Professionelle Videokamera im Studio des Multimediazentrums der Universität Jena

Kurse: Kursinformationen

Professionelle Videokamera im Studio des Multimediazentrums der Universität Jena
Foto: Jan-Peter Kasper/FSU
Zurück zur Übersicht
DVD / Online-Zugang zu den Materialien anfordern
Login (Online-Zugang)
de  Methodenlehre II: Regression

Kursleitung: Prof. Dr. Rolf Steyer

Wintersemester 2015/2016, Kurs, Sprache: Deutsch, Thema: Wahrscheinlichkeit und Regression

Um die Videos anzuschauen, benötigen Sie den VLC Player VLC media player, den Sie hier herunterladen können. Die Videos werden bereitgestellt über die Digitale Bibliothek Thüringen Digitale Bibliothek Thüringen (dbt). Die grün verlinkten Videos und Materialien sind kostenfrei abrufbar. Klicken Sie auf den grünen Link, um das Video zu sehen oder die Datei herunterzuladen! Um alle Materialien und Videos abrufen zu können, müssen Sie sich einloggen.

 
Datum Thema Video Material
20.10.2015
  1. Bedingter Erwartungswert
  2. Rechenregeln für bedingte Erwartungswerte
  3. Bedingte Erwartung (Regression)
  4. Joe-Ann Beispiele
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien
(aktualisiert am 27.10.2015)

Tafelbilder
27.10.2015
  1. Kirchmann Beispiel: Einfache versus zweifache lineare Regression
  2. Rechenregeln für bedingte Erwartungen
  3. Residuum und seine Eigenschaften
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Probability and Conditional Expectation
Materialien

Tafelbilder
03.11.2015
  1. Eigenschaften des Residuums
  2. Determinationskoeffizient
  3. Multiple Korrelation
  4. Definitionsgleichung für eine diskrete Regression

Lineare Parametrisierung einer Regression
  1. Achsenabschnitt und Steigungskoeffizient
  2. Identifikation dieser Koeffizienten
  3. Determinationskoeffizient im Falle einer linearen Parametrisierbarkeit
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien

Tafelbilder
10.11.2015
  1. Invarianz der bedingten Erwartung beim Austausch von Regressoren mit gleicher erzeugten Sigma-Algebra
  2. Abhängigkeit der Bedeutung der Regressionskoeffizienten bei einem solchen Austausch von Regressoren
  3. Referenzkodierung vs. Effektkodierung

Nichtlineare einfache Regression
  1. Lineare Quasi-Regression: Zwei äquivalente Definitionen
  2. Parametrisierung einer nichtlinearen Regression durch ein Polynom
  3. Parametrisierung einer nichtlinearen Regression durch Indikatorvariablen für die Werte des Regressors
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien

Tafelbilder
17.11.2015
  1. Parametrisierungen einer nicht-linearen Regression
  2. Prüfung der Linearität einer Regression mittels R2-Differenzentest
  3. Beispiel für einen solchen Test anhand der Baldwin-Daten unter Ignorierung der Kontextvariablen
  4. Logistische lineare und nichtlineare Regression mit einem eindimensionalen Regressor
  5. Fragestellungen bei einer zweifachen linearen Regression (Betrachtung von zwei eindimensionalen Regressoren)
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien
(aktualisiert am 25.11.2015)
SPSS-Output

Tafelbilder
24.11.2015
  1. Die Inversion des Treatment-Effekts beim Übergang von der einfachen zur zweifachen linearen Regression illustriert anhand des Kirchmann-Datensatzes
  2. Definition der zweifachen linearen Regression
  3. Interpretation der Regressionskoeffizienten allgemein und bei dichotomen Regressoren mit Werten 0 und 1
  4. Hinreichende Bedingungen der Invarianz des Regressionskoeffizienten beim Übergang von der einfachen zur zweifachen linearen Regression
  5. Zweifache lineare Quasi-Regression
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		SPSS-Output

Tafelbilder
01.12.2015
  1. Grundidee und Definition der bedingten linearen Regression
  2. Anwendungsbeispiel: Bedingte Therapie-Effekte in Abhängigkeit von Vortestwerten
  3. Anwendungsbeispiel: Baldwin-Täuschung
  4. Eigenschaften der Residuen bei bedingter linearer Regression
  5. Spezialfälle mit konstanter Effektfunktion und mit linearer Effektfunktion
  6. Parametrisierung der Effektfunktion über Polynome
  7. Parametrisierung der Effektfunktion mit Indikatorvariablen für die Werte einer Kovariaten Z
  8. Bedeutung der Parameter bei dichotomen Regressoren X und Z mit Werten 0 und 1
  9. Grundidee des R2-Differenzentests für die Prüfung der Nullhypothese der bedingten linearen Abhängigkeit
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien
Materialien

Tafelbilder
08.12.2015
  1. Grundidee des R2-Differenzentests
  2. Analyse des eingeschränkten Modells zur Prüfung der bedingten linearen Regression im Baldwin-Experiment
  3. Analyse des saturierten (uneingeschränkten) Modells mit einer einfaktoriellen Anova
  4. Analyse des saturierten (uneingeschränkten) Modells mit einer multiplen linearen Regression unter Verwendung von Indikatorvariablen für die Wertekombinationen von Kontext und Serienreiz
  5. Durchführung des F-Tests zur Prüfung der bedingten linearen Regression im Baldwin-Experiment
  6. Bestimmung und Interpretation der Effektfunktion
  7. EffectLite-Analyse mit den Kirchmann-Daten. Prätest-Depressivität, Treatment, Posttest-Depressivität.
  8. Interpretation der bedingten Effekte.
  9. Schätzung und Test zum durchschnittlichen Effekt
  10. Test der Hypothese "keine Treatment-Effekte"
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Materialien

Tafelbilder
15.12.2015
  1. Durchschnittliche Treatment-Effekte vs. (X=x)-bedingte Treatment-Effekte
  2. Bedingte Varianz, bedingte Kovarianz und bedingte Korrelation
  3. Rechenregeln für bedingte Varianzen und bedingte Kovarianzen
  4. Partialkorrelation
  5. Beispiele im Kirchmann-Datensatz
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien
SPSS-Output

Tafelbilder
05.01.2016
  1. Partialkorrelation (Fortsetzung)
  2. Matrizenrechnung
  3. Arten von Matrizen (Symmetrische Matrix, Diagonalmatrix, etc.)
  4. Matrizenoperationen (Addieren, Multiplizieren, etc.)
  5. Inverse einer Matrix
  6. Rang einer Matrix
  7. Rang und Invertierbarkeit einer Matrix
  8. Rechenregeln für Matrizen
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien

Tafelbilder
12.01.2016
  1. Erwartungswertvektoren und Rechenregeln
  2. Kovarianzmatrix und Kovarianzvektor
  3. Varianz-Kovarianzmatrix
  4. Rechenregeln für Kovarianzmatrizen
  5. Multiple lineare Regression
  6. Identifikation der Regressionskoeffizienten
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien: Matrizenrechnung
Folien: Multiple Lineare Regression

Tafelbilder
19.01.2016
  1. Multiple lineare Regression (Fortsetzung)
  2. Multiple lineare Quasi-Regression
  3. Stichprobenmodelle mit stochastischen Regressoren
  4. Stichprobenmodelle mit festen Regressoren
  5. Das Allgemeine Lineare Modell
  6. Modellannahmen
  7. Schätzer der Regressionskoeffizienten
  8. Kovarianzmatrix der Schätzer der Regressionskoeffizienten
  9. Beispiel: Einfaktorielle Varianzanalyse mit 3 Gruppen
  10. Beispiel: Zweifaktorielle Varianzanalyse mit 2x2 Gruppen
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Folien
(aktualisiert am 26.01.2016)

Tafelbilder
26.01.2016
  1. Allgemeines Lineares Modell (ALM): Orthogonale Kontraste
  2. ALM: Effektkodierung
  3. ALM: Zellenmittelwertmodell
  4. Die Allgemeine Lineare Hypothese (ALH)
  5. Die Standardhypothesen der 2-faktoriellen Varianzanalyse in Form der ALH
  6. Kein Effekt des Faktor B in der Form der ALH bei einem zweifaktoriellen und einem dreifaktoriellen Design
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Tafelbilder
02.02.2016
  1. Verwendung bedingter Erwartungen und bedingter Wahrscheinlichkeiten zur Formulierung bestimmter Hypothesen. Beispiel: Z-Bedingte Unabhängigkeit einer dichotomen Variablen X von der Personenvariablen U.
  2. Implikation aus der o.g. bedingten Unabhängigkeit, die dann empirisch überprüfbar ist.
  3. Zwei Annahmen, aus denen folgt, dass eine quadratische Parametrisierung einer bedingten Erwartung E(Y|X) nötig ist.
 Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Tafelbilder
09.02.2016 Fragestunde Video (Stream; Windows Media Player)
Video (Stream; Flash Player)

Video (Download; VLC Player) 		Tafelbilder
Die Uni Jena in den sozialen Medien:
Ausgezeichnet studieren:
Zurück zum Seitenanfang