Lernkarten

Karten 40 Karten
Lernende 4 Lernende
Sprache Deutsch
Stufe Universität
Erstellt / Aktualisiert 05.02.2020 / 31.03.2020
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 0 Text Antworten 40 Multiple Choice Antworten
Fenster schliessen

2. Welche der folgenden Aussagen im Kontext einer multiplen Regression mit 2 kontinuierlichen Prädiktoren (ohne Interaktion) sind richtig?

Eid et al.: S. 607, 613 – 614; VL1, Folie: 19, 24, 25

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

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

c) Wenn die beiden Prädiktorvariablen untereinander hoch korreliert sind, empfiehlt es sich, standardisierte Regressionskoeffizienten zu verwenden, da die inferenzstatistischeiese robuster gegen Multikollinearität sind als diejenigen für unstandardisierte Regressionsgewicht.

d) Das Regressionsgewicht einer Variablen in der multiplen Regression entspricht dem Regressionsgewicht dieser Variablen in einer einfachen Regression, wenn die beiden Prädiktorvariablen untereinander unkorreliert sind.

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

Fenster schliessen
1

1 Kommentare

  • 05.02.2020
    A ist mit Fragezeichen versehen, für B gab es mal ne Gutschrift
1

1.Ein Forscher untersucht die Effekte von Schulden und Vermögen (Prädiktoren) auf finanzielle Zufriedenheit (Kriterium) im Rahmen einer multiplen Regression. Welche der folgenden Szenarien deuten auf einen Suppressions-Effekt hin? Modell: Schulden und Vermögen (UV) wirken sich auf finanzielle Zufriedenheit aus. 5 Aussagen zur möglichen Korrelationen und Wirkungen auf die Regressionskoeffizient

(Eid et al.: S. 633 - 636; VL1: Folie 28, 37)

a) Die beiden Prädiktoren sind nicht miteinander korreliert. Die bivariate Korrelation zwischen dem Prädiktor Vermögen und dem Kriterium finanzielle Zufriedenheit ist positiv, aber kleiner als der multiple Korrelationskoeffizient aus der multiplen Regression.

b) Der Prädiktor Schulden korreliert nicht mit dem Kriterium finanzielle Zufriedenheit, ist aber positiv korreliert mit dem Prädiktor Vermögen. Der Prädiktor Vermögen ist mit dem Kriterium finanzielle Zufriedenheit positiv korreliert. Das standardisierte Regressionsgewicht der Variablen Vermögen in der multiplen Regression ist größer als das entsprechende standardisierte Regressionsgewicht dieser Variablen in der einfachen Regression.

c) Die Prädiktoren sind nicht korreliert. Das standardisierte Regressionsgewicht der Variablen Vermögen in der multiplen Regression ist gleich dem entsprechenden standardisierten Regressionsgewicht dieser Variablen in der einfachen Regression.

d) In der einfachen Regression haben Schulden einen positiven Einfluss auf die finanzielle Zufriedenheit, hingegen wird in der multiplen Regression der Einfluss negativ.

e) Durch Auspartialisierung der Variable Vermögen in der multiplen Regression zeigt sich der negative Zusammenhang zwischen dem Prädiktor Schulden auf das Kriterium finanzielle Zufriedenheit.

Fenster schliessen

3. Welche Aussagen zur Multiplen Regression sind korrekt?

 

VL1, Folie: 37; VL2;Folie: 6, 7, 8, ; Eid et al., S. 625-630, 633 - 636

a) Suppressionseffekt, wenn Effekt von X1 durch X2 verstärkt wird.

b) Einschluss einer Suppressorvariablen (X2), welche mit Kriterium unkorreliert ist, verstärkt Effekt von X1 (hohes b-Gewicht) auf Kriterium.

c) stepwise - Hinzunahme ist theoriegeleitet

d) hierarchische Regression: der zusätzliche Beitrag zur Varianzaufklärung, den weitere hinzugenommene Prädiktoren oder Prädiktorgruppen liefern, kann durch T-Test der einzelnen Regressionsgewichte bestimmt werden.

e) Vorwärtsselektion ermöglicht den Vergleich nichtgenesteter Modelle

Fenster schliessen
1

1 Kommentare

  • 05.02.2020
    Antwort ist mit ? versehen, muss also noch überprüft werden
1

4. richtige Aussagen zur MR

 

Eid et al: S. 613, 614; VL1, Folie: 28, 29; VL2

 

a) Bei Vergleich von Effekt eines Prädiktors über verschiedene Gruppe sind standardisierte Koeffizienten besser als unstandardisierte.

b) Auswahlstrategie Vorwärtselektion vergleicht im Gegensatz zu den anderen auch nicht genestete Modelle.

c) Schrittweise Regression ist theoriegesteuert

d) Ob ein Regressionsgewicht nicht signifikant von Null abweicht und daher nicht im Modell benötigt wird, kann mit dem F-Test inferenzstatistisch überprüft werden.

e) Bei Semipartialdetermination spielt die Reihenfolge keine Rolle

Fenster schliessen
1

1 Kommentare

  • 05.02.2020
    Antwort E ist mit ? versehen, muss also noch überprüft werden
1

5. Welche Aussagen bezüglich der Regressionskoeffizienten in einer multiplen unmoderierten Regression mit zwei Prädikatoren sind richtig?

 

Eid et al.: S. 613, 614, 618, 620, 621; VL1, Folie 19, 24, 34; VL3, Folie: 21, 26

a) Der Regressionskoeffizienten einer Variablen in der Multiplen Regression entspricht dem Regressionskoeffizienten der Variablen in der einfachen Regression, wenn beide Prädiktoren unkorreliert sind.

b) Regressionskoeffizienten in der Multiplen Regression ändern sich nicht, wenn man die Variablen am Mittelwert zentriert.

c) Wenn beide Prädiktoren hoch korrelieren, sollte man einen standardisierten Regressionskoeffizienten verwenden, da der inferenzstatistische Test dann robuster gegen Multikollinearität ist als bei unstandandardisiertem Beta.

d) Standardisierte Regressionskoeffizienten eignen sich besser als unstandardisierten Beta zur Interpretation in der Multiplen Regression, da verschiedene Variablen in eine Metrik zusammengefasst werden.

e) Ob ein Beta signifikant von 0 abweicht kann per F-Test geprüft werden.

Fenster schliessen
1

1 Kommentare

  • 05.02.2020
    D wurde als Sonderpunkt gegeben. Warum?
1

6. Welche der folgenden Aussagen im Kontext der multiplen Regression mit zwei Prädiktoren sind richtig?

 

Eid et al. 634, 635; VL3, Folie 21, 25, 26

a) Von einer negativen Suppression spricht man, wenn sich der Effekt einer Variablen bei Aufnahme eines weiteren Prädiktors der negativ mit dieser Variablen korreliert, verstärkt wird.

b) Suppression liegt vor, wenn der Einschluss einer Variable X2, die mit dem Kriterium unkorreliert ist, dazu führt, dass der Effekt einer anderen Variablen X1 auf das Kriterium verstärkt wird.

c) Die inferenzstatistische Absicherung standardisierter Regressionsgewichte ist bei Vorliegen von Multikollinearität weniger verzerrt im Vergleich zu unstandardisierten Regressionsgewichten.

d) Das Regressionsgewicht einer Variablen in der multiplen Regression ändert sich für diese Variable, wenn man sie um den Mittelwert zentriert.

e) Eine reziproke Suppression setzt voraus, dass zwei unabhängige Variablen sowohl positiv mit dem Kriterium korrelieren, als auch untereinander eine positive Korrelation aufweisen.

Fenster schliessen

7. Welche Aussagen bzgl. der Regressionskoeffizienten in einer multiplen unmoderierten Regression mit zwei Prädiktoren sind richtig?

 

Eid et al.: S. 607, 613 – 614; VL1, Folie: 19, 34; VL4, Folie 21

a) Koeffizient der Multiplen Regression entsprechen dem Koeffizienten der einfachen Regression, wenn die beiden Koeffizienten voneinander unabhängig sind

b) Regressionskoeffizienten ändern sich nicht bei Zentrierung

c) Bei hoher Interkorrelation der Prädiktoren sollten standardisierte Koeffizienten gegen die Multikollinearität eingesetzt werden, da dadurch robuster.

d) Standardisierte Koeffizienten sind besser geeignet als unstandardisierte beim Vergleich verschiedener Variablen.

e) Signifikante Abweichung von 0 wird durch F-Test geprüft

Fenster schliessen

8. Ein Forscher untersucht die Effekte von Schulden und Vermögen (Prädiktoren) auf finanzielle Zufriedenheit (Kriterium) im Rahmen einer multiplen Regression. Welches der folgenden Szenarien deutet auf einen Suppressoreffekt hin?

 

Eid et al.: S. 633 - 636; VL1, Folie 37

a) Die beiden Prädiktoren sind nicht miteinander korreliert. Die bivariate Korrelation zwischen dem Prädiktor Vermögen und dem Kriterium finanzielle Zufriedenheit ist positiv, aber kleiner als der multiple Korrelationskoeffizient aus der multiplen Regression.

b) Der Prädiktor Schulden korreliert nicht mit dem Kriterium finanzielle Zufriedenheit, ist aber positiv korreliert mit dem Prädiktor Vermögen. Der Prädiktor Vermögen ist mit dem Kriterium finanzielle Zufriedenheit positiv korreliert. Das standardisierte Regressionsgewicht der Variable Vermögen in der multiplen Regression ist größer als das entsprechende standardisierte Regressionsgewicht dieser Variable in der einfachen Regression.

c) Die beiden Prädiktoren sind nicht miteinander korreliert. Das standardisierte Regressionsgewicht der Variable Vermögen in der multiplen Regression ist gleich dem entsprechenden standardisierten Regressionsgewicht dieser Variable in der einfachen Regression.

d) Die beiden Prädiktoren korrelieren jeweils positiv mit dem Kriterium. Das standardisierte Regressionsgewicht der Variable Vermögen in der multiplen Regression ist kleiner als das entsprechende standardisierte Regressionsgewicht dieser Variable in einer einfachen Regression.

e) Die beiden Prädiktoren korrelieren sehr hoch positiv untereinander. Der multiple Korrelationskoeffizient der multiplen Regression ist geringer als die bivariate Korrelation zwischen den Variablen Schulden und Vermögen. Die geschätzten multiplen Regressionsgewichte der beiden Prädiktoren weisen zudem hohe Standardfehler auf.