Repräsentative Stichprobe: So kommt man zu aussagekräftigen Ergebnissen!

Eine der zentralen Fragen bei der Durchführung von Befragungen und in der empirischen Forschung ist die Frage, wann eine Umfrage repräsentativ ist. In diesem Artikel erklären wir, was Repräsentativität bedeutet, wie man eine repräsentative Stichprobe erhält, welchen Einfluss der Stichprobenumfang auf die Aussagekraft von Ergebnissen hat und warum ein transparentes Vorgehen hinsichtlich Datengewinnung und Begründung der methodischen Rahmenbedingungen bei der Durchführung von Umfragen wesentlich ist.

The Future is now: Maschinelles Lernen in R für Fortgeschrittene

Aus dem Data Mining jetzt schon kaum mehr wegzudenken: Maschinelles Lernen und künstliche Intelligenz gewinnen täglich an Bedutung und spielen jetzt schon eine große Rolle für viele Data Mining Projekte. Ein guter Grund also, sich die Grundlagen für maschinelles Lernen anzueigenen! Unser Artikel ermöglicht den Einstieg mit leicht verständlichen Code Beispielen für R.

Logistische Regression SPSS richtig einsetzen – Wann macht sie Sinn?

DAS Verfahren um eine kategorische Variable vorherzusagen: Die logistische Regression wird in zahlreichen Bereichen angewendet. Wenn Sie aber noch nicht ganz sicher sind, wann eine logistische Regression sinnvoll sein kann und wann nicht, hilft dieser Artikel weiter! Wir beprechen Einsatzmöglichkeiten der logistiscchen Regression und erläutern diese durch ein anschauliches Beispiel. Außerdem zeigen wir die Unterschiede zur linearen Regression und zum Chi-Quadrat Test auf.

Wie gut ist Ihr Modell? Von ROC AUC, ROC Curve, MSE und anderen Maßzahlen

Die Bildung eines statistischen Modells für die Vorhersage einer Zielvariable ist ein wichtiger Aufgabenbereich innerhalb der Statistik. Doch wie gut ist das gefundene Modell?

Wir zeigen Ihnen, wie die Modellgüte eines statistischen Modells beurteilt werden kann, auf welche Aspekte sie achten müssen und zeigen Ihnen anhand des linearen Modells und des logistischen Modells, wie Gütemaße sinnvoll eingesetzt werden. Damit Sie wissen, was sich hinter ROC AUC, ROC Curve, Mean Square Error und RMSE verbirgt…

Univariate Varianzanalyse – Diese 5 ANOVA Voraussetzungen sollte man unbedingt beachten!

Kennen Sie alle Voraussetzungen für eine univariate Varianzanalyse (ANOVA)? Ohne eine ordentliche Prüfung der ANOVA Vorraussetzungen sind die Ergebnisse schnell wertlos. Deswegen zeigen wir in diesem Artikel Schritt für Schritt, welche Annahmen bei der ANOVA eine Rolle spielen und wie man diese Annahmen in SPSS überprüfen können.

Clusteranalyse: Data Mining wie die Profis – anschaulich erklärt!

Anhand einer Mitarbeiterbefragung bringen wir Ihnen anschaulich näher, wie Sie eine Clusteranalyse für die Generierung homogener Stichproben verwenden können. Wir schauen uns den zugrunde liegenden Algorithmus näher an und führen diesen anschließend aus. Mit dem Open Source Programm Rapidminer und dem Statistikprogramm SPSS zeigen wir Ihnen Schritt für Schritt, wie eine hierarchische Clusteranalyse durchgeführt wird. Anschließend erklären wir Ihnen, was sie bei der Interpretation beachten müssen

Data Mining mit Rapidminer: Tutorial mit Anwendungsbeispiel

Wie geht Data Mining? In diesem Beitrag zeigen wir Ihnen Schritt für Schritt, wie Sie mit der Open Source Data Mining Software Rapidminer Auswertungen durchführen. An einem praxisnahen Beispiel sehen Sie, wie Daten eingelesen und aufbereitet werden. Wir zeigen Ihnen, wie sie anschließend selbst einen Entscheidungsbaum berechnen und interpretieren können.

Gütekriterien Fragebogen: 6 ultimative Kriterien für die Mitarbeiterbefragung

Objektivität, Reliabilität, Validität: Erfahren Sie, weshalb diese Kenngrößen für Ihre Mitarbeiterbefragung von zentraler Bedeutung sind. Auch die Rücklaufquote und die Datenqualität zählen zu den Gütekriterien Fragebogen. Wir zeigen Ihnen, wie sie auch Ihre Mitarbeiterbefragung effizient verbessern können!

Qualitative und quantitative Forschung: So finden Sie das ideale Studiendesign

In der empirischen Forschung gibt es den qualitativen und den quantitativen Ansatz. Für beide Forschungsmethoden ist die Entwicklung eines passenden Studiendesign von zentraler Bedeutung. In diesem Artikel zeigen wir die konkrete Vorgangsweise, wie Sie ein Studiendesign einschließlich Forschungsfrage oder Hypothese erstellen und welche Kriterien sie beachten sollten. Weiters weisen wir noch auf die Bedeutung von Gütekriterien hin.

Multivariate Statistik richtig nutzen: Einsatzmöglichkeiten und Anwendungsbeispiele

Für komplexe Datensätze ideal: Wer komplexe Zusammenhänge untersuchen möchte kommt um multivariate Verfahren oft nicht herum. Die Auswahl an multivariate Analysemethoden ist allerdings groß und oft ist nicht klar was diese Verfahren leisten können. Unser Artikel schafft hier Klarheit mit einem ersten Überblick über die multivariate Statistik und Beispiele für mögliche Anwendungen.