Lernkarten

Karten 70 Karten
Lernende 9 Lernende
Sprache Deutsch
Stufe Grundschule
Erstellt / Aktualisiert 27.10.2018 / 30.08.2019
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 0 Text Antworten 70 Multiple Choice Antworten
Fenster schliessen

3443/1 Welche Aussagen im Rahmen der Diagnostik und des Umgangs mit problematischen Datenkonstellationen in der multiplen Regression sind richtig?

Ob die Annahme der Unabhängigkeit der Residuen verletzt ist, lässt sich graphisch anhand eines Histogreamms der Residuen untersuchen.

Das Vorliegen von Hetereoskedastizität in den Daten ist immer auch ein Hinweis auf Ausreißer auf Seiten der Prädiktoren

Nicht normal-verteilte Residuen können unter Umständen ein Hinweis auf fehlspezifiszierte Modelle sein.

Fehlspezifikationen eines Modells äußern sich unter anderem darin, dass die bedingten Mittelwerte der Residuen von Null abweichen.

Wenn die Annahme der Normalverteilung der Residualvariablen nicht zurifft, werden sowohl die Punktschätzer der Regressionskoefffizienten als auch die Standardfehler der Schätzer für die Poulationsparameter verzerrt geschätzt.

Fenster schliessen

3443/2 Welche Aussagen im Rahmen der Diagnostik und des Umgangs mit problematischen Datenkonstellationen in der multiplen Regression sind richtig?

Der Variance-Inflation-Factor (VIF) ist auch ein diagnostisches Mittel, um zu erkennen, ob Homoskedastizität in den Daten vorliegt.

Nach einer in der Praxis oft angewandten Faustregel gelten zentrierte Hebelwerte, die kleiner als 3*k/n sind (wobei k die Anzahl der verwendeten Prädiktoren und n die Stichprobengröße bezeichnet), als auffällig.

Der sog. Probability-Probability-Plot (P-P-Plot), in dem zwei kumulierte Wahrscheinlichkeiten gegeneinander abgeragen werden, ist ein diagnostisches Mittel, um zu erkennen , ob Homoskedastizität in den Daten vorliegt.

Sind die unabängigen Variablen nicht messfehlerfrei gemessen, können zwar die Regresionskoeffizienten unverzerrt geschätzt werden, aber die geschätzten Standardfehler sind stark verzerrt.

Das sogenannte Lowess-Verfahren ist ein Verfahren, das angewandt wird, um zu überprüfen, ob die Linearitätsannahme des Regressionsmodells zutrifft

Fenster schliessen

3443/3 Welche der folgenden Aussagen im Kontext der multiplen Regression sind richtig?

Wenn man den Effekt eines Prädiktors auf die abhängige Variable über verschiedene Grupen von Personen vergleichen möchte, eignen sich zur Interpretation standardisierte Regressionskoeffizienten besser als unstandardisierte Regressionskoeffizienten.

Die Auswahlstrategie der Vorwärtsselektion unterscheidet sich von anderen Selektionsverfahren dadurch, dass bei diesem auch nicht in einander genestete Modelle verglichen werden.

Wenn die Prädiktorvariablen untereinander och korreliert sind, empfiehlt es sich, standardisierte Regressionskoeffizienten zu verwenden, da die inferenzstatistischen Tests für diese robuster gegen Multikollinearität sind als diejenigen für unstandarisie

Ob ein bestimmtes geschätztes Regressionsgewicht nicht signifikant von Null abweicht (und der entsprehende Prädiktor nicht im Modell benötigt wird), kann mittels eines F-Tests inferenzstatistisch überprüft werden

Für die Semipartialdetermination eines Prädiktors spielt die Reihenfolge, in der die Prädiktoren in das Modell aufgenomen werden, keine Rolle

Fenster schliessen

3443/4 Welche der folgenden Aussagen im Kontext der  multiplen Regression sind richtig?

Die Auswahlstrategie der Rückwärtsselektoin hat anderen Selektionsverfahren gegenüber den Vorteil, dass bei diesem Verfahren mehrere Prädiktoren gleichzeitig in einem Selektionsschritt auf ihre gemeinsame Signifikanz hin überprüft und gegebenenfalls e

Das Regressionsgewicht einer Variablen in einer nicht moderierten multiplen Regression ändert sich nicht, wenn man die Variable um ihren Mittelwert zentriert.

Von einer negativen Suppression spricht man, wenn der Effekt eines Prädiktors aus der einfachen Regression zusätzlich verstärkt wird in der multiplen Regression durch die Hereinnahme eines weiteren Prädiktors, der negativ mit diesem anderen Prädiktr korre

Der multiple Determinationskoeffizient entsprich dem Quadrat der multiplne Korrelation zwischen den vorhergesagten Werden (Y Dach) und den beobachteten Wert (Y)

Sind die Effekte der Prädiktoren in einer multiplen Regression additiv, ist das Regressionsgewicht eines Prädiktors davon unabhängig, welche anderen Variablen sich ind er Regressionsgleichung befinden.

Fenster schliessen

3443/5 Um Mediationseffekte zu ermitteln, haben Baron und Kenny (1986) ein Verfahren vorgeschlagen,
das als causal step approach bekannt geworden ist. Welche der folgenden Aussagen zu diesem Verfahren sind korrekt?

Baron und Kenny zufolge sind in einer einfachen Mediation drei Regressionsanalysen durchzuführen, mit denen überprüft werden kann, ob vier Bedingungen erfüllt sind, die nach diesem Schema notwendig sind, um von einer Mediation sprechen zu können.

Eine der Bedingungen, die nach dem Schema von Baron und Kenny für das Vorliegen eines Mediationseffektes erfüllt sein muss, ist, dass der Prädiktor bei statistischer Kontrolle des Mediators das Kriterium signifikant beeinflusst.

Dem causal step approach zufolge muss der Effekt des Prädiktors auf den Mediator signifikant größer sein als der direkte Effekte des Prädiktors auf das Kriterium.

Eine Voraussetzung, die nach dem Schema von Baron und Kenny für das Vorliegen eines Mediationseffekts erüllt sein muss, ist, dass bei statistischer Kontrolle des Einflusses des Prädiktors der Mediator das Kriterium signifikant beeinflussen muss.

Eine wesentliche Kritik an dem Schema von Baron und Kenny besteht darin, dass es nicht ermöglicht, zu überprüfen, ob der Effekt des Prädiktors vollständig über den Mediator mediiert wird.

Fenster schliessen

3443/6 Welche der folgenden Aussagen zur Überprüfung einfacher Mediationshypothesen sind richtig?

Der sog. Sobel-Test zur Überprüfung indirekter Effekte macht im Gegensatz zu dem causal step approach keine Annahme über die Verteilung des indirekten Effekts

Ein statistisch signifikanter indirekter Effekt in der Mediationsanalyse ist nicht zwangsläufig ein Beleg für die Gültigkeit des getesteten Mediatormodells, da der statistische Test zur Absicherung des indirekten Effekts eventuell eine zu geringe Power

Ein statistisch signifikanter indirekter Effekt in der Mediationsanalyse ist nicht zwangsläufig ein Beleg für die Gültigkeit des getesteten Mediatormodells, da der getestete Mediator womöglich nur ein Korrelat der abhängigen Variablen ist.

Der sog. Sobel-Test zur Überprüfung indirekter Effekte hat in der Regel eine größere Teststärke (Power) als das Bootstrapping-Verfahren zur Überprüfung indirekter Effekte.

In dem Bootstrapping-Verfahren wird für den indirekten Effekt eine Stichporbenkennwerteverteilung "empirisch generiert", mittels derer Konfidenzintervalle für den indirekten Effekt gebildet werden können.

Fenster schliessen

3443/7 Welche der folgenden Aussagen zur Analyse multipler Mediationsmodelle sind richtig?

Wenn die Mediatoren in einem multiplen Mediationsmoell untereinander korreliert sind, ist die sukzessive Prüfung von mehreren Mediatoren mit einfachen Mediationsmodellen problematisch, da hierbeit die Korrelation der Mediatoren untereinander nicht berüc

Wenn die Mediatoren in einem multiplen Mediationsmodell untereinander korreliert sind, können indirekte Effekte zwar berechnet aber nicht mehr auf Signifikanz hin überprüft werden.

In einem multiplen Mediationsmodell wird zwischen spezifischen indirekten Effekten und totalem indirekten Effekt unterschieden.

Wenn die Mediatoren in einem multiplen Mediationsmodell untereinander korreliert sind, erfolgt die Überprüfung des direkten Effektes in der Regel über das Bootstrapping-Verfahren

Wenn die Mediatoren in einem multiplen Mediationsmodell untereinander korreliert sind, erfolgt die Überprüfung des totalen Effektes bei ausreichend großer Stichprobe in der Regel über den Sobel-Test.

Fenster schliessen

3443/8 Ein Psychologe untersucht im Rahmen einer einfachen linearen Regressionsanalyse den
Zusammenhang zwischen Lebenszufriedenheit (Kriterium Y) und der Größe des Wohnortes einer Person. Der kategoriale Prädiktor Größe des Wohnortes hat drei Ausprägungen: Kleinstadt, Mittelstadt und Großstadt. Der
Prädiktor wird mittels einer Effekt-Kodierung in das Regressionsmodell aufgenommen. Als
Basiskategorie wird die Kategorie Großstadt gewählt; die erste Kodiervariable X1 bezieht sich auf Mittelstadt, d.h. Personen aus einer Mittelstadt erhalten auf dieser Variablen eine 1 in der Kodierung. In der Srichprobe sind alle
unteruschten Gruppen gleich groß. Die Regressionsanalyse ermittelt folgende Regressionsgleichung: YDach=5-1 X1 +1 X2
Welche der folgenden Aussagen in diesem Kontext sind korrekt?

Die geschätzte mittlere Lebenszufriedenheit von Personen aus der Großstadt beträgt 5.

Die geschätzte mittlere Lebenszufriedenheit von allen Personen (aus allen Städten zusammen) beträgt 5

Hätte der Forscher in der Effekt-Kodierung als Basiskategorie Kleinstadt anstatt Großstadt gewählt und die Kodiervariable X1 für Mittelstadt beibehalten, hätte sich der Wert des Intercepts in der Regressionsgleichung verändert.

Würde der Forscher anstelle einer Effekt-Kodierung eine Dummy- Kodierung mit Referenzkategorie Großstadt verwenden und X1 als Kodiervariable fü Mittelstadt wählen, würde die Regressionsanalyse unter Verwendung der Dummy-Kodierung genau die gleiche Regr

Der Unterschied in der geschätzten mittleren Lebenszufriedenheit zwischen Personen aus der Kleinstadt und Personen aus der Großstadt ist geringer als der Unterschied in der geschätzten mittleren Lebenszufriedenheit zwischen Personen aus der Kleinstadt ung