Gliederung Voraussetzungen für die Berechnung der Produkt-Moment- Korrelation Spearman‘sche Rangkorrelation Beispielrechnung ohne Verbundkorrektur Beispielrechnung.

Slides:



Advertisements
Ähnliche Präsentationen
T - Test Prüfung des Mittelwerteunterschieds bei abhängigen und unabhängigen Stichproben.
Advertisements

Tutorat Statistik II im SS 09 Multiple Regression
Vom graphischen Differenzieren
Der F - Test Man prüft, ob sich 2 Varianzen unterscheiden, mit dem F-Quotienten: Geprüft werden stets die Schätzungen der Populationsvarianzen aufgrund.
Lagemaße kritische Fragen
Verschiedene Statistik- Programme - verschiedene Ergebnisse bei gleichen Analysen, kann das sein? Autor: Patrick Arnold.
Zeitreihen Gliederung Allgemeines zu Zeitreihen
Theorie psychometrischer Tests, III
Forschungsstrategien Johannes Gutenberg Universität Mainz
Marktforschung Sommersemester 2011
Verfahren zur Überprüfung von Mittelwertsunterschieden
Gliederung Unterschied zwischen Kriteriums- und Prädiktorvariblen
Gliederung Definition des Wahrscheinlichkeitsbegriffes
Gliederung Der Begriff der Stichprobe, Stichprobenfehler
Gliederung Unterschied zwischen parametrischen und nicht-parametrischen Testverfahren Abhängige vs. unabhängige Stichprobe Mann-Whithney-U-Test für unabhängige.
Gliederung Tabellarische und grafische Darstellung von Rohwerten mittels Histogramme und Polygone Statistische Kennwertbeschreibung mittels Tendenz- und.
„Der Euro: Hart, aber unfair: Die neue Währung als Spielverderber“
Gliederung Allgemeine Arten von Zusammenhängen Kovarianzen
Forschungsstatistik II
Forschungsstatistik II
Heute Prüfung der Produkt-Moment Korrelation
Forschungsstatistik I
Forschungsstatistik I
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2005/2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Der Produkt-Moment- Korrelationskoeffizient Der Produkt-Moment Korrelationskoeffizient gibt Stärke und Richtung des linearen Zusammenhanges zweier Variablen.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2005/2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Der Zusammenhang metrischer Merkmale
Quantitative Methoden I
Hypothesen testen: Grundidee
Prüfung statistischer Hypothesen
Reliabilitätsanalysen
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung des.
Datenmatrix. Datentabelle für 2 Merkmale Kontingenztafel der absoluten Häufigkeiten.
Datenmatrix.
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung.
Korrelationskoeffizient nach Bravais-Pearson Eigenschaften X und Y unabhängig.
Datentabelle für 2 Merkmale
Kodiersysteme und erste Umrechnungen
Meta-Analyse Forschungsmethoden und Evaluation
(Gini-Koeffizient, Lorenz-Kurve)
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Multikollinearität Wann spricht man von Multikollinearität?
Daten auswerten Boxplots
Varianzanalyse IV: Messwiederholung
Semipartialkorrelation Multiple Korrelation Inkrementelle Validität
Vergleich der 3 Arten des t-Tests Testergebnisse berichten
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Chi Quadrat Test Tamara Katschnig.
Non-parametrische Testverfahren
Logistische Regression
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
STATISIK LV Nr.: 1375 SS März 2005.
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Seminar: Datenerhebung
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Data Mining Georg Pölzlbauer.
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
Statistik Statistik I Seminar + Blockveranstaltung Statistik I
Veranstaltung 4.
Vom graphischen Differenzieren
DeBiMo-Veranstaltung Beitrag Safer & Hoppe.
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Der Binomialtest Man habe einen wahren Anteil P. Kann man aufgrund von p sagen, daß in der Population tatsächlich der Anteil P zugrunde liegt? [Beispiele]
Überblick Teil 1 Überblick empirische Forschung
Phi-Koeffizient: Alternative Berechnungsart
Prüft ebenfalls die Annahme der Varianzhomogenität (exakter)
Signifikanz – was ist das überhaupt?
Statistik IV Statistik III
Korrelation & Skalentransformation
 Präsentation transkript:

Gliederung Voraussetzungen für die Berechnung der Produkt-Moment- Korrelation Spearman‘sche Rangkorrelation Beispielrechnung ohne Verbundkorrektur Beispielrechnung mit Verbundkorrektur Anja Fey, M.A.

Voraussetzung für die Berechnung der Produkt-Moment-Korrelation Vorliegen einer Zusammenhangshypothese Intervallskalenniveau der Daten X und Y Normalverteilung der Daten X und Y Anja Fey, M.A.

Übersicht über Korrelationskoeffizienten Y X Intervallskala künstliche Dichotomie natürliche Dichotomie Ordinalskala Produkt-Moment-Korrelation r Biseriale Korrelation rbis Punktbiseriale Korrelation rphis Rangkorrela-tion R Tetrachorische Korrelation rtet Phi-Koeffizient Biseriale Rangkorrela-tion Rbis Anja Fey, M.A.

Spearman‘sche Rangkorrelation R - mögliche Fragestellungen Die Schüler einer Klasse schätzen sich selbst bezüglich des Merkmals „Diszipliniertheit“ ein und bilden eine Rangreihe. Ihre Lehrer schätzen die Schüler nach dem gleichen Kriterien ein. Die Rangreihen werden anschließend verglichen. Anja Fey, M.A.

Allgemeines zur Spearman‘schen Rangkorrelation R Maß für die Stärke des Zusammenhangs zweier ordinalskalierter Daten. R kann numerische Werte zwischen +1.0 und -1.0 annehmen. Berechnung erfolgt nicht aufgrund der Rohwerte, sondern basierend auf Rängen, welche die Vpn einer Stichprobe in jeder der beiden Variablen einnehmen. Anja Fey, M.A.

Formel zur Berechnung von R Anja Fey, M.A.

Die Spearman‘sche Rangkorrelation R Rangkorrelation bezieht sich auf Rangplätze bzw. Werte der Form 1, 2, ..., n. Sie kann auch angewendet werden, wenn die Normalverteilungsbedingung der Produkt-Moment-Korrelation verletzt ist. Dazu müssen die Intervalldaten in Rangdaten umgewandelt werden. Anja Fey, M.A.

Vergabe von Rangplätze Vp-Nr. X (Neugier) Ränge Y (Lernfähigkeit) 1 84 86 2 87 3 98 102 4 104 5 121 110  493 483 5 5 4 4 3 2 2 3 1 1 Anja Fey, M.A.

Vergabe von Rangplätzen Vp-Nr. X (Neugierde) Ränge Y (Lernfähigkeit) 1 84 7 86 2 5,5 87 6 3 98 3,5 102 4 104 5 121 110 Anja Fey, M.A.

Vergabe von Rangplätzen Bei mehr als 20% sog. Verbundränge muss eine Korrektur berechnet werden! Dabei ist T das Rangkorrekturglied für das erste Merkmal X, U das Korrekturglied für das zweite Merkmal Y Anja Fey, M.A.

Beispielrechnung Verbundränge Vp-Nr. X (Neugier) Ränge Y (Lernfähigkeit) d2 1 84 5 86 5-5 = 0 2 4 87 4-4 = 0 3 98 102 3-2 = 1 104 2-3 = -1 121 110 1-1 = 0 Summe di Anja Fey, M.A.

Signifikanzprüfung  H1 annehmen, Ergebnis signifikant! Remp = 0,90 > Rtheor/ZS/5%/df=3 = 0,878  H1 annehmen, Ergebnis signifikant! Anja Fey, M.A.

Beispielrechung Verbundränge 1 2 Anja Fey, M.A.

Berechnung von T und U Anja Fey, M.A.

Beispielrechung Verbundränge Anja Fey, M.A.

Signifikanzprüfung  H1 annehmen, Ergebnis signifikant! Remp = 0,83 > Rtheor/ZS/5%/df=5 = 0,754  H1 annehmen, Ergebnis signifikant! Anja Fey, M.A.