Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test
|
|
- Fabian Geisler
- vor 6 Jahren
- Abrufe
Transkript
1 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 1 Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Im Folgenden geht es um Unterschiedshypothesen, genauer gesagt um parametrische Unterschiedshypothesen für maximal 2 Gruppen also die sog.»t-tests«. Zunächst öffnen wir unsere Original-Datei elporiginal.sav. t-test für eine Gruppe. Vergleich mit einem Normwert Bezogen auf unsere Studie stellen wir die Frage, ob sich der Mittelwert für den TUG (Timed Up to Go Test) zum Zeitpunkt 0 unserer Stichprobe vom TUG-Normwert dieser Altersgruppe unterscheidet. Der Referenzwert für den TUG liegt für diese Altersgruppe bei 10 Sekunden (Bohannon 2006). In SPSS können Sie die Lösung dieser Fragestellung über das Menü wie folgt angehen: ANALYSIEREN > MITTELWERTE VERGLEICHEN > T-TEST BEI EINER STICHPROBE Auf der erscheinenden Registerkarte klicken Sie die interessierende Variable»TUG 0«(Timed Up to Go Test Zeitpunkt 0) in das Feld»Testvariable«und legen den»testwert«fest. Der»Testwert«ist der MW, gegen den unsere Variable verglichen werden soll. Also in unserem Beispiel der Wert»10«.
2 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 2 SPSS liefert folgendes Ergebnis: Statistik bei einer Stichprobe N Mittelwert Standardabweic hung Standardfehler des Mittelwertes Zeitpunkt ,7573 7, ,10673 In diesem Teil des Outputs sehen Sie die Variable, die Anzahl der Fälle (52), den Mittelwert (31,76), die Standardabweichung (7,98) und den Standardfehler des Mittelwertes (1,11). Test bei einer Stichprobe Testwert = 10 T df Sig. (2-seitig) Mittlere Differenz 95% Konfidenzintervall der Differenz Untere Obere Zeitpunkt 0 19,659 51,000 21, , ,9792 Teil 2 des Outputs liefert dann die gewünschte Statistik. Die Differenz zwischen dem Testwert (10) und unserem MW (31,76) ist signifikant (T=19,66, df = 51, p=0.000). Die mittlere Differenz beträgt 21,76 Sekunden (95% KI: 19,54-23,98 Sek). TIPP: Ihnen ist bestimmt aufgefallen, dass im obigen Beispiel die Testvariable nur schwer auszuwählen war. Das liegt daran, dass SPSS in der Grundeinstellung die»labels«der Variablen anzeigt. Wir empfehlen, dies wie folgt zu ändern: BEARBEITEN > OPTIONEN Hier kreuzen Sie»Namen anzeigen«an, und schon erscheinen in den Registerkarten die»kurzen«variablen Namen und nicht mehr die langen»labels«
3 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 3 t-test für zwei verbundene Stichproben (der abhängige t-test) Kommen wir zum nächsten Beispiel: In unserer Studie ELP vs Standard möchten wir wissen, ob sich die Gruppe Standard vom Messzeitpunkt T0 (vor der Intervention) zum Messzeitpunkt T1 (nach der Intervention) im TUG verbessert hat. Beim abhängigen t-test vergleichen wir zwei Messvariablen. In unserem Beispiel sind dies die Variablen tug0 und tug1 der Gruppe»Standard«. Prüfen wir zunächst die Voraussetzungen für den t-test. Dazu schauen wir uns die Variablen im Detail an. Achtung: Da wir die Messvariablen nur für die Subgruppe»Standard«testen wollen, unser Datensatz unter den Variablen tug0 und tug1 aber die Werte der Gesamtgruppe enthält, müssen wir noch eine vorbereitende Maßnahme treffen. Wir müssen einen»filter«setzen, der die momentan nicht benötigten Fälle (also die Probanden der Gruppe»ELP«) vorübergehend deaktiviert. Dazu gehen wir wie folgt vor: DATEN > FÄLLE AUSWÄHLEN > FALLS BEDINGUNG ZUTRIFFT gruppe = 0 Nun haben wir für die weiteren Analysen nur die Probanden der Gruppe»Standard«(gruppe=0) ausgewählt. Jetzt können wir prüfen, ob die die Voraussetzungen zur Anwendung des t-tests gegeben sind. Wir wählen hierzu die explorative Datenanalyse ANALYSIEREN > DESKRIPTIVE STATISTIK > EXPLORATIVE DATENANALYSE Als abhängige Variablen wählen wir»tug0«und»tug1«aus. Um die Daten auf Normalverteilung zu prüfen, wählen wir unter»diagramme«die Option»Normalverteilungsdiagramm mit Tests«aus. SPSS gibt nun folgenden Output:
4 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 4 Deskriptive Statistik Statistik Standardfehler Zeitpunkt 0 Zeitpunkt 1 Mittelwert 95% Konfidenzintervall des Mittelwerts 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis Mittelwert Untergrenze 95% Konfidenzintervall des Mittelwerts Obergrenze 5% getrimmtes Mittel Median Varianz Standardabweichung Minimum Maximum Spannweite Interquartilbereich Schiefe Kurtosis 29, , , , , ,126 9, ,48 49,88 34,40 13,53,552 -,293 24, , , , , ,256 9, ,08 49,54 39,46 13,49,915,599 1,86682,464,902 1,98248,464,902 Der erste Teil zeigt neben der deskriptiven Statistik Schiefe und Kurtosis beider Variablen. Im Teil 2 bietet SPSS noch den Kolmogorov-Smirnov- und den Shapiro-Wilk-Test zur Prüfung auf Normalverteilung an. Der Shapiro-Wilk-Test wird für kleinere Stichproben (n<50) verwendet. Beide testen die H0, dass es keinen Unterschied zwischen der empirischen Verteilung und der Normalverteilung gibt. Relevant für die Interpretation der Tests ist also die Angabe der»signifikanz«. Je kleiner dieser Wert ist, desto unwahrscheinlicher ist eine Normalverteilung. Wenn SPSS hier.000 ausgibt, ist das ein Hinweis darauf, dass keine Normalverteilung vorliegt. Allerdings sind die Tests für große Stichproben wenig aussagekräftig, da schon kleine Abweichungen von der Normalverteilung in einem signifikanten Test resultieren. Für unsere Daten sieht die Analyse aber gut aus, wir können von einer Normalverteilung ausgehen.
5 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 5 Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz Zeitpunkt 0 Zeitpunkt 1,121 25,200 *,961 25,426,143 25,200 *,939 25,143 * Dies ist eine untere Grenze der echten Signifikanz. a Signifikanzkorrektur nach Lilliefors Nun können wir den unabhängigen t-test durchführen. ANALYSIEREN > MITTELWERTE VERGLEICHEN > T-TEST BEI VERBUNDENEN STICHPROBEN Die gewünschten Variablen, in unserem Fall tug0 und tug1, klicken wir einfach in die entsprechenden Felder.
6 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 6 Es resultiert der Output: Statistik bei gepaarten Stichproben Mittelwert N Standardabweic hung Standardfehler des Mittelwertes Paaren 1 Zeitpunkt 0 Zeitpunkt 1 29, , , , , ,98248 Korrelationen bei gepaarten Stichproben Paaren 1 Zeitpunkt 0 & Time up to go Test Zeitpunkt 1 N Korrelation Signifikanz 25,879,000 Mittelwert Test bei gepaarten Stichproben Gepaarte Differenzen Standardabweichung Standardfehler des Mittelwertes 95% Konfidenzintervall der Differenz Untere Obere T df Sig. (2-seitig) Paaren 1 tug 0 5, ,77000, , , ,223 24,000 tug1 Im ersten Teil des Outputs erkennen Sie MW und SD beider Messzeitpunkte. So gewinnen Sie einen ersten Eindruck über die erzielten Veränderungen. Der zweite Teil zeigt die Korrelation beider Messungen. In unserem Fall lässt es sich ungefähr so übersetzen:»wie ähnlich war die Performance zu Messzeitpunkt 1 und 2?«. In Kapitel 8 erfahren Sie mehr zu»korrelationen«. Günstig für unsere Hypothese ist, dass die Korrelation sehr hoch und signifikant ist (r=0,879; p=0,000). Der letzte Teil liefert schließlich die Informationen zu unserem Test. Sie erkennen: Im MW unterscheiden sich die Probanden der Gruppe Standard im TUG-Test von T0 zu T1 um 5,94 Sekunden (SD 4,77,) der Unterschied ist signifikant (T=6,223, df=24, p=0,000).
7 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 7 Achtung: Um den folgenden t-test für zwei unabhängige Stichproben durchführen zu können, müssen wir zunächst die Auswahl»gruppe=0«wieder aufheben. t-test für zwei unabhängige Stichproben (der unabhängige t-test) Die diesbezügliche Fragestellung unserer Studie ELP vs Standard ist, ob sich die Mobilität unserer Patienten durch interdisziplinäre Therapie stärker verbessert als mit Standardtherapie. Die Mobilität haben wir mit dem TUG jeweils vor und nach drei Monaten gemessen. Die Variable tugdif beschreibt die Differenz zwischen beiden Messzeitpunkten. Wir haben sie berechnet, indem wir den Wert tug0 vom Wert tug1 subtrahiert haben (tugdif = tug1 tug0). Dies ist notwendig, da wir für den unabhängigen t-test eine Messvariable und eine gruppierende Variable benötigen. Zunächst prüfen wir die Voraussetzungen zur Anwendung des unabhängigen t-tests: Da die Gruppen»ELP«und»Standard«unabhängig sind jeder Patient ist nur einer Gruppe zugeordnet, ist die erste Voraussetzung für den unabhängigen t-test erfüllt. Desweiteren ist die Variable tugdif ratioskaliert. Analog zum Beispiel des abhängigen t-tests müssen wir noch die Normalverteilung der Variablen tugdif für die Gruppe ELP und die Gruppe Standard prüfen. Dazu gehen wir analog zum obigen Beispiel vor (explorative Datenanalyse). Die abhängige Variable ist die Messvariable»tugdif«, die Faktorenliste die gruppierende Variable»gruppe«.
8 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 8 SPSS liefert folgenden Ausdruck: Gruppe Verarbeitete Fälle Fälle Gültig Fehlend Gesamt N Prozent N Prozent N Prozent Differenz Standard ELP ,0% 100,0% 0 0 0,0% 0,0% ,0% 100,0% Tests auf Normalverteilung Differenz Gruppe Standard ELP Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz,121, ,200*,200*, ,810,885 * Dies ist eine untere Grenze der echten Signifikanz. a Signifikanzkorrektur nach Lilliefors Sie sehen: Für beide Gruppen ist die Variable»tugdif«normalverteilt (KS Test p=0.2). Die Boxplot-Grafik, die SPSS automatisch liefert, zeigt uns auch schon, dass es einen deutlichen Unterschied zwischen beiden Gruppen gibt. Aber ist der Unterschied auch statistsich signifikant? Schauen wir uns den unabhängigen t-test einmal an: Wie schon oben erwähnt, benötigen wir für den unabhängigen t-test eine Messvariable (hier: tugdif) und eine gruppierende Variable (hier: gruppe). ANALYSIEREN > MITTELWERTE VERGLEICHEN > T-TEST BEI UNABHÄNGIGEN STICHPROBEN
9 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 9 Unter dem Button»Gruppen definieren«müssen wir SPSS sagen, dass es die Gruppen»0«und»1«gibt. Dann können wir»ok«klicken. Hier nun das Ergebnis: Gruppenstatistiken Gruppe N Mittelwert Standardabweic hung Standardfehler des Mittelwertes Differenz Standard ELP , ,5319 4, ,46366,95400,66658 Nach der Intervention verringert sich die Zeit für den TUG in der Gruppe ELP (n=27) im Mittel um 12,53 (SD 3,46) Sekunden und für die Gruppe Standard (N=25) um 5,94 Sekunden (SD 4,77). Test bei unabhängigen Stichproben LeveneTest der T-Test für die Mittelwertgleichheit Varianzgleichheit F Signifikanz T df Sig. (2- seitig) Mittlere Standardfehler Differenz der Differenz 95% Konfidenzintervall der Differenz Untere Obere Differenz Varianzen Time up to sind gleich go Test Varianzen sind nicht gleich 3,655,062 5,736 50,000 6, , , , ,667 43,569,000 6, , , ,94121 Teil 2 des Outputs zeigt uns: Der Unterschied zwischen beiden Gruppen betrug 6,59 Sekunden (95% KI 4,28-8,9 Sekunden) und ist mit t 43 = 5,67, p = 0,000 signifikant.
10 Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 10 Hinweis: SPSS gibt Statistiken für zwei statistische Tests: den t-test und den Levene-Test. Der Levene-Test prüft zunächst die Gleichheit der Varianzen der Messvariablen (hier: tugdif) für beide Gruppen. Dies ist eine weitere Voraussetzung für die Durchführung des t-tests. In unserem Beispiel zeigt der p-wert im Feld»Signifikanz«ein marginal signifikantes Ergebnis (p=0.062). D. h., wenn wir konservativ sind, müssen wir davon ausgehen, dass die Varianzen inhomogen sind. Dies wiederum bedeutet, dass wir beim t-test besonders auf die Werte in der Zeile»Varianzen sind nicht gleich«achten sollten. SPSS korrigiert auf diese Weise eigenständig die Verletzung der Varianzhomogenität. Literatur: Bohannon RW (2006) Reference values for the Timed Up and Go Test: A descriptive Metaanalysis. Journal of Geriatric Physical Therapy 29:64-8
SPSS III Mittelwerte vergleichen
SPSS III Mittelwerte vergleichen A Zwei Gruppen ------------ Zwei-Stichproben t-test Beispieldatei: Seegräser Fragestellung: Unterscheidet sich die Anzahl der Seegräser in Gebieten mit und ohne Seeigelvorkommen
MehrHäufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche
Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrSPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben
SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben ÜBERSICHT: Testverfahren bei abhängigen (verbundenen) Stichproben parametrisch nicht-parametrisch 2 Gruppen t-test bei verbundenen
MehrEinführung 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
MehrSignifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil 1-
SPSSinteraktiv Signifikanztests (Teil ) - - Signifikanztests zur Prüfung von Unterschieden in der zentralen Tendenz -Teil - t-test bei einer Stichprobe - SPSS-Output Der t-test bei einer Stichprobe wird
MehrGeschlecht + Anfangsgehalt. T-Test für das Anfangsgehalt Gruppenstatistiken. Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3
Der SPSS Output der aktuellen Computerübung zum Aufgabenblatt 3 Geschlecht + Anfangsgehalt 14000 399 403 7000 12000 335 Anfangsgehalt 10000 8000 6000 4000 2000 N = 28 63 185 291 227 52 215 158 88 284 193
MehrStandardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag
MehrEvaluation der Normalverteilungsannahme
Evaluation der Normalverteilungsannahme. Überprüfung der Normalverteilungsannahme im SPSS P. Wilhelm; HS SPSS bietet verschiedene Möglichkeiten, um Verteilungsannahmen zu überprüfen. Angefordert werden
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 2C a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
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
MehrWeitere (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
MehrAnhang A: Fragebögen und sonstige Unterlagen
Anhang Anhang A: Fragebögen und sonstige Unterlagen A.: Flyer zur Probandenrekrutierung 46 A.: Fragebogen zur Meditationserfahrung 47 48 A.3: Fragebogen Angaben zur Person 49 5 5 A.4: Termin- und Einladungsschreiben
MehrKapitel 3: Der t-test
Kapitel 3: Der t-test Durchführung eines t-tests für unabhängige Stichproben 1 Durchführung eines t-tests für abhängige Stichproben 4 Durchführung eines t-tests für eine Stichprobe 6 Vertiefung: Vergleich
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel
MehrBonus-Lektion: Prüfung der Voraussetzungen und Transformationen
Seite 1 von 8 Bonus-Lektion: Prüfung der Voraussetzungen und Transformationen Ziel dieser Lektion: Du weißt, wie Du die einzelnen Voraussetzungen für die Signifikanztests und komplexeren Modelle prüfen
MehrKlausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin. Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrStatistik. 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
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen. Wir besprechen hier die zwei in Kapitel 1.1 thematisierten
MehrStatistik 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
MehrPrüfung & Tutorium. Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt. Anmeldung in UNIVIS vom Juni
Prüfung & Tutorium Der 1. Prüfungstermin findet am 27. Juni 2011 um 10h im Audimaxstatt Anmeldung in UNIVIS vom 14.-22. Juni Die Prüfung wird aus 30 Multiple Choice Fragen(5 Antwortalternativen, 1-3 Richtige)
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrÜbersicht über verschiedene Signifikanztests und ihre Voraussetzungen
SPSSinteraktiv von Signifikanztests - 1 - Übersicht über verschiedene Signifikanztests und ihre Verfahren zur Überprüfung von Unterschieden in der zentralen Tendenz Unterschieden werden können Testsituationen
MehrStatistik 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
MehrStatistik 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
MehrErgebnisse der testpsychologischen Untersuchungen für das zweite Halbjahr 2013
Ergebnisse der testpsychologischen Untersuchungen für das zweite Halbjahr 2013 Hintergrund: Seit 2012 führen wir zu Beginn und zum Ende der Behandlung bei allen Patienten eine testpsychologische Untersuchung
MehrVarianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)
Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe
MehrBitte am PC mit Windows anmelden!
Einführung in SPSS Plan für heute: Grundlagen/ Vorwissen für SPSS Vergleich der Übungsaufgaben Einführung in SPSS http://weknowmemes.com/generator/uploads/generated/g1374774654830726655.jpg Standardnormalverteilung
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Streudiagramme SPSS bietet die Möglichkeit, verschiedene Arten von Streudiagrammen zu zeichnen. Gehen Sie auf Grafiken Streu-/Punkt-Diagramm und wählen Sie die Option Einfaches
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:
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
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
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrDie ungeliebten Verwandten: nicht-parametrische Alternativen
1.1.1. Die ungeliebten Verwandten: nicht-parametrische Alternativen 1.1.1.1. Was zur Hölle? Ted richtet seine Waffe auf Dr. Bob Kelso: Nein, Bob! Das werde ich nicht tun! Nicht nach all dem, was ich durchmachen
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrStatistische Auswertung (Signifikanzen) Projekt: Evaluation der Langzeitauswirkung des Imago Paartherapie Workshops
Auswertung: Irina Zamfirescu Auftraggeber: Mag. Klaus Brehm Statistische Auswertung (Signifikanzen) Projekt: Evaluation der Langzeitauswirkung des Imago Paartherapie Workshops Fragestellung: Wirkt sich
MehrAngewandte 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
MehrJost Reinecke. 7. Juni 2005
Universität Bielefeld 7. Juni 2005 Testtheorie Test für unabhängige Stichproben Test für abhängige Stichproben Testtheorie Die Testtheorie beinhaltet eine Reihe von Testverfahren, die sich mit der Überprüfung
MehrTESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Reliabilität 1. Überblick 2. Berechnung
Mehr1.6 Der Vorzeichentest
.6 Der Vorzeichentest In diesem Kapitel soll der Vorzeichentest bzw. Zeichentest vorgestellt werden, mit dem man Hypothesen bezüglich des Medians der unabhängig und identisch stetig verteilten Zufallsvariablen
MehrSitzung 4: Übungsaufgaben für Statistik 1
1 Sitzung 4: Übungsaufgaben für Statistik 1 Aufgabe 1: In einem Leistungstest werden von den Teilnehmern folgende Werte erzielt: 42.3; 28.2; 30.5, 32.0, 33.0, 38.8. Geben Sie den Median, die Spannweite
Mehr1.8 Kolmogorov-Smirnov-Test auf Normalverteilung
1.8 Kolmogorov-Smirnov-Test auf Normalverteilung Der Kolmogorov-Smirnov-Test ist einer der klassischen Tests zum Überprüfen von Verteilungsvoraussetzungen. Der Test vergleicht die Abweichungen der empirischen
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
Mehr1.1. Vergleich von Mittelwerten
1.1. Vergleich von Mittelwerten 1.1.1. Eine glückliche Familie: Die t-tests Die einfachsten inferenzstatistischen Verfahren sind die t-tests. Bei ihnen dreht sich alles um Mittelwerte und die Frage: Sind
MehrTest auf den Erwartungswert
Test auf den Erwartungswert Wir interessieren uns für den Erwartungswert µ einer metrischen Zufallsgröße. Beispiele: Alter, Einkommen, Körpergröße, Scorewert... Wir können einseitige oder zweiseitige Hypothesen
MehrBeschreibende Statistik Deskriptive Statistik. Schließende Statistik Inferenzstatistik. Schluss von der Stichprobe auf die Grundgesamtheit
Beschreibende Statistik Deskriptive Statistik Schließende Statistik Inferenzstatistik Beschreibung der Stichprobe Schluss von der Stichprobe auf die Grundgesamtheit Keine Voraussetzungen Voraussetzung:
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 13 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
MehrEinfache statistische Testverfahren
Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrKapitel 5 FRAGESTELLUNG 1. Öffne die Datei alctobac.sav.
Kapitel 5 FRAGESTELLUNG 1 Öffne die Datei alctobac.sav. Zuerst werden wir ein Streudiagramm erstellen, um einen grafischen Überblick von diesem Datensatz zu erhalten. Gehe dazu auf Grafiken / Streudiagramm
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
Mehr3. Deskriptive Statistik
3. Deskriptive Statistik Eindimensionale (univariate) Daten: Pro Objekt wird ein Merkmal durch Messung / Befragung/ Beobachtung erhoben. Resultat ist jeweils ein Wert (Merkmalsausprägung) x i : - Gewicht
MehrSchätzen 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
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrTestklausur(1) Mathematik III, Teil Statistik
Ernst-Abbe-ochschule Jena FB Grundlagenwissenschaften Testklausur() Mathematik III, Teil Statistik Tag der Prüfung Bearbeitungszeit: Studiengang: Name: Zugelassene ilfsmittel: 45 Minuten MT Ma Matrikel-Nr.
Mehr(VU) Übungen zur Einführung in die statistische Datenanalyse II. Inhalte Statistik I. Inhalte Statistik I Deskriptive Statistik
II Übungen zur II Organisatorische Hinweise Keine Anwesenheitspflicht (aber empfehlenswert) Einführung in die statistische Datenanalyse II (VU) Lehrinhalte (.ppt Folien): elearning.univie.ac.at 3 Prüfungstermine:
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen - Inferenzstatistik 1 [Übungsaufgaben und Lösungenn - Inferenzstatistik 1] ÜBUNGSAUFGABEN
MehrAlte 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
MehrTest 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 =
MehrHerzlich willkommen zum Thema SPSS
Herzlich willkommen zum Thema SPSS (SUPERIOR PERFORMING SOFTWARE SYSTEM) Qualitative und quantitative Forschungsmethoden Qualitative Methoden: Qualitative Verfahren werden oft benutzt, wenn der Forschungsgegenstand
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrBefehl: 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
MehrBrückenkurs 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
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
MehrSPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests. H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab.
SPSS IV Gruppenvergleiche (>2 Gruppen) A priori & post hoc-tests A parametrisch -- ANOVA Beispieldatei: Seegräser_ANOVA H0: Die mittlere Anzahl der Seegräser (µ) hängt nicht von der Seeigel menge ab. µ
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Streudiagramme 1 Korrelationen 3 Lineare Regression 6 Zusammenhang zwischen Korrelation, Regression und t-test 8 Streudiagramme SPSS bietet die Möglichkeit, verschiedene
MehrGrundlagen der Versuchsmethodik, Datenauswertung und -visualisierung
Grundlagen der Versuchsmethodik, Datenauswertung und -visualisierung Sommersemster 007 Analyse und Modellierung von Blickbewegungen Veranstalter: Hendrik Koesling Grundlagen der Versuchsmethodik, Datenauswertung
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
Mehrlibrary(lattice) source(file.path(pfadu, "proben.r")) form = read.table(file.path(pfadu, "bet.txt")) e.df = read.table(file.path(pfadu, "e.
library(lattice) source(file.path(pfadu, "proben.r")) form = read.table(file.path(pfadu, "bet.txt")) e.df = read.table(file.path(pfadu, "e.txt")) 1. SE (Standard Error) und Konfidenzintervall (Siehe Vorlesung,
MehrSchließende Statistik
Schließende Statistik Die schließende Statistik befasst sich mit dem Rückschluss von einer Stichprobe auf die Grundgesamtheit (Population). Die Stichprobe muss repräsentativ für die Grundgesamtheit sein.
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
Mehr» 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
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrStatistik für Ökonomen
Wolfgang Kohn Riza Öztürk Statistik für Ökonomen Datenanalyse mit R und SPSS 2., überarbeitete Auflage 4ü Springer Gabler Inhaltsverzeichnis Teil I Einführung 1 Kleine Einführung in R '! 3 1.1 Installieren
Mehr