16
Marktforschung (Fach) / Analyse von Zusammenhängen (Lektion)
.
Diese Lektion wurde von Niiklas1997 erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
Anzeige
- Wie ist die abhängige Var bei der Varianzanalyse skaliert? Metrisch
- Wie sind die unabhängigen Var. bei der Varianzanalyse skaliert? Nominal
- Varianzanalyse wird vor allem wann angewendet? Bei der Auswertung von Experimenten
- Arten der Varianzanalyse Anz. abhäng. Var. Anz. unabhäng. Var. Verfahrensname 1 1 Einfaktorielle Varianzanal. 1 mehrere Mehrfaktorielle Varianzanal. Mehrere 1 oder mehrere Mehrdimensionale Varianzanal.
- Einfaktorielle Varianzanalyse Wirkung von einzelnen "Faktoren" (nicht mit Faktoren der Faktorenanalyse verwechseln) Varianzen zwischen verschiedenen Gruppen erklärbar, aber nicht Varianzen innerhalb der Gruppen.
- Mehrfaktorielle Varianzanalyse Vorgehensweise wie bei der Einfaktoriellen Varianzanalyse Zusätzliches Phänomen: Interaktion zwischen Faktoren (einfach in Grafiken zu erkennen) Bsp.: Sonderangebote wirken stärker, wenn sie von Handzetteln begleitet werden und umgekehrt, also: Wirkung der Kombination von Sonderangebot und Handzettel größer als die Einzelwirkungen
- Unterschied bivariate und multivariate Analyseverfahren bivariat: Y=f(x) multivariat: Y=f(x1, x2,...)
- Mögliche Modelle für die Analyse von Zusammenhängen in Abhängigkeit von der Variablenskalierung abhäng. Var. nominal/unabhäng. Var. nominal: Kontingenzanalyse, Logit-Regression abhäng. Var. nominal/unabhäng. Var. metrisch: Logit-Regression abhäng. Var. metrisch/unabhäng. Var. metrisch: Regressionsanalyse abhäng. Var. metrisch/unabhäng. Var. nominal: Varianzanalyse, Regressionsanalyse
- Pearsons Korrelationskoeffizient - gängiger Korr.koeff für 2 metrisch skalierte Variablen - variiert zwischen -1 und 1 - Signifikanztest durch t-Test möglich - Formel: nr= ∑(x1i-x1¯)*(x2i-x2¯)/n*sx1*sx2 i=1 r = Korrelationskoeff. s = Standardabweichung x = Variablen n = Anzahl Beobachtungen
- Was beschreibt der Begriff "Korrelation" und was ist hierbei zu beachten? Korrelation untersucht die Stärke von linearen Zusammenhängen ABER: Korrelation erlaubt keine Aussagen über Kausalität und Zusammenhänge können auch auf dritte Variablen zurückzuführen sein
- Anzeige
- Kontingenzanalyse Untersucht den Zusammenhang zwischen mehreren nominal skalierten Variablen -> Darstellung des Zusammenhangs in Kreuztabellen -> Prüfung der Signifikanz des Zusammenhangs durch den Chi2-Test -> Prüfung der Stärke des Zusammenhangs durch den Phi-Koeff. und/oder den Kontingenzkoeff.
- Chi^2 Test Testet, ob die beiden Variablen voneinander abhängig sind -> Bei Unabhängigkeit muss gelten: Erwarteter Wert = Zeilensumme*Spaltensumme/Gesamtsumme -> Teststatistik: (geschwungenes)x2 = ∑(oben I unten i=1) ∑(oben J unten j=1) (nij-eij)2/eij x2 = Teststatistik nij = Anzahl mit x=i und y=j eij = erwartete Anzahl mit x=i und y=j
- t-Test auf Mittelwertunterschiede -> Metrisch skalierte anhängige Variable/nominal skalierte unabhängige Variable -> Bsp.: Finden Frauen und Männer die Kampagnen unterschiedlich attraktiv? Teststatistik: t = x1¯-x2¯/√(s12/n1)+(s22/n2) xi¯ = Mittelwert der Variablen im i-ten Sample si = Standardabweichung der Variablen im i-ten Sample ni = Anzahl der Beobachtungen im i-ten Sample
- Nicht-parametrische Tests -> Alternative zum t-Test (parametrischer Test) -> viele statistische Tests verlangen Annahmen bestimmter Verteilungen der Variablen (bspw. Normalverteilung beim t-Test) -> nichtparametrische Tests sind demgegenüber verteilungsfrei (z.B. Chi2 Test), dies ist vor allem bei kleinen Stichproben sehr wichtig
- Was untersucht die Varianzanalyse? Einen Zusammenhang zwischen einer metrisch skalierten abhängigen Variable und einer oder mehreren nominal skalierten unabhängigen Variablen.
- Berechnung Chi2 Test 1. Für die Berechnung der Wahrscheinlichkeit der einz. Zellen -> Spaltensumme*Zeilensumme/Gesamtsumme 2. (Zahl in der Zelle-Ergebnis aus 1 für diese Zelle)2/Ergebnis aus 1 für diese Zelle 3. Ergebnisse aus 2 summieren -> Chi2 Ergebnis