14
Evaluation und Forschungsmethoden (Fach) / Regressionsanalytische Methoden (Lektion)
Anzeige
- Orthogonalität von zwei Vektoren: genau dann wenn a x b = 0
- Skalar: Matrix mit einer Zeile und einer Spalte (d.h. eine Zahl ai)
- Diagonalmatrix: quadratische Matrix,alle nicht-diagonale Elemente gleich Null
- Einheitsmatrix Diagonalmatrix, alle Elemente gleich 1Beispiel: Korrelationsmatrix zwischen Faktoren
- Suppressorvariable = Prädiktor (UV) Xj,der zur Vorhersage des Kriteriums Y beiträgt, indemer irrelevante Varianz anderer Prädiktoren Xi unterdrückt. -> bedeutsames β-Gewicht, aber:kleinere oder andersgerichtete Korrelation mit dem Kriterium
- Klassische Suppression: Prädiktor Xj korreliertgering mit Y, aber hoch mit anderem Prädiktor Xi -> Gewicht βj und Semi-Partialkorrelation srj (relativ) hoch
- Reziproke Suppression: Xj und Xi korrelierenpositiv mit Y, aber negativ miteinander (oder umgekehrt)
- Negative (Netto-) Suppression: Xj erhält Gewicht βjmit anderem Vorzeichen als Korrelation mit Y
- Konvention: f ² klein: 0,02 mittel: 0,15 groß:0,35
- Effektgrößen Größe der Abweichung der empirischen Daten von der Situation, die bei Gültigkeit der exakten H0 zu erwarten ist. Maß für die statistische Assoziation zwischen zwei Variablen
- Anzeige
- Wann sind latente Variablen "exogen"? wenn sie ausschließlich UV sind
- Wann sind latente Variablen im SEM endogene Variablen? wenn die mindestens einmal auch AV sind
- disturbances im SEM andere Einflüsse auf Faktoren (modellextern)
- Strukturgleichungsmodelle: Ablauf 1. wiss. Hypothesen über Zusammenhänge– latente Variablen (exogen und endogen) – latente Variablen und Indikatoren2. Spezifikation und Identifikation der Modellstruktur3. Datenerhebung: Werte auf Indikatorvariablen4. Schätzung der Parameter (insb. Pfadkoeffizienten)5. statistische Beurteilung des Modells:Reliabilitäten, Signifikanztests, Anpassungsmaße6. Beurteilung der wissenschaftlichen Hypothesen7. evtl. Modifikation des Modells