75

Methodenlehre I (Subject) / Methodenlehre Sedlmeier (Lesson)

This lesson was created by Lunax.

Learn lesson

back  |  next 2 / 2

• Populations-Effektgröße für Powerbestimmung in Varianzanalyse n^2 = Anteil der systematischen Variation an gesamter Variation in den Daten 0,01 = klein; 0,06 = Mittel; 0,14 = groß z.B 6% der Gesamtvarianz aufklärbar  eher Verwendung: f > .10/.25/.40
• Effektgrößen Def, Verwendung = standardisierte Maße, die Effekte (Unterschiede, Zshänge) ausdrücken - Abstands-/ Zshangsmaße > versch Skalen/ Designs miteinander vergleichbar Verwendung zur Annahme/ Schätzung von Populationseffekten zur Durchführung von Signifikanztests, Bewertung/Vgl von empirischen Ergebnissen, Metaanalyse Berechnung aus Rohwerten, Effektgrößen, Signifikanztest-Ergebnissen
• Konventionen für r und d d: 0,2/ 0,5/ 0,8 (g ist kleiner als d, primär bei kleinen Stichproben) r: 0,1/ 0,3/ 0,5
• Metaanalyse empirische Stichprobenverteilung als Grundlage für die Schätzung des wahren Werts (Analyse von Analysen) gefundene Studien filtern/ kategorisieren > Effektgrößen berechnen/ umrechnen > gewichtete Werte zsfassen & visualisieren
• Psychometrische Metaanalyse Untersuchung, ob Studien denselben Populationseffekt erfasst in Analogie zu X(p)=T(p)+e(p) = Grundgleichung der klassischen Testtheorie (gefundener Wert=wahrer Wert+Fehler) wenn alle r aus einer Population stammen, dann: Varianz des Populationseffekts = Varianz des Stichprobeneffekts - Varianz des Stichprobenfehlers ~ 0 sigma^2(p) >>0, dann getrennte Analysen für Subgruppen
• Probleme der Metaanalyse Müll rein, Müll raus: Ausschlusskriterien, Kodierung nach methodischer Qualität (getrennte Analysen für zB Quasiexp vs Emp), unterschiedliche Gewichtung Getrennte Analysen (UV - Ambulante vs von Institution durchgeführte Psychotherapie; AV - Selbst- vs Fremdauskunft) jeweils ein aggregierter Wert pro Studie (mehrere Effekte aus einer Stichprobe)
• Skalenniveaus > Lage-, Streuungsmaße Nominal > Modus Ordinal > + Median; Range, Interquartilsabstand Intervall > + arithm Mittel; Varianz, Streuung, mittlerer absoluter Abstand
• Definition Lagemaß Ermittlung einer zentralen Tendenz der Rohwerte
• Definition Streuungsmaß Grad der Vert von Rohwerten bzw Grad der Abw vom jeweiligen Lagemaß
• Unterschied zw Kovarianz und Korrelation Kovarianz = unstandardisiert Korrelation = standardisiert, Vgl versch r mgl
• Advertisement
• Interpretation Box Plot mittlere 50% der Rohwerte liegen in Box > von ... bis ... hohe Variation/ Varianz oder nicht Median; Ausreißer schiefe Verteilung oder symmetrische
• Konstruktion von Fragebögen 1) Entscheidung über Form des Fragebogens 2) Itemauswahl 3) Itemanalyse 4) Reliabilitätsbestimmung 5) Validitätsbestimmung 6) ggf. Eichung, Normierung
• Warum können Hypothesen nur falsifiziert und nicht verifiziert werden? Prüfungen können nur widerlegen, nicht endgültig bestätigen, da idR nicht alle Beobachtungen gemacht werden können
• Unterschied zw t-Test und Varianzanalyse Varianzanalysen ermöglichen den gleichzeitigen Vgl von mehr als zwei BEDINGUNGEN
• Warum hat das Bilden der Summe der Abweichungen aller Werte vom Mittelwert keinen Informationsgehalt pos und neg Abweichungen vom Mittelwert gleichen sich aus = 0
• Influence-Plot Einfluss einzelner Datenpunkte auf den linearen Zusammenhang zweier Variablen dargestellt.   beide Variablen in Streuungsdiagramm,  Datenpunkte unterschiedlich groß und gefüllt  oder ungefüllt Größe eines Punktes: wie stark sich Korrelation bei Entfernung des  Punktes verändern würde;  Füllung des Punktes: Richtung der Änderung Identifikation von Punkten, die einen starken Einfluss auf die Korrelation  - sollten keine Ausreißer sein (wenn doch, entfernen), sondern Punkte, auf denen  mehrere Personen liegen
• Bubble-Plot Streuungsdiagramm von zwei Variablen + dritte Variable = Größe der Datenpunkte  Veranschaulichung eines Zusammenhang von drei  Variablen, um herauszufinden, ob ein bivariater Zusammenhang relativiert werden  muss, weil er durch eine Drittvariable beeinflusst 
• Welche der folgenden Aussagen ist richtig?    a) Bei einer Faktorenanalyse werden ähnliche Versuchspersonen in homogene Gruppen  zusammengefasst.  b) Bei einer Faktorenanalyse werden Effektgrößen aus verschiedenen Studien  zusammengefasst und analysiert.  c) Durch eine Faktorenanalyse kann die Zahl der Variablen reduziert werden, indem  neue Variablen geschaffen werden.  d) Die Faktorenanalyse ist ein Verfahren, in dem Werte transformiert werden, um aus  nichtlinearen Zusammenhängen lineare Zusammenhänge zu erzeugen.  korrekt: c) Durch eine Faktorenanalyse kann die Zahl der Variablen reduziert werden, indem  neue Variablen geschaffen werden. 
• Unterschied zw Hauptachsen- und Hauptkomponentenanalyse Bei der Hauptkomponentenanalyse wird davon ausgegangen, dass die gesamte Varianz der Variablen  durch die Faktoren aufgeklärt werden kann.  Bei der Hauptachsenanalyse kann ein Teil der Varianz nicht durch die Faktoren aufgeklärt werden
• Erklären Sie folgende Kennwerte der Faktorenanalyse:   Faktorwert, Eigenwert, Faktorladung, Kommunalität  Faktorwert Fki:    Wert einer Person i auf einem Faktor k  Eigenwert sk²:  Anteil der durch Faktor k Aufgeklärten Varianz an der Gesamtvarianzaufklärung  Faktorladung ajk:   Korrelation von Werten von Variable j mit Werten von Faktor k  Kommunalität hj²: Anteil der Varianz der Variable j, der durch alle Faktoren aufgeklärt werden 
• Anhand welcher Kenngröße werden Faktoren ausgewählt? Erklären Sie kurz Kaiser‐Kriterium  und Scree‐Plot Faktoren werden anhand des Eigenwertes ausgewählt Kaiser‐Kriterium: Faktoren mit einem Eigenwert >1 sollten ausgewählt werden Scree‐Plot:  Eigenwerte der Faktoren nach der Größe sortiert + in ein Diagramm gezeichnet Nur Faktoren, deren Eigenwerte oberhalb des Knicks in der Kurve liegen, werden ausgewählt
• Grundidee der Clusteranalyse multivariates Verfahren, welches die Bündelung von Objekten anstrebt heterogene Gesamtheit von Fällen (Personen/Objekten) in Cluster (=homogene Gruppen)  aufgeteilt, in dem die Ähnlichkeit der einzelnen Fälle untereinander in Bezug auf alle relevante  Variablen betrachtet
• Vorgehen bei der Clusteranalyse 1) Bestimmen der Ähnlichkeit der Fälle 2) Auswahl des Fusionierungsalgorithmus  3) Bestimmung der Clusterzahl  4) Interpretation der Cluster und Überprüfen der Güte
• Gemeinsamkeiten der Faktoren- und Clusteranalyse multivariate Verfahren  Ausgangsbasis ist eine Vielzahl von Personen/Objekten (Fälle), für die eine Vielzahl von  Variablen erhoben wurde (Analyse von vielen Merkmalen über viele Fälle)  Sammelbegriff: umfasst jeweils eine Vielzahl von Verfahren  Verfahren zur Datenreduktion (Zusammenfassung vieler Daten) 
• Unterschiede zwischen Faktoren- und Clusteranalyse WAS? Fak: Variablen werden zu Faktoren  zusammengefasst; Clu:Fälle werden in Gruppen (Cluster)  zusammengefasst WIE? Fak: Variablen anhand ihrer Korrelationen (über die Fälle) zueinander zu Faktoren  zusammengefasst; Clu: Fälle werden anhand ihrer Ähnlichkeiten (in  den Ausprägungen der Variablen) zueinander  in Gruppen zusammengefasst WOZU? Fak: Dimensionsreduktion; Clu: Gruppenbildung  

back  |  next 2 / 2