Gliederung Allgemeine Arten von Zusammenhängen Kovarianzen

Slides:



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

Freie Universität Berlin Institut für Informatik
Tutorat Statistik II im SS 09 Mediator- & Moderatoranalyse
Statistik-Tutorat SS 2009 Christina
Übung zur Vorlesung Theorien Psychometrischer Tests I
Arbeiten mit Mittelwert- und Kovarianzstrukturmodellen
Induktive Statistik: Regressionsanalyse
Marco Barz Seminar über Algorithmen SoSe2007
Tina John Ebenen und Links in Sprachdatenbanken. Ebenen = Symbole werden mit der Zeit in einer Ebene verbunden. Namen der Ebenen Symbole der Word-Ebene.
Regression und Korrelation
Strukturgleichungsmodelle
Einfaktorielle Varianzanalyse
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.
Gliederung Voraussetzungen für die Berechnung der Produkt-Moment- Korrelation Spearman‘sche Rangkorrelation Beispielrechnung ohne Verbundkorrektur Beispielrechnung.
Forschungsstatistik II
Heute Prüfung der Produkt-Moment Korrelation
Forschungsstatistik I
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2005/2006 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.
Der Zusammenhang metrischer Merkmale
Mehrfachregressionen
Ein frohes und erfolgreiches Jahr
Quantitative Methoden I
Die Seevermessung Kl.8 Reflexives Magnetthema
Willkommen zum Plenum.
Mehrdeutigkeit eines positiven Effekts bei Querschnittsdaten
Latente Variablen – Kennwerte zur Beurteilung von Modellen
Strukturgleichungsmodelle
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung des.
Datenmatrix. Datentabelle für 2 Merkmale Kontingenztafel der absoluten Häufigkeiten.
Streuungsparameter Median Mittlere Abweichung vom Median Die Ungleichung gilt für jede Konstante c.
Datenmatrix.
Rationale Zahlen.
VL Diagnostische Kompetenz (Bewegungslehre 2) 3
Tutorium
Rechneraufbau & Rechnerstrukturen, Folie 12.1 © W. Oberschelp, G. Vossen W. Oberschelp G. Vossen Kapitel 12.
Analyse kategorialer Variablen
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Einfache Regressionsgleichung
Multikollinearität Wann spricht man von Multikollinearität?
Semipartialkorrelation Multiple Korrelation Inkrementelle Validität
Ausgleichungsrechnung I
Ausgleichungsrechnung II
Chi Quadrat Test Tamara Katschnig.
Regionalisierte Variablen und Kriging
Problemstellung und Hypothesenbildung
Makroökonomie: Übung Makro WWZ - FS 2010
STATISIK LV Nr.: 0021 WS 2005/ November 2005.
Mixture modeling Holger Steinmetz and Peter Schmidt
5.6 Zwei- und mehrdimensionale Zufallsvariablen
1 STATISIK LV Nr.: 0021 WS 2005/ November 2005.
Data Mining Georg Pölzlbauer.
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
Statistik Statistik I Seminar + Blockveranstaltung Statistik I
Übung zur Vorlesung Theorien Psychometrischer Tests I
Die einfache/multiple lineare Regression
Deskriptive Statistik, Korrelationen, Mittelwertvergleiche, Graphiken
Meßreihe: Modellansatz
setzt Linearität des Zusammenhangs voraus
Untersuchung von Zusammenhängen mittels Umfragen Siegfried Schumann
Varianzanalyse und Eta²
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Statistik IV Statistik III
Korrelation & Skalentransformation
上课啦 小站三小 刘宝霞.
 Präsentation transkript:

Gliederung Allgemeine Arten von Zusammenhängen Kovarianzen Produkt-Moment-Korrelation Beispielaufgabe Anja Fey, M.A.

Mögliche Darstellungsform von zwei Beobachtungsreihen Vpn 1 2 3 … n Merkmal X x1 x2 x3 xn Merkmal Y y1 y2 y3 y4 Anja Fey, M.A.

Arten von Zusammenhängen Kernfrage: Wie verhält sich Merkmal X im Zusammenhang mit Veränderungen beim Merkmal Y? Gegenläufigkeit „negativer Zusammenhang“ „negative Korrelation“ Übereinstimmung „positiver Zusammenhang“ „positive Korrelation“ Unabhängigkeit „kein Zusammenhang“ „Nullkorrelation“ Anja Fey, M.A.

Der Begriff der Kovarianz Die Veränderungen der Merkmale lassen sich ähnlich interpretieren wie die bereits bekannte Varianz, nämlich als das gleichzeitige Abweichen der Messwertpaare (xi yi) vom jeweiligen Mittelwert jeweiligen Merkmalsmittelwerten Anja Fey, M.A.

Nachteile der Kovarianz Die Kovarianz ist abhängig vom jeweiligen Maßstab der zugrundeliegenden Variablen. Gewicht (X) in kg, Größe Y in m Gewicht (X) in kg, Größe Y in cm xi 65 75 91 yi 1.70 1.77 1.93 xi 65 75 91 yi 170 177 193 cov (x,y) = 1.0267 cov (x,y) = 102.67 Anja Fey, M.A.

Normierung der Kovarianzen r = + positive Korrelation r = 0 Nullkorrelation bzw. stochastische Unabhängigkeit r = - negative Korrelation Anja Fey, M.A.

Graphische Darstellung der Zusammenhangsarten Anja Fey, M.A.

Produkt-Moment-Korrelation mit Besser: Anja Fey, M.A.

Zwei Arten von Korrelationen Scheinkorrelation Nonsenskorrelation Anja Fey, M.A.

Aussagekraft von Korrelationswerten Korrelationen machen keine Aussage über die Frage nach der Kausalität! 1) X  Y 2) Y  X 3) X Y 4) Z  X, Y Korrelationen machen eine Aussage über die Stärke des Zusammenhangs! |r| <= . 30 „schwache Korrelation“ .30 < |r| < . 70 „mittlere Korrelation“ |r| > .70 „starke Korrlation Anja Fey, M.A.

Determinationskoeffizient Der Determinationskoeffizient r2 macht eine Aussage darüber, inwieweit sich die beiden Messwerte gegenseitig beeinflussen. Anja Fey, M.A.

Beispielaufgabe: Datensatz und Hypothesen Vp-Nr. X (Neugier) Y (Lernfähigkeit) X2 Y2 X*Y 1 84 86 7056 7396 7224 2 87 7569 7482 3 98 102 9604 10404 9996 4 104 10816 10192 5 121 110 14641 12100 13310  493 483 49513 47073 48204 H0: Es existiert kein Zusammenhang zwischen den Faktoren Neugier und Lernfähigkeit. H1: Es existiert ein Zusammenhang zwischen den Faktoren Neugier und Lernfähigkeit. Anja Fey, M.A.

Beispielaufgabe: Bestimmung von r Anja Fey, M.A.

Beispielaufgabe: Statistische Absicherung & Ergebnis remp = 0,95 > rtheor,ZS,5%,df = n-2 = 0,87  H1 annehmen, d.h. Wir nehmen mit einer Irrtumswahrscheinlichkeit von 5% an, dass ein positiver Zusammenhang zwischen Neugier und Lernfähigkeit besteht Anja Fey, M.A.