Quantitative Methoden I

Slides:



Advertisements
Ähnliche Präsentationen
Kurze Geschichte der Statistik
Advertisements

Multivariate Datenanalyse Datum: Betreuer: Dr. Bellmann Quellen: Multivariate Statistik, Hartung/Elpelt 1989 Stochastik für Ingenieure und Naturwissenschaftler,
Theorie psychometrischer Tests, III
Forschungsstrategien Johannes Gutenberg Universität Mainz
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2006/2007 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Marktforschung Sommersemester 2011
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
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.
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.
Mehrfachregressionen
SoSe 06, Statistik mit SPSS
SoSe 06, Statistik mit SPSS
Quantitative Methoden I
Quantitative Methoden I
Hypothesen testen: Grundidee
Regression und Korrelation
Reliabilitätsanalysen
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung des.
Nachholung der Vorlesung vom Freitag
Die Student- oder t-Verteilung
Streuungsparameter Median Mittlere Abweichung vom Median Die Ungleichung gilt für jede Konstante c.
Datenmatrix.
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration Typische Beispiele: Verteilung.
Streuungsparameter für Median Mittlere Abweichung vom Median Die Ungleichung gilt für jede Konstante c.
Datentabelle für 2 Merkmale
Streuungsparameter Median Mittlere Abweichung vom Median
Chi-Quadrat-Tests. Satz von Karl Pearson I X: Stichprobenvariable, die r > 2 verschieden Werte annehmen kann: Die Verteilung von X ist durch einen Wahrscheinlichkeitsvektor.
Lehrstuhl für Algebra und funktionalanalytische Anwendungen
Kodiersysteme und erste Umrechnungen
Terminplan I (geändert)
(Gini-Koeffizient, Lorenz-Kurve)
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Einstichproben-Tests
Relationen zwischen metrischen Merkmalen
Ausgleichungsrechnung II
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
Seminar: Datenerhebung
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Bivariate Statistik M. Kresken.
Theorie psychometrischer Tests, IV
Deskriptive Statistik
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
Statistik Statistik I Seminar + Blockveranstaltung Statistik I
Statistik Typen statistischer Zusammenhänge: Statistik I
Veranstaltung 4.
Deskriptive Statistik, Korrelationen, Mittelwertvergleiche, Graphiken
DeBiMo-Veranstaltung Beitrag Safer & Hoppe.
Zusammenhänge von Variablen ab Nominalskalenniveau
setzt Linearität des Zusammenhangs voraus
Varianzanalyse und Eta²
Überblick Teil 1 Überblick empirische Forschung
Phi-Koeffizient: Alternative Berechnungsart
Statistiken je nach Messniveau
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
Korrelation & Skalentransformation
 Präsentation transkript:

Quantitative Methoden I Teil 2: Deskriptive Statistik Bd. I: II.D Zusammenhangsmaße für nominalskalierte, dichotome und ordinalskalierte Merkmale Vers. 2.0

Überblick zu Zusammenhangsmaßen D.1 nominalskalierte Merkmale Bedingte Häufigkeiten Kontingenzkoeffizient D.2 dichotome Merkmale Phi-Koeffizient Odds Ratio; Yules Y Tetrachorische Korrelation Punkt-biseriale Korrelation D.3 ordinalskalierte Merkmale Spearmans rho Kendalls tau

Chi-Quadratverfahren Abhängigkeit

Chi-Quadratverfahren Unabhängigkeit

Chi-Quadratverfahren fo fe Chi-Quadrat

Chi-Quadratverfahren Standardisiertes Chi-Quadrat Kontingenzkoeffizient C C ist 0, wenn kein Zusammenhang besteht Es gibt einen berechenbaren Wert Cmax

Dichotome Merkmale: Phi-Koeffizient (φ-Koeffizient) kann bei künstlich dichotomen und natürlich dichotomen Merkmalen eingesetzt werden entspricht mathematisch-statistisch der Produkt-Moment-Korrelation der Koeffizient kann nur dann die Werte -1 bzw. +1 annehmen, wenn ein perfekter Zusammenhang besteht und bei den Merkmalen die gleichen Randverteilungen vorliegen um letztgenannten Mangel auszugleichen, wurde eine Korrektur entwickelt (φcor) der φ-Koeffizient neigt zu Unterschätzung, wenn die Auftretensrate des zu identifizierenden Merkmals von 50% abweicht φ kann auch aus Chi-Quadrat abgeleitet werden:

Odds-Ratio und Yules Y a b c d die odds ratio werden im deutschen Sprachraum kaum genutzt (OR = ad/bc) Effektmaß d Yules Y

Zwei künstlich dichotome Merkmale Die tetrachorische Korrelation rtet wird bei künstlichen Dichotomien benutzt Berechnung ist sehr aufwändig bei SPSS nicht vorhanden Basis für die Näherungsformel nach Chambers ist der odds ratio (darf man nur anwenden, wenn sich die Werte auf latenter Ebene in Form einer Ellipse verteilen)

Punkt-biseriale Korrelation Datenlage: natürlich dichotomes Merkmal und intervallskaliertes Merkmal entspricht mathematisch-statistisch der Produkt-Moment-Korrelation

Korrelationskoeffizienten für ordinalskalierte Daten Spearmans rho (ρ) Spearmans ρ ist identisch mit der Produkt-Moment Korrelation der Rangplätze je ähnlicher die Rangplätze in beiden Messreihen sind, desto näher ist die Korrelation bei +1 je unähnlicher die Rangplätze in beiden Messreihen sind, desto näher ist die Korrelation bei -1

Korrelationskoeffizienten für ordinalskalierte Daten Kendalls tau (τ) Kendalls τ ist ein Maß für ordinale Daten im eigentlichen Sinn

Übersicht intervall künstlich dichotom natürlich dichotom ordinal r rpbis Kendalls τ rbis Spearmans ρ polychor. Korrel. φ bis. Rangk. rtet ν (ny) Legende s. nächste Seite

r : Produkt-Moment-Korrelation rpbis : Punkt-biseriale Korrelation rtet : tetrachorische Korrelation kann wie Pearson Produkt-Momentkorrelation berechnet werden kann nach Umwandlung in konsekutive Rangreihe wie Pearson Produkt-Momentkorrelation berechnet werden Der Koeffizient schätzt die Pearson Produkt-Momentkorrelation ; algebraisch nicht ableitbar