Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
|
|
- Busso Schumacher
- vor 6 Jahren
- Abrufe
Transkript
1 Arbeitsblatt SPSS Kapitel 8 Seite Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon aus, dass Sie die Datei elporiginal.sav geöffnet haben. Dann kann es losgehen: Durch ein Streudiagramm (engl.»scatter«) können Sie den Zusammenhang zwischen zwei Variablen visualisieren. Folgendes Diagramm zeigt den Zusammenhang zwischen dem Alter und der Zeit, die für den TUG-Test benötigt wird, zum Zeitpunkt 0. Diagramme > Veraltete Dialogfelder > Streu/Punktdiagramm > einfaches Streudiagramm > definieren Wir haben das Alter auf die x-achse gesetzt und den TUG-Test auf die y-achse (das können Sie natürlich auch andersherum machen). Es gibt noch viele Optionen, welche die Grafik»schöner«machen würden. Hier reicht uns aber erst einmal die einfache Variante. So sieht die Grafik dann aus:
2 Arbeitsblatt SPSS Kapitel 8 Seite 2 Tendenziell ist zu erkennen, dass ältere Patienten mehr Zeit für den TUG-Test benötigen, also langsamer sind. Nun kommen wir zu einem einfachen Beispiel einer Korrelation zwischen zwei intervallskalierten Variablen: Pearsons Produkt-Moment-Korrelation Wir wollen untersuchen, ob es einen Zusammenhang gibt zwischen dem Alter der Probanden und den Ausgangswerten des»timed Up and Go» Tests (tug0). Da alle Voraussetzungen erfüllt sind (s. Buch) und das Streudiagramm auf einen positiven Zusammenhang hindeutet (s. oben), können wir den Test durchführen. Analysieren > Korrelation > Bivariat Die Variablen»tug0» und»alter«klicken Sie in das Variablenfenster. Bei den Korrelationskoeffizienten klicken Sie auf»pearson».
3 Arbeitsblatt SPSS Kapitel 8 Seite 3 Der Ausdruck zeigt eine Korrelation von r=0.492 mit einer Signifikanz von p= Die Messwerte der Variablen»alter«und»tug0» weisen somit einen moderaten, aber höchstsignifikanten positiven Zusammenhang auf. Je älter die Probanden sind, desto länger brauchen sie für den TUG-Test. Korrelationen Time up to go Test Zeitpunkt 0 Alter in Jahren Time up to go Test Zeitpunkt 0 Korrelation nach Pearson Signifikanz (2-seitig) N,492**,000 Korrelation nach Pearson,492** Alter in Jahren Signifikanz (2-seitig),000 N ** Die Korrelation ist auf dem Niveau von 0,0 (2-seitig) signifikant.
4 Arbeitsblatt SPSS Kapitel 8 Seite 4 Rangkorrelation nach Spearman Um Zusammenhänge von ordinalskalierten Messwerten zweier Variablen X und Y oder auch nicht-lineare, aber monotone Zusammenhänge zu untersuchen, verwenden wir nicht-parametrische Verfahren. Ein häufig verwendetes Verfahren ist die Rangkorrelation nach Spearman. Hier unser Beispiel aus dem Buch: Wir wollen untersuchen, ob es einen Zusammenhang zwischen der sportlichen Aktivität der Probanden vor dem Schlaganfall (Variable»sport«) und der Verbesserung der Unabhängigkeit in den Aktivitäten des täglichen Lebens (Variable»bartdif«) gibt. Beide Variablen»sport«und»bartdif«sind ordinalskaliert. Das Streudiagramm sieht wie folgt aus: Diagramme > Veraltete Dialogfelder > Streu/Punktdiagramm > einfaches Streudiagramm > definieren Für die x-achse definieren wir»bartdif«und für die y-achse»sport«. Der Unterschied zum Streudiagramm zweier intervallskalierter Variablen (z. B. tug0/alter) ist offensichtlich. Eine Erklärung des Streudiagramms finden Sie im Buch. In einem solchen Fall verwenden wir statt des Pearson-Tests die sog. Rangkorrelation nach Spearman. Das Vorgehen ist sehr einfach und entspricht dem Vorgehen beim Pearson-Test. Sie müssen das Häkchen nur bei»spearman«setzen:
5 Arbeitsblatt SPSS Kapitel 8 Seite 5 Analysieren > Korrelation > Bivariat Hier wiederum das Ergebnis: Korrelationen Differenz im Barthelindex sportliche Betätigung Spearman-Rho Differenz im Barthelindex sportliche Betätigung Korrelationskoeffizient Sig. (2-seitig) N Korrelationskoeffizient Sig. (2-seitig) N,000.,66**,000,66**,000,000. ** Die Korrelation ist auf dem 0,0 Niveau signifikant (zweiseitig). Sie sehen: Es gibt einen höchstsignifikanten starken positiven Zusammenhang zwischen der sportlichen Aktivität vor dem Schlaganfall und der Verbesserung der Unabhängigkeit in den Aktivitäten des täglichen Lebens mit r s = 0,66, n=, p = Je häufiger sich die Probanden vor dem Schlaganfall sportlich betätigt haben, desto stärker war ihre Verbesserung in den ADL nach der Intervention.
6 Arbeitsblatt SPSS Kapitel 8 Seite 6 Korrelationskoeffizient für nominalskalierten Variablen: Cramers V Der Chi 2 -Test, den Sie schon in Kap. 7 kennengelernt haben, wird auch verwendet, um Zusammenhangshypothesen zu testen, und heißt dann Chi 2 -Unabhängigkeitstest. Es wird getestet, ob zwei Variablen nicht miteinander zusammenhängen, also unabhängig voneinander sind (Eid et al. 203). Die Berechnung der Prüfgröße Chi 2 erfolgt analog zum dem in Kap. 7 dargestellten Vorgehen. Aus der Prüfgröße Chi 2 wird das Zusammenhangsmaß Cramers V berechnet. Die Fragestellung aus dem Buch: Wir wollen untersuchen, ob es einen Zusammenhang zwischen dem Geschlecht eines Probanden und dem Vorhandensein einer Aphasie vor Beginn der Intervention gibt. Dazu prüfen wir zunächst die Voraussetzungen für die Berechnung des Chi 2 -Wertes (s. Buch). In SPSS kann man das ganz einfach über die Kreuztabellen testen: Analysieren > Deskriptive Statistiken > Kreuztabellen
7 Arbeitsblatt SPSS Kapitel 8 Seite 7 Bei»Statistiken«klicken wir»chi-quadrat«und»phi und Cramer V«an Hier wiederum das Ergebnis: Geschlecht * Aphasie zum Zeitpunkt 0 Kreuztabelle Aphasie zum Zeitpunkt 0 Gesamt keine Aphasie Aphasie Geschlecht Gesamt weiblich männlich Anzahl Erwartete Anzahl % innerhalb von Aphasie zum Zeitpunkt 0 Anzahl Erwartete Anzahl % innerhalb von Aphasie zum Zeitpunkt 0 Anzahl Erwartete Anzahl % innerhalb von Aphasie zum Zeitpunkt 0 6 6,2 57,% 2,8 42,9% 28 28,0 00,0% 4 3,8 58,3% 0 0,2 4,7% 24 24,0 00,0% 30 30,0 57,7% 22 22,0 42,3%,0 00,0%
8 Arbeitsblatt SPSS Kapitel 8 Seite 8 Chi-Quadrat-Tests Wert df Asymptotische Signifikanz (2-seitig) Exakte Signifikanz (2-seitig) Exakte Signifikanz (-seitig) Chi-Quadrat nach Pearson Kontinuitätskorrektur b,008 a,000,93,000 Likelihood-Quotient,008,93 Exakter Test nach Fisher,000,578 Zusammenhang linear-mit-,007,932 linear Anzahl der gültigen Fälle a 0 Zellen (0,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 0,5. b Wird nur für eine 2x2-Tabelle berechnet Symmetrische Maße Wert Nominal-bzgl. Nominalmaß Phi -,02,02 Cramer-V Anzahl der gültigen Fälle Näherungsweis e Signifikanz,93,93 In der unteren Zeile der Kreuztabelle (erste Tabelle) sind jeweils die erwarteten Häufigkeiten angezeigt (vgl. Buch). Sie sehen: Sowohl der Chi-Quadrat als auch Cramers V zeigen, dass es zum Zeitpunkt 0 keinen signifikanten Zusammenhang zwischen dem Vorliegen einer Aphasie und dem Geschlecht gibt (Cramer-V = -0.02, p=0.93).
9 Arbeitsblatt SPSS Kapitel 8 Seite 9 Korrelation von metrisch skalierten mit dichotomen Variablen (der punktbiseriale und der biseriale Korrelationskoeffizient) Sehen wir uns unser Beispiel aus dem Buch genauer an: Es soll die Frage untersucht werden, ob es einen Zusammenhang zwischen dem Alter der Probanden und dem Auftreten einer Aphasie zum Zeitpunkt T0 gibt. Die Messwerte der Variablen Alter sind metrisch skaliert, die der Variablen Aphasie vor der Intervention nominal mit zwei Ausprägungen. Es handelt es sich bei der Variablen aph0 also um ein dichotomes (hier: binäres) Merkmal. Der punktbiseriale Korrelationskoeffizient wird berechnet, wenn Sie eine von sich aus dichotome Variable mit einer metrischen Variablen korrelieren möchten. SPSS bietet leider keine Möglichkeit, den punktbiserialen Korrelationskoeffizienten zu berechnen. Allerdings gilt: Wenn die beiden Merkmalsausprägungen der dichotomen Variablen mit 0 und kodiert sind, dann (nur dann!) ist der punktbiseriale Korrelationskoeffizient identisch mit Pearsons r. Wir können unsere Frage also mit Hilfe des Pearson r beantworten. In SPSS gehen wir dazu wie folgt vor: Analysieren > Korrelation > Bivariat Bringen Sie die metrische Variable (alter) und die mit 0 und kodierte dichotome Variable (aph0) jeweils in das Feld»Variablen«und klicken schließlich unter»korrelationskoeffizientenpearson«an. Hier der Output: Korrelationen Alter in Jahren Aphasie zum Zeitpunkt 0 Alter in Jahren Aphasie zum Zeitpunkt 0 Korrelation nach Pearson Signifikanz (2-seitig) N Korrelation nach Pearson Signifikanz (2-seitig) N,204,48,204,48
10 Arbeitsblatt SPSS Kapitel 8 Seite 0 Sie sehen: Zwischen den Messwerten der Variablen»alter«und»aph0«gibt es einen moderaten, positiven Zusammenhang mit r = 0,204. Der Zusammenhang ist jedoch nicht signifikant (p=0,48). Kommen wir nun zum biserialen Korrelationskoeffizienten: Der biseriale Korrelationskoeffizient wird berechnet, wenn Sie eine nachträglich dichotomisierte Variable, die ursprünglich metrisch und normalverteilt war, mit einer metrischen Variable korrelieren wollen. Leider bietet SPSS auch keine Möglichkeit, den biserialen Korrelationskoeffizienten direkt zu berechnen. Alternativen sind das Richtungsmaß»Eta«und das»somers d«. Das»Eta«kann berechnet werden, wenn Sie eine nominale, ordinale oder klassifizierte metrische Variable mit einer metrisch skalierten Variablen korrelieren wollen. Wenn dabei die nominale, ordinale oder klassifizierte metrische Variable (also die Gruppierungsvariable) dichotom oder dichotomisiert ist, entspricht das Richtungsmaß»Eta«dem biserialen Korrelationskoeffizienten. Für die Größe des Zusammenhangs gibt Cohen (988) folgende»faustregel«: Eta < 0,0 = kein Zusammenhang; Eta zwischen 0,0 und 0,04 = geringer Zusammenhang; Eta zwischen 0,04 und 0,6 = mittlerer Zusammenhang; Eta > 0,6 = großer Zusammenhang. Eine weitere Alternative ist das Somers d. Den Zusammenhang zwischen der biserialen Korrelation und»somers d«hat Newson (2008) beschrieben. Das Eta und das Somers d werden in SPSS unter Analysieren --> Deskriptive Statistiken --> Kreuztabellen --> Statistik angeboten.
11 Arbeitsblatt SPSS Kapitel 8 Seite
12 Arbeitsblatt SPSS Kapitel 8 Seite 2 Hier der Output der Richtungsmaße: Richtungsmaße Ordinal-bzgl. Ordinalmaß Nominal-bzgl. Intervallmaß Somersd Eta Symmetrisch Alter in Jahren abhängig Aphasie zum Zeitpunkt 0 abhängig Alter in Jahren abhängig Aphasie zum Zeitpunkt 0 abhängig Wert,53,223,7,204,728 Asymptotischer Näherungsweises Näherungsweise Standardfehler a T b Signifikanz,07,56,08,432,432,432,,, a. Die Null-Hypothese wird nicht angenommen. b. Unter Annahme der Null-Hypothese wird der asymptotische Standardfehler verwendet. Sie sehen: Die Richtungsmaße Somers d und Eta zeigen einen starken (Somers d=0,223, Eta=0,204), aber nicht-signifikanten Zusammenhang (p=0.) zwischen dem Alter der Probanden und der Aphasie zum Zeitpunkt 0. Literatur: Cohen J (988) Statistical Power Analysis for the Behavioral Sciences, 2. Aufl. Lawrence Erlbaum, Hillsdale Eid M, Gollwitzer M, Schmitt M (203) Statistik und Forschungsmethoden, 3. Aufl. Beltz, Weinheim Newson R (2008) Identity of Somers' D and the rank biserial correlation coefficient. Zugegriffen: 23. Februar 205
Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
Schäfer A & Schöttker-Königer T, Statistik für (2015) Arbeitsblatt 1 STATA Kapitel 8 Seite 1 Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon
Mehrentschieden hat, obwohl die Merkmalsausprägungen in der Grundgesamtheit voneinander abhängig sind.
Bsp 1) Die Wahrscheinlichkeit dafür, dass eine Glühbirne länger als 200 Stunden brennt, beträgt 0,2. Wie wahrscheinlich ist es, dass von 10 Glühbirnen mindestens eine länger als 200 Stunden brennt? (Berechnen
MehrUnterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
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
MehrMaster: Quantitative Methoden
Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@th-koeln.de Master: Quantitative Methoden Alte Klausuren Aufgabe (06.07.2016)
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
MehrLösungen zum Aufgabenblatt 2: Bivariate Kreuztabellen mit nominalem Messniveau
Lösungen zum Aufgabenblatt 2 1 Lösungen zum Aufgabenblatt 2: Bivariate Kreuztabellen mit nominalem Messniveau Nach dem Laden des Datensatzes (G:\DATEN\METH2\DATEN\EUROBAR\ Euba30.sav) ist zunächst der
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen Rängen. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
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
MehrKreuztabellen mit Häufigkeiten und Prozenten
H. Giegler: Weiche multivariate Analysemodelle Kreuztabellen mit Häufigkeiten und Prozenten * Kreuztabelle Gesamt 1,00 2,00 3,00 Anzahl % von % von % der Gesamtzahl Anzahl % von % von % der Gesamtzahl
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
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 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Korrelationen 1 Lineare Regression 3 Literatur 5 Korrelationen Mit Hilfe von G*Power lässt sich analog zum Vorgehen beim t-test (Kapitel 3, Band I) vor einer Untersuchung
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...
MehrStatistik I für Studierende der Wirtschaftswissenschaften Übungsblatt 12 Prof. Dr. Christian Heumann WS 2015/16
Statistik I für Studierende der Wirtschaftswissenschaften Übungsblatt 2 Prof. Dr. Christian Heumann WS 205/6 Aufgabe : Der Datensatz Theater (verfügbar auf der Homepage) beinhaltet Informationen über eine
Mehr1. Datei Informationen
1. Datei Informationen Datei vorbereiten (Daten, Variablen, Bezeichnungen und Skalentypen) > Datei Dateiinformation anzeigen Arbeitsdatei 2. Häufigkeiten Analysieren Deskriptive Statistik Häufigkeiten
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
MehrSyntax. Ausgabe *Ü12. *1. corr it25 with alter li_re kontakt.
Syntax *Ü2. *. corr it25 with alter li_re kontakt. *2. regression var=it25 alter li_re kontakt/statistics /dependent=it25 /enter. regression var=it25 li_re kontakt/statistics /dependent=it25 /enter. *3.
MehrGrundlagen der empirischen Sozialforschung
Grundlagen der empirischen Sozialforschung Sitzung 11 - Datenanalyseverfahren Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 5. Januar 2009 1 / 22 Online-Materialien Die Materialien
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
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
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
MehrTesten von Unterschiedshypothesen mit parametrischen Verfahren Der t-test
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
Mehr6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale
6Korrelationsanalyse:Zusammengangsanalysestetiger Merkmale Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig und mindestens ordinalskaliert, typischerweise
MehrOnline Statistik-Coaching
Online Statistik-Coaching Modul 3 Statistisches Testen - Auswahl der passenden Methode - Durchführung mit SPSS - Interpretation und Darstellung Dipl.-Math. Daniela Keller www.statistik-und-beratung.de
MehrEs können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.
Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
Mehr11. Zusammenhangsmaße für nominale Variablen
Statistik I Übung 11. Zusammenhangsmaße für nominale Variablen Dozent: Jürgen Leibold 1 Evaluation Nominale Zusammenhangsmaße Übersicht Chi-Quadrat Phi Cramers V Nominale Zusammenhangsmaße 3 Randverteilung
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
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2013
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2013 1. Welche Aussage zur Statistik (in den Sozialwissenschaften) sind richtig? (2 Punkte) ( ) Statistik ist die Lehre von Methoden
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:
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
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
MehrEinführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012
Einführung in die Statistik für Politikwissenschaftler Wintersemester 2011/2012 Es können von den Antwortmöglichkeiten alle, mehrere, eine oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort
MehrUE Wahlfach - Praktische Anwendung statistischer Auswertungsmethoden Termin 1 WH und Erstellung von Auswertungsplänen
UE Wahlfach - Praktische Anwendung statistischer Auswertungsmethoden Termin 1 WH und Erstellung von Auswertungsplänen Martina Koller Institut für Pflegewissenschaft SoSe 2015 INHALT 1 Ablauf der Lehrveranstaltung...
MehrAufgaben 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
MehrEinführung in die Korrelationsrechnung
Einführung in die Korrelationsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Korrelationsrechnung
Mehr2. Zusammenhangsmaße
2. Zusammenhangsmaße Signifikante χ²-werte von Kreuztabellen weisen auf die Existenz von Zusammenhängen zwischen den zwei untersuchten Variablen X und Y hin. Für die Interpretation interessieren jedoch
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
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
MehrEinführung in die Statistik
Elmar Klemm Einführung in die Statistik Für die Sozialwissenschaften Westdeutscher Verlag INHALTSVERZEICHNIS 1. Einleitung und Begrifflichkeiten 11 1.1 Grundgesamtheit, Stichprobe 12 1.2 Untersuchungseinheit,
MehrErgebnisse VitA und VitVM
Ergebnisse VitA und VitVM 1 Basisparameter... 2 1.1 n... 2 1.2 Alter... 2 1.3 Geschlecht... 5 1.4 Beobachtungszeitraum (von 1. Datum bis letzte in situ)... 9 2 Extraktion... 11 3 Extraktionsgründe... 15
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
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
Mehr6 Korrelationsanalyse: Zusammenhangsanalyse stetiger. Merkmale
6 Korrelationsanalyse: Zusammenhangsanalyse stetiger Merkmale 6.1 Korrelationsanalyse Jetzt betrachten wir bivariate Merkmale (X, Y ), wobei sowohl X als auch Y stetig bzw. quasi-stetig und mindestens
MehrStatistische Datenanalyse
Wolf-Michael Kahler Statistische Datenanalyse Verfahren verstehen und mit SPSS gekonnt einsetzen 6., verbesserte und erweiterte Auflage Mit 345 Abbildungen STUDIUM VIEWEG+ TEUBNER Inhaltsverzeichnis 1
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
MehrEinstieg in SPSS. Man kann auch für jede Ausprägung einer Variablen ein Wertelabel vergeben.
Einstieg in SPSS In SPSS kann man für jede Variable ein Label vergeben, damit in einer Ausgabe nicht der Name der Variable (der kryptisch sein kann) erscheint, sondern ein beschreibendes Label. Der Punkt
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
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:
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
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Der Mann-Whitney U-Test 1 Der Wilcoxon-Test 3 Der Kruskal-Wallis H-Test 4 Vergleich von Mann-Whitney U-Test und Kruskal-Wallis H-Test 6 Der Mann-Whitney U-Test In Kapitel
MehrWeitere Korrelationskoeffizienten (1)
Weitere Korrelationskoeffizienten () Welche Korrelationskoeffizienten man für die Analyse von Zusammenhängen benutzen kann, hängt entscheidend von dem Skalenniveau der beteiligen Variablen und der Fragestellung
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
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
MehrKapitel 9: Verfahren für Nominaldaten
Kapitel 9: Verfahren für Nominaldaten Eindimensionaler Chi²-Test 1 Zweidimensionaler und Vierfelder Chi²-Test 5 Literatur 6 Eindimensionaler Chi²-Test Berechnen der Effektgröße w² Die empirische Effektgröße
MehrStatistik für Psychologen und Sozialwissenschaftler. Pearson. Markus Bühner Matthias Ziegler. 2., aktualisierte und erweiterte Auflage
Statistik für Psychologen und Sozialwissenschaftler 2., aktualisierte und erweiterte Auflage Markus Bühner Matthias Ziegler Pearson Inhaltsübersicht Vorwort zur 1. Auflage Vorwort zur 2. Auflage XIII XV
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrEigene MC-Fragen SPSS
Eigene MC-Fragen SPSS 1. Welche Spalte ist in der Variablenansicht unbedingt festzulegen? [a] Variablenlabel [b] Skala [c] Name [d] Typ [e] Wertelabel 2. Wie heißt das Standardfenster von SPSS? [a] Dialogfenster
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
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
MehrProjekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?
AKULTÄT ANGEWANDTE SOZIALWISSENSCHATEN PRO. DR. SONJA HAUG Projekt Kaffeemaschine Welche aktoren beeinflussen das Geschmacksurteil? Ausgehend von der Verkostung an der Hochschule Regensburg und der dabei
MehrFH- Management & IT. Constantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen)
FH- Management & IT Folie 1 Rückblick Häufigkeiten berechnen Mittelwerte berechnen Grafiken ausgeben Grafiken anpassen und als Vorlage abspeichern Variablenoperationen Fälle vergleichen Fälle auswählen
Mehr2. Deskriptive Datenanalyse
6 2. Deskriptive Datenanalyse 2.1 Zu den ISA-Subtests Zahlenreihen fortsetzen (ZR), Beziehungen herstellen (BEZ), Waren merken (WM) Tabelle 51: Ergebnisse und Bearbeitungszeiten für die ISA-Subtests Ergebnisse
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
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
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
MehrB.Heger / R. Prust WS 2010/11 Master Modul 1.3: Quantitative Methoden der empirischen Sozialforschung
B.Heger / R. Prust WS 2010/11 Master Modul 1.3: Quantitative Methoden der empirischen Sozialforschung Übung 2 (mit SPSS-Ausgabe) 1. In der Variablen V253a ist der Schul des s bzw. der in abgelegt. Untersuchen
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
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Korrelation, Regression und diagnostische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Korrelation, Regression und diagnostische Tests Mit Datensatz Daten_SPSS_Kurs_I.sav Berechnung der Blutdruckreduktion vom Studienbeginn zum
MehrÜbung 3 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
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
MehrKarl Entacher. FH-Salzburg
Ahorn Versteinert Bernhard.Zimmer@fh-salzburg.ac.at Statistik @ HTK Karl Entacher FH-Salzburg karl.entacher@fh-salzburg.ac.at Beispiel 3 Gegeben sind 241 NIR Spektren (Vektoren der Länge 223) zu Holzproben
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
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
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
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
MehrHypothesentests 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
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
MehrSchäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für Gesundheitsfachberufe (2015) ISBN
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (25) Arbeitsblatt STATA Kapitel 6 Seite Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrInhalt. Vorwort Univariate Verteilungen Verteilungen Die Normalverteilung... 47
Inhalt Vorwort... 9 1 Einleitung: Grundlagen der Statistik... 11 1.1 Die statistische Fragestellung im Forschungsprozess... 11 1.2 Grundbegriffe der Statistik... 13 1.3 Voraussetzung jeder Statistik: Die
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 1. Ziel der Kreuztabellierung 2. Übersicht CROSSTABS - Syntax 3. 2x2 Kreuztabellen Überblick
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
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
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
MehrUnterschiedshypothesen bei nominalskalierten Messwerten
Arbeitsblatt 1 STATA Kapitel 7 Seite 1 Unterschiedshypothesen bei nominalskalierten Messwerten Im Folgenden gehen wir davon aus, dass Sie die Datei elporiginal.dta geöffnet, eine log-datei mit dem Namen
MehrInhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16
Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.
MehrInstitut für Soziologie Dipl. Soz. Maximilian Sonnauer. Methoden II. Zusammenhangsmaße für kategoriale und metrische Variablen
Institut für Soziologie Dipl. Soz. Methoden II Zusammenhangsmaße für kategoriale und metrische Variablen Organisatorisches Prüfungsanmeldung Methoden II Die Anmeldung zur Prüfung läuft über die Tafelübung.
MehrJOHANNES GUTENBERG-UNIVERSITÄT MAINZ Psychologisches Institut Abteilung Methodenlehre & Statistik
JOHANNES GUTENBERG-UNIVERSITÄT MAINZ Psychologisches Institut Abteilung Methodenlehre & Statistik Seminar Datenerhebung, Analyse & Präsentation Dipl.-Psych. Rainer Kämper SS 2012 Fragen und Antworten finaler
Mehr6.4 Der Kruskal-Wallis Test
6.4 Der Kruskal-Wallis Test Der Test von Kruskal und Wallis, auch H-Test genannt, ist ein Test, mit dem man die Verteilungen von Teilstichproben auf Unterschiede untersuchen kann. Bei diesem Test geht
Mehr