Advertisement

Unabhängigkeit und Korrelation

  • Christine DullerEmail author
Chapter

Zusammenfassung

In vielen Anwendungsfällen möchte man wissen, ob zwei oder mehr Merkmale einen Zusammenhang aufweisen, oder ob sie unabhängig voneinander sind. Beispielsweise soll die Frage beantwortet werden, ob bei Kindern ein Zusammenhang zwischen sportlicher Aktivität und der Schlafdauer besteht. Im einfachsten Fall sollen zwei Merkmale gemeinsam analysiert werden. Nur dieser einfache Fall wird in diesem Kapitel näher beleuchtet, in dem verschiedene Assoziationsmaße für unterschiedliche Skalenniveaus vorgestellt werden. Für die vorgestellten Verfahren wird von zwei Merkmalen auf gleichem Skalenniveau ausgegangen, bei unterschiedlichen Skalenniveaus (z. B. nominal mit ordinal) muss man auf das niedrigere (in diesem Fall nominal) zurückgreifen. Nachdem Assoziationsmaße in der Anwendung eine sehr große Rolle spielen, wird in diesem Kapitel ausnahmsweise auch auf die parametrische Variante, den Korrelationskoeffizient nach Bravais-Pearson eingegangen.

Literatur

  1. 1.
    Behr, A., Pötter, U.: Einführung in die Statistik mit R. Vahlen, München (2010)CrossRefGoogle Scholar
  2. 2.
    Bortz, J., Lienert, G.A.: Kurzgefasste Statistik für die klinische Forschung. Springer, Berlin (2008)Google Scholar
  3. 3.
    Bortz, J., Lienert, G.A., Boehnke, K.: Verteilungsfreie Methoden in der Biostatistik. Springer, Berlin (2008)Google Scholar
  4. 4.
    Brosius, F.: SPSS. Umfassendes Handbuch zu Statistik und Datenanalyse. mitp, Frechen (2018)Google Scholar
  5. 5.
    Brunner, E., Munzel, U.: Nichtparametrische Datenanalyse. Springer, Berlin (2013)CrossRefGoogle Scholar
  6. 6.
    Bühl, A.: SPSS 23. Einführung in die moderne Datenanalyse. Pearson, München (2016)Google Scholar
  7. 7.
    Cody, R.: An Introduction to SAS University Edition. SAS Institute, Cary (2018)Google Scholar
  8. 8.
    Dalgaard, P.: Introductory Statistics with R. Springer, New York (2008)CrossRefGoogle Scholar
  9. 9.
    Dolic, D.: Statistik mit R. Einführung für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München (2004)CrossRefGoogle Scholar
  10. 10.
    Dufner, J., Jensen, U., Schumacher, E.: Statistik mit SAS. Teubner, Wiesbaden (2004)CrossRefGoogle Scholar
  11. 11.
    Hedderich, J., Sachs, L.: Angewandte Statistik. Methodensammlung mit R. Springer, Berlin (2018)zbMATHGoogle Scholar
  12. 12.
    Hollander, M., Wolfe, D.A., Chicken, E.: Nonparametric Statistical Methods. Wiley, New York (2014)zbMATHGoogle Scholar
  13. 13.
    Krämer, W., Schoffer, O., Tschiersch, L.: Datenanalyse mit SAS. Statistische Verfahren und ihre Aspekte. Springer, Berlin (2014)zbMATHGoogle Scholar
  14. 14.
    R Core Team: R: A Language and Environment for Statistical Computing: A Graduate Course in Probability. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/ (2018)
  15. 15.
    Sheskin, D.J.: Handbook of Parametric and Nonparametric Statistical Procedures. Chapman & Hall, Boca Raton (2011)zbMATHGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Institut für Angewandte StatistikUniversität LinzLinzÖsterreich

Personalised recommendations