Quantitative Datenanalyse
Quantitative Datenanalyse
Quantitative Datenanalyse
Set of flashcards Details
| Flashcards | 113 |
|---|---|
| Language | Deutsch |
| Category | Maths |
| Level | University |
| Created / Updated | 17.02.2020 / 17.02.2020 |
| Weblink |
https://card2brain.ch/box/20200217_quantitative_datenanalyse
|
| Embed |
<iframe src="https://card2brain.ch/box/20200217_quantitative_datenanalyse/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Was kann hier im Test Test erkannt werden ? Was für Skalenniveaus sind die Variablen ?
Varablen: Nicht metrisch (geschlecht) und Metrisch (Absicht zum Nutzen)
1. Man Schaut ob die Varianzen sich Unterscheiden --> Signifikanz höher als 0.05 dann weiter auf gleicher Zeile
2. Mit Sig(2 Seitig) sieh man wie hoch die Irrtumswahrscheinlichkeit ist wenn man 0 H ablehnt.
3. Sicherheitswahrscheinlichkeit von 67% dass man H0 ablehnen kann
Aussage: Männer und Frauen unterscheiden sich nicht signifikant hinsichtlich ihrer Nutzungsabsicht.
Was ist der P-Wert und ab wann ist dieser Signigikant
- p < .10 = Irrtumswahrscheinlichkeit von 10%, marginal signifikant
- p < .05 = Irrtumswahrscheinlichkeit von 5%, signifikant
- p < .01 = Irrtumswahrscheinlichkeit von 1%, signifikant
- p < .001 = Irrtumswahrscheinlichkeit von 0.1%, hoch-signifikant
Wie können Realibilität ausgerechnet werden ? Was werden diese interpretiert ?
Analysieren, Skala, Reabilitätsskale
Bei Statistik kann noch ausgewählt werden um zu sehen was passieren würde wennn ein Item fehlt
Was würdest du bei folgenden Ergebnissen aussagen ?
Die sozio-demographischen Variablen im ersten Modell erklären lediglich 3% der Varianz in der Akzeptanz künstlicher Süssstoffe, während das Hinzufügen der psychologischen Variablen im zweiten Modell 45% der Varianz in der Akzeptanz künstlicher Süssstoffe erklären.
Beide Modelle sind signifikant (Modell 1: F(2, 465) = 7.252, p = .001;
Modell 2: F(5, 462) = 76.836, p < .001)
Unabhängige Stichproben (unterschiedliche Personen) • Testen Sie, ob sich Frauen und Männer (Variable «Geschlecht») hinsichtlich ihrer Risikowahrnehmung (Variable «Risiko») signifikant unterscheiden. Beschreiben Sie in einem Satz ob und inwiefern Sie sich unterscheiden (Mittelwerte!)
Abhängige Stichproben (die gleichen Personen) • Testen Sie, ob die Teilnehmenden mehr Risiken oder mehr Nutzen wahrnehmen in Bezug auf künstliche Süssstoffe (Variablen «Risiko» und «Nutzen») Beschreiben Sie in einem Satz ob es Unterschiede gibt und wie diese aussehen (Mittelwerte!)
«Männer weisen eine signifikant niedrigere Risikowahrnehmung auf (M = 3.4, SD = 1.4) als Frauen (M = 4.0, SD = 1.4), t(456) = 4.4, p < .001.
«Die Teilnehmenden nahmen signifikant mehr Risiken (M = 3.7, SD = 1.4) als Nutzen wahr (M = 3.1, SD = 1.2), t(480) = 6.04, p < .001»
Interpretiere folgende 2 Modelle ?
Lediglich eine der sozio-demographischen unabhängigen Variablen weist einen Zusammenhang mit der Akzeptanz künstlicher Süssstoffe auf: das Geschlecht der Teilnehmenden (β = .159, p = .001). Das heisst Männer (Kodierung 1) weisen eine höhere Akzeptanz auf als Frauen (Kodierung 0). Das Alter der Teilnehmenden war kein signifikanter Prädiktor der Akzeptanz (β = .051, p = .264). …
Das Geschlecht war kein signifikanter Prädiktor der Akzeptanz mehr im zweiten Modell (β = .040, p = .253). Dies könnte daran liegen, dass das Geschlecht mit einem der psychologischen Prädiktoren zusammenhängt. Der wahrgenommene Nutzen beeinflusst die Akzeptanz positiv (β = .245, p < .001), während die Risikowahrnehmung einen negativen Einfluss ausübt (β = -.521, p <.001). Der wichtigste Prädiktor der Akzeptanz ist die Risikowahrnehmung.
Erstelle eine Formel mit den Regressionskoeffizienten
Was bedeutet kolinearitàt und multikolinearitàt ?
Kollinearität beschreibt den Zusammenhang zwischen zwei unabhängigen Variablen
− Mulitkollinearität beschreibt den Zusammenhang zwischen drei oder mehr unabhängigen Variablen
Erklàre die Multikolinearitàtstools ?
Tools: − Paarweise Korrelationen − Toleranz Wert − Variance Inflation Factor (VIF)
Toleranz Wert:
− Der Anteil der Varianz einer unabhängigen Variable, der nicht durch die anderen unabhängigen Variablen erklärt wird.
-Formel: Tj = 1 – R2 j
- Ein Toleranzwert von 0,25 würde bedeuten, dass nur 25% der Varianz einer Variable allein durch diese Variable erklärt werden. 75% lässt sich durch andere Variablen im Modell erklären. − Werte liegen zwischen 0 und
− VIF (Variance Inflation Factor): gibt an, wie stark die Varianz eines Regressionskoeffizienten durch Multikollinearität beeinträchtigt wird. − VIF = 0 → es gibt keine Korrelation zwischen den UVs − VIF = 1 → die unabhängigen Variablen korrelieren leicht miteinander − VIF > 10 hier liegen Probleme von Multikollinearität vor − VIF und Toleranzwert sind miteinander verbunden: VIF = 1/Toleranz
Wie können Hinweise durch auf Multikorrelations durch Korrelationstabelle gefunden werden ?
- Weisen Toleranz und VIF auf Multikollinearität hin? Wie kann dies ermittelt werden ?
Wie sieht der Aufbau eines Ergebnissberichts für eine lineare Korrelationsmessung aus ?
1. Was wurde untersucht
2. Was war die Stichprobengrésse und wie war diese verteilt im alter und geschlecht
3. Was für eine Analyse wurde gefahren was waren die Abhàngigen Variablen
» Eine multivariate, hierarchische Regressionsanalyse mit der Akzeptanz künstlicher Süssstoffe als abhängige Variable ergab zwei signifikante psychologische Prädiktoren.
4. Ergebnissdiskussion a) Zusammenhànge
5. Ergebnissdiskussion b) Varianzen
6. Ergebnissdiskussion c) Regressionskoeffizient (standartisiert)
Eine höhere Risikowahrnehmung ging einher mit einer niedrigeren Akzeptanz, während eine höhere Nutzenwahrnehmung mit einer höheren Akzeptanz zusammenhing. Das Wissen über die Regulation von künstlichen Süssstoffen, sowie das Alter waren keine signifikanten psychologischen Prädiktoren der Akzeptanz. Das Geschlecht wies zunächst einen signifikanten Zusammenhang mit der Akzeptanz auf, welcher jedoch verschwand nach Einschluss der psychologischen Variablen.
Während das Geschlecht lediglich 3% der Varianz in der abhängigen Variable “Akzeptanz” erklären konnten, erklärten die zwei psychologischen Variablen 45%. Die Risikowahrnehmung war der wichtigste Prädiktor mit einem standardisierten Regressionskoeffizienten von -.52
Wo sind einfoktorielle Varianzanalysen einzuordnen ?
«Werden die unabhängigen Variablen auf nominalem Skalenniveau gemessen und die abhängigen Variablen auf metrischem Skalenniveau, so findet die Varianzanalyse Anwendung. Dieses Verfahren besitzt besondere Bedeutung für die Analyse von Experimenten, wobei die nominalen unabhängigen Variablen die experimentellen Einwirkungen repräsentieren. So kann z.B. in einem Experiment untersucht werden, welche Wirkung alternative Verpackungen eines Produktes oder dessen Platzierung im Geschäft auf die Absatzmenge haben.»
Was sind die Typischen Anwendungsbereiche der Einfaktioriellen Anova ?
Welche Wirkung haben verschiedene Formen der Bekanntmachung eines Kinoprogramms (z.B. Internet, Plakate, Zeitungsinserate) auf die Besucherzahlen? Um dieses zu erfahren, wendet ein Kinobesitzer eine Zeit lang jeweils nur eine Form der Bekanntmachung an.
• Welche Wirkung haben zwei Marketinginstrumente jeweils isoliert und gemeinsam auf die Zielvariable? Ein Konfitürenhersteller geht z.B. von der Vermutung aus, dass der Markenname und der Absatzweg einen wichtigen Einfluss auf den Absatz haben. Deshalb testet er drei verschiedene Markennamen in zwei verschiedenen Absatzwegen.
• Welche Wirkung haben verschiedene Unterrichtsmethoden auf den Lernerfolg bei verschiedenen Schulklassen derselben Ausbildungsstufe?
Wie sieht die Formel aus fèr 1 faktiorelle anovas ?
Zeige die Streuungszerlegung bei der einfaltiorellen Anova
Was sind die Anwendungsbereiche der linearen Regression ?
Formulieren sind das Regressionsmodell fèr eine Multivatiate Regressionsanalyse
Wie kann die Regressionsfunktion èberprèft werden ?
Wie kénnen die Koeffizienten èberprèft werden ?
Wie wird der F-test berechnet ?
Was für schtitte macht man wenn man 1 einfaktorielle Anova durchführen will (Varianzanalyse
Univariat , abhängige metrisch, unabhängige Nominal, Optionen, deskriptivem homogenitätstest
Vorgehensweise bei einer Varianz Analyse
1. Man schaut sich in der Anova (test zwischensubjekte) den F-Test ,die Freiheitsgrade und die Signifikants an
2. Falls Sig < 0.05 checkt man den Levene Test nach Gruppenunterschiede in der Streuuung
3. Falls Sig < 0.05 = keine Varianzhomogenität --> Tamhane test, fall Sig > 0.05 = Varianzhomogenität --> Bonferonnitest
4. Man schaut sich die einzelnen Gruppenunterschiede an
Was ist der Unterschied zwischen der einfaktoriellen und 2 Faktoriellen Varianzanalyse
Einfaktorielle Varianzanalyse = 1 Abhängige + 1 Unabhängige (Bsp Segment mit Gruppen)
Zweifaktorielle Varianzanalyse= 1 Abhängige + 2 Unabhängige
Der Leiter einer Supermarktkette möchte seine Untersuchung erweitern und neben den drei Arten der Warenplatzierung («Normalregal», «Zweitplatzierung» und «Kühlregal») auch den Einfluss der Verpackung («Becher» und «Papier») auf die Absatzmenge von Margarine überprüfen.
Was ist das für ein faktorielles design ? Wieviele Stichproben werden genommen ?
Der Leiter einer Supermarktkette möchte seine Untersuchung erweitern und neben den drei Arten der Warenplatzierung («Normalregal», «Zweitplatzierung» und «Kühlregal») auch den Einfluss der Verpackung («Becher» und «Papier») auf die Absatzmenge von Margarine überprüfen
3x2 faktorielles Design mit 6 Teilstichproben
Wie kénnen Interaktionseffekte (2x3 Design) auch noch dargestellt werden ?
Sobald die Verbindungslinen nicht parallel verlaufen --> Interaktionseffekt zwischen den Variablen
Was bedeuten die einzelnen Faktoren ?
Was sagt folgende Tabelle aus beyg Signifikanz
Signifikante Auswirkung von Regal auf Absatz einfluss wo im Regal
Signifikante Auswirkung von Verpackung auf Absatz
Keine Signifikante Interaktionseffekt zwischen Absatz und Auswirkung
Wie lassen sich Interaktionseffekte bei einer zweifaktoriellen Varianzanalyse grafisch darstellen ?
Y - Achse sieht man den Mittelwert der einzelnen Zellen der Abhängigen Werte
X - Achse unabhängige Werte
Darstellung
Grafischer Hinweis sieht man am Verlauf der Linien
Falls keine Interaktion wäre es ein paralleler Verlausf
Wie erfolgt die Streungszerlegung bei einer zweifaktiorellen Varianzanalyse ?
Erweiterte Streungszerlegung bei der zweifaktioriellen Varianzanalyse.
Der erklärte Streuungsanteil bei der zweifaktioriellen Varianzanalyse=
1. Die erklärte Streung durch den Faktor 1,
2. Die erklärte Streuung durch Faktor 2.
3. Die erklärte Streung durch den Interaktionseffekt
4. Das was verbleibt wäre die nicht erklärbare Streuung
Wie unterscheidet sich die Kovarianzanalyse von der Varianzanalyse ?
Eine (Kontrollvariablen) weitere Metrische Variable wird aufgenommen als Einfluss auf die unabhängige Variable
Aussentemperatur als weiterer Einfluss auf Absatz
Gibt dann auch F-Test dafür
Wie unterscheiden sich dependenzanalysen zu Interdependenzanalysen ?
Bei Dependenzanalysen schaut man zuerst was die Abhnängige ist und was die unabhängie Variable ist. Dementsprechend wird das Analyseverfahren ausgewählt.
Bei Interdependenzanalysen untersucht wechselwirkung zwischen den Variablen aber keine Abhängigkeiten
Dabei zugehöhren die Faktorenanalyse (Metrische) und die Clusteranalyse (Metrisch + nicht Metrisch)
Was ist der Ablauf der Faktorenanalyse ?
1. Variablen auswählen und beurteilen ob die daraus resultierende Korrelationsmatrix für eine Faktorenanalyse geeignet ist.
2. Extraktion der Variablen (Variablen verdichten zu faktoren)
3. Bestimmen der Kommunilitäten
4. Anzahl der faktoren bestimmen
5. Faktoreninterpretation, bestimmen der Faktorwerte
Wann findet die Faktorenanalyse anwendung ?
Die Faktorenanalyse findet insbesondere dann Anwendung, wenn im Rahmen einer Erhebung eine Vielzahl von Variablen zu einer bestimmten Fragestellung erhoben wurde und der Anwender nun an einer Reduktion bzw. Bündelung der Variablen interessiert ist. Von Bedeutung ist die Frage, ob sich möglicherweise sehr zahlreiche Merkmale, die zu einem bestimmten Sachverhalt erhoben wurden, auf einige wenige ‘zentrale Faktoren’ zurückführen lassen.
Was für ein Beispiel gibt es in der Faktorenanalyse zur Verdichtung der zahlreichen technischen Eigenschaften von Kraftfahrzeugen ?
Ein einfaches Beispiel hierzu bildet die Verdichtung der zahlreichen technischen Eigenschaften von Kraftfahrzeugen auf wenige Dimensionen wie Grösse, Leistung und Sicherheit.
Adjektive zu einer Eigenschaft zusammenfassen
Was ist der Unterschied zwischen Faktoren zu Clusteanalyse
Faktorenanalyse verdichtet Variablen zu dahinterliegenden Faktoren
Clusteranalyse verdichtet Fälle zu gemeinsamen clustern (In sich homogen cluster von Fällen)
Fülle den Steckbrief aus ?
Wie geht der Spss befehl ?
ANALYSIEREN-DIMENSIONSREDUKTION-FAKTORENANALYSE
Für welche Anwendungsbereiche eignet sich die Faktorenanalyse ?
Verdichten von Kaufargumenten, Produkteigenschaften, items zu kernfaktorern zusammenfassen
Was ist die Faktorladung ?
