Читать книгу Multivariate Analysemethoden - J. Winke - Страница 3

Abbildungsverzeichnis

Abbildung 1: Übersicht Validität 21

Abbildung 2: Missing at completely random 23

Abbildung 3: Missing at random 24

Abbildung 4: Missing not at random 25

Abbildung 5: Univariate Statistik (Vorgehen in SPSS) 29

Abbildung 6: Kreisdiagramm über fehlende Werte 29

Abbildung 7: Variablenzusammenfassung (Output SPSS) 30

Abbildung 8: Ein Muster fehlender Werte (SPSS Output) 31

Abbildung 9: Muster fehlender Werte (SPSS Output) 32

Abbildung 10: Test der fehlenden Werte (Vorgehen in SPSS) 34

Abbildung 11: T- Tests bei unterschiedlicher Varianz 35

Abbildung 12: Kreuztabelle 1 (SPSS Output) 37

Abbildung 13: Kreuztabelle 2 (SPSS Output) 38

Abbildung 14: Betrachtung Muster (Vorgehen in SPSS) 39

Abbildung 15: Muster in Tabellen (Output in SPSS) 40

Abbildung 16: MCAR-Test nach Little 42

Abbildung 17: Listenweiser Fallausschluss (Vor- und Nachteile) 43

Abbildung 18: Paarweiser Fallausschluss (Vor- und Nachteile) 44

Abbildung 19: Mittelwert-Imputation (Vor- und Nachteile) 45

Abbildung 20: Regressions-Imputation (Vor- und Nachteile) 46

Abbildung 21: Hot und Cold Deck Verfahren (Vor- und Nachteile) 46

Abbildung 22: Multiple Imputation 47

Abbildung 23: Vorgehen der multiplen Imputation in SPSS 52

Abbildung 24: Interpretation SPSS Output multiple Imputation 56

Abbildung 25: Die Clusteranalyse 59

Abbildung 26: Abwägung Variablenzahl 60

Abbildung 27: Rohdatenmatrix in Ähnlichkeitsmatrix überführen 62

Abbildung 28: Ähnlichkeits- und Distanzmaß, 63

Abbildung 29: Proximitätsmaße in SPSS (Vorgehen) 65

Abbildung 30: Proximitätsmaße mit Skalenniveau 65

Abbildung 31: Binäre Option in SPSS 66

Abbildung 32: Kombinationsmöglichkeiten binäre Variablenstruktur 66

Abbildung 33: Näherungsmatrix nach Jaccard 67

Abbildung 34: Näherungsmatrix nach Russell und Rao 68

Abbildung 35: Näherungsmatrix nach M-Koeffizient 68

Abbildung 36: Beispiele Auswahl binär Koeffizienten 69

Abbildung 37: Näherungsmatrix nach Chi-Quadrat-Maß 71

Abbildung 38: Näherungsmatrix City-Block-Metrik (Distanzmaß) 73

Abbildung 39: Näherungsmatrix (quadrierte) euklidische Distanz 74

Abbildung 40: Näherungsmatrix Pearson-Korrelationskoeffizient 76

Abbildung 41: Übersicht Ähnlichkeits- und Distanzmaße 76

Abbildung 42: Ähnlichkeits- und Distanzmaße 77

Abbildung 43: genaues Vorgehen in SPSS (Distanz- und Ähnlichkeitsmaße) 79

Abbildung 44: Übersicht Clusterverfahren 81

Abbildung 45: Single Linkage Verfahren 82

Abbildung 46: Complete-Linkage-Verfahren 83

Abbildung 47: Average Linkage-Verfahren 83

Abbildung 48: Vorgehen Clusteranalyse in SPSS 89

Abbildung 49: Zuordnungsübersicht (SPSS-Output) 89

Abbildung 50: Eiszapfendiagramm (SPSS-Output) 90

Abbildung 51: Dendrogramm (SPSS-Output) 91

Abbildung 52: Vorgehen k-Means in SPSS 96

Abbildung 53: Interpretation SPSS-Output K-Means-Verfahren 99

Abbildung 54: Übersicht Clusterverfahren 100

Abbildung 55: Zielkonflikt der Clusterzahl 100

Abbildung 56: Zuordnungsübersicht 101

Abbildung 57: Das Elbow-Kriterium 102

Abbildung 58: Erstellung multivariate Profile 103

Abbildung 59: Clusteranalyse mit Hilfe multivariater Profile 104

Abbildung 60: explorative vs. konfirmatorische Faktorenanalyse 106

Abbildung 61: Bildung der Faktoren 107

Abbildung 62: Zielkonflikt der Faktorenanalyse 108

Abbildung 63: Das Fundamentaltheorem 109

Abbildung 64: Ablauf der Faktorenanalyse 112

Abbildung 65: Es sollten hohe und niedrige Korrelationen vorliegen 113

Abbildung 66: Signifikanz der Korrelationen 114

Abbildung 67: Inverse Korrelationsmatrix 114

Abbildung 68: Image vs. Anti-Image 115

Abbildung 69: Anti-Image-Matrix 115

Abbildung 70: Der Bartlett-Test 116

Abbildung 71: Interpretation der MSA Werte 117

Abbildung 72: MSA-Werte der einzelnen Variablen 118

Abbildung 73: Komponenten der Gesamtvarianz bei einer 1 Faktor 119

Abbildung 74: Grafische Darstellung (Vektor-Diagramm) 121

Abbildung 75: Übersetzung von Winkel in Korrelation 121

Abbildung 76: Totale Varianzaufklärung 122

Abbildung 77: Hauptkomponentenanalyse (SPSS Output) 123

Abbildung 78: Hauptachsenanalyse (SPSS Output) 124

Abbildung 79: Iterationsmaximum erreicht 125

Abbildung 80: Iterationen in SPSS manuell einstellen 126

Abbildung 81: Vergleich Hauptachsen- & Hauptkomponentenanalyse 126

Abbildung 82: Vergleich der Kommunalitäten 127

Abbildung 83: Berechnung Kaiser Kriterium 129

Abbildung 84: Berechnung der Kommunalität 130

Abbildung 85: Faktorauswahl nach Kaiser Kriterium 131

Abbildung 86: Zusammenhang Eigenwert und Kommunalität 131

Abbildung 87: Beispiel Scree-Plot 132

Abbildung 88: Faktorinterpretation 134

Abbildung 89: rotierte Lösung der orthogonalen Rotation 135

Abbildung 90: Unterschiede in der Faktorenmatrix nach Rotation 136

Abbildung 91: rotierte Lösung der oblique Rotation 137

Abbildung 92: SPSS Output Oblique Rotation 138

Abbildung 93: Vergleich der orthogonalen und obliquen Rotation 139

Abbildung 94: Beispiel Faktorenbezeichnung 140

Abbildung 95: Schätzverfahren zur Bestimmung der Faktorwerte 142

Abbildung 96: 3-Dimensionales-Ladungsdiagramm 143

Abbildung 97: Ein-Dimensionales-Ladungsdiagramm 144

Abbildung 98: Vorgang der Faktorenanalyse in SPSS 145

Abbildung 99: Einordung der Entscheidungsbaumanalyse 148

Abbildung 100: Zuordnung des richtigen Datenniveaus 149

Abbildung 101: Wertelabels vergeben. 150

Abbildung 102: Unterschied CHAID- & Exhaustive CHAID-Verfahren 152

Abbildung 103: Aufbaumethode Exhaustive CHAID (SPSS) 153

Abbildung 104: Übersicht Tests für Datenniveaus 154

Abbildung 105: mehrdimensionale Kontigenztabelle 155

Abbildung 106: Kreuztabellen Mergen Schritt 1 (Beispiel) 157

Abbildung 107: Kreuztabellen Mergen Schritt 2 (Beispiel) 158

Abbildung 108: Übersicht p-Wert der Unterteilungsebenen 158

Abbildung 109: Merging der Kategorie 1 und 2 (Beispiel) 159

Abbildung 110: „Siegervariante“ des Merging-Prozesses 160

Abbildung 111: Kreuztabelle Split-Phase 162

Abbildung 112: Vorgehen in SPSS (Entscheidungsbaumanalyse) 173

Abbildung 113: Interpretation der Ergebnisse 181

Abbildung 114: Der Baumeditor 182

Abbildung 115: Datenpunkte 190

Abbildung 116: SPSS Koeffizienten (einfach) 192

Abbildung 117: SPSS Koeffizienten 194

Abbildung 118: Streuung 195

Abbildung 119: SPSS ANOVA 197

Abbildung 120: t-Wert 199

Abbildung 121: t-Wert Konfidenzintervalle 200

Abbildung 122: kein linearer Zusammenhang erkennbar 202

Abbildung 123: linearer Zusammenhang erkennbar 202

Abbildung 124: standardisiertes Streudiagramm 203

Abbildung 125: Dreiecksmuster mit größer bzw. kleiner werdenden Varianz) 204

Abbildung 126: Rhombus Muster (ansteigende und kleiner werdende Varianz) 204

Abbildung 127: Residualwerte verändern sich systematisch 205

Abbildung 128: QQ-Diagramm 206

Abbildung 129: Histogramm 207

Abbildung 130: Positive Autokorrelation 208

Abbildung 131: Negative Autokorrelation 209

Abbildung 132: Autokorrelation (Durbin/Watson) 210

Abbildung 133: Venn-Diagramm, geringe Multikollinearität 211

Abbildung 134: Venn-Diagramm, keine Multikollinearität 212

Abbildung 135: Venn-Diagramm, hohe Multikollinearität (Katastrophe) 212

Abbildung 136: Korrelationsmatrix 213

Abbildung 137: Toleranz & VIF für das Fallbeispiel 214

Abbildung 138: Multivariate Analyseverfahren 219

Abbildung 139: Fallbeispiel Datensatz 220

Abbildung 140: Zeilenprofile 223

Abbildung 141: Spaltenprofile 223

Abbildung 142: Massen der Zeilen 224

Abbildung 143: Massen der Spalten 225

Abbildung 144: Geometrisches Modell 226

Abbildung 145: Grafische Darstellung 228

Abbildung 146: Kreuztabelle Marke*Merkmal 229

Abbildung 147: Chi-Quadrat-Tests 230

Abbildung 148: Totale Inertia 231

Abbildung 149: relative Häufigkeiten 233

Abbildung 150: Zentrierte Werte 234

Abbildung 151: Standardisierte Daten 236

Abbildung 152: SPSS Output 237

Abbildung 153: Übersicht Zeilenpunkte 239

Abbildung 154: Übersicht Spaltenpunkte 240

Abbildung 155: SPSS Zeilenpunkte 242

Abbildung 156: SPSS Spaltenpunkte 243

Abbildung 157: Zeilenpunkte für Marke 245

Abbildung 158: Zeilenpunkte für Merkmal 246

Abbildung 159: Zeilen- und Spaltenpunkte 247

Abbildung 160: Zeilen-Prinzipal-Normalisierung 249

Abbildung 161: Spalten-Prinzipal-Normalisierung 251

Abbildung 162: Vorgehensweise SPSS 258

Abbildung 163: Struktur der ANOVA 263

Abbildung 164: Streuungszerlegung 265

Abbildung 165: Streuungszerlegung 266

Abbildung 166: Effektstärke 268

Abbildung 167: Vorgehen in SPSS 273

Abbildung 168: SPSS Ausgaben 276

Abbildung 169: Odinal 281

Abbildung 170: Disordinal 282

Abbildung 171: Hybrid 283

Abbildung 172: Vorgehen in SPSS 289

Abbildung 173: SPSS Ausgaben 290

Abbildung 174: Vorgehen in SPSS 295

Abbildung 175: SPSS Ausgaben 297

Abbildung 176: Vorgehen in SPSS 305

Abbildung 177: SPSS Ausgaben 308