Lagemaße: - absolute, relative, kummulierte (relative) Häufigkeiten - Mittelwert, Median, Modus, Quantile - Mittelwert Dummyvariable = p1 - Mittelwert empfindlich auf Ausreißer, daher besser Median oder getrimmtes arithmetisches Mittel (nur zwischen bestimmten Quantilen) - Modus: unimodal, bimodal, multimodal, mind. nominal - Median, Quantile: mind. ordinal - Mittelwert: mind. metrisch
Streuungsmaße: - Range: Spannweite, Abstand zwischen kleinstem und größten Wert, mind. ordinal - Quartilabstand: Abstand zwischen Q1 und Q3 (also Q25% und Q75%), mind. ordinal - Varianz: Summe der Abweichungsquadrate, mind. metrisch, nicht besonders aussagekräftig - Standardabweichung: Wurzel aus Varianz // gebräuchlich, weil in Einheit der jeweiligen Messwerte (aussagekräftig) - IQV (Index qualitativer Variation): nur nominal // 1 = maximale Heterogenität, 0 = maximale Homogenität
Boxplot: - Median, Q25%, Q75%, min, max, Ausreißer, Extremwerte - min und max innerhalb von 1,5 Boxlängen (IQR/Interquartilsabständen) (also max = Q0,75 + 1,5*IQR - Ausreißer zwischen 1,5 und 3 Boxlängen - Extremwerte über 3 Boxlängen
Schiefe: - 0=symmetrisch - über 0 = rechtsschief (linkssteil) - unter 0 = linksschief (rechtssteil)
Kurtosis/Wölbung - unter 0 = breitgipflig - über 0 = spitzgipflig - Standardisierung durch Variationskoeffizient (V) z-Transformation: - Standardisierung - Mittelwert = 0 (Zentrierung) - Standardabweichung = 1 (Normierung)
bivariat
Kreuztabelle: - immer möglich - Zeilensummen auf 100% - Notation: xij: i=y-Variable (Zeilen, UV), j=x (Spalten, AV), z.B. n1,3 (Y in 1. Ausprägung und X in 3. Ausprägung, also 1 runter und 3 zur Seite) - ni,+ = maximales X einer bestimmten Y-Ausprägung (also Seite) - n+,j = maximales Y einer bestimmten X-Ausprägung (also unten)
Assoziationsmaße: - niedrigstes Skalenniveau beachten - nominal: Kontingenztabelle: d%, Odds ratio, Chi-Quadrat, Phi, Cramers-V, Lambda, PRE - ordinal: Rho, Tau-a, -b, -c, Gamma, Somers’ d - metrisch: Kovarianz, Pearson-Korrelation r, Regressionsgewicht b - Ausnahme metrisch + nominal: Eta - Faustregel: bis 0,05 = vernachlässigbar // bis 0,25 = schwach // bis 0,5 = mittelstark // bis <1 = stark // 1 = perfekter Zusammenhang
Prozentsatzdifferenz d% - geht mit absoluten sowie relativen Häufigkeiten - -100% / 0% / 100% - nur für 4-Felder-Tabelle - Einteilung der Kästchen in a-b-c-d - additives Maß: deshalb Verzerrung bei schiefer Y-Verteilung
Odds ratio, Yules Q
- multiplikatives Maß, unempfindlich gegen schiefe Y-Verteilung - Überlebenschance = p(Überleben) / p(Sterben) - Überlebenswahrscheinlichkeit = p(Überleben) / n - Odds ratio kein Zusammenhangsmaß (zeigt nur Wahrscheinlichkeitsverhältnisse) - Yules Q als Zusammenhangsmaß - Interpretation Odds: Die Chance zu überleben ist (...) mal so hoch wie die Chance zu Sterben. Bzw. auf 1 Toten kommen (...) Überlebende. - Interpretation Odds Ratio: Die Überlebenschance der Frauen ist (...) mal so hoch wie die Überlebenschance der Männer. Bzw. auf 1 überlebenden Mann kommen (...) überlebende Frauen. - Umwandlung in Prozent: wenn kleiner als 1, dann 1-(...) und dann *100 // wenn größer als 1, dann (...)-1 und auch wieder *100 - Es gibt (...)% weniger/mehr Überlebende als Tote. (genau so mit Odds ratio)
Chi-Quadrat, Phi, Cramers-V
- Chi-Quadrat: Indifferenztabelle erstellen: erwartete Werte ohne Abhängigkeit = ei,j // Berechnung bei 4-Felder-Tabelle auch ohne Indifferenztabelle möglich // unstandardisiert - Phi: standardisiert, kann aber nicht Richtung des Zusammenhangs zeigen, wenn es aus Chi-Quadrat berechnet wurde (nur, wenn es mit alternativen Formel ohne Chi- Quadrat berechnet wird), nur für 4-Felder-Tafel - Richtung des Zusammenhangs bei nominal meist ohnehin sinnlos - Cramers-V: aus Chi-Quadrat // r sind Zeilen, c sind Spalten: den kleineren Wert nehmen (je nach dem ob es weniger Zeilen oder weniger Spalten gibt) // für Mehrfelder möglich // keine Richtung des Zusammenhangs // keine eindeutige Interpretation (daher PRE besser)
Lambda (PRE) - asymmetrisch - 0-1, also 0-100%: Die Vorhersagegenauigkeit von Y verbessert sich durch die Kenntnis von X um ...%. - ausgehend von Modalwert von Y insgesamt (E0), bzw. von Modalwert von Y in jeder X-Ausprägung (E1)
Tau, Gamma - Tau und Gamma über Paarvergleich, symmetrisch - Paarvergleich: Menge der Paare = (n*(n-1))/2 (Formel in Tau-a-Formel integriert) - Paartypen: Konkordante Paare (C), Diskordante Paare (D), Randbindungen auf X (Tx), Rangbindungen auf Y (Ty), Randbindungen auf X und Y (Txy) - Paartypen über Häufigkeitstabelle bestimmen - Konkordanzen: links oben nach rechts unten, alle Werte für mögliche Kästchen abgrasen: z.B. 3*(3+2+2+4), das für alle Kästchen machen wo Konkordanzen möglich sind, dann alle Werte zusammenrechnen - Diskordanzen: rechts oben nach links unten - Rangbindungen auf X: runter - Rangbindungen auf Y: zur Seite - Rangbindungen auf X und Y: Formel für Menge der Paare für jedes Kästchen anwenden - Tau: -1 / 0 / +1, Daumenregel - Tau-a nicht verwenden, ist nur Grundgedanke - Tau-b ist gut, gut interpretierbar, nur quadratische Tabellen - Tau-c schwer interpretierbar - Gamma: als PRE-Maß // beachtet keine Ties, daher verzerrt bei wenigen Gruppen - Gamma Interpretation: Bei Kenntnis über die gemeinsame Verteilung von X und Y verbessert sich die Vorhersage der Paarvergleiche um ...%. - Gamma > Tau-b > Tau-a - Somers’ d: asymmetrisch, beachtet auch Bindungen auf Y
Rho - über Rangreihen - symmetrisch - -1 / 0 / +1 - di = Differenz zwischen verschiedenen Rangplätzen - z.B. 2 verschiedene Jurys (Jury X und Jury Y) bewerten die Darbieter unterschiedlich: dadurch entstehen 2 verschiedene Rangplatzreihen für jeden Darbieter wird die Differenz berechnet - Möglichkeit metrische Daten in Rangplätze umzuwandeln: bei 2 gleichen Werten 2x gleiche ,5-Zahl einsetzen - nur wenn ties unter 20%
Kovarianz, Korrelation - Kovarianz: Basis für Korrelation // invariant ggü. Niveauverschiebung (Addition/Subtraktion mit Konstanten) // nicht invariant ggü. Maßstabverschiebung (Division/Multiplikation) // nicht standardisiert, nicht interpretierbar // Kovarianz einer Variable mit sich selbst = deren Varianz - Korrelation: invariant ggü. Niveauverschiebung und Maßstabverschiebung // normiert // mit z-transformierten Daten einfachere Formel // klein ab 0,1 mittel ab 0,3 hoch ab 0,5 - Probleme Korrelation: keine Richtung // keine Beachtung von Drittvariablen // nicht für nicht-lineare Zusammenhänge
Lineare Regression - asymmetrisch - Gesamtvarianz = yi – y(Mittelwert) // erklärte Varianz (Regression) = y(Dach) – y(Mittelwert) // nicht erklärte Varianz = yi – y(Dach) - b0: wenn x=0, dann ist y (...) // b1: wenn x um eine Einheit steigt, steigt/sinkt y um (...) Einheiten - b1 unstandardisiert: y von Euro auf Cent = b1*100 // x von Jahre auf Monate = b1/12 - b1*: standardisiert // invariant gegen Maßstabverschiebungen, also unabhängig von Einheiten // wenn x um 1 Standardabweichung steigt, steigt/sinkt y um (...) Standardabweichungen. - R^2 als PRE-Maß: zeigt wie gut die jeweilige Regressionsgleichung für Erklärungen oder Prognosen geeignet - Dummy: UV mit 2 Ausprägungen (0 und 1) - b0 zeigt den durchschnittlichen y-Wert der 0-Ausprägung an - b1 zeigt den Unterschied zwischen Ausprägung 0 und 1 - nicht sinnvoll bei UV mit polytomen Gruppen (nominal mit mehr als 2 Ausprägungen)
ANOVA - Eta^2 als PRE-Maß (wenn AV metrisch und UV nominal) + Eta Interpretation mit Faustregel möglich - mehrere Gruppen: UV mit mehreren nominalen Ausprägungen: y-Mittelwerte aller Ausprägungen berechnen sowie insgesamten Mittelwert // Gesamtvariation E0 = Unterschied jeder einzelne Ausprägung vom Gesamtmittelwert // Variation zwischen den Gruppen E1 (erklärte V.) = Unterschied zwischen dem Gesamtmittelwert und jedem einzelnen Gruppenmittelwert // Variation innerhalb der Gruppen (nicht-erklärte V.) = Unterschied zwischen jeder einzelnen Ausprägung und dem Mittelwert der jeweiligen Gruppe - Interpretation: ca. ...% der Varianz in der AV werden durch das Merkmal UV gebunden/erklärt
