Lernkarten

Karten 161 Karten
Lernende 3 Lernende
Sprache Deutsch
Stufe Universität
Erstellt / Aktualisiert 01.07.2020 / 08.07.2020
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 161 Text Antworten 0 Multiple Choice Antworten
Fenster schliessen

Allgemeines

 was sind uni-, bi- und multivariate Analyseverfahren?

  • univariat: ein Merkmal wird über verschiedene Fälle hinweg analysiert (z.B. durchschnittliche Größe)
  • bivariat: zwei Merkmale werden über verschiedene Fälle hinweg analysiert (z.B. Korrelation zwischne Größe und Gewicht)
  • multivariat: mehr als eine Variable wird für die Analyse berücksichtigt
    • 1. Bsp.: Therapieerfolg bei Diabetes, unter Berücksichtigung von Abnahme in KG, subjektiver Zufriedenheit, Langzeitzucker, Zuckerspiegel 1 h nach Mahlzeit, ...
    • 2. Bsp.: Bildung von Persönlichkeitstypen auf Basis von psychografischen Merkmalen
    • 3. Bsp.: wie stark hängt Nachfrage von Qualität, Preis, Werbung und Einkommen der Bevölkerung ab?
Fenster schliessen

Allgemeines

wie kann man multivariate Verfahren einteilen?

  • Strukturentdeckende (Interdependenzanalysen) und Strukturprüfende Verfahren (Dependenzanalyse
  • Strukturentdeckend
    • Entdeckung von Zusammenhängen zwischen Variablen
    • keine Einteilung in UV und AV -> zweiseitige Abhängigkeit
    • keine vorherige Vorstellung über mögl. Zusammenhänge (keine Hypothesen)
  • strukturprüfend
    • Überprüfung von Zusammenhängen zwischen Variablen
    • kausale Abhängigkeit: Einteilung in interessierende (abhängige) Variable und unabhängige Variable
    • sachlogischer, theoretischer Hintergrund -> also vorher Hypothese
Fenster schliessen

Allgemeines

Was sind struktur-entdeckende Verfahren?

nominal

- multidimensionale Skalierung

- Clusteranalyse

metrisch

Clusteranalyse

- Faktorenanalyse

Fenster schliessen

Allgemeines

Was sind strukturprüfende Verfahren? 

 

  • AV und UV nominal: Kontingenzanalyse (Kreuztabellen)
  • AV und UV metrisch: multiple Regressionsanalyse
  • AV nominal, UV metrisch: MANOVA (multiple Varianzanalyse)
  • AV metrisch, UV nominal: Diskriminanzanalyse, logistische Regression
Fenster schliessen

Clusteranalyse

  • was für ein Verfahren ist das?
  • ein Struktur-entdeckendes Verfahren, welches sowohl bei nominalen als auch bei metrischen Variablen eingesetzt werden kann
  • aber: die Daten müssen das gleiche Skalenniveau haben
Fenster schliessen

Clusteranalyse

  • typische Problemstellungen, Beispiele, Grundidee
  • wie lassen sich Produkte (Personen, Objekte) in Gruppen zusammenfassen?
  • Anwendungsgebiete
    • welche Arten von Studierenden gibt es? -> Erfassung von Fleiß, Kreativität, Einkommen, Nachtleben, Intelligenz, Studienfach, ...
    • welche Persönlichkeitstypen gibt es? -> Zustimmung / Ablehnung zu verschiedenen Items
    • welche Arten von Organisationstrukturen gibt es? -> Erfassung von Produktivität, Beschäftigung, Technologie usw.
    • Käuferschichten -> Einstellungen, Gehälter, Alter etc. zur Einteilung in Zielgruppen
  • Grundidee: Fälle (stehen in Zeilen) werden in Gruppen zusammengefasst -> homogene Untergruppen aus heterogener Grundgesamtheit bilden
    • Gruppe von Personen: diejenige, die ähnlich auf bestimmte Situationen reagieren
    • Gruppe von Variablen: diejenigen, auf die ähnlich reagiert wird (macht man aber eher mit FA)
Fenster schliessen

Clusteranalyse

  • Ablauf
  • Ausgangsmatrix: Objekte in Zeilen, Eigenschaften in Spalten
  • Wahl eines Proximitätsmaß: wie weit sind die einzelnen Objekte voneinander entfernt?
  • Bestimmung der Ähnlichkeiten/Distanzen der Objekte
  • Auswahl eines Fusionierungsalgorithmus: wie genau die Daten zusammengefasst werden
  • Bestimmung der Clusteranzahl
  • Überprüfung der gefundenen Clusterlösung
  • Interpretation der Cluster
Fenster schliessen

Clusteranalyse

  • was sind Ähnlichkeits- / Distanzmaße?
  • Ähnlichkeitsmaße: spiegeln Ähnlichkeit von Objekten wider -> hoher Wert = Objekte sind sich sehr ähnlich
    • Wertebereich meist von 0-1
    • je größer der Koeffizient, desto größer die Ähnlichkeit
    • wenn man aus einem Ähnlichkeitsmaß ein Distanzmaß machen will, muss man einfach das Ähnlichkeitsmaß von 1 subtrahieren
  • Distanzmaße: spiegeln Unähnlichkeit von Objekten wieder -> hoher Wert = Objekte sind sich sehr unähnlich
  •