Evaluation (Fach) / Aggregation & Korrelation von Zeitreihen-Daten (Lektion)
In dieser Lektion befinden sich 11 Karteikarten
.
Diese Lektion wurde von makem erstellt.
- Nontemporale Aggregation Aggregation von Querschnittsdaten ohne Einbeziehung der Zeit. Es wird der Mittelwert über alle Personen hinweg gebildet.
- Kontemporale Aggregation Aggregation von Prozessen über die Person mit Break-Variable Zeit. Somit wird für jeden Messzeitpunkt ein interindividueller Mittelwert über alle Personen hinweg gebildet.
- Temporale Aggregation Aggregation von Prozessen über die Zeit mit Break-Variable Person. Somit wird für jede Person ein intraindividueller Mittelwert über alle Zeitpunkte hinweg gebildet.
- wide-Format: jede Ausprägung einer Spaltenvariablen besitzt eine eigene Spalte
- Berechnungen der Aggregation im wide-Format: Die kontemporale Aggregation wird einfach berechnet, indem für jeden Messzeitpunkt ein Spaltenmittelwert gebildet wird. Die temporale Aggregation wird berechnet, indem für jede Versuchsperson ein Zeilenmittelwert gebildet wird
- long- Format: die einzelnen Ausprägungen der Spaltenvariablen werden innerhalb von jeweils einer Variablen zusammengefasst Berechnung in R mit aggregate()-Befehl für kontemporale und temporale Aggregationen
- Eine Datenaggregation ist im Rahmen der statistischen Auswertung nicht immer sinnvoll: Die vier Theoreme der Aggregation Theorem 1: Probleme der Schlüsse vom Aggregat auf Individuen im univariaten Fall Theorem 2: Beziehungen zwischen inter- und intraindividuellen Korrelationen bei bivariaten Zusammenhängen Theorem 3: Übertragbarkeit von asynchronen Beziehungen auf Aggregatebene auf individuelle Prozesse Theorem 4: Reihenfolge von Aggregation und Prognose
- Theorem 4: Reihenfolge von Aggregation und Prognose "Die Abfolge von Prognose auf der Mikroebene und anschließender Aggregation ist unter sehr allgemeinen Bedingungen mindestens so effektiv wie die Abfolge von Aggregation und anschließender Prognose auf der Makroebene"
- Theorem 3: Übertragbarkeit von asynchronen Beziehungen auf Aggregatebene auf individuelle Prozesse "Aus cross-lagged-Analysen von Längsschnittstudien zu 2 Messzeitpunkten können im Allgemeinen keine Schlüsse auf die entsprechenden individuellen cross-lagged-Zusammenhänge abgeleitet werden."
- Theorem 2: Beziehungen zwischen inter- und intraindividuellen Korrelationen bei bivariaten Zusammenhängen "Aus interindividuellen Korrelationen - also zu einem Zeitpunkt - lässt sich im Allgemeinen keine Aussage über die intraindividuellen Zusammenhänge bei Individuen ableiten."
- Theorem 1: Probleme der Schlüsse vom Aggregat auf Individuen im univariaten Fall "Von einem Stichprobenverlauf können im Allgemeinen keine Schlüsse auf die individuellen Verläufe abgeleitet werden."