Faktorenanalyse und Strukturgleichungsmodelle II. VL Forschungsmethoden
|
|
- Georg Fried
- vor 6 Jahren
- Abrufe
Transkript
1 Faktorenanalyse und Strukturgleichungsmodelle II VL Forschungsmethoden
2 Outline Fortsetzung Einführung (Likert)-Skalierung Komplexe Modelle Software Karl G. Joreskog VL Forschungsmethoden SEM II (1/23)
3 Was ist Identifikation? Identifikation ist Eigenschaft des Modells Modell identifiziert: Es gibt genau eine Lösung für Gleichungssystem Modell nicht identifiziert: Es existieren mehrere (oft unendlich viele) gleichwertige Lösungen (Notwendig, nicht hinreichend): Zahl der zu schätzenden Parameter kleiner als Zahl der unabhängigen Informationen Woher weiß ich, daß Modell identifiziert ist? VL Forschungsmethoden SEM II (2/23)
4 Was ist Identifikation? Identifikation ist Eigenschaft des Modells Modell identifiziert: Es gibt genau eine Lösung für Gleichungssystem Modell nicht identifiziert: Es existieren mehrere (oft unendlich viele) gleichwertige Lösungen (Notwendig, nicht hinreichend): Zahl der zu schätzenden Parameter kleiner als Zahl der unabhängigen Informationen Voraussetzungen/constraints 1. Nicht alle Items können auf alle Faktoren laden theoretische Überlegungen 2. Die Metrik der gemeinsamen Faktoren muß festgelegt werden Woher weiß ich, daß Modell identifiziert ist? VL Forschungsmethoden SEM II (2/23)
5 Warum ist die Skalierung der Faktoren wichtig? Große Varianz des Faktors/niedrige Faktorladung und kleine Varianz/hohe Faktorladung im Muster der Kovarianzen nicht zu unterscheiden VL Forschungsmethoden SEM II (3/23)
6 Warum ist die Skalierung der Faktoren wichtig? Große Varianz des Faktors/niedrige Faktorladung und kleine Varianz/hohe Faktorladung im Muster der Kovarianzen nicht zu unterscheiden Varianz des Faktors empirisch nicht zu bestimmen (latente Variable) VL Forschungsmethoden SEM II (3/23)
7 Warum ist die Skalierung der Faktoren wichtig? Große Varianz des Faktors/niedrige Faktorladung und kleine Varianz/hohe Faktorladung im Muster der Kovarianzen nicht zu unterscheiden Varianz des Faktors empirisch nicht zu bestimmen (latente Variable) Willkürliche Festlegung (das ist kein Problem) VL Forschungsmethoden SEM II (3/23)
8 Wie kann die Metrik eines Faktors festgelegt werden? 1. Die Ladung eines Items auf den Faktor wird auf eins gesetzt Faktor hat gleiche Metrik wie betreffendes Item Varianz des Faktors wird geschätzt VL Forschungsmethoden SEM II (4/23)
9 Wie kann die Metrik eines Faktors festgelegt werden? 1. Die Ladung eines Items auf den Faktor wird auf eins gesetzt Faktor hat gleiche Metrik wie betreffendes Item Varianz des Faktors wird geschätzt 2. Die Varianz des Faktors wird auf eins gesetzt Alle Faktorladungen werden geschätzt Faktor ist dimensionslose vollstandardisierte Variable Kovarianzen zwischen solchen Faktoren sind Korrelationen VL Forschungsmethoden SEM II (4/23)
10 Wie werden die Parameter nun geschätzt? Iterative Verfahren (u. a. GLS, ML, WLS) Für Λ, Φ, Θ Startwerte annehmen implizieren eine Varianz-Kovarianz-Matrix Σ Differenz (fitting function) zwischen Σ und S minimieren Verschiedene fitting functions für verschiedene (asymptotisch äquivalente) Verfahren Multivariate Normalverteilung der x-variablen wird vorausgesetzt Verletzungen, Asymptotik? Tests für Koeffizienten/Pfade: Wald oder LR, Lagrange-Multiplier Heywood Cases VL Forschungsmethoden SEM II (5/23)
11 Modelfit Wie gut passen Modellschätzungen zu den Daten? Traditionell: Test auf Basis eines χ 2 -Wertes Wie wahrscheinlich sind Abweichungen zwischen wahrer (Σ) und vom Modell implizierter Kovarianzmatrix (Σ(Θ)) wenn Modell in GG so zutrifft? (Da Σ nicht bekannt, S als Schätzung) Probleme? VL Forschungsmethoden SEM II (6/23)
12 Modelfit Wie gut passen Modellschätzungen zu den Daten? Traditionell: Test auf Basis eines χ 2 -Wertes Wie wahrscheinlich sind Abweichungen zwischen wahrer (Σ) und vom Modell implizierter Kovarianzmatrix (Σ(Θ)) wenn Modell in GG so zutrifft? (Da Σ nicht bekannt, S als Schätzung) Probleme? Annahme Σ = S unrealistisch Annahme perfekte Reproduktion (Nullhypothese) unrealistisch Signifikanztests und Fallzahlen VL Forschungsmethoden SEM II (6/23)
13 Modelfit Wie gut passen Modellschätzungen zu den Daten? Traditionell: Test auf Basis eines χ 2 -Wertes Wie wahrscheinlich sind Abweichungen zwischen wahrer (Σ) und vom Modell implizierter Kovarianzmatrix (Σ(Θ)) wenn Modell in GG so zutrifft? (Da Σ nicht bekannt, S als Schätzung) Probleme? Annahme Σ = S unrealistisch Annahme perfekte Reproduktion (Nullhypothese) unrealistisch Signifikanztests und Fallzahlen Vielzahl von Anpassungsindizes ( shot gun approach ) VL Forschungsmethoden SEM II (6/23)
14 Modelfit Wie gut passen Modellschätzungen zu den Daten? Traditionell: Test auf Basis eines χ 2 -Wertes Wie wahrscheinlich sind Abweichungen zwischen wahrer (Σ) und vom Modell implizierter Kovarianzmatrix (Σ(Θ)) wenn Modell in GG so zutrifft? (Da Σ nicht bekannt, S als Schätzung) Probleme? Annahme Σ = S unrealistisch Annahme perfekte Reproduktion (Nullhypothese) unrealistisch Signifikanztests und Fallzahlen Vielzahl von Anpassungsindizes ( shot gun approach ) Momentan populär: RMSEA Weniger abhängig von Stichprobenumfang Relativiert Abweichungen an der Zahl der Freiheitsgrade Strafe für overfitting Geht nicht von perfekter Anpassung aus; Konfidenzintervall VL Forschungsmethoden SEM II (6/23)
15 (Likert)-Skalierung Komplexe Modelle Software Reliabilität und Dimensionalität Reliabilität: Zuverlässigkeit, Konsistenz einer Messung Skala: Instrument mit mehreren äquivalenten Einzelindikatoren Interne Konsistenz: Korrelation der Indikatoren untereinander Einfache SEM (konfirmatorische Faktorenanalyse) viele Probleme der Skalierung Konsistenz und schwache Items Eine oder mehrere Dimensionen Meßfehlerbereinigte Korrelation zwischen Konstrukten Stabilität von (wahren) Meßwerten über die Zeit VL Forschungsmethoden SEM II (7/23)
16 (Likert)-Skalierung Komplexe Modelle Software Gruppenvergleiche und interkulturelle Einstellungsforschung SEM ermöglicht systematischen Vergleich von Gruppen (z. B. Test von Gleichheitsrestriktionen) Funktionieren Instrumente in verschiedenen Ländern in gleicher Weise (z. B. ESS, ISSP); bspw. verschiedene Indikatoren/Aspekte von Nationalismus/Patriotismus (Davidov 2009) Definitionen von Äquivalenz 1. Configural Invariance: Indikatoren laden überall auf selbe Faktoren (gleiche Grafik) 2. Metric Invariance: Faktorladungen in allen Ländern gleich (mittleres Niveau kann sich trotzdem unterscheiden) 3. Scalar Invariance: Zusätzlich Achsenabschnitte der Indikatoren über Länder identisch Absolute Werte von Indikatoren/Faktoren vergleichbar, Fehlervarianzen können sich unterscheiden VL Forschungsmethoden SEM II (8/23)
17 (Likert)-Skalierung Komplexe Modelle Software Komplexes Beispiel: Arzheimer/Carter 2009 Komplexe SEM bilden Systeme von Hypothesen ab Z. B. Arzheimer/Carter 2009: Negative Einstellungen zu Migranten, Religiosität, Parteiidentifikation und Rechtswahl In verschiedenen europäischen Ländern (mehrere Gruppen) VL Forschungsmethoden SEM II (9/23)
18 (Likert)-Skalierung Komplexe Modelle Software Mega-Monster-Modell (vereinfacht) rra 1 rra 2 rra 3 rra... RadicalRightAttitudes Socio Demographics(I) RadicalRightVote(IV) CD PID (III) Religiosity(II) rel 1 rel 2 rel 3 rel 4 VL Forschungsmethoden SEM II (10/23)
19 (Likert)-Skalierung Komplexe Modelle Software LISREL Für viele Synonym für Strukturgleichungsmodelle Lange Zeit unzugänglich wg Syntax Seit 90er Jahre graphische Oberfläche und vereinfachte Syntax (SIMPLIS) Zahlreiche neue Erweiterungen Test- und Studierendenversionen hier: VL Forschungsmethoden SEM II (11/23)
20 (Likert)-Skalierung Komplexe Modelle Software EQS Peter Bentler Kleine Unterschiede im Modell, äquivalent zu LISREL In Deutschland wenig verbreitet Entwicklung seit Jahren stockend VL Forschungsmethoden SEM II (12/23)
21 (Likert)-Skalierung Komplexe Modelle Software AMOS James Arbuckle Technische Besonderheiten und graphische Oberfläche (ca. 1988) Später Modul für SPSS Inzwischen Übernahme durch IBM und products/statistics/amos/ VL Forschungsmethoden SEM II (13/23)
22 (Likert)-Skalierung Komplexe Modelle Software MPlus Bengt Muthén Strukturgleichungsmodelle als Spezialfall eines generelleren Modells Transparente Behandlung von kategorialen Variablen (Indikatoren und Faktoren) Relativ altmodische Oberfläche, aber sehr schnell und leistungsfähig VL Forschungsmethoden SEM II (14/23)
23 (Likert)-Skalierung Komplexe Modelle Software Weitere Mehrere Implementationen in R (unter anderem lavaan, und OpenMx, SmartPLS, Ox (nur für hardcore user, Sehr gute Implementation ab Stata 12 VL Forschungsmethoden SEM II (15/23)
24 Dimensionalität Theorie: Unterscheidung zwischen kulturellen und ökonomischen Bedrohungsgefühlen Aber: Findet sich das so in der Realität? Forschungsfrage Kann zum Beispiel mit ESS 1 untersucht werden VL Forschungsmethoden SEM II (16/23)
25 Indikatoren 1. Was würden Sie sagen, nehmen Zuwanderer, die hierher kommen, im Allgemeinen Arbeitnehmern in Deutschland die Arbeitsplätze weg oder helfen sie im Allgemeinen, neue Arbeitsplätze zu schaffen? (nehmen Arbeitsplätze weg (10) schaffen neue Arbeitsplätze (0), imtcjob) 2. Die meisten Zuwanderer, die hierher kommen, arbeiten und zahlen Steuern. Sie nehmen außerdem das Gesundheitssystem und Sozialleistungen in Anspruch. Wenn Sie abwägen, denken Sie, dass Zuwanderer mehr bekommen als sie geben, oder mehr geben, als sie bekommen? (bekommen mehr (10) geben mehr (0) imbleco) 3. Würden Sie sagen, dass das kulturelle Leben in Deutschland im Allgemeinen durch Zuwanderer untergraben oder bereichert wird? (untergraben (10) bereichert (0) imueclt) 4. Wird Deutschland durch Zuwanderer zu einem schlechteren oder besseren Ort zum Leben? (schlechterer Ort (10) besserer Ort (0) imwbcnt) VL Forschungsmethoden SEM II (17/23)
26 Zweidimensionales Modell OEK CULT imtcjob imbleco imueclt imwbcnt VL Forschungsmethoden SEM II (18/23)
27 Eindimensionales Modell XEN imtcjob imbleco imueclt imwbcnt VL Forschungsmethoden SEM II (19/23)
28 In Stata 1 * Zweidimensionales Modell, ML - Schaetzung, standardisierte Faktoren 2 sem ( imtcjob <- OEK ) ( imbleco <- OEK ) ( imueclt <- CULT ) /// 3 ( imwbcnt <- CULT ), means ( OEK@0 CULT@0 ) var ( OEK@1 CULT@1 ) 4 * Schaetzungen speichern 5 est store zweiml 6 estat eqgof 7 estat gof, stats ( ic rmsea ) 8 * Eindimensionales Modell, ML - Schaetzung, standardisierte Faktoren 9 sem ( imtcjob <- XEN ) ( imbleco <- XEN ) ( imueclt <- XEN ) /// 10 ( imwbcnt <- XEN ), means ( XEN@0 ) var ( XEN@1 ) 11 est store einml 12 estat eqgof 13 estat gof, stats ( ic rmsea ) VL Forschungsmethoden SEM II (20/23)
29 Ergebnisse: ein/zweidimensionale Lösung Ladung/Achsenabschnitt Ladung/Achsenabschnitt imtcjob: OEK imtcjob: Konstante imbleco: OEK imbleco: Konstante imueclt: CULT imueclt: Konstante imwbcnt: CULT imwbcnt: Konstante cov(oek,cult) (0.0522) (0.0472) (0.0542) (0.0496) (0.0556) (0.0548) (0.0532) (0.0521) (0.0239) imtcjob: XEN imtcjob: Konstante imbleco: XEN imbleco: Konstante imueclt: XEN imueclt: Konstante imwbcnt: XEN imwbcnt: Konstante (0.0487) (0.0472) (0.0511) (0.0496) (0.0533) (0.0548) (0.0503) (0.0521) VL Forschungsmethoden SEM II (21/23)
30 Modellvergleich Anpassungsmaße ein Faktor zwei Faktoren Parameter df M 2 1 χ 2 M RMSEA TLI BIC LL N VL Forschungsmethoden SEM II (22/23)
31 Zusammenfassung SEM: Extrem mächtiges Verfahren (mit diversen Fallstricken) Kein Wundermittel Aber ausgezeichnetes Werkzeug zur Bearbeitung vieler sozialwissenschaftlicher Fragen VL Forschungsmethoden SEM II (23/23)
Faktorenanalyse und Strukturgleichungsmodelle II
Faktorenanalyse und Strukturgleichungsmodelle II VL Forschungsmethoden Outline 1 2 3 4 Karl G. Joreskog VL Forschungsmethoden SEM II (1/23) Identifikation ist Eigenschaft des Modells Was ist Identifikation?
Faktorenanalyse und Strukturgleichungsmodelle II. VL Forschungsmethoden
Faktorenanalyse und Strukturgleichungsmodelle II VL Forschungsmethoden Einführung Grundlagen Zwischenfazit Wie sieht die Terminologie aus? Primär interessant: Beziehungen zwischen gemeinsamen Faktoren
Konfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
Konfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
Strukturgleichungsmodellierung
Strukturgleichungsmodellierung FoV Methodenlehre FSU-Jena Dipl.-Psych. Norman Rose Parameterschätzung, Modelltest & Fit Indizes bei SEM Forschungsorientierte Vertiefung - Methodenlehre Dipl.-Psych. Norman
Literatur: Rudolf & Müller, S Dr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung Einführung SEM Folie Nr. 1
1 Korrelation und Kausalität 2 Grundsätzliches 3 Pfaddiagramme und lineare Strukturgleichungen 4 Struktur- und Messmodell 5 Modellspezifikation 6 Parameterschätzungen 7 Beurteilung der Schätzergebnisse
Strukturgleichungsmodelle. Sozialwissenschaften. R.Oldenbourg Verlag München Wien. Von Universitätsprofessor Dr. Jost Reinecke
Strukturgleichungsmodelle in den Sozialwissenschaften Von Universitätsprofessor Dr. Jost Reinecke R.Oldenbourg Verlag München Wien 1 Einleitung 3 2 Die Entwicklung der statistischen Modellbildung mit Strukturgleichungen
Freisetzen und Fixieren von Parametern in Strukturgleichungsmodellen
Freisetzen und Fixieren von Parametern in Strukturgleichungsmodellen 1 Variablen und Parameter Variablen haben für verschiedene Personen unterschiedliche Werte. Parameter haben für eine gegebene Population
Variablen und Parameter in LISREL
Variablen und Parameter in LISREL 1 Konfirmatorische Faktorenanalyse: Pfaddiagramm Dieses Diagramm stellt den denkbar einfachsten Fall einer konfirmatorischen Faktorenanalyse dar. Empirisch sind Modelle
LISREL-Mehrgruppenvergleiche (Multi-Sample Analysis)
LISREL-Mehrgruppenvergleiche (Multi-Sample Analysis) 1 Ausgangssituation Normalerweise überprüft man ein Strukturgleichungsmodell mit LISREL an den Daten einer Stichprobe. Wollte man beispielsweise nach
Faktorenanalysen höherer Ordnung
Faktorenanalysen höherer Ordnung 1 Ausgangssituation Übliche Faktorenanalysen (erster Ordnung) gehen von Zusammenhängen zwischen manifesten, beobachteten Variablen aus und führen diese Zusammenhänge auf
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief Statistik II Literatur Kategoriale Unabhängige, Interaktion, nicht-lineare Effekte : Schätzung Statistik
Lineare Strukturgleichungsmodelle (LISREL)
Sommersemester 2007 Übung zu Anwendungen in multivariater Datenananlyse Lineare Strukturgleichungsmodelle (LISREL) Tests von Modellparametern Wald-Tests LM-Tests Chiquadratdifferenzen-Tests Tests von Modellparametern
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit. 21. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit 2. Juni 2007: Pfadanalyse und lineare Strukturgleichungsmodelle In vielen Untersuchungen soll eine komplexere Beziehungsstruktur untersucht werden.
LISREL-Beispiel zum Kapitel 15: Latent-State-Trait-Theorie
LISREL-Beispiel zum Kapitel 15: Latent-State-Trait-Theorie Augustin Kelava und Karin Schermelleh-Engel 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel: Testängstlichkeit 1 2
Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"
Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen
Reliabilitäts- und Itemanalyse
Reliabilitäts- und Itemanalyse In vielen Wissenschaftsdisziplinen stellt die möglichst exakte Messung von hypothetischen Prozessen oder Merkmalen sogenannter theoretischer Konstrukte ein wesentliches Problem
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
Meßmodelle und konfirmatorische Faktorenanalyse
Meßmodelle und konfirmatorische Faktorenanalyse Jost Reinecke Universität Bielefeld 28. September 2005 Meßmodelle Die Modellspezifikation Die Identifikation der Modellparameter Restriktionen im Meßmodell
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief. Statistik II
Schätzverfahren, Annahmen und ihre Verletzungen, Standardfehler. Oder: was schiefgehen kann, geht schief Statistik II Wiederholung Literatur Kategoriale Unabhängige, Interaktion, nicht-lineare Effekte
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC. Referenten: Linda Gräfe & Konstantin Falk
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC Referenten: Linda Gräfe & Konstantin Falk 1 Agenda Schätzverfahren ML REML Beispiel in SPSS Modellbeurteilung Devianz AIC BIC
Multivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
LISREL/CFA: Modelltest
LISREL/CFA: Modelltest im Rahmen des Interdisziplinären Seminars Multivariate Statistik bei psychologischen Fragestellungen Martina Feilke, Martina Unterburger, Christoph Burkhardt Dozenten: Prof. Dr.
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
Empirische Forschungsmethoden
Winfried Stier Empirische Forschungsmethoden Zweite, verbesserte Auflage Mit 22 Abbildungen und 53 Tabellen Springer L Inhaltsverzeichnis I. Grundlagen 1 1.1. Methoden, Methodologie, Empirie 1 1.2. Einige
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
Regression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
Lineare Strukturgleichungsmodelle (LISREL)
Sommersemester 2007 Übung zu Anwendungen in multivariater Datenananlyse Lineare Strukturgleichungsmodelle (LISREL) Dienstags 16.15-17.45 in Oec I 21 Organisation und Scheinvoraussetzungen Dienstags 16.15
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
Methodenlehre. 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
Statistik 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
Testtheorie und Gütekriterien von Messinstrumenten. Objektivität Reliabilität Validität
Testtheorie und Gütekriterien von Messinstrumenten Objektivität Reliabilität Validität Genauigkeit von Messungen Jede Messung zielt darauf ab, möglichst exakte und fehlerfreie Messwerte zu erheben. Dennoch
Inhaltsverzeichnis. Teil I Grundlagen
Inhaltsverzeichnis Teil I Grundlagen 1 Bedeutung der Strukturgleichungsmodellierung... 3 1.1 Theorie und Sachlogik als Ausgangspunkt... 3 1.2 Empirische Prüfung von Hypothesen: Das Hempel-Oppenheim-Schema..
Einführung 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
Bestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala. Cronbach s. 1 (k 1)r
Dr. Wolfgang Langer - Methoden V: Explorative Faktorenanalyse SoSe 1999-1 Bestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala Für die Schätzung der Zuverlässigkeit einer additiven Itemskala,
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
Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA)
Interdisziplinäres Seminar Lineare Strukturgleichungsmodelle (LISREL) Konfirmatorische Faktorenanalyse (CFA) WS 2008/09 19.11.2008 Julia Schiele und Lucie Wink Dozenten: Prof. Dr. Bühner, Prof. Dr. Küchenhoff
Dynamische Systeme und Zeitreihenanalyse // Multivariate Normalverteilung und ML Schätzung 11 p.2/38
Dynamische Systeme und Zeitreihenanalyse Multivariate Normalverteilung und ML Schätzung Kapitel 11 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Multivariate
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 I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
- Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden.
Normalverteilung und Standardnormalverteilung als Beispiel einer theoretischen Verteilung - Normalverteilung (Gaußverteilung) kann auf sehr viele Zufallsprozesse angewendet werden. - Stetige (kontinuierliche),
Klassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
Wiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
1.3 Wiederholung der Konvergenzkonzepte
1.3 Wiederholung der Konvergenzkonzepte Wir erlauben nun, dass der Stichprobenumfang n unendlich groß wird und untersuchen das Verhalten von Stichprobengrößen für diesen Fall. Dies liefert uns nützliche
Inferenz im multiplen Regressionsmodell
1 / 29 Inferenz im multiplen Regressionsmodell Kapitel 4, Teil 1 Ökonometrie I Michael Hauser 2 / 29 Inhalt Annahme normalverteilter Fehler Stichprobenverteilung des OLS Schätzers t-test und Konfidenzintervall
4.1 Stichproben, Verteilungen und Schätzwerte. N(t) = N 0 e λt, (4.1)
Kapitel 4 Stichproben und Schätzungen 4.1 Stichproben, Verteilungen und Schätzwerte Eine physikalische Messung ist eine endliche Stichprobe aus einer Grundgesamtheit, die endlich oder unendlich sein kann.
Allgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
Bivariater Zusammenhang in der Vierfeldertafel PEΣO
Bivariater Zusammenhang in der Vierfeldertafel PEΣO 12. Oktober 2001 Zusammenhang zweier Variablen und bivariate Häufigkeitsverteilung Die Bivariate Häufigkeitsverteilung gibt Auskunft darüber, wie zwei
Willkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
Multivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
Wahrscheinlichkeitsverteilungen
Universität Bielefeld 3. Mai 2005 Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsrechnung Das Ziehen einer Stichprobe ist die Realisierung eines Zufallsexperimentes. Die Wahrscheinlichkeitsrechnung betrachtet
Bootstrap: Punktschätzung
Resampling Methoden Dortmund, 2005 (Jenő Reiczigel) 1 Bootstrap: Punktschätzung 1. Die Grundidee 2. Plug-in Schätzer 3. Schätzung des Standardfehlers 4. Schätzung und Korrektur der Verzerrung 5. Konsistenz
Multivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
Klassische Testtheorie (KTT) Klassische Testtheorie (KTT) Klassische Testtheorie (KTT)
Klassische Testtheorie (KTT) Die KTT stellt eine Sammlung von Methoden dar, die seit Beginn des vorigen Jahrhunderts zur exakten und ökonomischen Erfassung interindividueller Unterschiede entwickelt wurden.
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
Hypothesenprüfung. 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
7. Stochastische Prozesse und Zeitreihenmodelle
7. Stochastische Prozesse und Zeitreihenmodelle Regelmäßigkeiten in der Entwicklung einer Zeitreihe, um auf zukünftige Entwicklung zu schließen Verwendung zu Prognosezwecken Univariate Zeitreihenanalyse
Operationalisierung (1)
Operationalisierung (1) Im Unterschied zur operationalen Definition handelt es sich bei der Operationalisierung nicht um eine Bedeutungszuweisung zu sprachlichen Zeichen, sondern um eine Handlungsanweisung
Musterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 27. März 2015 Aufgabe 1 Kennzeichnen Sie die folgenden Aussagen über die beiden Zufallsvektoren ([ ] [ ]) ([ ] [ ]) 2 1 0 1 25 2 x 1 N, x 3 0 1 2
Willkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
Statistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
Übung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
Wiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
Aufgaben zu Kapitel 3
Aufgaben zu Kapitel 3 Aufgabe 1 a) Berechnen Sie einen t-test für unabhängige Stichproben für den Vergleich der beiden Verarbeitungsgruppen strukturell und emotional für die abhängige Variable neutrale
Einführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Reliabilität in der klassischen (psychometrischen) Testtheorie Statistisches Modell Realisierung mit der SPSS-Prozedur Reliability Klassische Testtheorie:
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
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
Mathematische Statistik Aufgaben zum Üben. Schätzer
Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch
Willkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Punkt- und Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr.
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
Statistik I. Sommersemester 2009
I Sommersemester 2009 I Wiederholung/Einführung χ 2 =?!? I Wiederholung/Einführung χ 2 =?!? Nächste Woche: Maße für ordinale, nominal/intervallskalierte und intervallskalierte Daten I Zum Nachlesen Agresti/Finlay:
Was heißt messen? Konzeptspezifikation Operationalisierung Qualität der Messung
Was heißt messen? Ganz allgemein: Eine Eigenschaft eines Objektes wird ermittelt, z.b. die Wahlabsicht eines Bürgers, das Bruttosozialprodukt eines Landes, die Häufigkeit von Konflikten im internationalen
Willkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Inferenzstatistik in Regressionsmodellen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für
Statistik - Fehlerrechnung - Auswertung von Messungen
Statistik - Fehlerrechnung - Auswertung von Messungen TEIL II Vorbereitungskurs F-Praktikum B (Physik), RWTH Aachen Thomas Hebbeker Eindimensionaler Fall: Parameterbestimmung - Beispiele [Übung] Mehrdimensionaler
Wichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
Statistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
Mathematische 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
Wolfgang Irlinger. Kausalmodelle zur Lieferantenbewertung
Wolfgang Irlinger Kausalmodelle zur Lieferantenbewertung GABLER RESEARCH Inhaltsverzeichnis VII Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbolverzeichnis XV XVII
1 Gemischte Lineare Modelle
1 Gemischte Lineare Modelle Wir betrachten zunächst einige allgemeine Aussagen für Gemischte Lineare Modelle, ohne zu tief in die mathematisch-statistische Theorie vorzustoßen. Danach betrachten wir zunächst
Parametertests und Modellvergleiche in Strukturgleichungsmodellen
Parametertests und Modellvergleiche in Strukturgleichungsmodellen Um mit Strukturgleichungsmodellen inhaltliche Hypothesen zu prüfen, genügt es meist nicht, nur ein einziges, den Hypothesen entsprechendes
Statistik I. Sommersemester 2009
I Sommersemester 2009 I χ 2 =?!? Nächste Woche: Maße für ordinale, nominal/intervallskalierte und intervallskalierte Daten I Zum Nachlesen Agresti/Finlay: Kapitel 8.1-8.4 Gehring/Weins: Kapitel 7.1 Schumann:
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen
6. Multivariate Verfahren Übersicht
6. Multivariate Verfahren 6. Multivariate Verfahren Übersicht 6.1 Korrelation und Unabhängigkeit 6.2 Lineare Regression 6.3 Nichtlineare Regression 6.4 Nichtparametrische Regression 6.5 Logistische Regression
Chi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
Die Faktorenanalyse. Anwendung dann, wenn zwischen beobachtbaren und nicht direkt beobachtbaren Variablen ein kausales Verhältnis vermutet wird
Die Faktorenanalyse Zielsetzung Datenreduktion: eine größere Anzahl von Variablen auf eine kleinere Anzahl unabhängiger Einflussgrößen zurückführen Grundlegende Idee Direkt beobachtbare Variablen spiegeln
Name 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
Maximum-Likelihood Schätzung
Maximum-Likelihood Schätzung VL Forschungsmethoden 1 Wiederholung Einführung: Schätzung 2 Likelihood-Schätzung und Generalisiertes Lineares Modell Zufallsverteilungen 3 Lernziele 1 Grundzüge der Likelihood-Schätzung
Klassische Testtheorie (KTT) Klassische Testtheorie (KTT) Klassische Testtheorie (KTT)
Klassische Testtheorie (KTT) Die KTT stellt eine Sammlung von Methoden dar, die seit Beginn des vorigen Jahrhunderts zur exakten und ökonomischen Erfassung interindividueller Unterschiede entwickelt wurden.
Kapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
Kapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
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
Lösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
Eigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung. 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend?
Eigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend? a) Die Faktorenanalyse hat ihren Ursprung in der theoretischen Intelligenzforschung.
Der Barthel-Index zur Messung von Alltagskompetenzen bei Demenz
Der Barthel-Index zur Messung von Alltagskompetenzen bei Demenz Univ.-Prof. Dr. Albert Brühl Lehrstuhl für Statistik und standardisierte Verfahren Philosophisch-Theologische Hochschule Vallendar Folie
Test auf Varianzgleichheit (F-Test) (einseitiger Test!!)
T-Tests in Excel T-Tests in Excel Test auf Varianzgleichheit (F-Test) (einseitiger Test!!)! Annahmen:! Unabhängige Stichproben! Normalverteilte Grundgesamtheiten H0 : σx = σ y; H0 : σx > σ y Sx σ x F =
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
Fallzahlplanung bei unabhängigen Stichproben
Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme Benjamin Hofner benjamin.hofner@stat.uni-muenchen.de 12. Januar 2005 Übersicht 1. Einführung und Grundlagen der Fallzahlplanung
Statistik II. Regressionsanalyse. Statistik II
Statistik II Regressionsanalyse Statistik II - 23.06.2006 1 Einfachregression Annahmen an die Störterme : 1. sind unabhängige Realisationen der Zufallsvariable, d.h. i.i.d. (unabh.-identisch verteilt)