Sie müssen komplexe wissenschaftliche Untersuchungen auswerten? Sie wollen oder müssen dafür Ihren Statistikwerkzeugkasten erweitern? In diesem Buch werden Sie Modelle aufbauen und testen. Sie werden Variablen schätzen, korrelieren und zusammenfassen. Die dabei verwendeten Techniken sind verschiedene Arten der Regression, Varianzanalyse, Chi-Quadrat-Tests und nichtparametrische Prozeduren. Sehr viele Beispiele, teilweise unter Einsatz von SPSS, decken all die verschiedenen Aufgabenstellungen ab, denen Sie begegnen könnten.

Autorentext
Deborah Rumsey ist Autorin zahlreicher Statistik- und Mathematik-Bücher in der »... für Dummies«-Reihe, unter anderem von »Statistik für Dummies« und »Wahrscheinlichkeitsrechnung für Dummies«.

Inhalt

Einleitung 17

Zu diesem Buch17

Konventionen in diesem Buch18

Was Sie nicht lesen müssen 19

Törichte Annahmen über den Leser 19

Wie dieses Buch aufgebaut ist 20

Die Symbole in diesem Buch 21

Wie es weitergeht 22

Teil I Datenanalyse Und Modellbildung - Grundlagen 23

Kapitel 1 Datenanalyse als Kunst und Wissenschaft 25

Datenanalyse: Nicht mehr nur für Statistiker 26

Regel Nr1: Informieren Sie sich VOR der Verarbeitung! 28

Das große Ganze: Ein Überblick über weiterführende Statistik 35

Kapitel 2 Orientierung innerhalb der statistischen Techniken 47

Qualitative und quantitative Variablen in der statistischen Analyse 48

Statistiken für qualitative Variablen 49

Statistik für quantitative Variablen 53

Verzerrung vermeiden 56

Höchste Genauigkeit erzielen 59

Schlussfolgerungen treffen und Grenzen erkennen 63

Kapitel 3 Vertrauen aufbauen und Modelle testen 65

Parameter anhand von Vertrauensintervallen schätzen 66

Modelle aufstellen und testen 72

Teil II Mit Hilfe Der Regression Vorhersagen Treffen 83

Kapitel 4 Einfache lineare Regression verstehen 85

Mit Streudiagrammen und Korrelationen Beziehungen untersuchen 86

Ein einfaches lineares Regressionsmodell erstellen 89

Prüfen, ob das Modell passt 93

Korrekte Schlüsse ziehen 100

Kapitel 5 Zwei Variablen besser als eine: Multiple Regression 103

Das multiple Regressionsmodell 103

Alle x und y betrachten 105

Daten sammeln 106

Mögliche Beziehungen erkennen 107

Auf Multikollinearität prüfen 112

Das am besten angepasste Modell finden 113

Vorhersage von y anhand der x-Variablen 117

Prüfen, wie gut das Modell angepasst ist 118

Kapitel 6 Ein Schritt vor, zwei zurück: Auswahl des Regressionsmodells 125

Abstoßdistanzen schätzen - Der ultimative Kick 126

Variablen-Brainstorming und -Datensammlung 126

Streudiagramme und Korrelationen untersuchen 127

Die Vorwärtsselektion 131

Und jetzt das Ganze von hinten: Die Rückwärtsselektion 136

Das Verfahren der besten Teilmengen 143

Vergleich der Modellauswahlverfahren 147

Kapitel 7 Mit Daten in die Kurve gehen: Nichtlineare Regression 149

Am Anfang war das Streudiagramm 150

Polynome für Kurven nutzen 151

Nach oben? Nach unten? Exponentiell! 163

Kapitel 8 Ja, Nein, Vielleicht: Vorhersagen mit logistischer Regression 171

Aufstellung des logistischen Regressionsmodells 171

Allgemeine Schritte für die logistische Regression 174

Teil III Viele Mittelwerte Vergleichen - Mit Der Varianzanalyse 181

Kapitel 9 Einfache Varianzanalyse 183

Zwei Mittelwerte mit einem t-Test vergleichen 183

Mehr Mittelwerte mit einer ANOVA vergleichen 185

Die Bedingungen prüfen 187

Die Hypothesen aufstellen 189

Der F-Test 190

Die Anpassung des ANOVA-Modells überprüfen 196

Kapitel 10 Mit multiplen Vergleichen Paare finden 199

Nach der ANOVA 199

Mit Fisher und Tukey unterschiedliche Mittelwerte dingfest machen 203

Kapitel 11 Weiter mit der zweifachen ANOVA! 209

Das Modell für die zweifache ANOVA aufstellen 210

Interaktionseffekte verstehen 212

Die Terme in der zweifachen ANOVA testen 216

Die zweifache ANOVA-Tafel erstellen 217

Ergebnisse interpretieren: Zahlen und Grafiken 217

Kapitel 12 Grenzenlos: Wie Regression und ANOVA zusammenhängen 221

Regression in den Augen der Variation 221

Regression und ANOVA: Treffen der Modelle 226

Teil IV Starke Verbindungen Mit Chi-Quadrat-Tests 233

Kapitel 13 Mit Kreuztabellen Assoziationen bilden 235

Eine Kreuztabelle erstellen 236

Die Wahrscheinlichkeiten zerlegen 238

Unabhängigkeit anstreben 247

Das Simpson-Paradoxon - keine Zauberei 249

Kapitel 14 Ausreichend unabhängig für den Chi-Quadrat-Test 255

Ein Hypothesentest auf Unabhängigkeit 256

Zwei Tests für den Vergleich von zwei Anteilen vergleichen 269

Kapitel 15 Der Chi-Quadrat-Test auf Güte der Anpassung 275

Die Teststatistik für die Güte der Anpassung bestimmen 275

Interpretation der Statistik für die Güte der Anpassung mit Hilfe von Chi-Quadrat 280

Teil V Rebellen Ohne Verteilung 285

Kapitel 16 Es wird nichtparametrisch! 287

Argumente für die nichtparametrische Statistik 287

Die Grundlagen der nichtparametrischen Statistik 292

Kapitel 17 Der Vorzeichentest und der Vorzeichen-Rangtest 299

Die Vorzeichen erkennen: Der Vorzeichentest 299

Noch einen Schritt weiter: Mit dem Vorzeichen-Rangtest 307

Kapitel 18 Der Rangsummentest 313

Den Rangsummentest durchführen 314

Einen Rangsummentest durchführen: Wer verkauft die Häuser schneller? 317

Kapitel 19 Kruskal-Wallis und Wilcoxon 325

Mit dem Kruskal-Wallis-Test mehr als zwei Populationen vergleichen 325

Die Differenzen erkennen: Der Wilcoxon-Rangsummentest 332

Kapitel 20 Korrelationen mit dem Spearman'schen Rang bestimmen 339

Pearson und seine aufwändigen Bedingungen 340

Bewertungen mit Hilfe der Spearman-Rangkorrelation 341

Teil VI Der Top-Ten-Teil 347

Kapitel 21 Zehn Fehler in statistischen Schlüssen 349

Diese Statistiken beweisen... 349

Es ist technisch nicht statistisch signifikant, aber... 350

Das bedeutet, x verursacht y 350

Ich nahm an, die Daten seien normalverteilt... 351

Ich berichte nur über 'wichtige' Ergebnisse 352

Eine größere Stichprobe ist immer besser 353

Es ist technisch nicht zufällig, aber... 353

1000 Antworten sind 1000 Antworten 354

Natürlich gelten diese Ergebnisse für die gesamte Population! 356

Ich habe beschlossen, das wegzulassen! 357

Kapitel 22 Zehn Probleme aus der Praxis 359

Mittelwerte mit der einfachen ANOVA vergleichen 359

Multiple Vergleiche 360

Mit der zweifachen ANOVA zwei Faktoren betrachten 361

Vorhersage einer quantitativen Variablen mit Hilfe der Regression 362

Eine Wahrscheinlichkeit mit der logistischen Regression vorhersagen 363

Nichtlineare Regression für gekrümmte Daten 365

Mit Chi-Quadrat auf Unabhängigkeit testen 366

Spezielle Modelle mit dem Test auf Güte der Anpassung testen 367

Den Medianmit dem Rangsummentest schätzen 367

Die Modellanpassung mit R2 überprüfen 368

Anhang A: Tabellen zum Nachschlagen 371

t-Tabelle 371

Binomialtabelle 373

Chi-Quadrat-Tabelle 376

Rangsummentabelle 378

F-Tabelle 379

Stichwortverzeichnis 383