SPSS: basale dataanalyser

Slides:



Advertisements
Lignende præsentationer
By, energi & miljø, forår 2010 v. Morten Skou Nicolaisen
Advertisements

Repetition Goodness of Fit Uafhængighed i Kontingenstabeller
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Anvendt Statistik Lektion 3
Statistik Lektion 6 Konfidensinterval for varians Hypoteseteori
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber
Anvendt Statistik Lektion 4
Stratificering, vægtning, statistiske test og elaborering af sammenhænge Plan & Miljø, forår 2009 Onsdag den 21. april.
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Matematikseminar foråret 2009
Anvendt Statistik Lektion 6
Anvendt Statistik Lektion 9
Anvendt Statistik Lektion 5
Sammenligning af to grupper – kapitel 7
Variansanalyse Modelkontrol
Anvendt Statistik Lektion 3
Anvendt Statistik Lektion 6
Deskriptiv analyse af enkelt variable
Variansanalyse Modelkontrol
Case.
By, energi & miljø, forår 2010 v. Morten Skou Nicolaisen
Statistik Lektion 5 Log-lineære modeller.
Statistik II Lektion 5 Modelkontrol
Statistik Lektion 6 Konfidensinterval for andele og varians
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II 5. Lektion Log-lineære modeller.
Dagens program 1.Information Alle projekter er godkendt Sumkurve 2.Opsamling T-test 3.Variansanalyse (one-way) ANOVA 4.Intro til projekt 3 (Excels LOPSLAG.
Statistik Kristine og Søren.
Anvendt Statistik Lektion 9
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Opsamling Simpel/Multipel Lineær Regression Logistisk Regression
Hypotesetest Hypotesetest og kritiske værdier Type 1 og Type 2 fejl
Multipel Lineær Regression
Statistik Lektion 15 Mere Lineær Regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik for geografer
Statistik for geografer
Statistik Lektion 16 Multipel Lineær Regression
Statistik Lektion 7 Hypotesetest og kritiske værdier
Poissonfordelte observationer Deskriptiv analyse Jens Friis, AAU.
Økonometri – lektion 5 Multipel Lineær Regression
Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber
Statistik Lektion 14 Simpel Lineær Regression
Statistik for geografer
Introduktion Deskriptiv statistik Sandsynslighedregning
Simpel Lineær Regression
Lektion 2. Definitioner En stikprøve (sample) Vi ønsker at generalisere ud fra en stikprøve Stikprøvefejls (samplings-error) Tilfældige fejl Systematikse.
Lektion 3. Noget teori og nogle begreber En stikprøve eller et observationssæt betegnes x 1,x 2,…………x n En a- fraktil er det mindste tal x, hvor den kumuleret.
KM2: F181 Kvantitative metoder 2 Heteroskedasticitet 11. april 2007.
Repetition Forårets højdepunkter…. Simpel Lineær Regression Simpel lineær regression: Mindste kvadraters metode Kovarians og Korrelation.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Inge Henningsen Stat BK uge
Statikstik II 3. Lektion Multipel Logistisk regression Generelle Lineære Modeller.
Statistik II 4. Lektion Logistisk regression.
Statistik for geografer
Eksamensopgave i statistik for FSV-kandidatstuderende – maj 2002
Økonometri – lektion 6 Multipel Lineær Regression
Statistik II Lektion 5 Modelkontrol Modelkontrol Modelsøgning Større eksempel.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Log-lineære modeller ● Analyse af symmetriske sammenhænge mellem kategoriske variable. ● Ordinal information ignoreres.
Opsamling ● Generelle lineære modeller ● Logistisk regression ● Log-lineære modeller ● Mini-projekt.
Statistik II - PM5 Fokus: Analyse af kategoriske variable ● Logistisk regression ● Log-lineære modeller Kursets opbygning: ● 1 ECTS forelæsninger ● 1 ECTS.
Logistisk regression –Odds/Odds ratio Probit model Fortolkning udfra latent variabel.
Anvendt Statistik af Kenneth Hansen
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Anvendt Statistik Lektion 4
Program – dag 2 (11. april 2011) Dag 2:
Anvendt Statistik Lektion 6
Præsentationens transcript:

SPSS: basale dataanalyser Grafer: histogram, søjlediagram, boxplots og punktgrafer. Deskriptive størrelser: min, max, middelværdi etc. samt krydstabeller. Manipulation af data: delmængder af data og transformation af data.

Eksempel: prestige score for arbejde Sociologisk studie fra USA Undersøge respondents arbejdsprestige scores afhængighed af alder og race og køn.

Histogram for prestige score

Boxplot Box: 25%, 50 % og 75 % fraktiler Streger: mindste og største observation, som ikke er ”outliers”

Prestige og uddannelse

Plot af prestige score mod alder

Fordeling af respondenter over racer

Deskriptive størrelser (analyze-descriptive statistics-descriptives)

T-test/konfidensinterval Output fra one-sample t-test (konfidensinterval med ukendt varians) (analyze-compare means-one sample T test)

Krydstabel (analyze-descriptive statistics-crosstabs)

Omformning af data Transform-compute: beregning af ny variabel som funktion af en anden variabel Transform-recode: omkodning af kategorisk variabel Data-select cases: udvælgelse af deldatasæt.