Forschungsmethoden der Psychologie (Fach) / Methodenlehre II (Lektion)

Diese Lektion wurde von lesanges erstellt.

Lektion lernen

zurück  |  weiter 3 / 3

• welche Voraussetzungen müssen für eine Regressionsanalyse vorhanden sein? Intervallskalierung Normalverteilung der Variablen keine Multikolinearität
• Was ist Multikolinearität? zu starke Korrelation zwischen den Prädiktoren
• Was ist die grundidee der Faktorenanalyse? Analyse des Zusammenhangs zwischen messbaren Variablen um so nicht direkt messbare latente Variablen aufzuspüren
• Welche Arten von Faktorenanalysen kennen wir? Hauptachsenanalyse hauptkomponentenanalyse
• Welche Arten des Vorgehens gibt es bei der Faktorenanalyse? Explorativ konfirmatorisch
• Beschreibe die Vorgehensweise bei der Faktorenanalyse Erstellen einer Korrelationsmatrix Faktorenextraktion und -auswahl Faktorenrotation Interpretation der Faktoren Überprüfung der Lösungsgüte (kann man annehmen, dass latente Variable existiert oder nicht)
• Was ist das Prinzip der Faktorenextraktion? Man dreht das Koordinatensystem um möglichst viele Punkte der Punktewolke mit möglichst wenigen Dimensionen erklären zu können Dimension =Anzahl der Faktoren
• Was ist das Optimierungskriterium bei der Faktorenextraktion? es wird gedreht bis quadrierte Abweichung im Minimum
• Was ist ein Faktorwert? Wert einer Person auf dem faktor (eine Person hat so viele Faktorwerte wie es Faktoren gibt)
• Was ist die Faktorladung? Korrelation zwischen Item und Faktorwert
• Anzeige
• Was ist der Eigenwert eines Faktors? quadrierte Spaltensumme
• Was ist die Kommunalität einer Variable? quadrierte Zeilensumme Varianzanteil, der durch den Faktor erklärt werden kann
• Welche relative Bedeutsamkeit hat ein Faktor in der Faktorenanalyse? gibt den anteil des Eigenwerts an der Gesamtvarianz wieder
• Wie setzt sich die gesamtvarianz bei der Faktorenanalyse zusammen? Gesamtvarianz = Anzahl der Variablen
• wie wird die aufgeklärte Varianz bei der Faktorenanalyse berechnet? Summe der Kommunalitäten _________________________ Gesamtvarianz
• Warum ergibt die Summe der Eigenwerte der aus der V* V Korrealtionsmatrix extrahierten Faktoren den Wert V? Variablen sind z- Standartisiert jede Varaibel hat Varianz = 1 V*1 = V
• Was ist das Ziel der Faktorenauswahl? deutlich geringere Anzahl an Faktoren als variablen schaffen
• Welche Arzen der fakorenrotation gibt es? othogonale oblique (schief)
• Was wird bei der orthogonalen Rotation konstant gehalten und was wird modifiziert? Konstant: Faktorenzahl, Varianzaufklärung durch Faktoren modifiziert: Eigenwerte und Inhaltliche Interpretation
• Wie kann ich die Lösunggüte bei der Faktorenanalyse überprüfen? ausmaß der aufgeklärten Varianz Höhe der ladung inhaötliche Plausibilität Wiederholbarkeit Rückrechnung der Korrelationsmatrix
• Wovon ist die messgenauigkeit bei der Faktorenanalyse abhängig? von Variablenanzahl
• Welche Problematische Annahme macht die hauptkomponentenanalyse udn welche Alternative gibt es? gesamte varianz wird aufgeklärt. dadurch zufall ausgeschlossen kann ergebnis verfälschen Alternative: hauptachsenanalyse, die Fehlervarianz miteinrechnet
• Warum sollten nur Faktoren mit einem Eigenwert >1 interpretiert werden? weil Faktor sonst zu unbedeutend
• Was ist die Grundidee der Clusteranalyse? heterogene Gesamtheit von Fällen soll in homogene gruppen oder Cluster aufgeteilt werden dabei wird die Ähnlichkeit der Fälle auf allen relevanten Variablen berücksichtigt
• welche zentralen Fragen stellt amn sich bei der Clusteranalyse? `wie wird Ähnlichkeit bestimmt? wie wird Gruppenaufteilung vorgenommen, wenn Ähnlichkeit zwischen fällen bekannt ist
• Wo kann man die Faktorenanalyse anwenden? Dimensionsreduktion Testkonstruktion Theoriekonstruktion
• Wo kann man die Clusteranalyse anwenden? Aufteilung von personen in Subgruppen Marktforschung Erstellen von typologien
• Beschreibe die Vorgehensweise bei der Clusteranalyse Auswahl eines Ähnlichkeits-/ Distanzmaßes Erstellen einer Ähnlichkeits./ Distanzmatrix Auswahl eines Clusteralgorithmus Erstellen der Clusterlösung Interpretation der Cluster und Überprüfung der Lösungsgüte  
• Wie wählt man bei nominalskalierten Variablen ein Ähnlichkeits/Distanzmaß? wenn ncihtübereinstimmung keine Rolle spielt --> Tanimoto Koeffizient wenn Nichtübereinstimmung berücksichtigt werden soll --> M-Koeffizient
• Wie wählt man ein Ähnlichkeits/Distanzmaß bei ordinalskalierten Variablen? Transformation 001, 010, 100 --> so viele Zahlen , wie Ausprägungen --> aber es geht Info verloren  
• Anzeige
• Wie Wählt man ein Ähnlichkeits/Distanzmaß für intervallskalierte Variablen? Ähnlichkeitsmaße (z.B. Korrelation) Abstandsmaße (Minkowski. Metrik)
• Welche Clusteralgorithmen gibt es? Partionierte Verfahren Hierarchische Verfahren
• Was macht man bei partitionierten Verfahren? Anfangsgruppierung gegeben sukzessive Verlagerung von Objekten in andere Gruppe Zielkriterium: Minimierung der Varianz innerhalb der Gruppe --> Gruppeneinteilung reversibel
• Wie geht man bei hierarchischen Verfahren vor? agglomerativ anfangs so viele Gruppen wie Fälle sukzessives Zusammenfassen divisiv anfangs alle Fälle in einer Gruppe sukzessives Aufteilen --> gruppeneinteilung nicht reversibel
• Welche möglichen Algorithmen sind bei hierarchischen Verfahren denkbar? single linkage (Abstand zwischen nächsten Punkten) complete linkage (abstand der am weitesten entfernten Punkten) Average linkage (Abstand der mittleren Distanz aller Fälle vom einen Cluster zum anderen Cluster)
• Was ist ein Dendrogramm? graphische Darstellung der Clusteranalyse  

zurück  |  weiter 3 / 3