Effektstärken Nachtrag
|
|
- Helmut Heintze
- vor 6 Jahren
- Abrufe
Transkript
1 Effektstärken Nachtrag Benchmarks für Effektstärken gehen auf Cohen (1988) zurück, nimmt man statistische Hintergründe der Berechnung und Umrechnung ernst, sind Angaben jedoch teilweise inkonsistent (vgl. Lipsey& Wilson, 2001) Benchmarks für rzu groß interpretatorische Unterschätzung, Inkonsistenz mit anderen Effektmaßen (Eta 2, Cohensd) Größe des Effekts r %Var d Cohen: Klein.1 1% 0.20 Mittel.3 9% 0.66 Groß.5 25% 1.33 Exakt: Klein.10 1% 0.2 Mittel.24 6% 0.5 Groß.37 14% 0.8 Empfohlene alternative Benchmarks für r:.10 kleiner Effekt.25 mittlerer Effekt.40 großer Effekt
2
3 Einführung 1/6 Erhebungsmethoden in der empirischen Forschung und klinischen Psychologie nichtauf Selbstberichte(z.B. standardisierte Fragebögen) beschränkt Fremdbeurteilungendurch i. d. R. geschulte Rater stellen eine weitere wichtige Informationsquelle dar, z.b.: Beim Stellen von Diagnosen Für die klinische Einschätzung von Schweregraden (z.b. HRSD) Allgemein zur Einschätzung der Ausprägung beliebiger Merkmale Analog zur Messgüte bei Fragebogenverfahren (Validität, Reliabilität, etc.) stellt sich auch bei Fremdbeurteilungen die Frage nach deren Güte Kommen zwei (oder mehr) Beurteiler unabhängigvoneinanderzur gleichen Einschätzung/Diagnose? INTERRATERRELIABILITÄT
4 Einführung 2/6 Interraterreliabilitätnicht einzig relevante Form der Reliabilität von Urteilsdaten Analog zu Fragebogenverfahren ist z.b. auch Retest-Reliabilität von Bedeutung ( Intraraterreliabilität) Interraterreliabilität liefert Aussagen hinsichtlich der Genauigkeit von Urteilen als (implizit) auch ihrer Objektivität Urteile sollten davon unabhängig sein, wersie vergeben hat (vgl. Wirtz & Caspar, 2002, S. 15) (prinzipielle) Austauschbarkeit der Rater Urteile eines Raters ausreichend Urteile spiegeln wahre Merkmalsausprägung (klassische Testtheorie) reliabel wider
5 Einführung 3/6 Erfassung und Untersuchung der Interraterreliabilitätsetzt voraus, dass mindestens zwei Rater Urteile zu denselben Objekten abgegeben haben Interraterreliabilität kann dann mithilfe von Maßen der Beurteilerübereinstimmung berechnet werden Unterscheidung gemäß Skalenniveauund anhand der jeweils verwendeten Definition von Übereinstimmung nominale/ordinale Skalen: Konkordanz metrische Skalen: Reliabilität i. e. S. Konkordanz bezieht sich i. A. auf die (absolute) Gleichheit von Urteilen, Reliabilität auf die Ähnlichkeit (relative Gleichheit) von Urteilen
6 Einführung 4/6 Im Folgenden werden Maße der Konkordanzbehandelt Anwendung auf nominalskalierte(kategoriale) Merkmale (z.b. Diagnosen) Erfassung des Ausmaßes der Gleichheit von Urteilen
7 Einführung 5/6 Beispiel Diagnostik: Diagnostik in der klinischen Psychologie basiert häufig auf der Anwendung strukturierter klinischer Interviews Operationalisierteund standardisiertediagnostik psychischer Störungen Objektiv (Standardisierung, Raterschulung) Valide (operationalisierte Diagnostik nach ICD-10 und/oder DSM-IV) Aber: Werden spezifische Diagnosen von unterschiedlichen Ratern nach Durchführung des Interviews übereinstimmend vergeben? Nicht-Übereinstimmungen erwartbar Ebene der Operationalisierung:unpräzise Diagnosekriterien, etc.; Ebene des Durchführenden:Symptomgewichtung, Anwendungsfehler, etc.; Ebene des Interviewten: unterschiedliche Offenheit, etc.
8 Einführung 6/6 Beispiel Diagnostik: DIPS (Diagnostisches Interview bei psychischen Störungen; Schneider & Margraf, 2005) Erlaubt die standardisierte Diagnostik einer Anzahl definierter Störungsbilder nach ICD-10 und DSM-IV-TR Angaben zur Konkordanz(bzgl. Lebenszeitdiagnosen) geschulter Rater im Manual (N = 237 Patienten) Major Depression ICD-10: F32.x und F33.x DSM-IV-TR: 296.2x und 296.3x Rater B Rater A
9 Prozentuale Übereinstimmung 1/2 Einfachste Möglichkeit der Konkordanzbestimmung prozentuale Übereinstimmung = Anzahl der Übereinstimmungen 100% Anzahl der beurteilten Personen Rater B Rater A % = % = 86.5%
10 Prozentuale Übereinstimmung 2/2 Prozentuale Übereinstimmung einfachesund anschaulichesmaß Allerdings: aus statistischer Sicht ist auchdannmit Übereinstimmungen zu rechnen, wenn Rater Urteile völligzufälligvergeben (vgl. Analyse von Vier-Felder-Tafeln, χ 2 -Tests) Zufällige Übereinstimmungen werden in prozentualer Übereinstimmung nichtberücksichtigt und können somit zu einer Überschätzungder Konkordanz führen Cohens Kappa
11 2 Rater: Cohens Kappa 1/10 CohensKappa(κ) ist ein zufallsbereinigtesmaßder Beurteilerübereinstimmung(Konkordanz) für 2 Rater (Cohen, 1960) Ähnlich wie für χ 2 -Tests wird für die Berechnung von Kappadie Anzahl zufällig konkordanter Urteile aus den Randverteilungen geschätzt (unter Annahme der Unabhängigkeit der Urteile) Rater B Rater A + Summe + e ++ a b a +b ++ ( a + c) ( a + b) = N ( b + d) ( c + d) c d e c+d e = Summe a +c b +d N N e ++
12 2 Rater: Cohens Kappa 2/10 Anteil konkordanter Urteile wird genausowie in prozentualer Übereinstimmung berechnet p 0 = a + d N Anteil zufälliger konkordanter Urteile p e = e e N Kappaist Anteilder tatsächlichenüber den Zufall hinausgehenden konkordanten Urteile (p 0 p e ) an den theoretischmöglichen (1 p e ) p p = 1 p κ 0 e e
13 2 Rater: Cohens Kappa 3/10 Wertebereich von Kappa 1 bis +1 Wie Korrelation, allerdings mit anderer Interpretation vor allem bei negativen Werten κ = +1: Perfekte Übereinstimmung/Konkordanz (b =c=0 p 0 =1) κ = 1: keinebeobachteten Übereinstimmungen (a =d=0 p 0 =0) bei maximaler Wahrscheinlichkeit zufälliger Übereinstimmungen (b =c p e =0.5 alle vier Randsummen sind identisch) κ = 0: beobachtete Übereinstimmung ist nicht besser als die durch den Zufall erwartete Übereinstimmungen liegen vor, aber keineüber den Zufall hinausgehenden (p 0 =p e )
14 2 Rater: Cohens Kappa 4/10 Durchführung in SPSS (File DIPS.sav) Analysieren > Deskriptive Statistiken > Kreuztabellen
15 2 Rater: Cohens Kappa 5/10 Kappa=.73, p<.001 (einseitig)
16 2 Rater: Cohens Kappa 6/10 Spricht ein Kappavon.73 für eine gutekonkordanz? Cutoffsfür Kappa (Fleiss, 1981) Signifikanz vorausgesetzt Kappa Interpretation.75 Sehr gut.60 bis.74 Gut.40 bis.59 Genügend <.40 Mangelhaft Allerdings: Wertebereichund Ausprägungdes Koeffizienten von einer Anzahl an Faktoren beeinflusst, die nicht Konkordanz selbst betreffen erschwert Interpretation von Kappaund verringert den Nutzen von Cutoffs
17 2 Rater: Cohens Kappa 7/10 Randverteilungen (vgl. Phi-Koeffizient) Wertebereich 1 bis +1 nur bei gleichen Randverteilungen möglich Unterschätzung der Konkordanz in allen anderen Fällen (paradoxe Fälle auch möglich höhere Konkordanz, vgl. Feinstein & Cicchetti, 1990) Anzahl der Kategorien und der Besetzung von Zellen (Asendorpf & Wallbott, 1978) Liegt eine geringe Anzahl an Beurteilungskategorien vor und/oder nur geringe Zellbesetzungen in einzelnen Zellen Unterschätzung der Konkordanz Prävalenz des untersuchten Merkmals (Feinstein & Cicchetti, 1990; Spitznagel & Helzer, 1985) insbesondere bei niedrigen Prävalenzen (ca. < 10% in der Stichprobe) Unterschätzung der Konkordanz
18 2 Rater: Cohens Kappa 8/10 Inhaltliche Gründe niedriger Beurteilerübereinstimmung können vielfältig sein Auf Seiten der Rater sind insbesondere bedeutsam (vgl. Wirtz & Caspar, 2002) Unterschiede in den Schwellen (= ab welcher Merkmalsausprägung kommt es zu einer positiven Einschätzung?) Inkongruenzen bzgl. des zu erfassenden Merkmals (= Unterschiede in der Auffassung und im Verständnis des zu messenden Konstrukts) Raterschulung! Die Berechnung von CohensKappaist (in SPSS) nichtauf dichotome Kategoriensysteme beschränkt Allerdings: beide Rater müssen übereinstimmend dieselbe Anzahlan Kategorien verwendet haben, sonst ist in SPSS keine Berechnung möglich
19 2 Rater: Cohens Kappa 9/10 Tool im Internet, das diese Einschränkungen nicht aufweist CohensKappaverrechnet alle Nicht-Übereinstimmungen gleich schwer Gibt es eine ordinaleordnung der Kategorien ( ordinaleskala) oder inhaltliche Gründe, dass unterschiedliche Nicht-Übereinstimmungen differentiell gewichtet werden sollten gewichtetes Kappa(weighted Kappa; Cohen, 1968) Einfach auch mit obigem Tool berechenbar (erlaubt Angabe eigener Gewichte oder Übernahme eines linearen oder quadratischen Gewichtungsschemas)
20 2 Rater: Cohens Kappa 10/10
21 m > 2 Rater: Fleiss Kappa Liegen Urteile von mehr als 2 Ratern vor und ist man an deren Übereinstimmung interessiert Fleiss Kappa (Fleiss, 1971) Mittlere Konkordanz aller Rater über alle Objekte Fleiss Kappaist nichtin SPSS implementiert Tool im Internet, z.b. Inhaltlich kann Fleiss Kappaanalog zu CohensKappainterpretiert werden, Gewichtung ist aber nicht möglich
22 Ausblick Probleme des Kappa-Koeffizienten führten auch zur Empfehlung der Verwendung anderer Koeffizienten Für dichotome Ratingsskalen und 2 Rater z.b. Odds Ratio oder YulesY (vgl. Wirtz & Caspar, 2002) Für metrischeratingskalen ist insbesondere die Intraklassenkorrelation (ICC) ein gebräuchliches Maß zur Bestimmung der Interraterreliabilität Maß der Varianzaufklärung (Wertebereich 0 bis 1) Für 2 oder mehr Rater geeignet Erlaubt Bestimmung der absoluten und relativen Gleichheit von Urteilen In SPSS (Analysieren > Skalieren > Reliabilitätsanalyse ) ausreichend implementiert
Methodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrReliabilitäts- und Itemanalyse
Reliabilitäts- und Itemanalyse In vielen Wissenschaftsdisziplinen stellt die möglichst exakte Messung von hypothetischen Prozessen oder Merkmalen sogenannter theoretischer Konstrukte ein wesentliches Problem
MehrPsychologische Diagnostik
Dr. Andreas Eickhorst Pädagogische Psychologie Psychologische Diagnostik Themen 1. Was ist Diagnostik? 2. Was ist psychologische Diagnostik? 3. Arten diagnostischer Verfahren 4. Diagnostik in der Schule
MehrWas sind Zusammenhangsmaße?
Was sind Zusammenhangsmaße? Zusammenhangsmaße beschreiben einen Zusammenhang zwischen zwei Variablen Beispiele für Zusammenhänge: Arbeiter wählen häufiger die SPD als andere Gruppen Hochgebildete vertreten
MehrIBS-KJ Interviews zu Belastungsstörungen bei Kindern und Jugendlichen
IBS-KJ Interviews zu Belastungsstörungen bei Kindern und Jugendlichen - Diagnostik der Akuten und der Posttraumatischen Belastungsstörung - Seminar: Testen und Entscheiden Dozentin: Prof. Dr. G. H. Franke
MehrTesttheorie und Gütekriterien von Messinstrumenten. Objektivität Reliabilität Validität
Testtheorie und Gütekriterien von Messinstrumenten Objektivität Reliabilität Validität Genauigkeit von Messungen Jede Messung zielt darauf ab, möglichst exakte und fehlerfreie Messwerte zu erheben. Dennoch
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 6 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den insendeaufgaben geprüften Lehrzielgruppen Lehrzielgruppe:
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrBivariater 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
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Überblick Letzte Woche: - Stichprobenziehung und Stichprobeneffekte Heute: -Gütekriterien I Rückblick Population und Stichprobe verschiedene Arten
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
MehrKlassische Testtheorie (KTT) Klassische Testtheorie (KTT) Klassische Testtheorie (KTT)
Klassische Testtheorie (KTT) Die KTT stellt eine Sammlung von Methoden dar, die seit Beginn des vorigen Jahrhunderts zur exakten und ökonomischen Erfassung interindividueller Unterschiede entwickelt wurden.
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Überblick Letzte Woche: - Stichprobenziehung und Stichprobeneffekte Heute: -Gütekriterien I Rückblick Population und Stichprobe verschiedene Arten der
MehrEinleitung Kappa F-Score Fazit. Softwarepraktikum. Evaluation. Franz Matthies
Evaluation Lehrstuhl für Computerlinguistik Institut für Germanistische Sprachwissenschaft Friedrich-Schiller-Universität Jena www.julielab.de Sommersemester 2016 Sitzung 2 Überblick 1 Motivation Definition
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrDie Rolle von Testergebnissen bei der psychologischen Begutachtung
Die Rolle von Testergebnissen bei der psychologischen Begutachtung Ursache der Diagnose, Bedeutung für den Maßnahmenvorschlag, Akzeptanz und Umsetzung durch die KlientInnen Übersicht Einleitung und Fragestellungen
MehrKlassische Testtheorie (KTT) Klassische Testtheorie (KTT) Klassische Testtheorie (KTT)
Klassische Testtheorie (KTT) Die KTT stellt eine Sammlung von Methoden dar, die seit Beginn des vorigen Jahrhunderts zur exakten und ökonomischen Erfassung interindividueller Unterschiede entwickelt wurden.
MehrStatistik II: Signifikanztests /1
Medien Institut : Signifikanztests /1 Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Noch einmal: Grundlagen des Signifikanztests 2. Der chi 2 -Test 3. Der t-test
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrWas ist eine Testtheorie?
Was ist eine Testtheorie? Eine Testtheorie bezeichnet eine Gesamtheit von Methoden zur Behandlung der Fragestellungen, welche sich bei der Testkonstruktion und -auswertung ergeben. Dieser Begriff ist nicht
MehrBildungsurlaub-Seminare: Lerninhalte und Programm
Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel Einführung Testtheorie und Testkonstruktion für Psychologen/innen (BH16116) Termin Mo, den 30.05. bis Fr, den 03.06.2016 Kursgebühr: 179,-
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
Mehr3.2 Grundlagen der Testtheorie Methoden der Reliabilitätsbestimmung
3.2 Grundlagen der Testtheorie 3.2.6 Methoden der Reliabilitätsbestimmung 6.1 Was ist Reliabilität? 6.2 Retest-Reliabilität 6.3 Paralleltest-Reliabilität 6.4 Splithalf-(Testhalbierungs-)Reliabilität 6.5
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 4B a.) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit "Deskriptive Statistiken", "Kreuztabellen " wird die Dialogbox "Kreuztabellen" geöffnet. POL wird in das Eingabefeld von
MehrQuantitative Auswertung II. Korpuslinguistik Heike Zinsmeister
Quantitative Auswertung II Korpuslinguistik Heike Zinsmeister 16.12.2011 Unterschiedstest Fall 1: unabhängige Stichproben Daten eine unabhängige Variable auf Nominal- oder Kategorialniveau eine abhängige
MehrAufgaben zu Kapitel 4
Rasch, Friese, Hofmann & aumann (2006). Quantitative Methoden. Band (2. Auflage). Heidelberg: Springer. Aufgaben zu Kapitel 4 Aufgabe a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrVerfahren zur Skalierung. A. Die "klassische" Vorgehensweise - nach der Logik der klassischen Testtheorie
Verfahren zur Skalierung A. Die "klassische" Vorgehensweise - nach der Logik der klassischen Testtheorie 1. Daten: z. Bsp. Rating-Skalen, sogenannte "Likert" - Skalen 2. Ziele 1. Eine Skalierung von Items
MehrEpidemiologie der spezifischen Phobien
Geisteswissenschaft Marcel Maier Epidemiologie der spezifischen Phobien Studienarbeit - Review Artikel - (benotete Seminararbeit) Epidemiologie der Spezifischen Phobien erstellt von Marcel Maier (SS 2005)
MehrUniversität Koblenz-Landau. Schuld bei Zwangspatienten
Universität Koblenz-Landau UNIVERSITÄT KOBLENZ LANDAU Schuld bei Zwangspatienten Dissertation zur Erlangung des Doktorgrades der Philosophie des Fachbereichs S-Psychologie der Universität Koblenz-Landau,
Mehrerwartete Häufigkeit n=80 davon 50% Frauen fe=40 davon 50% Männer fe=40 Abweichung der beobachteten von den erwarteten Häufigkeiten:
Verfahren zur Analyse von Nominaldaten Chi-Quadrat-Tests Vier-Felder Kontingenztafel Mehrfach gestufte Merkmale Cramers V, Kontingenzkoeffizient, Phi-Koeffizient Muster aller Chi-Quadrat-Verfahren eine
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
Mehr3 Evaluation als Beschreibung von Zuständen
Evaluation als Beschreibung von Zuständen 1 Sind die folgenden Aussagen richtig oder falsch? 1.1 In einer Klumpenstichprobe werden systematisch anfallende Cluster von Personen vollständig untersucht. Die
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrAssoziation & Korrelation
Statistik 1 für SoziologInnen Assoziation & Korrelation Univ.Prof. Dr. Marcus Hudec Einleitung Bei Beobachtung von 2 Merkmalen stellt sich die Frage, ob es systematische Zusammenhänge oder Abhängigkeiten
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrBivariate Kreuztabellen
Bivariate Kreuztabellen Kühnel, Krebs 2001 S. 307-342 Gabriele Doblhammer: Empirische Sozialforschung Teil II, SS 2004 1/33 Häufigkeit in Zelle y 1 x 1 Kreuztabellen Randverteilung x 1... x j... x J Σ
MehrAlternative Darstellung des 2-Stcihprobentests für Anteile
Alternative Darstellung des -Stcihprobentests für Anteile DCF CF Total n 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Bei Gültigkeit der Nullhypothese Beobachtete Response No Response Total absolut
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
MehrZusammenhangsanalyse in Kontingenztabellen
Zusammenhangsanalyse in Kontingenztabellen Bisher: Tabellarische / graphische Präsentation Jetzt: Maßzahlen für Stärke des Zusammenhangs zwischen X und Y. Chancen und relative Chancen Zunächst 2 2 - Kontingenztafel
MehrMultivariate Verfahren
Analyse mehrdimensionaler Häufigkeitstabellen 1 Matthias Rudolf & Johannes Müller Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS Praxisbeispiel zur Analyse mehrdimensionaler
MehrStandardisierte 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
MehrWas ist ein Test? Grundlagen psychologisch- diagnostischer Verfahren. Rorschach-Test
Was ist ein Test? Ein Test ist ein wissenschaftliches Routineverfahren zur Untersuchung eines oder mehrerer empirisch abgrenzbarer Persönlichkeitsmerkmale mit dem Ziel einer möglichst quantitativen Aussage
MehrKontrolle und Aufbereitung der Daten. Peter Wilhelm Herbstsemester 2014
Kontrolle und Aufbereitung der Daten Peter Wilhelm Herbstsemester 2014 Übersicht 1.) Kontrolle und Aufbereitung der Daten Fehlerkontrolle Umgang mit Missing 2.) Berechnung von Skalen- und Summenscores
MehrStandardisierte Testverfahren
Standardisierte Testverfahren Minnesota Multiphasic Personality Inventory (MMPl) Fragebogen zur Persönlichkeitsdiagnostik bzw. zur Erfassung psychischer Auffälligkeiten. Aus den Antworten des Patienten
MehrRETESTRELIABILITÄT. Teststabilität. Korrelation wiederholter Testdurchführungen. Persönlichkeitstests. Stabilität des Zielmerkmals.
Basiert auf RETESTRELIABILITÄT Wird auch genannt Teststabilität Geeignet für Korrelation wiederholter Testdurchführungen Abhängig von beeinflusst Stabilität des Zielmerkmals Persönlichkeitstests Speedtests
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrGrundkurs Statistik für Politologen und Soziologen
Grundkurs Statistik für Politologen und Soziologen Bearbeitet von Uwe W Gehring, Cornelia Weins 5., überarbeitete Auflage 2010. Buch. 345 S. Softcover ISBN 978 3 531 16269 0 Format (B x L): 14,8 x 21 cm
MehrÜbereinstimmung zwischen Beurteilern: Cohens Kappa (ĸ)
Marcus Hammann Janina Jördens Horst Schecker Übereinstimmung zwischen eurteilern: Cohens Kappa (ĸ) ei der uswertung qualitativer Daten, wie etwa ussagen von Lehrkräften in Interviews, Videomitschnitten
MehrDer 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
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
MehrKapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen
Kapitel 5 Wichtige Maßzahlen für den Zusammenhang zwischen Merkmalen 5.1 Darstellung der Verteilung zweidimensionaler Merkmale 5.2 Maßzahlen für den Zusammenhang zweier nominaler Merkmale 5.3 Maßzahlen
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrEmpirische Forschung. Übung zur Vorlesung Kognitive Modellierung. Kognitive Modellierung Dorothea Knopp Angewandte Informatik/ Kognitve Systeme
Empirische Forschung Übung zur Vorlesung Kognitive Modellierung S. 1 Gliederung 1. Was ist empirische Forschung? 2. Empirie Theorie 3. Gütekriterien empirischer Forschung 4. Sammlung von Daten 5. Beschreibung
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Mehr4.2 Grundlagen der Testtheorie
4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
MehrDr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung LogRA. Folie Nr. 1
2.1 Beispiele 2.2 Odds Ratio 2.3 Modell der logistischen Regression 2.3.1 Modellgleichung 2.3.2 Voraussetzungen 2.4 Schätzungen, Tests und Modellgüte 2.4.1 Schätzung der logistischen Regressionskoeffizienten
MehrBivariate Zusammenhänge
Bivariate Zusammenhänge Tabellenanalyse: Kreuztabellierung und Kontingenzanalyse Philosophische Fakultät Institut für Soziologie Berufsverläufe und Berufserfolg von Hochschulabsolventen Dozent: Mike Kühne
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.
MehrGLIEDERUNG Das Messen eine Umschreibung Skalenniveaus von Variablen Drei Gütekriterien von Messungen Konstruierte Skalen in den Sozialwissenschaften
TEIL 3: MESSEN UND SKALIEREN GLIEDERUNG Das Messen eine Umschreibung Skalenniveaus von Variablen Drei Gütekriterien von Messungen Objektivität Reliabilität Validität Konstruierte Skalen in den Sozialwissenschaften
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrBivariate Analyseverfahren
Bivariate Analyseverfahren Bivariate Verfahren beschäftigen sich mit dem Zusammenhang zwischen zwei Variablen Beispiel: Konservatismus/Alter Zusammenhangsmaße beschreiben die Stärke eines Zusammenhangs
MehrStatistische Signifikanz und biologische Relevanz und ihre Visualisierung über Effektstärkemaße
Angewandte Statistik und Informatik in den Biowissenschaften Statistische Signifikanz und biologische Relevanz und ihre Visualisierung über Effektstärkemaße Jörg Schmidtke, Kerstin Schmidt Schnickmannstraße
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrAufgaben zu Kapitel 4
Aufgaben zu Kapitel 4 Aufgabe 1 a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl erinnerter positiver Adjektive. Wie nennt sich eine solche Korrelation und wie lässt sich der Output
MehrDas Rasch-Modell und seine zentralen Eigenschaften
Das Rasch-Modell und seine zentralen Eigenschaften Stella Bollmann Seminar Psychometrische Modelle: Theorie und Anwendungen Institut für Statistik, LMU München München, 27. Mai 2014 Stella Bollmann Das
MehrBivariate Verteilungen
Bivariate Verteilungen Tabellarische Darstellung: Bivariate Tabellen entstehen durch Kreuztabulation zweier Variablen. Beispiel: X Y Student(in) Herkunft Fakultät 0001 Europa Jura 000 Nicht-Europa Medizin
MehrAnalyse von Kontingenztafeln
Analyse von Kontingenztafeln Mit Hilfe von Kontingenztafeln (Kreuztabellen) kann die Abhängigkeit bzw. die Inhomogenität der Verteilungen kategorialer Merkmale beschrieben, analysiert und getestet werden.
MehrScreening für Somatoforme Störungen. Seminar: Testen und Entscheiden Dozentin: Susanne Jäger Referentin: Maria Kortus Datum:
Screening für Somatoforme Störungen Seminar: Testen und Entscheiden Dozentin: Susanne Jäger Referentin: Maria Kortus Datum: 20.01.2010 Überblicksartige Beschreibung Autoren: Winfried Rief, Wolfgang Hiller
MehrStatistical Coaching. Thomas Forstner
Statistical Coaching Thomas Forstner Diagnoseverfahren Allgemein Vergleich: wahrer Befund mit Test (Diagnose) wahrer Befund muss bekannt sein (Goldstandard) 3 Analogie zur Testtheorie 4 Beurteilung von
MehrTEIL 11: BIVARIATE ANALYSE FÜR ORDNINALSKA- LIERTE VARIABLEN
TEIL 11: BIVARIATE ANALYSE FÜR ORDNINALSKA- LIERTE VARIABLEN GLIEDERUNG Verfahren, welche auf dem paarweisen Vergleich beruhen Tau-a-Koeffizient Tau-b-Koeffizient Gamma-Koeffizient Alternativen zum paarweisen
MehrGütekriterien. Gütekriterien. Gütekriterien. Reliabilität Validität. Spezifität. Sensitivität. Praktikabilität.
Reliabilität Validität Sensitivität Spezifität Objektivität Praktikabilität 1 bei quantitativen Studien: Objektivität Durchführung, Auswertung, Interpretation ist unabhängig vom Untersucher Reliabilität
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management
Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)
MehrBiostatistik Erne Einfuhrung fur Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Erne Einfuhrung fur Biowissenschaftler PEARSON Studium Inhaltsverzeichnis Vorwort xi Kapitel 1 Einfiihrung 1 1.1 Biostatistik als Bestandteil biowissenschafllicher
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Das Testen von Hypothesen Während die deskriptive Statistik die Stichproben nur mit Hilfe quantitativer Angaben charakterisiert,
MehrInhaltsverzeichnis Grundlagen aufigkeitsverteilungen Maßzahlen und Grafiken f ur eindimensionale Merkmale
1. Grundlagen... 1 1.1 Grundgesamtheit und Untersuchungseinheit................ 1 1.2 Merkmal oder statistische Variable........................ 2 1.3 Datenerhebung.........................................
MehrBiostatistik. Eine Einführung für Biowissenschaftler
Matthias Rudolf Wiltrud Kuhlisch Biostatistik Eine Einführung für Biowissenschaftler ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City
MehrZusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
MehrMethode der Naturwissenschaften
Methode der Naturwissenschaften Die Naturwissenschaften arbeiten auf der Basis der Empirie. Die empirische Methode bezieht sich auf Phänomene und Wirklichkeiten, die messbar (feststellen, zählen, wiegen,
MehrDr. Barbara Lindemann. Fragebogen. Kolloquium zur Externen Praxisphase. Dr. Barbara Lindemann 1
Dr. Barbara Lindemann Fragebogen Kolloquium zur Externen Praxisphase Dr. Barbara Lindemann 1 Überblick 1. Gütekriterien quantitativer Forschungen 2. Fragebogenkonstruktion 3. Statistische Datenanalyse
MehrPsychologische Diagnostik
Ringvorlesung Einführung in psychologische Grundlagen Wintersemester 2016/2017 Psychologische Diagnostik in Vertretung Prof. Dr. Marcus Roth Ringvorlesung - WS 16/17 1 Definition nach Amelang & Schmidt-Atzert
MehrVon Beta-Kriterien und diagnostischen Trennschärfen: Diagnostische Kriterien der Internetsucht
Von Beta-Kriterien und diagnostischen Trennschärfen: Diagnostische Kriterien der Internetsucht Vortrag auf dem 5. Symposium des Fachverband Medienabhängigkeit 31. Oktober 2014 contact: Kai.mueller@unimedizin-mainz.de
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
Mehr