1 / 10

Statistik

Statistik. Y X einfacher einseitiger Zusammenhang: einfache lineare Regression  Verdunstung (Y) hängt von der Lufttemperatur (X) ab. Y X einfacher wechselseitiger Zusammenhang: Korrelation

echo-branch
Download Presentation

Statistik

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Statistik Y X einfacher einseitiger Zusammenhang: einfache lineare Regression Verdunstung (Y) hängt von der Lufttemperatur (X) ab Y X einfacher wechselseitiger Zusammenhang: Korrelation  Verdunstung (Y) hängt von der Lufttemperatur (X) ab, umgekehrt hängt die Lufttemperatur auch von der Verdunstung ab (vgl. Verdunstungskälte) Typen statistischer Zusammenhänge: Statistik I

  2. Statistik Skalenniveau Zusammenhangsmaß (Wertebereich) Richtung des Zusammenhangs Nominal [ = ; ≠ ] Kontingenzkoeffizient (0 <= C <= 1) nein Ordinal [ = ; ≠ ; > ; < ] Korrelationskoeffizient Spearman/ Korrelationskoeffizient Kendall (-1 <= rs <= +1) ja Metrisch (nicht-linear, nicht normalverteilt) [ = ; ≠ ; > ; < ; + ; - ; *; / ] Korrelationskoeffizient Spearman/ Korrelationskoeffizient Kendall (-1 <= rs <= +1) ja hohe Korrelation: r = -0.819 niedrige Korrelation: r = 0.07 Metrisch (linear, normalverteilt) [ = ; ≠ ; > ; < ; + ; - ; * ; / ] Korrelationskoeffizient Pearson (-1 <= r <= +1) ja Stärke Übersicht über die gängigen Korrelationskoeffizienten

  3. Statistik • SPSS • Berechnung des Koeffizienten: “Analysieren – Korrelation – Bivariat …” • oder Z-Transformation (Standardisierung) der eingehenden Variablen und Anwendung der Berechnungsformel • Excel • Berechnung der Koeffizienten mit Funktions-Assistenten: “Statistik – Pearson …” • oder Z-Transformation der eingehenden Variablen und Anwendung der Berechnungsformel Pearson-Korrelationskoeffizient r – Berechungsbeispiele

  4. Statistik Y X einfacher einseitiger Zusammenhang: einfache lineare Regression Verdunstung (Y) hängt von der Lufttemperatur (X) ab Y X einfacher wechselseitiger Zusammenhang: Korrelation  Verdunstung (Y) hängt von der Lufttemperatur (X) ab, umgekehrt hängt die Lufttemperatur auch von der Verdunstung ab (vgl. Verdunstungskälte) Typen statistischer Zusammenhänge: Statistik I

  5. Statistik Einfache lineare Regression: Grundlagen • Messen der Art des statistischen Zusammenhangs zwischen zwei Variablen • Aus den Messwerten einer Variablen X soll dabei auf die Messwerte einer Variablen Y geschlossen werden ( Y  X ). • Gesucht wird also ein geeignete Funktion, die die Messwerte der Variablen Y aus X “erklärt”: Y ist dabei die abhängige (zu erklärende) Variable, X ist die unabhängige Variable

  6. Statistik Einfache lineare Regression: Idee • Frage: In welcher Weise verändert sich die Verdunstung mit der Temperatur? • Lineare Regression bedeutet, dass eine lineare Funktion y = f(x) gesucht wird, die die Tendenz der Punktwolke abbildet. Als Funktion wird die Geradengleichung y = bx + a verwendet • + : auch für nicht gemessene Temperaturen kann die Verdunstung geschätzt werden (Modell) y ~ 0.15x – 0.5

  7. Statistik (xi/yi) ei (xi/a+bxi) Einfache lineare Regression: Berechnung der Geraden I • Ziel: Bestimmung einer Geraden, die die Punktwolke optimal repräsentiert, d.h. deren Lage unmittelbar von der Verteilung der Messwertpaare ( xi / yi ) abhängig ist • Optimal bedeutet, dass alle gemessenen Werte möglichst nahe an der Geraden liegen sollen, genauer, dass die Summe der Abweichungen ei zwischen Mess- und Modellwerten minimal ist ei = yi – (a+bxi)

  8. Statistik “Gausssches Prinzip der kleinsten Quadrate” a und b sind so zu wählen, dass die Funktion ein Minimum annimmt Berechnungsformel Regressionskoeffizient (Steigung) BerechnungsformelRegressionskonstante (Y-Achsenabschnitt) Einfache lineare Regression: Berechnung der Geraden II

  9. Statistik • SPSS • Berechnung von Regressionskoeffizient und -konstante sowie der Modellgüte: “Analysieren – Regression – Linear” • Excel • Berechnung der beiden Parameter “per Hand”: Regressionsgerade – Berechungsbeispiele

  10. Statistik Analytisch-statist. Probleme bei Korrelation und Regression • Fehleranfälligkeit bei kleinen N • Ausreißerproblematik • Modellgüte bei linearer Einfachregression (erklärte Varianz) • Anwendung der multiplen liearen Regression • Residuen-Interpretation

More Related