Ulempen er selvsagt at man må ha adgang til programmet, og lisenser er ganske kostbare.
|
|
- Viktor Halfdan Pettersen
- 6 år siden
- Visninger:
Transkript
1 Noen SEM-tips. AMOS er et glimrende program for kausalmodeller eller målemodeller med relativt få variabler. En grafisk definering av modellen reduserer mulighetene for feiltenking, og figurene kan gjøres «publiseringsferdige». Men blir det mange variabler, så er det mye jobb å tegne modellen. Nå kan det jo hende at lesere eller redaktører gjerne vil ha en slik visuell fremstilling, og da er jo selvsagt ikke jobben bortkastet. Her er noen tips for definering av modeller i AMOS uten bruk av tegneprogrammet! Trikset er da å bruke en lignende strategi som i SPSS: sett opp modellen med få variabler, definerer analysen (særlig under View, Analysis properties, Output). Deretter «paster» man syntax til en editor. Så redigerer man denne for å få med alle variabler og kjører analysen. Men da få man jo ikke den flotte figuren uten videre i artikkelen sin.. Eller man kan bruke programmet MPLUS. Dette gir mulighet for analyser av flere modeller enn AMOS. Det er et utbredt brukermiljø med diverse fora på nettet. Manualen er god og det ligger mange eksempler med programmet når det installeres. Syntaksen er (om ikke helt gjennomsiktig) ganske enkel. Ulempen er selvsagt at man må ha adgang til programmet, og lisenser er ganske kostbare. Eller man kan bruke R. Men vær obs på at R i utgangspunktet er et programmeringsspråk (S) og fungerer helt annerledes enn SPSS, MPLUS og AMOS! Som AMOS har dette et utbredt brukermiljø og litt googling gir forslag til de fleste analysemetoder. En opplagt fordel med R er at dette er gratis. Jeg legger ved et eksempel på samme analyse med MPLUS og R lenger bak her men først et eksempel med AMOS. Og jeg bruker eksemplet med en to-faktormodell for variablene i «WISC.SAV» som vi brukte tidligere. Som dere ser gir programmene identiske resultater men analysen er vesentlig enklere å sette opp i MPLUS. På den annen side er man litt dreven med copy-paste, så går det fort i AMOS også mens R krever litt forarbeide med innstallering av pakker og studering av hvordan systemet virker før man kommer i gang.
2 Med AMOS: Start Amos. Åpne spss-datafilen på vanlig måte (File, Data Files). Velg innstillinger jeg ville i hvert fall tatt med View, Analysis properties, Output og tatt med Standardized estimates og Squared multiple correlations. Tegn opp modellen med få variabler. Her er det ikke nøye om det ser pent ut i det hele tatt. Kan nå se for eksempel slik ut: Velg Tools, Write a program. Amos skriver nå ut et Visual Basic program som definerer analysen i et editorvindu. Analysen kan nå redigeres enten i den editoren, eller bruk ctrl+a for å velge alt og kopier over i en annen editor. Dette programmet kunne nå se slik ut: #Region "Header" Imports System Imports System.Diagnostics Imports Microsoft.VisualBasic Imports AmosEngineLib Imports AmosGraphics Imports AmosEngineLib.AmosEngine.TMatrixID Imports PBayes #End Region Module MainModule Public Sub Main() Dim Sem As AmosEngine Sem = New AmosEngine Sem.TextOutput AnalysisProperties(Sem) ModelSpecification(Sem) Sem.FitAllModels() Sem.Dispose() End Sub Sub ModelSpecification(Sem As AmosEngine) Sem.GenerateDefaultCovariances(False) Sem.BeginGroup("M:\data\kurs\drpsy\sem\factor\amos\wisc.sav", "wisc") Sem.GroupName("Group number 1") Sem.AStructure("info = (1) e1 + (1) V") Sem.AStructure("comp = (1) e2 + V") Sem.AStructure("pictcomp = (1) e6 + (1) P") Sem.AStructure("parang = (1) e7 + P") Sem.AStructure("V <--> P") Sem.Model("Default model", "") End Sub
3 Sub AnalysisProperties(Sem As AmosEngine) Sem.Iterations(50) Sem.InputUnbiasedMoments Sem.FitMLMoments Sem.Standardized Sem.Smc Sem.Seed(1) End Sub End Module Dette ser jo ikke alt for oversiktlig ut men heldigvis er det bare Sub ModelSpecification(Sem As AmosEngine) som skal endres. Ikke gjør endringer andre steder enn der før dere er sikre på hva dere gjør! For å få alle variabler med i modellen kan denne for eksempel endres til: Sub ModelSpecification(Sem As AmosEngine) Sem.GenerateDefaultCovariances(False) Sem.BeginGroup("M:\data\kurs\drpsy\sem\factor\amos\wisc.sav", "wisc") Sem.GroupName("Group number 1") Sem.AStructure("info = (1)V + (1)e1") Sem.AStructure("comp = V + (1)e2") Sem.AStructure("arith = V + (1)e3") Sem.AStructure("simil = V + (1)e4") Sem.AStructure("vocab = V + (1)e5") Sem.AStructure("digit = V + (1)e6") Sem.AStructure("pictcomp = (1)P + (1)e7") Sem.AStructure("parang = P + (1)e8") Sem.AStructure("block = P + (1)e9") Sem.AStructure("object = P + (1)e10") Sem.AStructure("V <--> P") Sem.Model("Default model", "") End Sub Pass på riktig filreferanse etter Sem.BeginGroup! Når syntaksen er redigert i Amos-editoren eller limt inn på riktig sted fra en annen editor er det bare å trykke RUN i editorvinduet, så skulle alt være gjort. Ferdige programmer hentes inn i editoren ved å starte denne (finnes under Amos-seksjonen i «all programs», og velge RUN i editoren. Komprimert output på neste side.
4 Resultater fra AMOS: Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label arith <--- V *** simil <--- V *** comp <--- V *** vocab <--- V *** info <--- V parang <--- P *** block <--- P *** pictcomp <--- P object <--- P *** digit <--- V *** Standardized Regression Weights: (Group number 1 - Default model) Estimate arith <--- V.565 simil <--- V.704 comp <--- V.691 vocab <--- V.769 info <--- V.760 parang <--- P.472 block <--- P.678 pictcomp <--- P.602 object <--- P.566 digit <--- V.390 Correlations: (Group number 1 - Default model) Estimate V <--> P.589 Squared Multiple Correlations: (Group number 1 - Default model) Estimate object.320 block.460 parang.223 pictcomp.362 digit.152 vocab.592 simil.495 arith.319 comp.477 info.577
5 Baseline Comparisons Model NFI RFI IFI TLI Delta1 rho1 Delta2 rho2 CFI Default model Saturated model Independence model RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model Independence model
6 Med MPLUS: Først må alle variabler som skal i modellen eksporteres fra SPSS til en «comma-delimited» tekstfil. Denne filen kan IKKE ha variabelnavn som første linje. Her eksporterte jeg til: M:\data\kurs\drpsy\sem\factor\mplus\wisc.csv. Allerede her kan man få trøbbel. SPSS eksporterer slike filer på en måte som gjøre dem uleselige for MPLUS. Excel eksporterer «comma-delimited» med semi-kolon i stedet for komma, osv. Et annet tekstformat kan fungere bedre. Husk også at MPLUS ikke aksepterer variabelnavn som er lengre enn 8 tegn, og æ, ø, og å kan dere glemme. MPLUS kan også generere ganske pene figurer (se nedenfor). Deretter startes MPLUS editoren og analysen defineres: TITLE: WISC DATA: FILE IS M:\data\kurs\drpsy\sem\factor\mplus\wisc.csv; VARIABLE: NAMES ARE client,info,comp,arith,simil,vocab,digit, pictcomp,parang,block,object,coding; USEVARIABLES ARE info-object; MODEL: f1 BY info-digit; f2 BY pictcomp-object; ANALYSIS: ESTIMATOR=ML; OUTPUT: STANDARDIZED (STDyx); Resultater fra MPLUS: Chi-Square Test of Model Fit Value Degrees of Freedom 34 P-Value RMSEA (Root Mean Square Error Of Approximation) Estimate Percent C.I Probability RMSEA <= CFI/TLI CFI TLI MODEL RESULTS Two-Tailed Estimate S.E. Est./S.E. P-Value F1 F2 F2 BY INFO COMP ARITH SIMIL VOCAB DIGIT BY PICTCOMP PARANG BLOCK OBJECT WITH F
7 STANDARDIZED MODEL RESULTS STDYX Standardization Two-Tailed Estimate S.E. Est./S.E. P-Value F1 F2 F2 BY INFO COMP ARITH SIMIL VOCAB DIGIT BY PICTCOMP PARANG BLOCK OBJECT WITH F R-SQUARE Observed Two-Tailed Variable Estimate S.E. Est./S.E. P-Value INFO COMP ARITH SIMIL VOCAB DIGIT PICTCOMP PARANG BLOCK OBJECT
8
9 Med R: # Trenger lavaan library(lavaan) # Les SPSS data library(haven) wisc <- read_sav("m:/data/kurs/drpsy/sem/factor/amos/wisc.sav") View(wisc) Model1 <- ' f1 =~ info+comp+arith+simil+vocab+digit f2 =~ pictcomp+parang+block+object f1 ~~ f2 ' res <- sem(model1, data=wisc) summary(res, standardized=true) standardizedsolution(res) fitmeasures(res,c("chisq","rmsea","tli")) Resultater fra R: Standardiserte ladninger: lhs op rhs est.std se z pvalue 1 f1 =~ info f1 =~ comp f1 =~ arith f1 =~ simil f1 =~ vocab f1 =~ digit f2 =~ pictcomp f2 =~ parang f2 =~ block f2 =~ object f1 ~~ f Uforklart varians (vil dere ha forklart - så for info: = info ~~ info comp ~~ comp arith ~~ arith simil ~~ simil vocab ~~ vocab digit ~~ digit pictcomp ~~ pictcomp parang ~~ parang block ~~ block object ~~ object Goodness of fit: chisq rmsea tli
Det hjalp ingenting! Den standardiserte regresjonskoeffisienten kan ikke tolkes som en korrelasjon når sex og produktet er med i modellen.
Noen tips i forbindelse med differanser mellom korrelasjoner. Vi har tidligere sett at dersom vi er interesserte i om effekten av en variabel varierer over nivåene på en annen variabel (interaksjon), så
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 26. april 2018
BEGYNNERKURS I SPSS Anne Schad Bergsaker 26. april 2018 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerFra boka: 10.32, 10.33, 10.34, 10.35, 10.3 og (alle er basert på samme datasett).
Fra boka: 10.32, 10.33, 10.34, 10.35, 10.3 og 10.37 (alle er basert på samme datasett). ############ OPPGAVE 10.32 # Vannkvalitet. n=49 målinger i ulike områder. # Forutsetter at datasettene til boka (i
DetaljerKom i gang med Stata for Windows på UiO - hurtigstart for begynnere
Kom i gang med Stata for Windows på UiO - hurtigstart for begynnere Hensikten med denne introduksjonen er å lære hvordan man kommer raskt i gang med grunnleggende funksjoner i Stata. Teksten er tilpasset
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 12. februar 2019
BEGYNNERKURS I SPSS Anne Schad Bergsaker 12. februar 2019 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerDatamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio)
Datamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio) Beskrive fordelinger (sentraltendens, variasjon og form): Observasjon y i Sentraltendens
DetaljerBEGYNNERKURS I SPSS. Anne Schad Bergsaker 17. november 2017
BEGYNNERKURS I SPSS Anne Schad Bergsaker 17. november 2017 FØR VI BEGYNNER... LÆRINGSMÅL 1. Kjenne til og kunne navigere mellom de ulike delene/ vinduene i SPSS, og vite forskjellen på dem 2. Kunne skrive
DetaljerHvordan lage kontrolldiagrammer legge inn tall i Epidata. Eksempel I-diagram
Hvordan lage kontrolldiagrammer legge inn tall i Epidata Eksempel I-diagram Hvordan laste ned EpiData? 1. Gå til www.epidata.dk 2. Klikk på download 3. Scroll ned til EpiData Analysis klikk på setup.exe
DetaljerTil bruk i metodeundervisningen ved Høyskolen i Oslo
MINIMANUAL FOR SPSS Til bruk i metodeundervisningen ved Høyskolen i Oslo Denne minimanualen viser hvordan analyser i metodeundervisningen på masternivå (master i sosialt arbeid, master i familiebehandling
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: Eksamenstid (fra-til): Hjelpemiddelkode/Tillatte
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: Eksamenstid (fra-til): Hjelpemiddelkode/Tillatte
DetaljerUoffisiell brukermanual Epidata OUS Manager og Entry Client
Uoffisiell brukermanual Epidata OUS Manager og Entry Client Avdeling for biobank- og registerstøtte, OSS Forskningsstøtte Utarbeidet av: Dominic Hoff Sist revidert av: Dan Johansen Et enkelt og gratis
DetaljerIntroduksjon til SPSS
Mål Introduksjon til SPSS Inger Johanne Bakken Enhet for anvendt klinisk forskning, NTNU og Avdeling for forebyggende helsearbeid, SINTEF Deltakerne skal få innblikk i: Hvordan komme i gang med SPSS, ulike
DetaljerDATAUTFORSKNING I EG, EG 7.1 OG EGENDEFINERTE FUNKSJONER SAS FANS I STAVANGER 4. MARS 2014, MARIT FISKAAEN
DATAUTFORSKNING I EG, EG 7.1 OG EGENDEFINERTE FUNKSJONER SAS FANS I STAVANGER 4. MARS 2014, MARIT FISKAAEN 2 INNLEDNING TEMA I SAS Enterprise Guide versjon 5.1 (februar 2012) kom det et nytt datautforskingsverktøy,
DetaljerKLMED 8006 Anvendt medisinsk statistikk - Vår 2009 Repeterte målinger
KLMED 8006 Anvendt medisinsk statistikk - Vår 2009 Repeterte målinger Arnt Erik Tjønna og Eirik Skogvoll Institutt for sirkulasjon og bildediagnostikk, Det medisinske fakultet, NTNU Bakgrunn Inaktivitet
DetaljerEksamensoppgave i ST3001
Det medisinske fakultet Institutt for kreftforskning og molekylær medisin Eksamensoppgave i ST3001 fredag 25. mai 2012, kl. 9.00 13:00 Antall studiepoeng: 7.5 Tillatte hjelpemidler: Kalkulator og alle
DetaljerMål: SPSS. Litteratur. Noen statistikk-programpakker. Dokumentasjon fra SPSS Inc. Introduksjon til IBM SPSS Statistics 20
Introduksjon til IBM SPSS Statistics 20 av Stian Lydersen NTNU Revidert 13 aug 2012 http://folk.ntnu.no/slyderse/medstat/spss/introduksjon_spss.pdf Mål: Deltakerne skal få innblikk i Oppretting av datafil.
DetaljerEksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder
Psykologisk institutt Eksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder Faglig kontakt under eksamen: Martin Rasmussen Tlf.: 73 59 19 60 Eksamensdato: 12.12.13 Eksamenstid
DetaljerFor å sjekke at Python virker som det skal begynner vi med å lage et kjempeenkelt program. Vi vil bare skrive en enkel hilsen på skjermen.
Kuprat Skrevet av: Geir Arne Hjelle Kurs: Python Tema: Tekstbasert Fag: Norsk Klassetrinn: 5.-7. klasse, 8.-10. klasse Introduksjon I dette kurset skal vi introdusere programmeringsspråket Python. Dette
DetaljerInnføring i bruk av CGI4VB
Innføring i bruk av CGI4VB Her kommer en enkel innføring i bruk av modulen CGI4VB som kan benyttes for å lage CGI programmer i Visual Basic. CGI er en forkortelse for Common Gateway Interface den kommunikasjonsprotokollen
DetaljerLogistisk regresjon 2
Logistisk regresjon 2 SPSS Utskrift: Trivariat regresjon a KJONN UTDAAR Constant Variables in the Equation B S.E. Wald df Sig. Exp(B) -,536,3 84,56,000,25,84,08 09,956,000,202 -,469,083 35,7,000,230 a.
DetaljerInnføring i bruk av CGI4VB
Innføring i bruk av CGI4VB Her kommer en enkel innføring i bruk av modulen CGI4VB som kan benyttes for å lage CGI programmer i Visual Basic. CGI er en forkortelse for Common Gateway Interface den kommunikasjonsprotokollen
DetaljerEndNote referansehåndteringsprogram. HiVe biblioteket
EndNote referansehåndteringsprogram HiVe biblioteket Mappestruktur Mine dokumenter EndNote Bibliotek.enl Bibliotek.Data Styles APA 6th HiVe.ens 2 Om EndNote EndNote brukes til å holde orden på litteraturreferanser.
DetaljerSOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE
1 SOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE Eksamensdag: 8 desember 1997 Eksamensstad: Dragvoll, paviljong C, rom 201 Tid til eksamen: 6 timar Vekt: 5 for SOS301 og 4 for SOS31/ SOS311 Talet på sider
DetaljerKategoriske data, del I: Kategoriske data - del 2 (Rosner, ) Kategoriske data, del II: 2x2 tabell, parede data (Mc Nemar s test)
Kategoriske data, del I: Kategoriske data - del (Rosner, 10.3-10.7) 1 januar 009 Stian Lydersen To behandlinger og to utfall. (generelt: variable, verdier). x tabell. Uavhengige observasjoner Sammenheng
DetaljerPresentasjoner til all slags bruk
ENKELT OG GRATIS: Presentasjoner til all slags bruk Kontorpakken Kingsoft, som er helt gratis, gir deg en perfekt mulighet til å lage en spennende og profesjonell presentasjon. OVERSIKT VANSKELIGHETSGRAD
DetaljerDagens tema. Hva er kompilering? Anta at vi lager dette lille programmet doble.rusc (kalt kildekoden): Hva er kompilering?
Dagens tema Dagens tema Kildekode Hva er kompilering? Hva er kompilering? Hvordan foreta syntaksanalyse av et program? Hvordan programmere dette i Java? Hvordan oppdage feil? Anta at vi lager dette lille
DetaljerIntroduksjon til SPSS. Johan Håkon Bjørngaard Institutt for samfunnsmedisin, NTNU
Introduksjon til SPSS Johan Håkon Bjørngaard Institutt for samfunnsmedisin, NTNU 1 Mål: Deltakerne skal få innblikk i Oppretting av datafil. Innlesing eller inntasting av data. Redigering. Presentasjon
Detaljer6105 Windows Server og datanett
6105 Windows Server og datanett Labøving: Lokal brukeradministrasjon og profiler Oppgavebeskrivelse Her forklares kort hva øvingen går ut på for de som ønsker å finne løsningen selv. Hvis du ønsker punkt-for-punkt
DetaljerPLS PC-øving nr. 3 Global Label og Local Label, flagg og CJ
PLS PC-øving nr. 3 Global Label og Local Label, flagg og CJ Utgave: 1.02 Utarbeidet av: AH Dato: 10.10.12 Revidert av: AH Dato: 270114 Tema i oppgaven Oppgaven går ut på å lære seg å ta i bruk listene
DetaljerFør du starter, del 2
1 Før du starter I Windows må du sørge for at tekst og andre elementer er satt til å vises normalt 100%. Visma Global støtter ikke zooming, da vil noen elementer forsvinne fra programmet og ikke fungere.
DetaljerPatron Driven Acquisitions (PDA) Brukerstyrt innkjøp
Patron Driven Acquisitions (PDA) Brukerstyrt innkjøp Dato: 2015-06-16 Roller For å kunne jobbe med PDA i Alma, må du ha en av følgende roller: Purchasing Operator Purchasing Manager Hvordan fungerer PDA
DetaljerForelesning 8 STK3100/4100
Forelesning STK300/400 Plan for forelesning: 0. oktober 0 Geir Storvik. Lineære blandede modeller. Eksempler - data og modeller 3. lme 4. Indusert korrelasjonsstruktur. Marginale modeller. Estimering -
DetaljerLineære modeller i praksis
Lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y én eller flere uavhengige variabler:
DetaljerHjemmeeksamen 2 i INF3110/4110
Hjemmeeksamen 2 i INF3110/4110 Innleveringsfrist: onsdag 19. november kl. 1400 Innlevering Besvarelsen av oppgave 2,3,4 og 5 skal leveres skriftlig på papir i IFI-ekspedisjonen. Merk denne med navn, kurskode,
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 73 59 19 60 Eksamensdato: 19.05.2015 Eksamenstid (fra-til): 09:00 13:00
DetaljerUoffisiell brukermanual Epidata OUS Manager og Entry Client
Uoffisiell brukermanual Epidata OUS Manager og Entry Client Avdeling for biobank- og registerstøtte, OSS Forskningsstøtte Utarbeidet av: Dominic Hoff Sist revidert av: Dan Johansen Et enkelt og gratis
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: Eksamenstid (fra-til): Hjelpemiddelkode/Tillatte
DetaljerPSYC 3101 KVANTITATIV METODE II Eksamen høst 2008
Eksamen 7. november kl. 0900 200 Sensur: 8.2. kl. 4 Alle oppgavene skal besvares. PSYC 30 KVANTITATIV METODE II Eksamen høst 2008 OPPGAVE Vurdering av personlige egenskaper Et selskap som driver en nettside
DetaljerTell sekunder. Steg 0: Hva er forskjellig fra før? Introduksjon. I denne oppgaven skal vi lage vårt eget spill!
Tell sekunder Erfaren Elm Introduksjon I denne oppgaven skal vi lage vårt eget spill! Vi lært mye allerede! Her er en oppsummering: Verktøy til Elm-utvikling: Bruke Try Elm til å lage programmer Bruke
DetaljerINF2100. Oppgaver 26. september til 1. oktober 2007
INF2100 Oppgaver 26. september til 1. oktober 2007 1 Språket Denne uken skal vi implementere en utvidelse av språket fra forrige ukes oppgave. Syntaksen er vist i figur 1 på neste side og betydning er
DetaljerBakgrunn. KLMED 8006 Anvendt medisinsk statistikk - Vår 2008 Repeterte målinger. Overvekt: løp for livet
KLMED 8006 Anvendt medisinsk statistikk - Vår 2008 Repeterte målinger Arnt Erik Tjønna og Eirik Skogvoll Institutt for sirkulasjon og bildediagnostikk, Det medisinske fakultet, NTNU Bakgrunn Inaktivitet
DetaljerInnføring i Excel. Et lite selv-instruksjons kurs ( tutorial ) Oppgave 1
H. Goldstein Januar 2008 Innføring i Excel Et lite selv-instruksjons kurs ( tutorial ) Den beste og raskeste måten å lære seg et nytt program på er på forhånd å ha en oppgave man ønsker å bruke programmet
DetaljerEmnenavn: Eksamenstid: Faglærer: Bjørnar Karlsen Kivedal
EKSAMEN Emnekode: SFB12016 Dato: 18.12.2018 Hjelpemidler: Godkjent kalkulator Emnenavn: Metodekurs II: Samfunnsvitenskapelig metode og anvendt statistikk Eksamenstid: 09.00-13.00 Faglærer: Bjørnar Karlsen
Detaljerdesktop Grunnleggende bruk av EndNote Viktig info 3 punkt s. 2 Skrive inn referanser manuelt s. 4 Overføre referanser fra databaser/søkemotorer s.
Grunnleggende bruk av EndNote desktop Viktig info 3 punkt s. 2 Skrive inn referanser manuelt s. 4 Overføre referanser fra databaser/søkemotorer s. 5 Dublettkontroll s. 9 Samspill mellom EndNote X9 og Word
DetaljerHVORDAN BRUKE VEKSTMODELLER I LONGITUDINELLE STUDIER NÅR MAN BARE HAR 2 TILGJENGELIGE MÅLINGER?
HVORDAN BRUKE VEKSTMODELLER I LONGITUDINELLE STUDIER NÅR MAN BARE HAR 2 TILGJENGELIGE MÅLINGER? ET EKSEMPEL FRA HELSEUNDERSØKELSEN I BUP-KLINIKK ST. OLAVS HOSPITAL, TRONDHEIM PRESENTASJON PÅ FORSKERFORUM
DetaljerForelesning 13 Regresjonsanalyse
Forelesning 3 Regresjonsanalyse To typer bivariat analyse: Bivariat tabellanalyse: Har enhetenes verdi på den uavhengige variabelen en tendens til å gå sammen med bestemte verdier på den avhengige variabelen?
DetaljerHusk at du skal ha to vinduer åpne. Det ene er 'Python Shell' og det andre er for å skrive kode i.
Skilpaddeskolen Skrevet av: Oversatt fra Code Club UK (//codeclub.org.uk) Oversatt av: Bjørn Einar Bjartnes Kurs: Python Tema: Tekstbasert Fag: Programmering, Kunst og håndverk Klassetrinn: 8.-10. klasse
DetaljerHIMA Hardware, Software og OPC
TL 02, KG 03, KG 04, KG 05, CCG 05, TL 07, AS 08, 09 KG, 10KRS, 12 TIJE TTK4175 Instrumenteringssystemer Laboratorieoppgave HIMA Hardware, Software og OPC Oppgavetekst NORGES TEKNISK-NATURVITENSKAPELIGE
DetaljerProgrammeringsspråk for nybegynnere. Krav til språket. Krav til språket. Krav til språket
Programmeringsspråk for nybegynnere Krav til språket Hva om vi laget vårt eget språk til INF1000? Programmeringsspråket må være så enkelt som mulig. (Programmering er vanskelig nok som det er.) Hvilke
DetaljerGenerelle lineære modeller i praksis
Generelle lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y en eller flere uavhengige
DetaljerInstitutt for økonomi og administrasjon
Fakultet for samfunnsfag Institutt for økonomi og administrasjon Statistiske metoder Bokmål Dato: Torsdag 19. desember Tid: 4 timer / kl. 9-13 Antall sider (inkl. forside): 8 Antall oppgaver: 3 Oppsettet
DetaljerØvingsforelesning i Python (TDT4110)
Øvingsforelesning i Python (TDT4110) Tema: Øving 2, Betingelser, if/elif/else Kristoffer Hagen Oversikt Praktisk informasjon Gjennomgang av Øving 1 Oppgaver for Øving 2 2 Praktisk Bruke andre studasser
DetaljerKommunikasjon mellom XC PLS'er over CAN
Kommunikasjon mellom XC PLS'er over CAN sdato Dokument Side 1 av 12 Oversikt I eksemplet brukes det 2 stk. XC2 og 1 stk. XC1. XC1/2 (1) XC1/2(2) XC1/2(3) I dette eksempelet lager vi en teller som genereres
DetaljerDATAØVING 1 INTRODUKSJON TIL STATA I
DATAØVING 1 INTRODUKSJON TIL STATA I Oversikt - Hvordan starte Stata - Åpne datafil - STATA vinduet - Loggfiler - Deskriptiv statistikk I SOS3003 kommer vi dette semesteret til å bruke statistikkprogrammet
DetaljerTell sekunder. Introduksjon. Skrevet av: Teodor Heggelund. I denne oppgaven skal vi lage vårt eget spill!
Tell sekunder Skrevet av: Teodor Heggelund Kurs: Elm Tema: Tekstbasert, Nettside, Spill Fag: Programmering, Teknologi Klassetrinn: 8.-10. klasse, Videregående skole Introduksjon I denne oppgaven skal vi
DetaljerFordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger
Fordelinger, mer om sentralmål og variasjonsmål Tron Anders Moger 20. april 2005 1 Forrige gang: Så på et eksempel med data over medisinerstudenter Lærte hvordan man skulle få oversikt over dataene ved
DetaljerINF2100. Oppgaver 23. og 24. september 2010
INF2100 Oppgaver 23. og 24. september 2010 Oppgave 1 Vi skal se på et meget enkelt språk E som består av uttrykk med + og ; grammatikken ser du i figur 1 på neste side. Tallkonstanter består av bare ett
DetaljerTwidoSuite kommunikasjon
TwidoSuite kommunikasjon TwidoSuite kursunderlag: Kommunikasjon via Modbus seriell, Ethernet, Remote link, ASCII, CanOpen og AS-i. Macroer for kommunikasjon Modbus 2 Modbus port Bruk programmeringsporten
DetaljerEksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ
Psykologisk institutt Eksamensoppgave i PSY3100 Forskningsmetode - Kvantitativ Faglig kontakt under eksamen: Mehmet Mehmetoglu Tlf.: 91838665 Eksamensdato: 7. desember 2015 Eksamenstid (fra-til): 9.00-13.00
DetaljerKap 2: Løkker og lister
Kap 2: Løkker og lister Ole Christian Lingjærde, Inst for Informatikk, UiO 26-30 August, 2019 (Del 2 av 2) Forrige forelesning på en foil Formatert utskrift: %-operator og f-strings To typer løkker: while-løkker
Detaljerdesktop Grunnleggende bruk av EndNote Viktig info 3 punkt s. 2 Skrive inn referanser manuelt s. 4 Overføre referanser fra databaser/søkemotorer s.
Grunnleggende bruk av EndNote desktop Viktig info 3 punkt s. 2 Skrive inn referanser manuelt s. 4 Overføre referanser fra databaser/søkemotorer s. 5 Dublettkontroll s. 9 Samspill mellom EndNote X9 og Word
Detaljer10.1 Enkel lineær regresjon Multippel regresjon
Inferens for regresjon 10.1 Enkel lineær regresjon 11.1-11.2 Multippel regresjon 2012 W.H. Freeman and Company Denne uken: Enkel lineær regresjon Litt repetisjon fra kapittel 2 Statistisk modell for enkel
DetaljerPaul Hinsch. MICADO AS Utviklet MapBasic applikasjoner i 10 år. Registreringsknapper og Objektdialog
Brukerdefinerte registreringsknapper og objektdialog Paul Hinsch MICADO AS Utviklet MapBasic applikasjoner i 10 år Paul Hinsch MICADO AS 2011 Brukere klarer ikke alltid selv å styre hvilket kartlag data
DetaljerLogistisk regresjon 1
Logistisk regresjon Hovedideen: Binær logistisk regresjon håndterer avhengige, dikotome variable Et hovedmål er å predikere sannsynligheter for å ha verdien på avhengig variabel for bestemte (sosiale)
DetaljerKapittel 21: Minne og variabler
Kapittel 21: Minne og variabler 21 Introduksjon til minne og variabler... 334 Kontrollere og tilbakestille minnet... 337 Vise VAR-LINK-skjermbildet... 338 Manipulere variabler og mapper med VAR-LINK...
DetaljerPublisere på nvfnorden.org
Kommunikasjonsgruppen i NVF Publisere på nvfnorden.org En guide til de viktigste funksjonene i publiseringsverktøyet LiSA Live, 2. utg. Johanne Solheim 22.02.2013 Innhold Introduksjon... 1 Logg deg på...
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Øvelsesoppgave i: ECON2130 Statistikk 1 Dato for utlevering: Mandag 22. mars 2010 Dato for innlevering: Fredag 9. april 2010 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Innleveringssted: Ved siden av SV-info-senter
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Øvelsesoppgave i: ECON30 Dato for utlevering: 7.03.04 Dato for innlevering: 07.04.04 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Innleveringssted: Ekspedisjonen, etasje innen kl 5:00 Øvrig informasjon: Denne
Detaljersom blanker skjermen (clear screen). Du får en oversikt over alle kommandoene ved å skrive,
1. Last ned og installer XAMPP. 2. Sjekk at alt fungerer. 3. MySQL. Vi begynner med databaseserveren, MySQL. Gå til DOS klarmelding eller ledetekst (finnes under tilbehør på startmenyen om du ikke som
DetaljerAnalyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger
Intro til hypotesetesting Analyse av kontinuerlige data 21. april 2005 Tron Anders Moger Seksjon for medisinsk statistikk, UIO 1 Repetisjon fra i går: Normalfordelingen Variasjon i målinger kan ofte beskrives
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Øvelsesoppgave i: ECON30- Statistikk Dato for utlevering: 5.03.06 Dato for innlevering: 05.04.06 innen kl. 5:00 Innleveringssted: Ekspedisjonen i. etasje ES hus
Detaljer1 Kodegenerering fra Tau Suiten
Kodegenerering fra Tau Suiten For å generere Javakode eller en annen form for programmeringskode ut i fra Tau suiten, er det visse ting som må være utført.. En UML modell må eksistere og være korrekt.
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk Eksamensdag: Mandag 3. desember 2018. Tid for eksamen: 14.30 18.30. Oppgavesettet er på
DetaljerØvingsforelesning i Python (TDT4110)
Øvingsforelesning i Python (TDT4110) Tema: Introduksjon, Kalkulasjoner Vegard Hellem Velkommen! Litt om meg Vegard Hellem, 4. klasse datateknologi Øvingsforeleser i TDT4110 vegahel@stud.ntnu.no 2 Oversikt
DetaljerMultiblokkseminaret: LS-PLS. Bjørn-Helge Mevik
Multiblokkseminaret: LS-PLS Bjørn-Helge Mevik Oversikt Introduksjonseksempel Motivasjon og prinsipp Algoritmer og implementasjon Et levende eksempel Egenskaper Varianter og generaliseringer Credits og
DetaljerLitt statistikk fra første runde i Fysikkolympiaden 2012/2013
Litt statistikk fra første runde i Fysikkolympiaden 2012/2013 Carl Angell, Skolelaboratoriet, Fysisk institutt, UiO Innledning Første runde ble gjennomført i ukene 44 og 45 høsten 2012. Det deltok 98 skoler
DetaljerNYHETER I ENTERPRISE GUIDE 7.12
NYHETER I ENTERPRISE GUIDE 7.12 HAR TATT MED UTVIKLING FRA 4.3/4.1 (DET VAR EN STOR FORANDRING I DENNE VERSJONEN). HVA ER NYTT I SAS ENTERPRISE GUIDE 7.12 PRESENTASJON FOR FANS TROMSØ 16.03.2016 TROND
DetaljerLæringsmål og pensum. https://www.youtube.com/watch? v=nkiu9yen5nc
1 TDT4110 Informasjonsteknologi grunnkurs: Kapittel 1 Introduksjon til Programmering og Python Professor Alf Inge Wang 2 https://www.youtube.com/watch? v=nkiu9yen5nc 3 Læringsmål og pensum Mål Lære om
DetaljerAccuracy of Alternative Baseline Methods
Accuracy of Alternative Baseline Methods Dr. Steven Braithwait Christensen Associates Energy Consulting IEPEC - Paris June 2010 Outline Demand response & role of baseline loads Measures of baseline performance
DetaljerTDT4110 Informasjonsteknologi, grunnkurs Uke 35 Introduksjon til programmering i Python
TDT4110 Informasjonsteknologi, grunnkurs Uke 35 Introduksjon til programmering i Python Professor Guttorm Sindre Institutt for datateknikk og informasjonsvitenskap Læringsmål og pensum Mål Vite hva et
DetaljerEXAMINATION PAPER. Exam in: STA-3300 Applied statistics 2 Date: Wednesday, November 25th 2015 Time: Kl 09:00 13:00 Place: Teorifagb.
EXAMINATION PAPER Exam in: STA-3300 Applied statistics 2 Date: Wednesday, November 25th 2015 Time: Kl 09:00 13:00 Place: Teorifagb.,hus 1, plan 3 Approved aids: Calculator All printed and written The exam
DetaljerLayout og publisering
Layout og publisering Målet for denne kursomgangen er at du skal: - Bli kjent med menyene i ArcMap - Gjøre enkle forandringer i et eksisterende prosjekt - Lage et kart basert på prosjektet, som kan skrives
DetaljerMASTER I IDRETTSVITENSKAP 2018/2020. Individuell skriftlig eksamen. STA 400- Statistikk. Mandag 18. mars 2019 kl
MASTER I IDRETTSVITENSKAP 2018/2020 Individuell skriftlig eksamen i STA 400- Statistikk Mandag 18. mars 2019 kl. 10.00-12.00 Eksamensoppgaven består av 5 sider inkludert forsiden Sensurfrist: 8.april 2019
DetaljerIntroduksjon til EndNote
Introduksjon til EndNote Herregud hvorfor har ingen vist meg dette programmet før? (kvinne, 48 år, nettopp ferdig med phd-avhandlingen og en kort innføring i EndNote) Hva er EndNote? EndNote er et dataprogram
DetaljerInnhold. Multisample inference - del 2 (Rosner, ) Data Effect of Lead Exposure (Eks. i Rosner Kap mm)
Innhold Multisample inference - del (Rosner,.5 -.7) Stian Lydersen.5.: Sammenheng mellom enveis ANOVA og multippel lineær regresjon: Indiatorvariable.5. samt Vicers & Altman (BMJ Nov 00): Kovariansanalyse
DetaljerGeWare: A data warehouse for gene expression analysis
GeWare: A data warehouse for gene expression analysis T. Kirsten, H.-H. Do, E. Rahm WG 1, IZBI, University of Leipzig www.izbi.de, dbs.uni-leipzig.de Outline Motivation GeWare Architecture Annotation Integration
DetaljerViktig. Rettet i koden. Oppgaven. Obligatorisk oppgave 2 - Kort om oppgaven og litt informasjon. Fredrik Sørensen OMS-gruppen, IfI
Viktig Obligatorisk oppgave 2 - Kort om oppgaven og litt informasjon Fredrik Sørensen OMS-gruppen, IfI Ny patch (patch_oblig2.zip) legges ut på kurssiden i dag. Oblig 1 vil bli rettet denne uken Sjekk
DetaljerUTSATT SKOLEEKSAMEN I SOS KVANTITATIV METODE. 29. Mars 2017 (4 timer)
Institutt for sosiologi og samfunnsgeografi BOKMÅL UTSATT SKOLEEKSAMEN I SOS4020 - KVANTITATIV METODE 29 Mars 2017 (4 timer) Tillatte hjelpemidler: Alle skriftlige hjelpemidler og kalkulator Sensur for
DetaljerEksamensoppgave i PSY3100 forskningsmetoder kvantitativ
Institutt for psykologi Eksamensoppgave i PSY3100 forskningsmetoder kvantitativ Faglig kontakt under eksamen: Odin Hjemdal Tlf.: 73 59 19 60 Eksamensdato: 15. mai 2017 Eksamenstid: 09:00-13:00 Hjelpemiddelkode/Tillatte
DetaljerTDT4110 Informasjonsteknologi grunnkurs: Kapittel 1 Introduksjon til Programmering og Python. Professor Alf Inge Wang
2 TDT4110 Informasjonsteknologi grunnkurs: Kapittel 1 Introduksjon til Programmering og Python Professor Alf Inge Wang 3 https://www.youtube.com/watch? v=nkiu9yen5nc 4 Læringsmål og pensum Mål Lære om
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: Tirsdag 11. desember 2012. Tid for eksamen: 14.30 18.30. Oppgavesettet
DetaljerEndNote. Overføre referanser fra databaser/søkemotorer s. 5. Samspill mellom EndNote og Word 2016 s. 7
Grunnleggende bruk av EndNote desktop Viktig startinfo 3 punkt s. 2 Skrive inn referanser manuelt s. 4 Overføre referanser fra databaser/søkemotorer s. 5 Dublettkontroll s. 6 Samspill mellom EndNote og
Detaljer1. Å lage programmer i C++
Avdeling for informatikk og e-læring, Høgskolen i Sør-Trøndelag Å lage programmer i C++ Tore Berg Hansen og Else Lervik Rividert siste gang 24. august 2006 1. Å lage programmer i C++ Resymé: Dette notatet
DetaljerInnhold. Bruker manual BlueprintEasy PDF tagger. versjon: P a g e
Innhold INNHOLD... 1 INTRODUKSJON... 2 INSTALLASJON... 2 LAGE PRODUKT LISTER / BILDER... 2 VELG FIL LOKASJON (DIRECTORY)... 2 LAGE BILDER / IKONER / SYMBOLER... 2 EXCEL ARK / PRODUKT LISTE... 3 WEB LINK
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk Eksamensdag: Torsdag 2. desember 2010. Tid for eksamen: 09.00 13.00. Oppgavesettet er på
DetaljerBrukermanual - Joomla. Kopiering av materiale fra denne Bonefish manualen for bruk annet sted er ikke tillatt uten avtale 2010 Bonefish.
Brukermanual - Joomla Bonefish brukermanual - Joomla Gratulerer med ny nettside fra Bonefish. Du er nå blitt eier og administrator for din egen nettside, noe som gir deg visse forpliktelser ovenfor din
DetaljerDel 3: Evaluere uttrykk
Del 3: Evaluere uttrykk Hva skal vi gjøre? Hvordan lagre Asp-verdier Hvilke operasjoner må jeg implementere? Er operasjonen lovlig? Utføre operasjonen Strukturen til interpreten vår f.asp 3&4 Interpret
Detaljer