Beruflich Dokumente
Kultur Dokumente
Sommersemester 2014
Teil I - 1. Voraussetzungen der Varianzanalyse
a: die Variablen
X 1i = f ( A j )+U i
2. Der Modellansatz der mehrfaktoriellen
Varianzanalyse
X 1i = f ( A j , B l , C m ....)+U i
Universität Brasov, SoSe 2014 H. P. Litz: Knowledge Management, Lektion 5 3
Teil I - 2. Die einfaktorielle Varianzanalyse
a: Der Analyseansatz
1. Das Modell der einfaktoriellen Varianzanalyse
Einkommen = f ( Ausbildung )
X 1i = f ( Ai ) + U i
2. Graphische Veranschaulichung
Einkommen,
Einkommen, Teil I - Einkommen, nach
insgesamt
insgesamt Ausbildung
Tabellarische
Darstellung:
Einkommen nach
Ausbildung
in die Varianz
innerhalb
der Gruppen
1 /n ∑ ( X i − X
̄ )2 = 1 / n ∑ n j ( X̄ j − X
̄ )2 ∑∑ 2
+ ( x − x
̄j )
n j−1 i =1 ji
SAQ−zwischen
2 SAQ - erklärt
η = =
SAQ− gesamt SAQ - gesamt
Z
∑ n j ( x j − x̄ ) 2
2 j=1
η = nj
Z
∑ ∑ ( x ji − ̄x ) 2
j =1 i=1
H 0 : η2 = 0 Bzw.: H 0 : μ 1= μ 2= ......= μ z
2. Die Testvoraussetzung:
Homogenität der Gruppen-Varianzen in der
Grundgesamtheit , d.h.: 2 2 2
σ 1= σ 2= ......= σ z
Z−1
z.B. : F n−Z (αo )=0,05
Korrelationsanalyse: / Varianzanalyse:
linear nicht linear
Universität Brasov, SoSe 2014 H. P. Litz: Knowledge Management, Lektion 5 17
Teil I - 4. Die einfache Varianzanalyse mit SPSS:
Mittelwertvergleiche über: “Einfaktorielle ANOVA“
a) die Anforderung
Die Hypothese
gleicher
Varianzen kann
nicht zurückge-
wiesen werden
2 SAQ-Zwischen
= =0,4706
SAQ-Ges
X 1i = f ( A j , B l , C m ....)+U i
Universität Brasov, SoSe 2014 H. P. Litz: Knowledge Management, Lektion 5 25
Teil II - 1 Die zweifaktorielle Varianzanalyse
b) Die tabellarische Darstellung
Tabellarische Darstellung:
Einkommen nach
Bildungsniveau und
Geschlecht
Komponenten der
zweifachen Varianzanalyse
(experimenteller Ansatz):
➢ SAQ - gesamt
➢ SAQ – zwischen =
SAQ-A + SAQ-B +
SAQ-AB
➢ SAQ - innerhalb
Z
SAQ - A + = ∑ n j ( ̄x j . − ̄x )2 (Streuung durch
j=1 Faktor A)
S
SAQ - B + + ∑ nl x. l −x 2 (Streuung durch
l=1 Faktor B)
Z S
SAQ - AB + (Streuung durch
+∑ ∑ c jl x jl − x j . −x . l x 2 Wechselwirkung)
j=1 l=1
Z S c
(Streuung durch
SAQ - innerhalb + ∑ ∑ ∑ x jli −x jl 2 Zufallseinflüsse)
j =1 l =1 i=1
SAQ-gesamt − SAQ-innerhalb
η2 =
SAQ-gesamt
SAQ-erklärt
=
SAQ-gesamt
1/ S −1 SAQ B
F 0 B =
1/ n−Z⋅S SAQ−innerhalb
3.
1.
2.
Ignorieren!
Irrelevante
Informa-
tionen
1. Modell anpassen,
2. Wechselwirkungen
Definieren,
3.
3. Modellkomponenten
1. spezifizieren
2.
1. Hierarchisches Modell
ANOVA
VARIABLES= partprof BY geschl(0 1) ausbild(0 5) status(0 6)
/MAXORDERS 3
/STATISTICS MCA
/METHOD HIERARCHICAL
/FORMAT LABELS.
2. Sequentielles Modell
MANOVA
partprof BY geschl(0 1) ausbild(0 5) status(0 6)
/NOPRINT PARAM(ESTIM)
/METHOD = SEQUENTIAL
/ERROR WITHIN +RESIDUAL
/DESIGN.
Nachgewiesen
wird der gemein-
same Beitrag aller
Faktoren, aus den
Beiträgen der
einzelnen Faktoren
sind die Beiträge
der vorhergehen-
den Faktoren aus-
partialisiert
x 1= f ( A , B .. . K , x 2 .. . x k )+U i
1
2 SAQ-Res SAQ A,B . ..
η =
K
V
F0 =
Z⋅S −1
>F a
SAQ A,B . .. 1
SAQ−innerhalb
0
n− Z⋅S −1
x jli − x jl = f x 2i , x 3i , .. . , x ki
1
2 SAQ−Reg k −2 1 SAQ −Reg
Rk = R
F0 = ⋅ F
SAQ−innerhalb 1 SAQ −Res 0
n−Z⋅S −1 2
2.
1.
1. Nachgewiesen
wird der gemein-
same Beitrag aller
Komponenten.
ANOVA
VARIABLES= partprof BY geschl(0 1) ausbild(0 5) status(0 6) WITH v27 partpot
/COVARIATES AFTER
/MAXORDERS ALL
/STATISTICS MCA hierarchischer
/METHOD HIERARCHICAL Ansatz
/FORMAT LABELS.
MANOVA
partprof BY geschl(0 1) ausbild(0 5) status(0 6) WITH v27 partpot
/NOPRINT PARAM(ESTIM)
/METHOD = SEQUENTIAL
/ERROR WITHIN +RESIDUAL sequentieller
/DESIGN. Ansatz