In dieser Lektion befinden sich 33 Karteikarten
Annahmen und Regressionsdiagnostik
Diese Lektion wurde von Lylly erstellt.
- Was sind die 8 Annahmen bei der multiplen Regression? ... 1. Korrekte Spezifikation des Modells2. Messfehlerfreiheit der UVs3. Keine Ausreißer oder einflussreiche Datenpunkte4. Keine Multikollinearität5. Homoskedastizität6. Unabhängikeit der Residuen7. ...
- Was ist eine Annahme speziell für stochastische Regressoren ... multivariate Normalverteilung
- Welche Punkte gehören inhaltlich zu einer korrekten ... I Angenommene Form des Zusammenhangs (z. B. linear, kurvilinear, kubisch)I Alle relevanten Variablen (und Terme) sind im Modell (kein Underfitting)I Keine irrelevanten Variablen im Modell (kein Overfitting) ...
- Welche Konsequenzen zöge eine inkorrekte Spezifikation ... - Verzerrung der Regressionsgewichte - Verzerrung der Standardfehler der Regressionsgewichte --> geringe Teststärke
- Wie überprüft man die korrekte Spezifikation des ... I Theoretisch angenommener Zusammenhang?I Bivariate Streudiagramme mit LOWESS-AnpassungslinieI Aufnahme und statistische ÜberprÜfung von nicht-linearen Termen oderInteraktionen
- Was bedeutet "Messfehlerfreiheit der UVs" und inwiefern ... = Reliabilität von 1 in der Psychologie typischerweise Rel von 0.7-0.8
- Was sind die Konsequenzen einer verletzten Annahme ... - Verzerrung der Regressionsgewichte --> bei bivariater Regression Unterschätzung --> bei multipler Regression Unter- oder Überschätzung - Verzerrung der Standardfehler der Regressionsgewichte ...
- Wie überprüft man die Messfehlerfreiheit der UVs? ... Rel nachschlagen oder halt selbst rechnen
- Wie kann man Messfehlern in der UV vorbeugen? - reliable Skalen benutzen - ausreichend Items zur Skalenbildung verwenden - Strukturgleichungsmodelle mit latenten Variablen verwenden
- Wie kann man Daten nicht rechnerisch auf unplausible ... praktisch: Eingabefehler, Kodierungen fehlender Werte deskriptiv: Plot oder Deskriptivstatistiken
- Welche empfohlenen Werte sollte ich bei AV und UV ... - AV: studentisierte gelöschte Residuen - UV: Hebelwerte oder Mahalanobis-Distanzen
- Welche Werte untersuche ich, wenn ich mich frage, ... DfBetas
- Welche Werte betrachte ich, wenn ich den Einfluss ... DfFitsS
- 1) Auf welchen Parameter eines Regressionsmodells ... 1) auf die Residuen 2) - Standardisieren = Residuen geteilt durch Standardschätzfehler- Studentisieren = Residuen geteilt durch den geschätzen Standardschätzfehler der Residuen an der Stelle xm ...
- Wie wird der p-Wert für die studentisierten gelöschten ... Multipliziert mit der Anzahl der Vergleiche (= Anzahl der Personen) und 2 Problem: Bei großen Stichproben sehr wahrscheinlich, dass man Werte als Ausreißer charakterisiert
- Wann bieten hohe Hebelwerte tatsächlich Anlass zum ... die X-Werte müssen konträr zu dem Muster/der Richtung der Regressionsgeraden sein
- Welches weitere Kriterium neben der Höhe der Hebelwerte ... wenn die X-Werte (UV) konträr zu dem Muster (/der Richtung) der Regressionsgerade sind
- Was wird als Schwellenwert für einen Hebelwert gesehen? ... 2 · [durchschnittl.] hm bzw 2 · [durchschnittliches] h∗
- DfBeta gibt an, wie stark sich ein Regressionskoeffizient ... wenn eine bestimmte Person entfernt wird --> je ein Wert pro Person und Regressionskoeffizient
- Woran standardisiert man die DfBETAS? am Standardfehler der Regressionskoeffizienten
- Welche DfBetas sind auffällige Werte für unterschiedlich ... - Absolute Werte > 1 auffällig in kleinen bis mittelgroßen Stichproben- Absolute Werte > 2/√n auffällig in großen Stichproben
- Was bedeutet DfFIT inhaltlich? Differenz (= Df) des vorhergesagten Wertes (=FIT) einer Person in einem Modell ohne diese Person und einem Modell mit dieser Person
- Woran wird DfFIT standardisiert? an geschätztem Standardfehler der vorhergesagten Werte (ohne diese Person)
- Welche Werte für DfFITS werden für unterschiedlich ... - Absolute Werte > 1 auffällig in kleinen bis mittelgroßen Stichproben- Absolute Werte > 2 · p(k + 1)/n auffällig in großen Stichproben
- Wie transformiert man die DfFITS-Werte in die Cook-Distanz? ... indem man sie quadriert
- Welcher Verteilung mit wie vielen Freiheitsgraden ... einer F-Verteilung mit df1 = k + 1 und df2 = n − k − 1 Freiheitsgraden
- Ab wann gelten Abweichungen bei der Cook-Distanz als ... bei über α = 0,5
- Wann sind auffällige Werte vor allen Dingen problematisch ... vor allem problematisch, wenn sie Schätzungen beeinflussen --> ermitteln, indem man verschiedene Indizes vergleicht, die ein möglichst schlüssiges Bild ergeben sollten
- Wie sollte man mit dem möglichen Vorliegen von Subpopulationen ... man könnte Mischverteilungsmodelle anwenden --> Die Population setzt sich dann aus verschiedenen Subpopulationen zusammen, für die ein unterschiedliches Regressionsmodell gilt. --> verlangt entsprechend ...
- Welche Gründe gibt es für die Entstehung von Multikollinearität? ... - Verwendung verschiedener Messzeitpunkte oder Subskalen desselben Konstrukts als Prädiktoren - große Überlappung, Redundanz der UVs
- Was sind Konsequenzen von Multikollinearität? - Erhöhung der Standardfehler der Partialregressionskoeffizienten- Verzerrung von Teststatistiken, Verlust von statistischer Power (Teststärke)- Unpräzise Schätzung und Erschwerung der Interpretation ...
- Welche beiden statistischen Kennwerte indizieren Multikollinearität? ... Toleranz & Varianzinflations-Faktor
- Wie kann man Multikollinearität vorbeugen? - Redundante Prädiktoren zusammenfassen oder ausschließen- Verwendung von Strukturgleichungsmodellen- Zentrierung von Prädiktoren entfernt die nicht-essentielle Kollinearität