Multivariate Analysemethoden (Subject) / Multivariate Analysemethoden 2 (Lesson)

This lesson was created by Madnetic.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 1

• Bitte erläutern Sie den Determinationskoeffizienten R² R² = Verhältnis d. Variabilität d. vorhergesagten Werte zu Gesamt-Variabilität. R² = 1; perfekter Zusammenhang (Regressionsresiduen = 0) Indikator, wie weit Beobachtung von d. Regressionsgeraden entfernt liegt R² = QS^y/QSy QSy=QS^y+QSe Determinationskoeffizient = quadrierte Korrelation von y und ^y : R²=r²xy multiple Korrelation = wie hoch d. Kriterium mit optimaler linearer Kombination d. Prädiktoren korreliert Synonym: Determinationskoeffizient - quadrierte multiple Korrelation
• Wann ist der Determinationskoeffizient gleich der Summe der quadrierten Kriterium-Prädiktor Korrelationen? Erklärte Varianz = erklärte Varianz x1 + erklärte Varianz x2 - erklärte Varianz x1 und x2
• Welche Aussage kann getroffen werden, wenn die Prädiktoren nicht oder mittel korrelieren? keine Korrelation: Zusammenhang x1 und y ist unabhängig von Zusammenhang x2 und y Partialkorrelation = Korrelation = Regressionskoeffizient hohe Korrelation: x1 und x2 erklären denselben Anteil d. Varianz von y Partielkorrelation ≠ Korrelation ≠ Regressionskoeffizient mittelhohe Korrelation: x1 und x2 erklären teilweise denselben Anteil d. Varianz von y Partialkorrelation/Regressionskoeffizient < Korrelation
• Welches Problem gibt es mit R² und wie kann man dies verhindern? R² überschätzt d. wahren Determinationskoeffizient in d. Population > korrigierter Determinationskoeffizient (adjusted R²) R²korr = 1-se²/sy² sy² = Varianz d. y-Werte  se² = quadrierter Standartschätzfehler
• Was wird beim Signifikanztest des Modells getestet? Vorhersagegüte: Vergleich d. durch Modell erklärten Varianz mit Fehlervarianz R²= standardisiertes Zusammenhangsmaß: Prozent aufgeklärter Gesamtvarianz d. Merkmals durch alle Prädiktoren
• Wie wird die Vorhersagekraft einzelner Prädiktoren in der Population geprüft? Test d. partiellen Regressionskoeffizienten gegen 0
• Was ist beim Modelltest eine notwendige aber nicht hinreichende Bedingung für Erklärungskraft d. Prädiktoren? Was sind mögliche Gründe für nicht Signifikanz der Regressionskoeffizienten? Modelltest: alle Prädiktoren Parametertest: Test einzelner Prädiktoren t-Test mögliche Gründe für nicht-Signifikanz: N zu klein; Alpha-Fehler; hohe Korrelation d. Prädiktoren
• Welche Annahmen bezüglich der Regressionsanalyse kennen Sie? AV : kontinuierlich UV : kontinuierlich/dichotom; müssen Varianz aufweisen; N>Anzahl UV Linearität: in Population vorliegende Abhängigkeit zw. Erwartungswerten d. Kriteriums/Prädiktorwerten ist durch Modell gegeben Normalität: Verteilung d. y-Werte für jede Kombination von Prädiktorwerten (UV) = Normalverteilung Vorhersagefehler an jeder festen Stelle d. Prädiktoren (UV) = Normalverteilt
• Was versteht man unter Homoskedastizität? Wann liegt Heteroskedastizität vor? Homoskedastizität = Varianzhomogenität; Residuen = Zufallsvariablen homogene Varianzen d. Residuen = Störgröße nicht abhängig von UV und d. Reihenfolge d. Beobachten Heteroskedastizität = Varianz d. Residuen in einer Werten d. prognostizierten AV nicht konstant; Ineffizienz d. Schätzung > Verletzung d. Prämisse d. linearen Regressionsmodells!
• Was ist mit der Annahme gemeint, dass keine lineare Abhängigkeit zwischen den Faktoren bestehen darf? Multikollinearität Abhängigkeit d. Prädiktoren = Instabilität d. Regressionskoeffizienten Test: Toleranz & VIF
• Advertisement
• Zur Untersuchung der linearen Abhängigkeit zwischen den Prädiktoren wird die Toleranz berechnet. Wie geschieht dies und was sagt es aus? Toleranz = Anteil d. Variabilität, der unabhängig von anderen Prädiktoren ist < 0,1 → erhebliche Redundanz der Prädiktorwerte („serious problem“)
• Zur Untersuchung der linearen Abhängigkeit zwischen den Prädiktoren wird die VIF berechnet. Wie geschieht dies und was sagt es aus? Variance Inflation Factor VIF > Kehrwert d. Toleranz VIF > 10 = bedenktlich
• Erläutern Sie die verschiedenen Selektionsverfahren in der Regressionsanalyse. Einschluss:  alle Prädiktoren werden simultan aufgenommen Hierarchisch: VL entscheidet über Reihenfolge d. Aufnahme d. Prädiktoren > bekannte Prädiktoren aus vorheriger Forschung > neue Prädiktoren in seperatem Block aufgenommen Schrittweise: Prädiktoren werden aufgrund semipartieller Korrelation mit Kriteriumsvariable ausgewählt > Variablen werden nach mathematischen Kriterien aufgenommen > Prädiktor, der größten Anteil an Varianz von Kriterium erklärt > Semipartielle Korrelation als Selektionskriterium

back  |  next 1 / 1