und 65% korrekte Zurückweisungen. (2) In einem Signalentdeckungsexperiment wurden 00mal Signal und 200mal Noise dargeboten. Die Versuchsperson erzielte 53 Treffer und gab 64mal falschen Alarm. Normalverteilung und gleiche Varianzen der Verteilungen vorausgesetzt, wie groß sind d' und β? (2P)
3 Diplomprüfung Evaluation und Forschungsmethodik SS 200 Seite 3 von 5 Seiten 7 VARIANZANALYSE Cattaneo et al. (200) berichten ein Experiment zur Rolle von Symmetrie bei der taktilen Wahrnehmung. Sie untersuchten Personen, die von Geburt an blind waren (Blinde) und sehende Personen, denen während des Versuchs die Augen verbunden waren (Sehende). Beide Personengruppen sollten Muster aus Holzklötzen auf einem 5x5-Quadrat mit den Händen explorieren und anschließend das Muster reproduzieren. Die Symmetrie der Klötzchen-Muster wurde systematisch variiert: () Symmetrie entlang einer Vertikalen (VS), (2) Symmetrie entlang einer Horizontalen (HS) oder (3) keine Symmetrie (NS). Alle VPn explorierten Muster jedes Symmetrietyps, wobei die Muster in verschiedenen Durchgängen entweder (a) flach auf dem Tisch oder (b) senkrecht vor ihnen aufgestellt wurden. Gemessen wurde die Reproduktionsleistung in %korrekt. Eine schematische Darstellung der Mustertypen finden Sie in der Abbildung: () Im Ergebnisteil lesen Sie: Wir berechneten eine [] ANOVA für die Reproduktionsleistung mit Symmetrie-Konfiguration mit den Stufen [2] und Darbietungsebene mit den Stufen [3] als [4] Faktoren und Gruppe mit den Stufen [5] als [6] Faktor. Bitte übertragen Sie den Satz auf Ihr Antwortblatt und ersetzen Sie die eckigen Klammern -6 durch die korrekten Begriffe. (3P) (2) Weiterhin im Ergebnisteil: Die Analyse ergab einen signifikanten Effekt für die Konfiguration, F(2,80) = 55.69, p <.00: VS-Konfigurationen wurden besser erinnert als sowohl HS als auch NS-Konfigurationen, und HS-Konfigurationen wurden besser erinnert als NS-Konfigurationen ([7] für multiple Vergleiche angewandt). Was steht bei [7]? (P) (3) Und weiter: Außerdem zeigte sich ein signifikanter Effekt der Gruppe, F(,40) = 6.57, p =.04, da die blinden Versuchsteilnehmer signifikant besser abschnitten als die sehenden Versuchsteilnehmer. Schließlich ergab sich ein signifikanter Interaktionseffekt Konfiguration x Gruppe, F(2,80) = 6.0, p =.002). Keine weiteren Faktoren oder Interaktionen wurden signifikant. Wie viele weitere Faktoren und Interaktionen hätten denn neben den unter (2) und (3) genannten noch signifikant werden können (mit kurzer Auflistung)? (2P) Die folgende Abbildung zeigt die mittlere Reproduktionsleistung (in % korrekt) von blinden und sehenden Personen mit Augenbinde bei Konfigurationen, die symmetrisch entlang einer vertikalen Achse (VS), einer horizontalen Achse (HS) oder unsymmetrisch (NS) waren (Fehlerbalken zeigen den Standardfehler der Mittelwerte).
4 Diplomprüfung Evaluation und Forschungsmethodik SS 200 Seite 4 von 5 Seiten A priori lassen sich folgende Hypothesen formulieren: a) Symmetrische Muster (gleich welcher Art) werden aufgrund der Gestalt-Gesetze der Wahrnehmungsorganisation besser erinnert als unsymmetrische Muster. b) Da sehende Personen mehr Erfahrung mit vertikalsymmetrischen Mustern haben (und die visuelle Wahrnehmung dafür besonders empfindlich ist), gibt es bei den sehenden Personen einen Vorteil der Vertikalsymmetrie vor der Horizontalsymmetrie, jedoch nicht bei blinden Personen. (4) Wie lautet der Kontrastvektor für a)? (P) (5) Ist die signifikante Interaktion von Konfiguration x Gruppe aus Frage (3) bereits ein Nachweis für Behauptung b)? (P) 8 CONJOINT-ANALYSE () Ein wesentlicher Parameter in der Conjoint-Analyse ist die relative Wichtigkeit. Was ist darunter zu verstehen? (P) (2) Wie wird die relative Wichtigkeit ermittelt? (2P) 9 LINEARE STRUKTURANALYSE () Erläutern Sie kurz den schrittweisen Ablauf einer LISREL-Analyse? (3P) In einer Untersuchung soll mit Hilfe der linearen Strukturanalyse die Lesefähigkeit der Schüler als ein Konstrukt untersucht werden, das von der Einstellung zum Fernsehen beeinflusst wird. Die folgende Abbildung zeigt das (sehr einfache) hypothetische Pfaddiagramm mit den üblichen Parameterfixierungen: z d d2 Täglicher TV- Konsum Fragebogenitem Einstellung zum TV Lesefähigkeit Deutschnote Lesetest e e2 (2) Damit eine LISREL-Analyse lösbar ist, muss die Modellstruktur identifizierbar sein. D.h. die Zahl der zur Verfügung stehenden Gleichungen muss mindestens der Zahl der zu schätzenden Parameter entsprechen. (a) Wie hoch ist die Zahl der Gleichungen im obigen Beispiel zur Lesefähigkeit von Schülern? (b) Wie hoch ist die Zahl der zu schätzenden Parameter? Listen Sie die zu schätzenden Parameter auf. (c) Wie hoch ist somit die Zahl der Freiheitsgrade? Ist die Modellstruktur grundsätzlich identifizierbar? (4P)
5 Diplomprüfung Evaluation und Forschungsmethodik SS 200 Seite 5 von 5 Seiten 0 ALLGEMEIN Sie haben die Aufgabe, ein Diagnostikum für Schulabbrecher zu entwickeln. Dabei sollen verschiedene Variablen herangezogen werden, um gefährdete Schüler frühzeitig zu identifizieren und ggf. zu fördern. Aus einer großen Schülerstichprobe (Hauptschüler des Geburtsjahrgangs 990 in Bayern) stehen Ihnen folgende Variablen zur Verfügung: Geschlecht (Ges: m/w), Migrationshintergrund (Mig: ja/nein), Abschluss nach 9.Klasse (Abs: kein/ Quali/ höhere Abschlüsse) () Es sei bekannt, dass männliche Jugendliche mit Migrationshintergrund besonders häufig die Hauptschule ohne Abschluss verlassen. Wie lautet dann das sparsamste hierarchische loglineare Modell für diese Daten? Verwenden Sie als Indizes bitte die ersten 3 Buchstaben der Variablen (d.h. Ges, Mig, Abs). (2P) (2) Ist der statistische Test des unter () beschriebenen Modells signifikant? (P) (3) Wenn wir zusätzlich zu den Variablen Geschlecht, Migrationshintergrund und Abschluss noch die Variablen Mathematiknote in der 6. Klasse (Mat: -6) und Deutschnote in der 6. Klasse (Deu: -6) erheben: Erwarten Sie, dass die Haupteffekte für Mat und Deu im finalen Modell bei einer Modellsuche enthalten sind (incl. kurzer Begründung)? (P) (4) Bei der Analyse der Daten mit einem loglinearen Modell betrachten wir die Noten als kategoriale Größen. Wenn wir nun annehmen, dass die Schulnoten Intervallskaleneigenschaft haben, also eigentlich metrische Größen darstellen, und bei dichotomen Variablen ebenfalls Intervallskaleneigenschaft unterstellen sowie die Art des Schulabschlusses als abhängige Variable betrachten: Welches Auswertungsverfahren wäre dann angebracht und welchen Nachteil hat es gegenüber den loglinearen Modellen? (2P) (5) Wenn Sie jetzt die Art des Abschlusses in nur 2 Kategorien erfassen (Abbrecher/kein Abbrecher), bietet sich eine weitere Auswertungsmöglichkeit. Welche? (P) (6) In einer letzten Variante könnten Sie stattdessen die Qualität des Abschlusses quantitativ erfassen (z.b. über die Abschlussnote). Sie haben also Geschlecht, Migrationshintergrund, Mathematiknote 6. Klasse, Deutschnote 6. Klasse und Abschlussnote 9. Klasse zur Verfügung. Wir nehmen an, dass alle Noten mindestens Intervallskalenniveau haben. Welches Verfahren bietet sich dann für diese Prognosefragestellung an? (P) ANHANG: TABELLE DER STANDARDNORMALVERTEILUNG p z y p z y p z y p z y ENDE
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
Hypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
Projekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?
AKULTÄT ANGEWANDTE SOZIALWISSENSCHATEN PRO. DR. SONJA HAUG Projekt Kaffeemaschine Welche aktoren beeinflussen das Geschmacksurteil? Ausgehend von der Verkostung an der Hochschule Regensburg und der dabei
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
Parametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
Deskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
VS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
Anwendungsaufgaben. Effektgröße bei df Zähler = df A = 1 und N = 40 (zu berechnen aus df Nenner ): Der aufgedeckte Effekt beträgt also etwa 23 %.
Anhang A: Lösungen der Aufgaben 39 beiden Kombinationen sehr hoch ist. (Dieses Ergebnis wäre aber in diesem Beispiel nicht plausibel.) 5. Der Faktor A und die Wechselwirkung werden signifikant: Lärm hat
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
Inhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
SozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik
Einfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
Konkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
Lösung Aufgabe 1 (Regression) Es wurden in einer Befragung zwei metrische Merkmale X und Y erhoben. Betrachten Sie dazu die
Statistik für Kommunikationswissenschaftler Wintersemester 2010/2011 Vorlesung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauser, Monia Mahling Lösung Thema 9 Homepage zur Veranstaltung:
BIOL, HST HS 2014 Dr. M. Kalisch. MC-Quiz 1. Einsendeschluss: Dienstag, der :59 Uhr
BIOL, HST HS 2014 Dr. M. Kalisch MC-Quiz 1 Einsendeschluss: Dienstag, der 23.09.2014 23:59 Uhr Dieses Quiz soll Ihnen helfen, die Regression mit Faktoren und Wechselwirkungen besser zu verstehen. Zum Teil
Kapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
Regression 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
Vorlesung: 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
Nichtparametrische statistische Verfahren
Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle
Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)
LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)
Wolf falsch eingeschätzt und deshalb falsche Werbemaßnahmen ergriffen.
Aufgabenstellung Klausur Methoden der Marktforschung 0.08.004 Der Automobilhersteller People Car verkauft eine neue Variante seines Erfolgsmodells Wolf zunächst nur auf einem Testmarkt. Dabei muss das
Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
Im 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
Webergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
Übungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho
Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:
Übungsklausur Lineare Modelle. Prof. Dr. H. Toutenburg
Übungsklausur Lineare le Prof. Dr. H. Toutenburg Aufgabe Ein lineares Regressionsmodell mit der abhängigen Variablen Körpergröße und der unabhängigen Variablen Geschlecht wurde einmal mit der dummykodierten
Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
Diplomprüfung Evaluation und Forschungsmethodik WS 2010/11
Seite 1 von 5 Seiten Diplomprüfung Evaluation und Forschungsmethodik WS 2010/11 Alle Fragen müssen beantwortet werden. Eine Möglichkeit zur Auswahl besteht nicht. ACHTUNG: Alle Berechnungsschritte müssen
Seminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
Brückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
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
Hypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
Statistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
Pflichtlektüre: Kapitel 12 - Signifikanztest Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher.
Pflichtlektüre: Kapitel 12 - Signifikanztest Überblick Signifikanztest Populationsparameter Ein Verfahren zur Überprüfung von Hypothesen, Grundlage bilden auch hier Stichprobenverteilungen, das Ergebnis
Ziel der linearen Regression
Regression 1 Ziel der linearen Regression Bei der linearen Regression wird untersucht, in welcher Weise eine abhängige metrische Variable durch eine oder mehrere unabhängige metrische Variablen durch eine
Prüfung 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
Angewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Kapitel 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
Statistische Grundlagen I
Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.
Einfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
Gustav Fechner ( )
Psychophysik Gustav Fechner (1801 1887) religiöser Hintergrund Fechner wollte den Nachweis erbringen, dass Körper und Geist eine Einheit bilden Wollte mathematische Beziehung zwischen subjektiven Empfindungen
Teil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
Statistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
Klassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
ANalysis Of VAriance (ANOVA) 2/2
ANalysis Of VAriance (ANOVA) 2/2 Markus Kalisch 22.10.2014 1 Wdh: ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor X). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich
Kapitel 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
Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
» S C H R I T T - F Ü R - S C H R I T T - A N L E I T U N G «M U L T I P L E L I N E A R E R E G R E S S I O N M I T S P S S / I B M Daniela Keller
» SCHRITT-FÜR-SCHRITTANLEITUNG«MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Daniela Keller Daniela Keller - MULTIPLE LINEARE REGRESSION MIT SPSS/IBM Impressum 2016 Statistik und Beratung Dipl.-Math. Daniela
Statistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
Biomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
ANalysis Of VAriance (ANOVA) 1/2
ANalysis Of VAriance (ANOVA) 1/2 Markus Kalisch 16.10.2014 1 ANOVA - Idee ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich)?
Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
Bivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
Alte Klausur. Masterstudiengang Sportwissenschaften / Sportmanagement. Abschlussklausur Statistik. Sommersemester , 11:30 Uhr.
Masterstudiengang Sportwissenschaften / Sportmanagement Abschlussklausur Statistik Sommersemester 2013 2013-06-25, 11:30 Uhr Hinweise: Name: Matrikel-Nr. Sie dürfen alle geschriebenen und gedruckten Unterlagen
Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
Lineare 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
Kapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
Informationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
Methodenlehre. 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 II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
ÜBUNGSAUFGABEN 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)
Kapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
Aufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
Modulprüfung Methoden der Dienstleistungsforschung
Prof. Dr. M. Benkenstein Prof. Dr. R. Weißbach Dr. Jan Becker Modulprüfung Methoden der Dienstleistungsforschung Wintersemester 2011/12 01.02.2012 8.00 9.30 Uhr Name, Vorname:... Anzahl abgegebener Blätter:...
Marketing III - Angewandte Marktforschung (SS 2016)
TECHNISCHE UNIVERSITÄT ILMENAU Fakultät für Wirtschaftswissenschaften und Medien Fachgebiet Marketing Univ.-Prof. Dr. rer. pol. habil. Anja Geigenmüller Marketing III - Angewandte Marktforschung (SS 2016)
Analyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
Grundlagen 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)
Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
Ein- und Zweistichprobentests
(c) Projekt Neue Statistik 2003 - Lernmodul: Ein- Zweistichprobentests Ein- Zweistichprobentests Worum geht es in diesem Modul? Wiederholung: allgemeines Ablaufschema eines Tests Allgemeine Voraussetzungen
y t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
Multivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
Statistik II Übung 2: Multivariate lineare Regression
Statistik II Übung 2: Multivariate lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen Flugpreisen und der Flugdistanz, dem Passagieraufkommen und der Marktkonzentration. Verwenden
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen. Anteile Häufigkeiten Verteilungen
DAS THEMA: VERTEILUNGEN LAGEMAßE - STREUUUNGSMAßE Anteile Häufigkeiten Verteilungen Lagemaße Streuungsmaße Merkmale von Verteilungen Anteile Häufigkeiten Verteilungen Anteile und Häufigkeiten Darstellung
Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.
Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt
Statistische Tests zu ausgewählten Problemen
Einführung in die statistische Testtheorie Statistische Tests zu ausgewählten Problemen Teil 4: Nichtparametrische Tests Statistische Testtheorie IV Einführung Beschränkung auf nichtparametrische Testverfahren
Empirische Analysen mit dem SOEP
Empirische Analysen mit dem SOEP Methodisches Lineare Regressionsanalyse & Logit/Probit Modelle Kurs im Wintersemester 2007/08 Dipl.-Volksw. Paul Böhm Dipl.-Volksw. Dominik Hanglberger Dipl.-Volksw. Rafael
Tab. 4.1: Altersverteilung der Gesamtstichprobe BASG SASG BAS SAS UDS SCH AVP Mittelwert Median Standardabweichung 44,36 43,00 11,84
Im weiteren wird gemäß den allgemeinen statistischen Regeln zufolge bei Vorliegen von p=,5 und
Die Varianzanalyse ohne Messwiederholung. Jonathan Harrington. Bi8e noch einmal datasets.zip laden
Die Varianzanalyse ohne Messwiederholung Jonathan Harrington Bi8e noch einmal datasets.zip laden Variablen, Faktoren, Stufen Eine Varianzanalyse ist die Erweiterung von einem t- test t- test oder ANOVA
Multivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
Statistik für das Psychologiestudium
Dieter Rasch / Klaus D. Kubinger Statistik für das Psychologiestudium Mit Softwareunterstützung zur Planung und Auswertung von Untersuchungen sowie zu sequentiellen Verfahren ELSEVIER SPEKTRUM AKADEMISCHER
Wie beurteilen Studierende computergestützte Prüfungen? Erste Ergebnisse der Evaluation der E-Examinations an der Freien Universität Berlin
Wie beurteilen Studierende computergestützte Prüfungen? Erste Ergebnisse der Evaluation der E-Examinations an der Freien Universität Berlin Dr. Susanne Bergann Arbeitsstelle Lehr- und Studienqualität Fachbereich
Übungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004)
Universität Siegen, FB 1 Prof. W. Ludwig-Mayerhofer/ Dipl.Soz. Uta Liebeskind Übungsklausur zur Vorlesung "Statistik I" (WiSe 2003/2004) 1. Bitte vermerken Sie hinter dem jeweiligen Merkmal das Skalenniveau.
Hypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
Florian Frötscher und Demet Özçetin
Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60
Hypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
7.2.4 Prävalenzen des psychotropen Substanzkonsums im urbanen / ruralen Vergleich
46 7.2.4 en des psychotropen Substanzkonsums im urbanen / ruralen Vergleich 7.2.4.1 Alkohol Im Vergleich des Alkoholkonsums in der urbanen und ruralen Population wurden en für -Konsum in der männlichen
Tests einzelner linearer Hypothesen I
4 Multiple lineare Regression Tests einzelner linearer Hypothesen 4.5 Tests einzelner linearer Hypothesen I Neben Tests für einzelne Regressionsparameter sind auch Tests (und Konfidenzintervalle) für Linearkombinationen
Studiendesign/ Evaluierungsdesign
Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung
3.2.1 Neurogeneserate der magnetfeldbehandelten Tiere aus restriktiver Haltung
Eigene Untersuchungen 25 3.2 Ergebnisse 3.2.1 Neurogeneserate der magnetfeldbehandelten Tiere aus restriktiver Haltung Untersucht wurde, ob die Magnetfeldbehandlung mit 1, 8, 12, 29 und 5 Hz einen Einfluss
Der χ 2 -Test (Chiquadrat-Test)
Der χ 2 -Test (Chiquadrat-Test) Der Grundgedanke Mit den χ 2 -Methoden kann überprüft werden, ob sich die empirischen (im Experiment beobachteten) Häufigkeiten einer nominalen Variable systematisch von