Diskurs Fragebögen Auswertung.

Slides:



Advertisements
Ähnliche Präsentationen
Quanti Tutorium
Advertisements

Deskriptive Statistik und Explorative Datenanalyse
CATI-Übung 6. Begleitveranstaltung WS 09/10
Heute 1.F – Test zur Varianzhomogenität 2.Bartlett-Test zur Varianzhomogenität 3.Chi – Quadrat Tests für Häufigkeiten 4.Chi – Quadrat Tests zur Verteilungsanpassung.
Was ist Testtheorie?.
Auswertung der Befragung
Lagemaße kritische Fragen
Merkmale Beispiele Anwendung Träger Autos Menschen Völker Jahre
1 1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung
Messen „Messen ist die Bestimmung der Ausprägung einer
Philosophische Fakultät 3: Empirische Humanwissenschaften Fachrichtung Erziehungswissenschaft Statistik I Anja Fey, M.A.
„Der Euro: Hart, aber unfair: Die neue Währung als Spielverderber“
Forschungsstatistik II
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-24.
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.
Der Binomialtest Man habe einen wahren Anteil P.
Patrick Rössler Methoden der Datenerhebung und -auswertung Vorlesung BA Kommunikationswissenschaft (G21) 1.
SoSe 06, Statistik mit SPSS
Hypothesen testen: Grundidee
Experimente in der Linguistik
Forschungsmethoden und Diagnostik
Experimentelles Design
Statistiktutorat Sitzung 1: Grundbegriffe der Statistik
Statistiktutorat Thema 1: Grundbegriffe der Statistik
Deskriptive Statistik und Wahrscheinlichkeitstheorie
Vorlesung Die Vorlesung Statistische Methoden II nächste Woche vom 6. Juni ( nächste Woche ) wird auf den 4. Juni (Mittwoch) vorverlegt ! 14 – 16 Zeit:
Kolmogorov-Smirnov-Test. A. N. Kolmogorov Geboren in Tambov, Russland. Begründer der modernen Wahrscheinlichkeitstheorie.
Univariate Statistik M. Kresken.
Grundbegriffe M. Kresken.
Terminplan I (geändert)
Analyse kategorialer Variablen
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Diskrete Wahrscheinlichkeitsmodelle
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Einstichproben-Tests
Deutsch als Zweitsprache: Experimentelle Methoden WS 2013/2014
LV November 2005 Eva Walter Thema 5 – Messen, Skalen, Indizes
Statistisches Basiswissen
SPSS für Windows Auswertung von Marktforschungsdaten mit SPSS für Windows WINDER Thomas Porzellangasse 32, 1090 Wien.
Temperaturmessung.
STATISIK LV Nr.: 1375 SS März 2005.
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Wiederholung BSP 2.1.
STATISIK LV Nr.: 0028 SS Mai 2005.
STATISIK LV Nr.: 0028 SS Mai 2005.
STATISIK LV Nr.: 1852 WS 2005/06 29.November 2005.
Data Mining Georg Pölzlbauer.
Back, S.; Weigel, H.: Design for Six Sigma. Hanser, München 2014.
Veranstaltung 4.
FM III Prof. Dietrich Albert
Empirische Sozialforschung am Beispiel der Limburger Nordstadt
Messen Zuordnung von Zahlen zu Objekten/Ereignissen gemäß Regeln
Messen und Testen.
Mathematik für BiologInnen WS 05
STATISIK LV Nr.: 1375 SS März 2005.
K. Desch - Statistik und Datenanalyse SS05
Vorbereitung der Auswertung: Codieren
Skalenniveaus Tamara Katschnig.
Deskriptive Statistik, Korrelationen, Mittelwertvergleiche, Graphiken
Test 1 Test 2 Test 3. Test 4 Test 5 Test 6 Test 7 Test 8 Test 9.
Lehrstuhl für Wirtschaftsinformatik Univ.-Prof. Dr. Johannes Ruhland Referent: Vogel, Stephan Business Intelligence Distanzmaße
Statistik I Statistik I Statistische Grundbegriffe
Einführung / Formalitäten  Voraussetzungen (Tutoriat):  AMOS zur Berechnung von Modellen.  Kovarianzrechnung.  Einfache Matrizenrechnung.  Optimale.
Test.
Ökonometrie und Statistik Wiederholung
Ökonometrie und Statistik Wiederholung
Korrelation & Skalentransformation
 Präsentation transkript:

Diskurs Fragebögen Auswertung

Skalenniveaus (nach Schilling, O. (1998) Skalenniveaus (nach Schilling, O. (1998). Grundkurs: Statistik für Psychologen. München: Fink) Messen: Übersetzung empirischer Relationen zwischen Messobjekten in numerische Relationen zwischen Messwerten Skalenniveaus, auf denen gemessen werden kann: Nominalskala: Aussagen über Gleichheit und Verschiedenheit, Bsp. PLZ, Haarfarben; 69117 ≠ 69115; 69117 > 69115; numerische Relation hat keine sinnvolle Entsprechung in empirischer Relation zwischen Wohngebieten

Skalenniveaus (nach Schilling, O. (1998) Skalenniveaus (nach Schilling, O. (1998). Grundkurs: Statistik für Psychologen. München: Fink) Ordinalskala: Aussagen über Größer-kleiner-Relationen (Ranginformationen) hinsichtlich des gemessenen Merkmals; Bsp. Messwerte für Schulbildung 1 ohne Abschluss 2 Hauptschule 3 Fachhochschule 4 Abitur Abstände der Messpunkte nicht gleich (Abstand zw. 1 und 2 ≠ dem zw. 3 und 4; Anstieg um 1 von 1 nach 2 nicht vergleichbar mit Anstieg um 1 von 3 nach 4)

Skalenniveaus (nach Schilling, O. (1998) Skalenniveaus (nach Schilling, O. (1998). Grundkurs: Statistik für Psychologen. München: Fink) Intervallskala: Abstände zwischen Messpunkten gleich; Skala hat keinen natürlichen Nullpunkt Bsp. Temperaturmessung in Celsius oder Fahrenheit; Temperaturanstieg von 50 auf 100 und von 150 auf 200 -> vergleichbarer Anstieg um 50 “Gestern war es doppelt so warm wie heute” hingegen nicht sinnvoll;

Skalenniveaus (nach Schilling, O. (1998) Skalenniveaus (nach Schilling, O. (1998). Grundkurs: Statistik für Psychologen. München: Fink) Verhältnis-/Ratioskala: Abstände zwischen Messpunkten sind gleich Skala hat Nullpunkt quasi eine Intervallskala mit natürlichem Nullpunkt Bsp. Körpergröße: Größenunterschied um 20 cm vergleichbar zwischen 140 und 160 und zwischen 170 und 190 Sinnvolle Aussage, dass jemand doppelt so gross ist wie jemand anderes

Auswertung Diskurs-Fragebogen AV 1: Wer wars? Kategorisiert als 1 = erstgenannte Person 2 = zweitgenannte Person 3 = beide 4 = keine der genannten 5 = weiss nicht/anderes AV 2: Wie sicher? Skala von 1 (gar nicht sicher) - 5 (sehr sicher)

Auswertung nominalskalierter Daten mit dem Chi2-Test Vergleich der beobachteten mit den erwarteten Häufigkeiten Chi2(k-1) = ∑ (beob.j - erw.j)2/erw.j k = Ausprägungen des Merkmals (j = 1, 2, ..., k)

Auswertung kategorialer Daten mit dem Chi2-Test Anwendung in einer 4 Felder Tafel: wer1-18 Total 1 2 Geschlecht gleich Count 193 135 328 ungleich 331 7 338 524 142 666

Auswertung kategorialer Daten mit dem Chi2-Test Anwendung in einer 4 Felder Tafel: wer1-18 Total 1 2 Geschlecht gleich Count 193 135 328 ungleich 331 7 338 524 142 666 p (1) = 524/666, p (2) = 142/666, p (gleich)= 328/666, p (ungl.) = 338/666 Bei statistischer Unabhängigkeit von Var 1 und 2 gilt: p (1, gleich) = p (1) x p (gleich), p (2, gleich) = p (2) x p (gleich), etc.

Auswertung kategorialer Daten mit dem Chi2-Test Anwendung in einer 4 Felder Tafel: wer1-18 Total 1 2 Geschlecht gleich Count 193 135 328 Expected Count 258,1 69,9 328,0 ungleich 331 7 338 265,9 72,1 338,0 524 142 666