Case.

Slides:



Advertisements
Lignende præsentationer
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Advertisements

A&B ANALYSEs Danmarkspanel - Foreningen ”Odinstårnet” -
Hypotese test – kapitel 6 (Signifikans test)
Anvendt Statistik Lektion 3
Dagens program Kursusevaluering Information Spørgsmål om eksamen
Anvendt Statistik Lektion 4
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Anvendt Statistik Lektion 6
Anvendt Statistik Lektion 2
KM2: F221 Kvantitative metoder 2 Specifikation og dataproblemer 2. maj 2007.
Anvendt Statistik Lektion 9
Anvendt Statistik Lektion 5
Case: Sampling Define the population for the Choice of Education study Sample or census? Is the resulting sample a probability sample? Which of all the.
Sammenligning af to grupper
Sammenligning af to grupper – kapitel 7
Anvendt Statistik Lektion 3
Anvendt Statistik Lektion 6
Statistik og sandsynlighedsregning
SPSS: basale dataanalyser
Om meningsmålingers kvalitet
Deskriptiv analyse af enkelt variable
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 4. november 2005.
Variansanalyse Modelkontrol
Statistik 1 – Lektion 5 By, energi & miljø, forår 2010 v. Morten Skou Nicolaisen.
Statistik Lektion 5 Log-lineære modeller.
Anvendt Statistik Lektion 2
Statistik Lektion 6 Konfidensinterval for andele og varians
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Økonometri 1: Dummy variable
Signifikanstest ved (en eller) to stikprøver
Økonometri 1: F3 Økonometri 1 Den simple regressionsmodel 15. september 2006.
1 Dagens program 1.Information –Klaus’ frokost: 11:45-12:30, går 13:15. –Winston Churchill –Sidste forelæsning (19/11): Eksamen, kursus- evaluering, eksperimentelt.
Anvendt Statistik Lektion 9
Khaldoon A Al-Roomi et al, International Journal of Epidemiology, 1994
Økonometri 1: F121 Økonometri 1 Heteroskedasticitet 27. oktober 2006.
Forudsigelse i markedsanalyse Burns & Bush ch. 19 Carsten Stig Poulsen Mandag d. 6. april 2009.
Hypotesetest Hypotesetest og kritiske værdier Type 1 og Type 2 fejl
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Økonometri 1 Gentagne tværsnit og panel data I 13. november 2006.
Statistik Lektion 7 Hypotesetest og kritiske værdier
Økonometri 1: Specifikation og dataproblemer1 Økonometri 1 Specifikation, og dataproblemer 9. november 2004.
Økonometri – lektion 5 Multipel Lineær Regression
Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 22. marts 2006.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 3. marts 2003.
Simpel Lineær Regression
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2004.
Kvantitative metoder 2: F31 Kvantitative metoder 2 Beskrivende statistik og analyse af kvalitatitive data 12. februar 2007.
KM2: F51 Kvantitative metoder 2 Den simple regressionsmodel 19. februar 2007.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
Grundlæggende teoretisk statistik
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 15. februar 2006.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 13. februar 2003.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 7. september 2004.
Økonometri 1: F2 Økonometri 1 Den simple regressionsmodel 11. september 2006.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 14. september 2005.
Kvantitativ metode del 1 Gymnasielærer-kursus forår 2007 Aalborg Universitet Sammenhænge ml. variabler, styrke og signifikans Tirsdag den 20. marts, kl.
Statistik II 4. Lektion Logistisk regression.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 17. september 2004.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 29. oktober 2004.
KM2: F41 Kvantitative metoder 2 Den simple regressionsmodel 14. februar 2007.
Samarbejde mellem matematik og samfundsfag. Disposition Indledning Hvorfor skal vi bruge 2 i samfundsfag? Hvordan kan matematikken bruges? Eksempel. Oplæg.
Ellen Holm, Forskningscafé
Den multiple regressionsmodel 21. september 2005
Kapitel 5: Tabeller og sammenhænge
Videnskabeligt projekt
Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Program – dag 2 (11. april 2011) Dag 2:
Anvendt Statistik Lektion 6
Præsentationens transcript:

Case

Indsamling af data fra Survey Xact

Logo case Hvilken betydning har alle egenskaber tilsammen på vurderingen af et logo? Hvilke har størst betydning? Hvor mange svarer helt enig både på egenskab x og på egenskab y? Er vurderingen på to egenskaber lineært forbundne? Hvilken betydning har egenskab x på den sam-lede vurdering af et logo? Er to eller flere logoer forskellige på egenskab x? Er vurderingen på egenskab x forskellig fra ”neutral”, når der tages højde for usikkerheden? Hvor sikre kan vi være på dette? Hvad er den gnsn. værdi på egenskab x? Hvordan er svarfordelingen på egenskab. x?

Opstilling af analyseplan En analyseplan omfatter Den bør indgå som en del af planlægningen

Case: Logoundersøgelsen Analyseplan Besvarelse af undersøgelsens hovedspørgsmål

Case: Logoundersøgelsen Frekvenstabel

Logo case Analyseplan

Logo case Deskriptiv analyse Krydstabellen viser antal observationer for alle kombinationer af udfald for hver af de to variable De væsentligste begreber ved læsning af krydstabeller er vandret procentberegning lodret procentberegning total procentberegning statistisk (u)afhængighed

Eksempel på krydstabel Logo-undersøgelsen

Eksempel på krydstabel Logo-undersøgelsen Hvordan læses denne tabel? Vi har brug for en relativ betragtning. Derfor beregnes %. Vandret%, lodret% eller total%? Her: Vandret%, fordi...?

Hvornår bruger man vandret vs. lodret procentberegning? Der er ofte en naturlig retning for, hvordan tabellen skal tolkes Det kan hænge sammen med, hvilken variabel, der kan siges at være givet på forhånd og hvilken, der er betinget heraf Procentberegningen sker med den givne variabel som betingelse I eksemplet: Kundeforhold er givet på forhånd, vurdering af logo følger deraf. Næppe omvendt!

Eksempel på krydstabel Logo-undersøgelsen Mere end 50% blandt kunder er enige i, at der er tale om et godt logo? Den tilsvarende andel blandt ikke-kunder er ca. 30% Der er noget der tyder på, at man vurderer sin egen butiks logo højere end andre butikkers? Men kan det ikke skyldes tilfældigheder?

Eksempel på krydstabel Logo-undersøgelsen Vi har brug for at kunne skelne mellem tilfældige afvigelser og afvigelser, der er så store, at det er usandsynligt at de skyldes tilfældigheder. Hertil anvendes et statistisk test, der bygger på -fordelingen Det kaldes -test for uafhængighed og det har i tidligere lært om i statistik Det vender vi tilbage til

Logo case Deskriptiv analyse

Logo case Deskriptiv analyse

Logo case Profilanalyse Sammenligning af de 11 logoer på alle egenskaber og al-i-alt-vurdering og grafisk fremstilling af et ”snake-plot” Data restruktureres Procedure COMPARE MEANS med LOGO som gruppevariabel

Logo case Profilanalyse

Logo case Profilanalyse

Case: Logoundersøgelsen Analyseplan Besvarelse af undersøgelsens hovedspørgsmål Analyseenhed (case): Respondent

Case: Logoundersøgelsen Analyseplan Besvarelse af undersøgelsens hovedspørgsmål

Case: Logoundersøgelsen Analyseplan Besvarelse af undersøgelsens hovedspørgsmål Analyseenhed (case): Respondent

Er vurderingen af Aldis logo overvejende positiv eller negativ? Anvendelse af T-test ved test af hypoteser om middelværdien ved en enkelt stikprøve Analyseenhed (case): Respondent

Sammenligning af to populationer: skema og web-baseret De to stikprøver er statistisk uafhængige Konstruktion af en grupperingsvariabel: systemvariablen $casenum Sammenligninger ved hjælp af tabelanalyse Sammenligninger af middelværdier Sammenligning af hyppigheder

Sammenligning af to populationer: skema og web-baseret Konstruktion af en grupperingsvariabel: systemvariablen $casenum IF ($casenum le 81)gruppe=1. IF ($casenum gt 81)gruppe=2. VALUE LABELS gruppe 1 'Skema-baseret' 2 'Web-baseret'. exe. FREQUENCIES VARIABLES=gruppe /ORDER= ANALYSIS .

Sammenligning af to populationer: skema og web-baseret Sammenligninger ved hjælp af tabelanalyse Sammensætning på køn, alder og køn x alder Sammenligning af vurdering af logo Kunderelation

Sammenligning af to populationer: skema og web-baseret Sammenligninger af middelværdier i to uafhængige stikprøver

Sammenligning af to populationer: skema og web-baseret Sammenligning af hyppigheder: sammensætning på køn kodning 1=mand, 2=kvinde

Er der sammenhæng mellem alt-i-alt vurderingen af Aldi's logo og kundestatus? Anvendelse af independent samples T-test ved test af hypoteser om to middelværdier

Case: Logoundersøgelsen Analyseplan Besvarelse af undersøgelsens hovedspørgsmål

Er der væsentlig forskel mellem vurderingen af Aldis og Dagli'Brugsens logoer? Anvendelse af T-test ved test af hypoteser om to middelværdier ved parvist sammenhørende observationer

Er der væsentlig forskel mellem vurderingen af Aldis og Dagli'Brugsens logoer? Anvendelse af T-test ved test af hypoteser om to middelværdier ved parvist sammenhørende observationer

Case: Logoundersøgelsen Analyseplan Bemærk: Vi antager, at der er uafhængighed inden for en respondents vurderinger.

Er der generelt sammenhæng mellem alt-i-alt vurderingen af logo og kundestatus?

Er der generelt sammenhæng mellem alt-i-alt vurderingen af logo og kundestatus?

Anvendelse af ANOVA til test af hypoteser om to eller flere middelværdier ved uafhængige stikprøver Hypotesen, der testes:

Anvendelse af ANOVA til test af hypoteser om to eller flere middelværdier ved uafhængige stikprøver

Anvendelse af ANOVA til test af hypoteser om to eller flere middelværdier ved uafhængige stikprøver

Anvendelse af ANOVA til test af hypoteser om to eller flere middelværdier ved uafhængige stikprøver

Anvendelse af ANOVA til test af hypoteser om to eller flere middelværdier ved uafhængige stikprøver Konklusion: Forskellene er statistisk signifikante Men næppe praktisk relevante En mere fuldstændig model ville inkludere andre faktorer, fx logoet selv Hermed bevæger vi os mod flersidet variansanalyse (med repeated measurements)