Multivariate Statistische Verfahren

Slides:



Advertisements
Ähnliche Präsentationen
Inhalt Saarbrücken,.
Advertisements

3. 3D-Betrachtungstransformationen
Seminar Stochastik im WS 02/03
Seminar „Extrapolationsmethoden für zufällige Felder“
HEINZ NIXDORF INSTITUT Universität Paderborn Fachbereich Mathematik/Informatik 1 Algorithm. Grundlagen des Internets 24. Juni 2002 Christian Schindelhauer.
Theorie psychometrischer Tests, III
Forschungsstrategien Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Methoden der Psychologie Multivariate Analysemethoden Günter Meinhardt Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2006/2007 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Forschungsstatistik I
Forschungsstatistik I
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2004/2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2004/2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2005/2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Seminar Lehrevaluation
Algorithmentheorie 04 –Hashing
Quantitative Methoden I
Latente Variablen – Kennwerte zur Beurteilung von Modellen
Tutorat Deskriptive Statistik und Wahrscheinlichkeitstheorie
TEILCHENPHYSIK FÜR FORTGESCHRITTENE Vorlesung am 4. April 2006 Thomas Schörner-Sadenius Universität Hamburg, IExpPh Sommersemester 2006.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
Tutorium
Unser letztes Tutorium
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Ausgleichungsrechnung I
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Optimierungs- Algorithmen
Regionalisierte Variablen und Kriging
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Kapitel 10 Multikollinearität
Kapitel 19 Kointegration
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
Theorie psychometrischer Tests, IV
Multivariate Statistische Verfahren
Theorie psychometrischer Tests, II
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Peer-to-Peer- Netzwerke Christian Schindelhauer Sommersemester.
Zum Einfluss subjektiver und objektiver Merkmale auf die Wiedererkennung von Werbeplakaten Antje Bauer & Stefanie Frehse Institut für Allgemeine Psychologie.
Technische Informatik I Vorlesung 4: Vereinfachung von Schaltfunktionen Mirco Hilbert Universität Bielefeld Technische Fakultät.
2.5.2 Multivariate Monte Carlo-Simulation
Didaktik der Geometrie (11) Vorlesung im Sommersemester 2004 Prof. Dr. Kristina Reiss Lehrstuhl für Didaktik der Mathematik Universität Augsburg.
Die Faktorenanalyse.
Sozialpsychologie - Vertiefung im SS 2011 Willkommen zur Theoretischen und Empirischen Vertiefung im Fach Sozialpsychologie! Meine Kontaktdaten: Dr. Nicole.
Faktorenanalyse Tamara Katschnig.
Testtheorie (Vorlesung 13: ) Wiederholung: Richtigstellung
Folie 1 §8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein.
Die klassischen Methoden der historisch-vergleichenden Forschung Universität Zürich Soziologisches Institut Seminar: Methoden des internationalen Vergleichs.
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Außenhandelsbeziehungen zwischen China, USA, EU Makroökonometrie Vorlesung Dr. Oliver Bode.
Methoden der Psychologie
Einführung in die Diskriminanzanalyse
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Statistische Verfahren
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Wiederholung und klausurtypische Fragen
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
 Präsentation transkript:

Multivariate Statistische Verfahren Kurze Einführung in die Kanonische Korrelation Universität Mainz Institut für Psychologie WS 2013 Uwe Mortensen

Multiple Regression und ihre Verallgemeinerung Verschiedene Persönlichkeitsvariable und verschiedene physiologische Variable Die gleichen Variablen vor und nach einer Therapie, eines Trainings, etc Wie gut läßt sich ein Teil von Items eines Fragebogens durch einen anderen Teil der Items „vorhersagen“?

Ansatz (I): Man könnte einfach alle Korrelationen zwischen (i) den X-Werten, (ii) den Y-Werten , und (iii) allen X-Y-Paaren betrachten. Problem: komplette Unübersichtlichkeit! Ansatz (II): Man bestimmt latente Variable einerseits für die X-Werte, andererseits für die Y-Werte derart, dass die erste latente Variable der X-Werte maximal mit der ersten latenten Variablen der Y-Werte korreliert. Die Korrelationen zwischen diesen latenten Variablen heißen Kanonische Korrelationen. Definition der latenten Variablen: (Kanonische Korrelationen)

Zur Definition der latenten Variablen: Die Definition der Us und Vs ist analog zur Definition von Y (Diskriminanz- funktion) in der Diskriminanzanalyse: die Gewichte der X- und Y-Variablen sind ebenfalls nicht bekannt. Die Situation ist analog zu der in der PCA: dort wird eine gegebene Matrix X von Messwerten über die SVD durch latente Variable „erklärt“. Aber durch Umformung der SVD kann man die latenten Variablen auch „ vorhersagen“:

Zurück zur Kanonischen Korrelation: Variablen als Vektortransformation geschrieben! Die Komponenten der Vektoren in U und V haben so viele Komponenten, wie es Personen („Fälle“) gibt, - sie entsprechen den Faktorscores in der PCA, ohne aber mit ihnen identisch zu sein. Wird maximiert durch geeignete Wahl der Vektoren as und bs.

Die Lösung: Eigenvektoren Eigenwerte

Verschiedene U- und V-Vektoren sind orthogonal! Verschiedene a- und b-Vektoren können,müssen aber nicht orthogonal sein, denn

Beispiel: Beziehungen zwischen Teilmengen von Items in einem Evaluationsfragebogen: Interesse für den Gegenstand einer Vorlesung und Bewertung des Dozenten. Man beachte die negativen Gewichte! (Nur eine latente Variable ist signifikant!)

Beispiel: Beziehungen zwischen Teilmengen von Items in einem Evaluationsfragebogen

Beispiel: Beziehungen zwischen Teilmengen von Items in einem Evaulationsfragebogen

Beispiel: Beziehungen zwischen Teilmengen von Items in einem Evaulationsfragebogen Folgerungen: Es existiert ein Zusammenhang zwischen „Einstellung zum Stoff“ und „Einstellung zum Dozenten“ – eine positive Einstellung zum Stoff färbt i. A. die Einstellung zum Dozenten ebenfalls positiv, - oder umgekehrt. Die Enge des Zusammenhangs variiert von Jahrgang zu Jahrgang – es liegt nahe, dass gruppendynamische Prozesse die Evaluation beeinflussen. Es folgt, dass Evaluationen zumindest von Lehrveranstaltungen nicht „on face value“ genommen werden können. Welche Rolle spielen aktive Minderheiten in der Stichprobe, gibt es generelle „Zeitgeist“effekte, etc.

Danke für Ihre Aufmerksamkeit!