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