PASW Statistics - Statistische Methoden und Fallbeispiele
Verlag | Pearson Studium |
Auflage | 2009 |
Seiten | 352 |
Format | 24 cm |
Gewicht | 727 g |
Reihe | Studium Scientific Tools |
ISBN-10 | 3827372739 |
ISBN-13 | 9783827372734 |
Bestell-Nr | 82737273M |
Dieses Buch gibt nach einer PASW-Kompaktbeschreibung eine Einführung in grund-legende statistische Verfahren. Ausgehend von Datentypen und dazugehörigen Fragestellungen wird die Umsetzung in PASW (ehemals SPSS) gezeigt und praxisorientiert werden deskriptive und analytische Methoden integriert dargestellt. An insgesamt 27 klar strukturierten, realen Fallbeispielen werden typische Methoden der Datenbeschreibung und die Auswertung methodisch besprochen und in PASW demonstriert. Alle Ergebnisse der Fallbeispiele werden nicht nur statistisch sondern auch inhaltlich interpretiert. Übungen, deren Lösungen auf der Webseite des Verlags zur Verfügung stehen, geben die Möglichkeit, die erworbenen Kenntnisse zu überprüfen. Das Buch ist aus Einführungsseminaren zu Statistik mit PASW entstanden. Es ermöglicht einen einfachen und verständlichen Zugang und bildet die Grundlage für die Umsetzung auf eigene Problemstellungen. Das Buch eignet sich somit gut für alle Studierenden der Psychologie, Soziologie, Wirtschaftswissenschaften, Medizin, Politikwissen-schaften und Kommunikationswissenschaften.
Autorenporträt:
Reinhold Hatzinger ist Professor an der Wirtschaftsuniversität Wien und leitet den Bereich quantitative empirische Methoden
Inhaltsverzeichnis:
Aus dem Inhalt:
Statistische Grundbegriffe
Bedienung von PASW
Chi-Quadrat-Test und Anteilstest bei einer kategorialen Variablen
Homogenitätstest bei zwei kategorialen Variablen, Anteilstest für mehrere Gruppen, Odds
Ratio Test, Tests bei kategorialen Variablen und abhängigen Stichproben
Verteilung einer metrischen Variable, Konfidenzintervalle und Test für den Mittelwert
Korrelation und Regression
Mittelwerte bei abhängigen Stichproben
Lagevergleich in zwei und mehr Gruppen Wechselwirkung von Faktoren in der Varianzanalyse
Logistische Regression
Faktorenanalyse
Clusteranalyse