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
de  Methodenlehre II: Regression

Kursleitung: Prof. Dr. Rolf Steyer

Wintersemester 2016/2017, 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
18.10.2016
  1. Bedingter Erwartungswert
  2. Rechenregeln für bedingte Erwartungswerte
  3. Bedingte Erwartung und Regression
  4. Rechenregeln für bedingte Erwartungen
  5. Joe-Ann Beispiele mit randomisierter Zuweisung und mit Selbstselektion
Video (Stream)

Video (Download; VLC Player)
Folien

Probability and Conditional Expectation (bis Kapitel 10)

Tafelbilder
25.10.2016
  1. Das Residuum und seine Eigenschaften
  2. Determinationskoeffizient
  3. Multiple Korrelation
  4. Definition der bedingten Erwartung durch eine Formel
  5. Lineare Parametrisierung einer bedingten Erwartung
  6. Identifikation der Regressionskoeffizienten
Video (Stream)

Video (Download; VLC Player)
Tafelbilder
01.11.2016
  1. Lineare Regression
  2. Identifikation der Regressionskoeffizienten
  3. Determinationskoeffizient bei linearer Parametrisierung
  4. Verschiedene Parametrisierungen einer bedingten Erwartung
  5. Beispiele verschiedener Parametrisierungen bei einem dichotomen Regressor
  6. Lineare Quasi-Regression
  7. Eigenschaften des Residuums bzgl. einer linearen Quasi-Regression
  8. Polynomiale Parametrisierung einer bedingten Erwartung
  9. Parametrisierung einer bedingten Erwartung durch eine gewichtete Summe von Indikatorvariablen
Video (Stream)

Video (Download; VLC Player)
Folien (Lineare Quasi-Regression und nichtlineare Parametrisierungen einer bedingten Erwartung)

Folien (Lineare Parametrisierung einer Regression)

Tafelbilder
08.11.2016
  1. Logit- und Probit-Transformation einer Wahrscheinlichkeit
  2. Logit- und Probitregression
  3. Prüfung der Linearität einer Regression am Beispiel des Kirchmann-Datensatzes
  4. Berechnung einer logistischen linearen Regression für die Behandlungsvariable und den Vortest als Regressor im Kirchmann-Datensatz
  5. Einfache Regression der Nachtest-Depressivität auf die Behandlungsvariable
  6. Zweifache Regression der Nachtest-Depressivität auf die Behandlungsvariable und die Vortest-Depressivität (empirisches Beispiel für das Simpson-Paradox bei einer kontinuierlichen Outcome-Variablen.
Video (Stream)

Video (Download; VLC Player)
Materialien

Tafelbilder
15.11.2016
  1. Lineare Parametrisierbarkeit einer bedingten Erwartung gegeben zwei reellwertige Zufallsvariablen
  2. Zweifache linear Regression
  3. Partielle Regressionskoeffizienten, deren Identifikation und deren Interpretation
  4. Spezielle Bedeutung der Regressionskoeffizienten bei dichotomen Regressoren
  5. Invarianz des Regressionskoeffizienten beim Übergang von der einfachen zur zweifachen linearen Regression
  6. Zweifache lineare Quasi-Regression
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
22.11.2016
  1. Bedingte lineare Regression
  2. Die Baldwin-Daten
  3. Analyse der Baldwin-Daten zur Prüfung der Hypothese: Bei festem Kontext-Serienreizverhältnis liegt eine bedingte lineare regressive Abhängigkeit des logarithmierten Urteils vom logarithmierten Serienreiz vor. Separate Prüfung der Linearitätshypothese für jedes der drei Verhältnisse.
Video (Stream)

Video (Download; VLC Player)
Folien

Materialien

Tafelbilder
29.11.2016
  1. Analyse der Baldwin-Daten zur Prüfung der Hypothese: Bei festem Kontext-Serienreizverhältnis liegt eine bedingte lineare regressive Abhängigkeit des logarithmierten Urteils vom logarithmierten Serienreiz vor. Simultane Prüfung der Linearitätshypothese für alle drei Verhältnisse.
  2. Spezifikation dieser Hypothese in Termini der g-Funktionen
  3. Spezifikation dieser Hypothese in Termini der Gamma-Parameter
  4. Schätzung des Modells, das dieser Hypothese entspricht als multiples lineares Regressionsmodell mit SPSS
  5. Interpretation der geschätzten Parameter
  6. R-quadrat Differenzentest für diese Hypothese unter Verwendung einer 10-Gruppen-Varianzanalyse und des dort resultierenden Determinationskoeffizienten
  7. R-quadrat Differenzentest für diese Hypothese unter Verwendung eines saturierten erweiterten Modells mit zusätzlichen g-Funktionen
Video (Stream)

Video (Download; VLC Player)
Folien

Materialien

Tafelbilder
06.12.2016
  1. Effektfunktionen bei drei Werten eines Regressors (Treatment-Variable mit drei Werten)
  2. Effektfunktionen und deren Parametrisierung (durch Indikatorvariablen) beim Nonortho-Beispiel.
  3. Schätzung des saturierten Modells beim Nonortho-Beispiel.
  4. Interpretation der Regressionsparameter: Schätzung bedingter Treatment-Effekte.
  5. Prüfung der Hypothese: Es gibt gar keine Treatment-Effekte beim Nonortho-Beispiel.
  6. Prüfung der Hypothese: Es gibt keine Interaktion zwischen den beiden Faktoren beim Nonortho-Beispiel.
  7. Hypothese: Die durchschnittlichen Treatment-Effekt sind gleich 0.
Video (Stream)

Video (Download; VLC Player)
Materialien

Tafelbild
13.12.2016
  1. Bedingte Varianz- und Kovarianz
  2. Rechenregeln für bedingte Varianz- und Kovarianz
  3. Bedingte Korrelation
  4. Partialkorrelation
  5. Beziehung zwischen bedingter Korrelation und Partialkorrelation
  6. Beispiel: Kirchmann-Datensatz
  7. Beispiel: Joe und Ann mit Selbstselektion
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
20.12.2016
  1. Matrizenrechnung
  2. Arten von Matrizen (Symmetrische Matrix, Diagonalmatrix, etc.)
  3. Matrizenoperationen (Addieren, Multiplizieren, etc.)
  4. Inverse einer Matrix
  5. Rang einer Matrix
  6. Rang und Invertierbarkeit einer Matrix
  7. Rechenregeln für Matrizen
  8. Erwartungswertvektoren und Rechenregeln
  9. Kovarianzmatrix und Kovarianzvektor
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
03.01.2017
  1. Varianz-Kovarianzmatrix einer mehrdimensionalen reellwertigen Zufallsvariablen
  2. Rechenregeln für Kovarianzmatrizen
  3. Multiple lineare Regression: Allgemeine Definition
  4. Einige Spezialfälle
  5. Eigenschaften des Residuums
  6. Darstellung in Vektornotation
  7. Identifikation des Achsenabschnitts
  8. Identifikation der partiellen Regressionskoeffizienten (Anfang)
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
10.01.2017
  1. Identifikation des Vektors der partiellen Regressionskoeffizienten
  2. Identifikation des Achsenabschnitts
  3. Multipler Determinationskoeffizient
  4. Multiple lineare Quasi-Regression: Zwei äquivalente Definitionen
  5. Multipler Determinationskoeffizient einer multiplen linearen Quasi-Regression
  6. Statistische Regressionsmodelle mit stochastischen Regressoren
  7. Grundideen des Allgemeinen Linearen Modells
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
17.01.2017
  1. Das Allgemeine Lineare Modell
  2. Die Modellannahmen
  3. Schätzer des Vektors der Regressionskoeffizienten
  4. Kovarianzmatrix der Schätzer des Vektors der Regressionskoeffizienten
  5. Schätzer des Determinationskoeffizienten
  6. Hypothesen über die Regressionskoeffizienten
  7. Die Allgemeine Lineare Hypothese
  8. Der R-Quadrat-Differenzentest
  9. Der F-Test für die Allgemeine Lineare Hypothese
Video (Stream)

Video (Download; VLC Player)
Tafelbilder
24.01.2017 Diese Vorlesung ist krankheitsbedingt ausgefallen. Inhaltlich ähnlich ist die Vorlesung vom 26.01.2016 aus dem Wintersemester 2015/2016, mit folgenden Themen:

  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)

Video (Download; VLC Player)
Tafelbilder
31.01.2017 Rückblick:
  1. Bedingte Erwartung und ihre Werte
  2. Bedingte Erwartung und Regression
  3. Bedingte Erwartung als Begriff zur Beschreibung von Abhängigkeiten zwischen Zufallsvariablen
  4. Bedingte Erwartung als Begriff zur Beschreibung von Messmodellen
  5. Beispiele zur Verwendung der Rechenregeln für bedingte Erwartungen

Vorschau:
  1. Bedingte Erwartungen in der Klassischen Testtheorie und der Latent-State-Trait-Theorie
  2. Bedingte Erwartungen in der Theorie kausaler Effekte
  3. Bedingte Erwartungen in der Item-Response-Theorie
Video (Stream)

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