REPETITORIUM METHODEN II (Fach) / REPETITORIUM METHODEN II (Lektion)

REPETITORIUM METHODEN II

Diese Lektion wurde von VIELWEIBEREI erstellt.

Lektion lernen

zurück  |  weiter 1 / 3

• Nominalskala der Abhängigen Variable, Unabhängige Stichproben Welche Tests? Chi²-Anpassungstest Chi²-Unabhängigkeitstest (2 Variablen)
• Nominalskala der Abhängigen Variable, Abhängige Stichproben Welcher Test? McNemar (eine dichotome Variable zwei Messungen)
• Ordinalskala der Abhängigen Variable, Abhängige Stichproben Welcher Test? Vorzeichentest
• Ordinalskala der Abhängigen Variable, Unabhängige Stichproben Welcher Test? U-Test
• Intervallskala der Abhängigen Variable, Voraussetzung zur Verteilungsannahme erfüllt, keine Unabhängige Variable Welcher Test? t-Test eine Stichprobe
• Intervallskala der Abhängigen Variable, Voraussetzung zur Verteilungsannahme erfüllt, eine Unabhängige Variable, 2 Bedingungen, abhängige Stichproben Welcher Test? doppelter t-Testabhängige Stichproben
• Intervallskala der Abhängigen Variable, Voraussetzung zur Verteilungsannahme erfüllt, eine Unabhängige Variable, > 2 Bedingungen, unabhängige Stichproben Welche Tests? einfaktorielle ANOVA unabhängige Stichproben Kontrastanalyse unabhängige Stichproben
• Intervallskala der Abhängigen Variable, Voraussetzung zur Verteilungsannahme erfüllt, eine Unabhängige Variable, > 2 Bedingungen, abhängige Stichproben Welche Tests? einfaktorielle ANOVA abhängige Stichproben Kontrastanalyse abhängige Stichproben
• Intervallskala der Abhängigen Variable, Voraussetzung zur Verteilungsannahme erfüllt, ab 2 Unabhängige Variablen Welche Tests? mehrfaktorielle ANOVAunabhängige Stichproben Kontrastanalyse Unabhängige Stichproben
• Intervallskala der Abhängigen Variable, Voraussetzung zur Verteilungsannahme nicht erfüllt, abhängige Stichproben Welche Test? Wilcoxon-Test (=Vorzeichenrangtest)
• Unterschiede unabhängige Stichproben, 1 Faktor, Vergleich von 2 Gruppen, nonparametrisch: Welcher Test? U-Test
• Unterschiede unabhängige Stichproben, 1 Faktor, Vergleich von 2 Gruppen, parametrisch: Welcher Test? t-Test unabhängige Stichproben
• Unterschiede unabhängige Stichproben, 1 Faktor, Vergleich von > 2 Gruppen, nonparametrisch: Welcher Test? H-Test
• Unterschiede unabhängige Stichproben, 1 Faktor, Vergleich von > 2 Gruppen, parametrisch: Welcher Test? einfaktorielle ANOVA
• Unterschiede unabhängige Stichproben, 2 Faktoren, Vergleich von > 2 Gruppen, nonparametrisch: Welcher Test? Scheirer-Ray-Hare-Test
• Unterschiede unabhängige Stichproben, 2 Faktoren, Vergleich von > 2 Gruppen, parametrisch: Welcher Test? mehrfaktorielle ANOVA
• Unterschiede abhängige Stichproben, 2 Faktoren, Vergleich von > 2 Bedingungen, parametrisch: Welcher Test? mehrfaktorielle ANOVA
• Unterschiede abhängige Stichproben, 2 Faktoren, Vergleich von > 2 Bedingungen, nonparametrisch: Welcher Test? mehrfaktorieller Friedman-Test
• Unterschiede abhängige Stichproben, 1 Faktor, Vergleich von > 2 Bedingungen, nonparametrisch: Welcher Test? Einfaktorieller Friedman-Test
• Unterschiede abhängige Stichproben, 1 Faktor, Vergleich von > 2 Bedingungen, parametrisch: Welcher Test? einfaktorielle ANOVA
• Unterschiede abhängige Stichproben, 1 Faktor, Vergleich von 2 Bedingungen, parametrisch: Welcher Test? t-Test abhängige Stichproben
• Unterschiede abhängige Stichproben, 1 Faktor, Vergleich von 2 Bedingungen, nonparametrisch: Welcher Test? Wilcoxon-Test
• Zusammenhänge nonparametrisch: Spearman's Rho
• Zusammenhänge parametrisch: Korrelation
• Welche Verfahren der Explorativen Datenanalyse gibt es zur Darstellung einer Variable? Box-Plot Stamm-Blatt-Diagramm Q-Plot QQ-Plot (empirische und theoretische Verteilung) P-Plot
• Welche Verfahren der Explorativen Datenanalyse gibt es zur Darstellung von zwei Variablen? Back-to-Back-Stamm-Blatt-Diagramm (wenn 2. Variable dichotom) Box-Plot (wenn 2. Variable diskret) Streuungsdiagramme kartesisch / polar mit Box-Plots mit Konfidenzlinien (der Regressionsgeraden) Sonnenblumendiagramme Lowess & Potenzleiter Influence-Plot QQ-Plot (zwei empirische Verteilungen)
• Welche allgemeinen Verfahren der Explorativen Datenanalyse gibt es zur Darstellung von drei Variablen? Welche speziell zur Gruppierung der Fälle (also Variablen pro Person/Objekt) allgemein drei-dimensionales Streuungsdiagramm Bubble-Plot Mosaikplot Konturplot DWLS (Distance Weighted Least Squares) speziell zur Gruppierung der Fälle Rechteck-Icons (Starplot) (Chernoff-Gesichter) (Histogramm-Plot) (Profil-Plot)
• Welche allgemeinen Verfahren der Explorativen Datenanalyse gibt es zur Darstellung von mehr als drei Variablen? Welche speziell zur Gruppierung der Fälle (also Variablen pro Person/Objekt) allgemein Streuungsdiagramm-Matrix speziell zur Gruppierung der Fälle Chernoff-Gesichter Histogramm-Plot Profil-Plot
• Was für ein Verfahren ist die Clusteranalyse? Was ist ihre Grundidee? Clusteranalyse multivariates Verfahren, welches die Bündelung von Objekten anstrebt Grundidee heterogene Gesamtheit von Fällen wird in homogene Gruppen (Cluster) aufgeteilt, anhand der Ähnlichkeit der einzelnen Fälle untereinander in Bezug auf alle relevanten Variablen
• Wie ist das generelle Vorgehen bei der Clusteranalyse? generelles Vorgehen bei der Kontrastanalyse: Bestimmen der Ähnlichkeit der Fälle Auswahl der Fusionierungsalgorithmen Bestimmen der Clusterzahl Interpretation der Cluster und Überprüfen der Güte
• Was ist der erste Schritt bei der Durchführung einer Clusteranalyse? Wie läuft er im Detail ab? Erster Schritt: Bestimmen der Ähnlichkeit der Fälle efolgt über: Proximitätsmaß = Distanzmaß oder Ähnlichkeitsmaß bestimmen der Übereinstimmung bzw. Unterschiedlichkeit für jeweils 2 Fälle  (in Bezug auf relevante Merkmalsausprägungen) ⇒ hierfür werden Maßzahlen ermittelt erstellen eine Distanz- oder Ähnlichkeitsmatrix 
• Was ist der zweite Schritt bei der Durchführung einer Clusteranalyse? Wie läuft er im Detail ab? Zweiter Schritt: Auswahl der Fusionierungsalgorithmen (Clusteralgorithmen) bspw. hierarchisch oder partitionierend hierarchische Algorithmen kann man wiederum in agglomerative und divisive unterteilen anhand des Fusionierungsalgorithmus werden Fälle aufgrund ihrer Proximitätswerte zusammengefasst
• Was ist der dritte Schritt bei der Durchführung einer Clusteranalyse? Wie läuft er im Detail ab? dritter Schritt: Bestimmung der Clusterzahl Abwägen: Ziel der Reduktion (wenige Cluster) gegen hohe Lösungsgüte (viele Cluster) Möglichkeiten: Statistische Kriterien (Dendogramm), Heterogenitätsmaß, inhaltliche Überlegungen
• Was ist der vierte Schritt bei der Durchführung einer Clusteranalyse? Wie läuft er im Detail ab? vierter Schritt: Interpretation der Cluster und Überprüfung der Güte: für Lösungsgüte ist die Anzahl der Cluster entscheidend (je mehr, desto besser) jedoch sollten die Cluster auch inhaltlich sinnvoll / interpretierbar sein → inhaltliche Überprüfung zum Überprüfen der Güte sollten die Fälle in den Clustern in Bezug auf die Ausprägungen, die sie in den relevanten Variablen haben (Mittelwerte/Boxplots über Personen und Variablen in jeweiligen Clustern) angeschaut werden → Herausfinden der inhaltlichen Bedeutung
• Was sind Gemeinsamkeiten von Clusteranalyse und Faktorenanalyse? Gemeinsamkeiten: Clusteranalyse und Faktorenanalyse beides multivariate Verfahren beides Verfahren zur Datenreduktion (Zusammenfassung vieler Daten) beide umfassen jeweils selbst eine Vielzahl von Verfahren beide analysieren viele Merkmale über viele Fälle (Ausgangsbasis:eine Vielzahl von Fällen, die für eine Vielzahl von Variablen erhoben wurde)
• Was sind Unterschiede zwischen Faktorenanalyse und Clusteranalyse? Unterschiede zwischen Faktorenanalyse und Clusteranalyse: Faktorenanalyse Variablen werden zu Faktoren zusammengefasst dies geschieht anhand ihrer Korrelationen (über Fälle) zueinander Zweck: Dimensionsreduktion Clusteranalyse Fälle werden in Gruppen (Cluster) zusammengefasst dies geschieht anhand ihrer Ähnlichkeiten (in den Ausprägungen der Variablen) zueinander Zeck: Gruppenbildung
• 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. c) durch eine Faktorenanalyse kann die Zahl der Variablen reduziert werden, indem neue Variablen geschaffen werden
• Was ist der Unterschied zwischen Hauptkomponentenanalyse und Hauptachsenanalyse? Unterschied zwischen Hauptkomponentenanalyse und Hauptachsenanalyse: Hauptkomponentenanalyse Annahme, dass die gesamte Varianz der Variablen durch die Faktoren aufgeklärt werden kann Hauptachsenanalyse Teil der Varianz kann nicht durch die Faktoren aufgeklärt werden
• Welche wichtigen Kennwerte der Faktorenanalyse kennen sie? Faktorwert Eigenwert Faktorladung Kommunalität
• Was ist die Faktorladung (ajk) in der Faktorenanalyse? Faktorladung (ajk) Korrelation von Werten der Variable j mit den Werten des Faktor k
• Was ist der Eigenwert (s²k) in der Faktorenanalyse? Eigenwert: Anteil der durch Faktor k aufgeklärten Varianzen an der Gesamtvarianzaufklärung
• Was ist die Kommunalität (h2j) in der Faktorenanalyse? Anteil der Varianzen der Variable j, der durch alle Faktoren aufgeklärt werden kann
• Erklären sie folgende Kennwerte der Faktorenanalyse: 1. Faktorwert 2. Eigenwert 3. Faktorladung 4. Kommunalität Faktorwert (Fki) Wert einer Person auf einem Faktor k  Eigenwert (s²k) Anteil der durch Faktor k aufgeklärten Varianzen an der Gesamtvarianzaufklärung Faktorladung (ajk) Korrelation von Werten von Variable j mit Werten von Faktor k Kommunalität (h2j) Anteil der Varianzen der Variable j, der durch alle Faktoren aufgeklärt werden kann
• Anhand welcher Kenngröße werden Faktoren ausgewählt? anhand ihrer Eigenwerte
• Erklären sie das Kaiser-Kriterium in der Faktorenanalyse Kaiser-Kriterium nur Faktoren mit einem Eigenwert > 1 werden ausgewählt
• Erklären sie den Scree-Plot in der Faktorenanalyse! Scree-Plot Eigenwerte der Faktoren werden nach Größe sortiert in ein Diagramm eingezeichent nur Faktoren, deren Eigenwert oberhalb des "Knicks" in der Kurve liegt werden ausgewählt
• Was ist der multiple Determinationskoeffizient (R²) in der multiplen Regression multipler Determinationskoeffizient (R²) Prozentualer Anteil der Varianz, der durch meine Prädiktoren aufgeklärt werden kann
• Was ist der multiple Korrelationskoeffizient (R) in der multiplen Regression? multipler Korrelationskoeffizient (R) Korrelation zwischen den vorhergesagten mit den tatsächlichen Werten des Kriteriums
• Was gibt der Standardfehler in der multiplen Regression an? Standard(schätz)fehler Durchschnittlliche Abweichung der vorhergesagten Werte von den tatsächlichen Werten
• Erläutern sie den Unterschied zwischen Multiplem Determinationskoeffizienten (R²), multiplem Korrelationskoeffizienten (R), und dem Standardfehler in der multiplen Regressionsanalyse multipler Determinationskoeffizient (R²) bezieht sich auf Anteil der Varianz, der durch meine Prädiktoren aufgeklärt werden kann⇒ Zu wie viel Prozent sind meine Prädiktoren Ursache meiner Variation im Kriterium multipler Korrelationskoeffizient (R) bezieht sich auf Korrelation zwischen den geschätzen / vorhergesagten Werten des Kriteriums und den tatsächlichen, d. h. erhobenen Werten des Kriteriums⇒ je höher R, desto höher ist die Übereinstimmung zwischen den geschätzten und den tatsächlichen Werten des Kriteriums ⇒ auch die Güte meines Regressionsmodells hoch, da genau geschätzt wurde Standard(schätz)fehler gibt an, wie stark die vorhergesagten Werte im Durchschnitt von den tatsächlichen Werten abweichen⇒ je kleiner se,desto weniger weichen vorhergesagte und tatsächliche Werte voneinander ab

zurück  |  weiter 1 / 3