MM1 FUH WS18/19

Statistik und Evaluation Fernuni Hagen WS18/19

Question first
Answer first
Self-test

0.0 (0)

Study

Create or copy sets of flashcards

With an upgrade you can create or copy an unlimited number of sets and use many more additional features.

Set of flashcards Details

Flashcards	51
Students	25
Language	Deutsch
Category	Psychology
Level	University
Created / Updated	04.03.2019 / 27.12.2022
Weblink	https://card2brain.ch/box/20190304_mm1_fuh_ws1819
Embed	<iframe src="https://card2brain.ch/box/20190304_mm1_fuh_ws1819/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

Create or copy sets of flashcards

With an upgrade you can create or copy an unlimited number of sets and use many more additional features.

Upgrade

Card list

Question first
Answer first
Self-test

Study

Log in to see all the cards.

SWITCHaai

Office 365

Edulog

Apple ID

Google

E-mail or username

Password

Forgotten your password?

Welche diagnostischen Entscheidungsstrategien gibt es?

Social Judgement Technique

CaSPEr-Diagnostik

Test auf Spärizität

Goal-Attainment-Scaling

Delphi-Methode

Social Judgement Technique

CaSPEr-Diagnostik

Test auf Spärizität

Goal-Attainment-Scaling

Delphi-Methode

Welche Aussage zur Bedarfsanalyse bei der prospektiven Evaluation sind richtig?

Die Wirksamkeit einer Maßnahme ist unabhängig von der Ausprägung und Verteilung des Problems

Die Ausschöpfungsquote beschreibt das Ausmaß, in dem richtige Positive und richtig Negative korrekt differenziert und falsch Positive bzw. falsch Negative vermieden wurden

Die Problemdefinition sollte erst nach Zielgruppenbestimmung erfolgen

Die Hierarchisierung von Zielen ist grundsätzlich nicht zu empfehlen

Bei der Zielgruppenbestimmung unterscheidet man im Hinblick auf die Spezifität der Zielgruppe zwischen manifesten und latenten Ansätzen

Die Wirksamkeit einer Maßnahme ist unabhängig von der Ausprägung und Verteilung des Problems

Die Ausschöpfungsquote beschreibt das Ausmaß, in dem richtige Positive und richtig Negative korrekt differenziert und falsch Positive bzw. falsch Negative vermieden wurden

Die Problemdefinition sollte erst nach Zielgruppenbestimmung erfolgen

Die Hierarchisierung von Zielen ist grundsätzlich nicht zu empfehlen

Bei der Zielgruppenbestimmung unterscheidet man im Hinblick auf die Spezifität der Zielgruppe zwischen manifesten und latenten Ansätzen

Welche Aussagen zur formativen Evalutation sind richtig?

Der Einsatz qualitativer Methoden ist bei der formativen Evaluation nicht zu empfehlen.

Das Ziel der formativen Evaluation ist die Optimierung eines Programms unter gegebenen Praxisbedingungen.

Die Programmoptimierung ist kein Bestandteil der formativen Evaluation

Die Implementationskontrolle ist kein Bestandteil der formativen Evaluation

Bei einem Probedurchlauf kann anhand einer kleinen Stichprobe uberpruft werden, ob eine Umsetzung eines Programms unter den gegebenen Bedingungen uberhaupt möglich ist.

Der Einsatz qualitativer Methoden ist bei der formativen Evaluation nicht zu empfehlen.

Das Ziel der formativen Evaluation ist die Optimierung eines Programms unter gegebenen Praxisbedingungen.

Die Programmoptimierung ist kein Bestandteil der formativen Evaluation

Die Implementationskontrolle ist kein Bestandteil der formativen Evaluation

Bei einem Probedurchlauf kann anhand einer kleinen Stichprobe uberpruft werden, ob eine Umsetzung eines Programms unter den gegebenen Bedingungen uberhaupt möglich ist.

Ein Psychologe bietet ein Stressmanagement-Training an. Er möchte wissen, ob sich das
Wohlbefinden der Teilnehmenden nach dem
zweiwöchigen Training verbessert hat. Welche Aussagen zur Veränderungsmessung sind
richtig?

Bei einer direkten Veränderungsmessung fragt der Psychologe die Telnehmenden einmal am Ende des Trainings, ob sie sich besser fuhlen als vor dem Training.

Bei einer quasi-indirekten Veränderungsmessung fragt der Psychologe die Telnehmenden zu Beginn sowie am Ende des Trainings nach ihrem Wohlbefinden und vergleicht die Angaben

Die indirekte Veränderungsmessung ist unabhängig von der Änderungssensitivität eines Messinstruments

Die ausschließliche Verwendung von Items mit sehr niedriger Schwierigkeit macht eine indirekte Veränderungsmessung unmöglich.

Wenn die Teilnehmenden durch das Training gelernt haben, potentiell belastenden Situationen anders zu interpretieren und schneller zu erkennen, kann das im Sinne eines Response Shifts die Veränderungsmessung des Wohlbefindens beeinflussen

Bei einer direkten Veränderungsmessung fragt der Psychologe die Telnehmenden einmal am Ende des Trainings, ob sie sich besser fuhlen als vor dem Training.

Bei einer quasi-indirekten Veränderungsmessung fragt der Psychologe die Telnehmenden zu Beginn sowie am Ende des Trainings nach ihrem Wohlbefinden und vergleicht die Angaben

Die indirekte Veränderungsmessung ist unabhängig von der Änderungssensitivität eines Messinstruments

Die ausschließliche Verwendung von Items mit sehr niedriger Schwierigkeit macht eine indirekte Veränderungsmessung unmöglich.

Welche Aussagen zu quasi-experimentellen Evaluationsdesigns sind richtig?

In quasi-experimentellen Evaluationsdesigns haben Forschende die vollständige Kontrolle uber mögliche Konfundierungen

Quasi-Experimente sind in der Regel intern valider als echte Experimente

In quasi-experimentellen Evaluationsdesigns spielen personenbezogene Störvariablen keine Rolle

Die interne Validität quasi-experimentellen Evaluationsdesigns lässt sich durch die Messung und statistische Kontrolle (Auspartialisierung) von Störvariablen erhöhen.

Nur wenn Treatment- und Kontrollgruppe aus der gleichen Population stammen, können sie im Rahmen einer Evaluation verglichen werden

In quasi-experimentellen Evaluationsdesigns haben Forschende die vollständige Kontrolle uber mögliche Konfundierungen

Quasi-Experimente sind in der Regel intern valider als echte Experimente

In quasi-experimentellen Evaluationsdesigns spielen personenbezogene Störvariablen keine Rolle

Die interne Validität quasi-experimentellen Evaluationsdesigns lässt sich durch die Messung und statistische Kontrolle (Auspartialisierung) von Störvariablen erhöhen.

Nur wenn Treatment- und Kontrollgruppe aus der gleichen Population stammen, können sie im Rahmen einer Evaluation verglichen werden

In welchen der skizzierten Beispiele ist die interne Validität des Evaluationsdesigns
gefährdet oder beeinträchtigt?

Auf Grund von praktischen Begebenheiten sit eine randomisierte oder kontrollierte Zuweisung der Teilnehmenden auf Treatment- und Kontrollgruppe nicht möglich

Die Ergebnisse zur Wirksamkeit eines Streitschlichter-Programms an Gymnasien lassen sich nicht auf die Hauptschulen ubertragen.

Die verwendeten Messinstrumente sind wenig reliabel

Zur Evaluarion eines neuen Sozialkompetenz-Trainings werden Interessierte zufällig auf eine Treatment- und eine Kontrollgruppe aufgeteilt. In der Kontrollgruppe wird ein anderes Spzialkompetenztraining-Training druchgefuhrt. In der Treatmentgruppe wird das Training von der leitenden Psychologin durchgefuhrt. Die Durchfuhrung des Trainings in der Kontrollgruppe übernimmt ein Praktikant

Eine im Labor erprobte Suchttherapie wird in eienr stationären Suchteinrichtung durchgefuhrt und hat dort keinen Einfluss auf das Suchtverhalten der Patient*innen.

Auf Grund von praktischen Begebenheiten sit eine randomisierte oder kontrollierte Zuweisung der Teilnehmenden auf Treatment- und Kontrollgruppe nicht möglich

Die Ergebnisse zur Wirksamkeit eines Streitschlichter-Programms an Gymnasien lassen sich nicht auf die Hauptschulen ubertragen.

Die verwendeten Messinstrumente sind wenig reliabel

Eine im Labor erprobte Suchttherapie wird in eienr stationären Suchteinrichtung durchgefuhrt und hat dort keinen Einfluss auf das Suchtverhalten der Patient*innen.

Welche Aussagen zur Parallelisierung ("Matching") von Stichproben in unterschiedlichen
Bedingungen sind richtig?

Das Ziel einer Parallelisierung ist eine möglichst hohe Korrelation zwischen Störvariablen und unabhängigen Variable.

Ein Vorteil der Parallelisierung ist, dass die Störvariable nicht bekannt sein muss.

Die Gleichverteilung einer Störvariablen durch Parallelisierung ist eine hinreichende Bedingung fur die Äquivalenz der Gruppen in den unterschiedlichen experimentellen Bedingungen.

Gerade bei Designs, die Veränderungen uber die Zeit in nur einer Gruppe messen, ist eine Parallelisierung wichtig.

alle falsch

Das Ziel einer Parallelisierung ist eine möglichst hohe Korrelation zwischen Störvariablen und unabhängigen Variable.

Ein Vorteil der Parallelisierung ist, dass die Störvariable nicht bekannt sein muss.

Die Gleichverteilung einer Störvariablen durch Parallelisierung ist eine hinreichende Bedingung fur die Äquivalenz der Gruppen in den unterschiedlichen experimentellen Bedingungen.

Gerade bei Designs, die Veränderungen uber die Zeit in nur einer Gruppe messen, ist eine Parallelisierung wichtig.

alle falsch

Welche statistischen Verfahren eignen sich zur Testung von Veränderungshypothesen bei
Kontrollgruppendesigns mit drei Messzeitpunkten?

Analyse von Marcus-Koeffizienten

Variainzanalyse mit Messwiederholung

Wachstumskurvenmodel

T-Test fur abhängige Daten

Box-Whisker-Diagramm

Analyse von Marcus-Koeffizienten

Variainzanalyse mit Messwiederholung

Wachstumskurvenmodel

T-Test fur abhängige Daten

Box-Whisker-Diagramm

Welche Aussagen zur Sphärizitätsannahme sind richtig?

Die Sphärizitätsannahme ist dann verletzt, wenn das Greenhouse- Geiser-Epsilon gleich 1 ist.

Eine Verletzung der Sphärizitätsannahme fuhrt dazu, dass der Alpha-Fehler niedriger ist als das festgesetzte Alpha.

Die Sphärizitätsannahme ist in den meisten Fällen unabhängig von differentiellen Treatment-Effekten.

Greenhaus-Geiser-Epsilon kann zur Korrektur der Freieitsgrade des F-Tests einer Varianzanalyse mit Messwiederholung genutzt werden.

DIe Sphärizitätsannahme ist immer dann verletzt, wenn die Varianzen aller möglichen Differenzvariablen homogen sind.

Die Sphärizitätsannahme ist dann verletzt, wenn das Greenhouse- Geiser-Epsilon gleich 1 ist.

Eine Verletzung der Sphärizitätsannahme fuhrt dazu, dass der Alpha-Fehler niedriger ist als das festgesetzte Alpha.

Die Sphärizitätsannahme ist in den meisten Fällen unabhängig von differentiellen Treatment-Effekten.

Greenhaus-Geiser-Epsilon kann zur Korrektur der Freieitsgrade des F-Tests einer Varianzanalyse mit Messwiederholung genutzt werden.

DIe Sphärizitätsannahme ist immer dann verletzt, wenn die Varianzen aller möglichen Differenzvariablen homogen sind.

Welche Aussagen zu Evaluation von Veränderungen sind richtig?

Potentielle Übungseffekte bei Befragten durch wiederholte Konfrontation mit einem Messinstrumenten mussen bei der Evaluation von Veränderungen nicht bedacht werden.

Qualitative Veränderungen eines Kriteriums sind bei der Evaluation von Veränderungen relevant.

Durch eine direkte Veränderungsmessung können Konfirmationseffekte ausgeschlossen werden

Bei Evaluation von Veränderungen spielt die interne Validität des Evaluationsdesigns keine Rolle.

Zur Analyse von Daten, die durch eine einmalige direkte Veränderungsmessung gewonnen wurden, können neben anderen Methoden auch Wachstumskurvenmodelle zur Anwendung kommen.

Potentielle Übungseffekte bei Befragten durch wiederholte Konfrontation mit einem Messinstrumenten mussen bei der Evaluation von Veränderungen nicht bedacht werden.

Qualitative Veränderungen eines Kriteriums sind bei der Evaluation von Veränderungen relevant.

Durch eine direkte Veränderungsmessung können Konfirmationseffekte ausgeschlossen werden

Bei Evaluation von Veränderungen spielt die interne Validität des Evaluationsdesigns keine Rolle.

Zur Analyse von Daten, die durch eine einmalige direkte Veränderungsmessung gewonnen wurden, können neben anderen Methoden auch Wachstumskurvenmodelle zur Anwendung kommen.

Welche der folgenden Aussagen bezogen auf den multiplen Gruppenvergleich sind richtig (SEM)?

Liegt metrische Messinvarianz vor, kann von einer Vergleichbarkeit der Bedeutung einer latenten Variable ausgegangen werden.

Skalare Invarianz ist eine notwendige Voraussetzung für eine Überprüfung von Unterschieden in den Zusammenhängen der latenten Variablen.

Wenn keine skalare Messinvarianz vorliegt, kann auch keine metrische Messinvarianz vorliegen.

Der multiple Gruppenvergleich ist nicht auf den Vergleich von zwei Gruppen (Populationen) beschränkt.

Im Step-down-Ansatz werden ausgehend von dem restriktivsten Modell sukzessiv Modellparameter freigesetzt, um die unterschiedlichen Formen von Messinvarianz und Populationsheterogenität zu überprüfen.

Liegt metrische Messinvarianz vor, kann von einer Vergleichbarkeit der Bedeutung einer latenten Variable ausgegangen werden.

Skalare Invarianz ist eine notwendige Voraussetzung für eine Überprüfung von Unterschieden in den Zusammenhängen der latenten Variablen.

Wenn keine skalare Messinvarianz vorliegt, kann auch keine metrische Messinvarianz vorliegen.

Der multiple Gruppenvergleich ist nicht auf den Vergleich von zwei Gruppen (Populationen) beschränkt.

Was ist vereinbar mit den Standards der DeGEval?

Die Evaluation sollte abgeschlossen sein, bevor Entscheidungsprozesse über den Entscheidungs-Gegenstand getroffen werden.

Der Evaluations-Bericht muss immer auch personenbezogene Daten wie Alter, Geschlecht, usw. der Personen beinhalten.

Neben über- bzw. unparteiischen Evaluation sind für besondere Fragestellungen auch parteiliche Evaluationen geeignet.

Eine Evaluation sollte immer auch den Kontext berücksichtigen

Die Qualität einer Evaluation sollte einen Nutzen für die beteiligten Parteien haben

Die Evaluation sollte abgeschlossen sein, bevor Entscheidungsprozesse über den Entscheidungs-Gegenstand getroffen werden.

Der Evaluations-Bericht muss immer auch personenbezogene Daten wie Alter, Geschlecht, usw. der Personen beinhalten.

Neben über- bzw. unparteiischen Evaluation sind für besondere Fragestellungen auch parteiliche Evaluationen geeignet.

Eine Evaluation sollte immer auch den Kontext berücksichtigen

Die Qualität einer Evaluation sollte einen Nutzen für die beteiligten Parteien haben

Welche der folgenden Aussagen zur explorativen Faktorenanalyse sind richtig?

Die Parallelanalyse nach Horn berechnet Partialkorrelationen, die sich sukzessive aus dem Herauspartialisieren von Hauptkomponenten ergeben, und vergleicht diese mit Partialkorrelationen, die sich aus der maximalen Varianzaufklärung unkorrelierter Hauptkomponenten ergeben

Der Minimum-Average-Partial-Test (MAP-Test) und/oder die Parallelanalyse nach Horn sind bei der Bestimmung der Anzahl der zu extrahierenden Faktoren dem sogenannten Eigenwerte-größer-eins-Kriterium (Kaiser-Guttmann-Kriterium) vorzuziehen.

Nach dem Minimum-Average-Partial-Test (MAP-Test) sollen diejenigen Faktoren extrahiert werden, deren Eigenwerte größer sind als entsprechende Zufallseigenwerte, die anhand von Zufallsstichproben aus einer Population unkorrelierter Variablen gewonnen we[rden].

Auch bei der Hauptachsenanalyse können inhaltliche Überlegungen die Anzahl der extrahierten Faktoren beeinflussen.

Bei der ML-Faktorenanalyse werden Faktoren anhand eines Likelihood-Quotienten extrahiert

Auch bei der Hauptachsenanalyse können inhaltliche Überlegungen die Anzahl der extrahierten Faktoren beeinflussen.

Bei der ML-Faktorenanalyse werden Faktoren anhand eines Likelihood-Quotienten extrahiert

Welche Aussagen zur EFA treffen zu?

ML im Sinne metrischer manifester Variablen setzt multivariate Normalverteilung voraus

In der EFA werden die Faktoren daran bemessen in welchem Maße sie das Muster an Zusammenhängen der manifesten Variablen erklären

Messfehler eines Items darf nicht die Kommunalität übersteigen

Der geeignete Stichprobenumfang bei der EFA hängt von der Kommunalität, Anzahl der Faktoren & Anzahl der manifesten Variablen pro Faktor ab

Bei der PCA wird die höchste bivariate Korrelation der Variablen mit einer anderen Variable als Schätzer für die Kommunalität der Variablen benutzt

ML im Sinne metrischer manifester Variablen setzt multivariate Normalverteilung voraus

In der EFA werden die Faktoren daran bemessen in welchem Maße sie das Muster an Zusammenhängen der manifesten Variablen erklären

Messfehler eines Items darf nicht die Kommunalität übersteigen

Der geeignete Stichprobenumfang bei der EFA hängt von der Kommunalität, Anzahl der Faktoren & Anzahl der manifesten Variablen pro Faktor ab

Bei der PCA wird die höchste bivariate Korrelation der Variablen mit einer anderen Variable als Schätzer für die Kommunalität der Variablen benutzt

EFA - was ist richtig?

A) Der Anfangsschätzer für die Kommunalität in der PAF ist das Quadrat der multiplen Korrelationen einer Variablen mit allen anderen Variablen

B) Die Kommunalität ist die Mindestschätzung für Reliabilität

Mit dem Bartlett-Test kann die H_0 überprüft werden, dass alle Variablen unkorreliert sind

D) Faktorwerte sind Ausprägungen einer Person auf latenten Variablen

E) Nach einer EFA laden die Items häufig hoch auf dem 1. Faktor und niedrig auf allen anderen

A) Der Anfangsschätzer für die Kommunalität in der PAF ist das Quadrat der multiplen Korrelationen einer Variablen mit allen anderen Variablen

B) Die Kommunalität ist die Mindestschätzung für Reliabilität

Mit dem Bartlett-Test kann die H_0 überprüft werden, dass alle Variablen unkorreliert sind

D) Faktorwerte sind Ausprägungen einer Person auf latenten Variablen

E) Nach einer EFA laden die Items häufig hoch auf dem 1. Faktor und niedrig auf allen anderen

Was versteht man unter gleichsinniger
Konfundierung?

Parallelisierung in einem quasi-experimentellen Design

Eine oder mehrere Störvariablen ist sowohl mit der UV als auch mit der AV korreliert und damit wird die Hypothese artifiziell bestätigt.

Wenn z.B. in einer Mädchenschule ein Schlagfertigkeitstraining durchgeführt wurde und dieses zur Evaluation eine Kontrollgruppe mit TN aus einem Kreativitätstrainig unterläuft

Wenn z.B. bei einer Maßnahme zur Erhöhung der Lebenszufriedenheit sowohl in der KG als auch in der EG die Lebenszufriedenheit höher bei der 2. Erhebung ist als bei der ersten Erhebung

Wenn z.B. TN d. Trainings zur Steigerung der kognitiven Leistungsfähigkeit zu Beginn des Trainings einen höheren IQ als die KG hatte

Keyboard commands:

= turn,

= for-/backward,

= scroll

Parallelisierung in einem quasi-experimentellen Design

Eine oder mehrere Störvariablen ist sowohl mit der UV als auch mit der AV korreliert und damit wird die Hypothese artifiziell bestätigt.

Wenn z.B. in einer Mädchenschule ein Schlagfertigkeitstraining durchgeführt wurde und dieses zur Evaluation eine Kontrollgruppe mit TN aus einem Kreativitätstrainig unterläuft

Wenn z.B. bei einer Maßnahme zur Erhöhung der Lebenszufriedenheit sowohl in der KG als auch in der EG die Lebenszufriedenheit höher bei der 2. Erhebung ist als bei der ersten Erhebung

Wenn z.B. TN d. Trainings zur Steigerung der kognitiven Leistungsfähigkeit zu Beginn des Trainings einen höheren IQ als die KG hatte

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 Histogramms 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 zutrifft, werden sowohl die Punktschätzer der Regressionskoefffizienten als auch die Standardfehler der Schätzer fur die Poulationsparameter verzerrt geschätzt.

Keyboard commands:

= turn,

= for-/backward,

= scroll

Ob die Annahme der Unabhängigkeit der Residuen verletzt ist, lässt sich graphisch anhand eines Histogramms 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

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 uberprufen, ob die Linearitätsannahme des Regressionsmodells zutrifft

Keyboard commands:

= turn,

= for-/backward,

= scroll

Der Variance-Inflation-Factor (VIF) ist auch 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 uberprufen, ob die Linearitätsannahme des Regressionsmodells zutrifft

Bei Verletzung welcher Voraussetzung der MR werden sowohl Regressionskoeffizienten als auch Standardfehler verzerrt geschätzt?

Korrekte Spezifikation des Modells

Messfehlerfreiheit der unabhängigen Variablen

Homoskedastizität

Unabhängigkeit der Residuen

Normalverteilung der Residuen

Keyboard commands:

= turn,

= for-/backward,

= scroll

Korrekte Spezifikation des Modells

Messfehlerfreiheit der unabhängigen Variablen

Homoskedastizität

Unabhängigkeit der Residuen

Normalverteilung der Residuen

Welche der folgenden Aussagen im Kontext der multiplen Regression sind richtig?

Wenn man den Effekt eines Prädiktors auf die abhängige Variable uber 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 fur diese robuster gegen Multikollinearität sind als diejenigen fur unstandarisierte Regressionsgewichte.

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 uberpruft werden

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

Keyboard commands:

= turn,

= for-/backward,

= scroll

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

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

Welche der folgenden Aussagen im Kontext der multiplen Regression sind richtig?

Die Auswahlstrategie der Ruckwärtsselektoin hat anderen Selektionsverfahren gegenuber den Vorteil, dass bei diesem Verfahren mehrere Prädiktoren gleichzeitig in einem Selektionsschritt auf ihre gemeinsame Signifikanz hin uberpruft und gegebenenfalls eliminiert werden.

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 Prädiktor korreliert

Der multiple Determinationskoeffizient entsprich dem Quadrat der multiplen 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 in der Regressionsgleichung befinden.

Keyboard commands:

= turn,

= for-/backward,

= scroll

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

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

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 durchzufuhren, mit denen uberpruft werden kann, ob vier Bedingungen erfullt 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 fur das Vorliegen eines Mediationseffektes erfullt 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 fur das Vorliegen eines Mediationseffekts erullt 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 uberprufen, ob der Effekt des Prädiktors vollständig uber den Mediator mediiert wird.

Keyboard commands:

= turn,

= for-/backward,

= scroll

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

Welche der folgenden Aussagen zur Überprufung einfacher Mediationshypothesen sind
richtig?

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

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

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

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

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

Keyboard commands:

= turn,

= for-/backward,

= scroll

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

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

Welche der folgenden Aussagen zur Analyse multipler Mediationsmodelle sind richtig?

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

Wenn die Mediatoren in einem multiplen Mediationsmodell untereinander korreliert sind, können indirekte Effekte zwar berechnet aber nicht mehr auf Signifikanz hin uberpruft 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 Überprufung des direkten Effektes in der Regel uber das Bootstrapping-Verfahren

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

Keyboard commands:

= turn,

= for-/backward,

= scroll

Wenn die Mediatoren in einem multiplen Mediationsmodell untereinander korreliert sind, können indirekte Effekte zwar berechnet aber nicht mehr auf Signifikanz hin uberpruft 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 Überprufung des direkten Effektes in der Regel uber das Bootstrapping-Verfahren

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 Stichprobe sind alle untersuchten 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 fur Mittelstadt beibehalten, hätte sich der Wert des Intercepts in der Regressionsgleichung verändert

Wurde der Forscher anstelle einer Effekt-Kodierung eine Dummy- Kodierung mit Referenzkategorie Großstadt verwenden und X1 als Kodiervariable fu Mittelstadt wählen, wurde die Regressionsanalyse unter Verwendung der Dummy-Kodierung genau die gleiche Regressionsgleichung ermitteln wie unter Verwendung der Effekt-Kodierung (s.o.).

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 und Personen aus der Mittelstadt

Keyboard commands:

= turn,

= for-/backward,

= scroll

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

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

Welche der folgenden Aussagen zu einer moderierten Regression sind korrekt?

Wenn in einer moderierten Regression mit zwei kondimuierlichen Prädiktoren diese um den Mittelwert zentriert werden, fällt der Standardfehler fur das geschätzte Regressionsgewicht der Interaktion erheblich geringer aus als in der entsprechenden moderierten Regression ohne Zentrierung der Prädiktoren.

Varianzanalysen mit Mediansplit haben gegenuber einer moderierten Regression zwar immer eine höhere Teststärke, dafur besteht aber bei einer Varianzanalyse mit Mediansplit die Gefahr, dass der reale Effekt unter- oder uberschätzt wird.

Sind kontinuierliche Prädiktoren in einer moderierten Regression um ihren Mittelwert zentriert, nimmt der Intercet stets den Wert Null an.

Durch die Bildung eines Produktterms (Interaktion) in einer moderierten Regression mit zwei unzentrierten kontinuierlichen Prädiktoren besteht die Gefahr der erhöhten Multikollinearität.

Bei einer moderierten Regression beinhaltet der Produktterm (Interaktionsterm) nur dann den reinen Interaktionseffekt, wenn die “Haupteffekte“ der interagierenden Prädiktoren mit in die Regressionsgleichung eingeschlossen werden.

Sind kontinuierliche Prädiktoren in einer moderierten Regression um ihren Mittelwert zentriert, nimmt der Intercet stets den Wert Null an.

Durch die Bildung eines Produktterms (Interaktion) in einer moderierten Regression mit zwei unzentrierten kontinuierlichen Prädiktoren besteht die Gefahr der erhöhten Multikollinearität.

Welche der folgenden Aussagen bezogen auf Hierarchische Lineare Modelle sind richtig?

Die Modellparameter werden mit der Methode der kleinsten Quadrate geschätzt.

Der Parameter u0j gibt die spezifischen Abweichungen der ubergeordneten Analyseeinheiten (z.B. Schule) vom vorhergesagten, durchschnittlichen Intercept an.

Ist die Varianz in dem Parameter uj1 signifikant, spricht man von einer Cross-Level- Interaktion.

Die Devianz D = -2*log(L) kann fur den Vergleich geschachtelter Modelle verwendet werden.

Hierarchische Lineare Modelle setzen keine Normverteilung der Residuen voraus.

Die Modellparameter werden mit der Methode der kleinsten Quadrate geschätzt.

Der Parameter u0j gibt die spezifischen Abweichungen der ubergeordneten Analyseeinheiten (z.B. Schule) vom vorhergesagten, durchschnittlichen Intercept an.

Ist die Varianz in dem Parameter uj1 signifikant, spricht man von einer Cross-Level- Interaktion.

Die Devianz D = -2*log(L) kann fur den Vergleich geschachtelter Modelle verwendet werden.

Hierarchische Lineare Modelle setzen keine Normverteilung der Residuen voraus.

Welche der folgenden Aussagen bezogen auf Hierarchische Lineare Modelle sind richtig?

Beachtet man die hierarchische Struktur in den Daten nicht, besteht die Gefahr falscher Schlusse (z.B. des ökologischer Fehlschlusses)

Im Rahmen hierarschischer linearer Modelle können auf allen Ebenen Prädiktorvariabelen berucksichtigt werden.

Hierarchische Datenstrukturen sind solche, bei denen untere Einheiten in ubergeordneten Einheiten verschachtelt sind.

Eine Cross-Level-Interaktion bezeichnet eine Interaktion zwischen Prädiktorvariablen auf unterschiedlichen Ebenen.

HLM sind Regressionsmodelle, die eine hierarchische Datenstruktur berucksichtigen.

Beachtet man die hierarchische Struktur in den Daten nicht, besteht die Gefahr falscher Schlusse (z.B. des ökologischer Fehlschlusses)

Im Rahmen hierarschischer linearer Modelle können auf allen Ebenen Prädiktorvariabelen berucksichtigt werden.

Hierarchische Datenstrukturen sind solche, bei denen untere Einheiten in ubergeordneten Einheiten verschachtelt sind.

Eine Cross-Level-Interaktion bezeichnet eine Interaktion zwischen Prädiktorvariablen auf unterschiedlichen Ebenen.

HLM sind Regressionsmodelle, die eine hierarchische Datenstruktur berucksichtigen.

Welche Aussagen treffen zur Intraklassen- Korrelation zu?

Der Kennwert kann zwischen -1 und +1 variieren.

Eine Intraklassenkorrelation von 1 deutet auf einen starken Einfluss des Kontexts hin.

Im Falle von Längsschnittdaten zeigt eine Intraklassenkorrelation von 0 an, dass es keine Variabilität in dem Kriterium zwischen den Personen gibt.

Die Intraklassen -Korrelation zeigt das Verhältnis zwischen der Varianz auf der niedrigeren Analyseebene zur Gesamtvarianz an

Wenn der Kennwert 0 beträgt, dann ist die gesamte Varianz auf Unterscheide zwischen Level-1-Einheiten zuruckzufuhren

Der Kennwert kann zwischen -1 und +1 variieren.

Eine Intraklassenkorrelation von 1 deutet auf einen starken Einfluss des Kontexts hin.

Im Falle von Längsschnittdaten zeigt eine Intraklassenkorrelation von 0 an, dass es keine Variabilität in dem Kriterium zwischen den Personen gibt.

Die Intraklassen -Korrelation zeigt das Verhältnis zwischen der Varianz auf der niedrigeren Analyseebene zur Gesamtvarianz an

Wenn der Kennwert 0 beträgt, dann ist die gesamte Varianz auf Unterscheide zwischen Level-1-Einheiten zuruckzufuhren

Eine Forscherin möchte ein 1-1-1 Mediationsmodell im Rahmen eines hierarchisch linearen Modells prufen (X=Prädiktor, M=Mediator, Y=Kriterium). Welche der folgend aufgefuhrten Modelle sind Bestandteil des von Zhang, Zyphur und Preacher (2009) empfohlenen, mehrschrittigen Vorgehens (nach Baron & Kenny, 1986) zu Prufung solcher Modelle?

Schritt 1: yij = ßoj+rij und ßoj = y00 + y01 Xj + uoj

Schritt 2: Mij = ßoj + rij und ßoj = Y00 + Y01 Xj + uoj

Schritt 3: Yij = ßoj + ß1j (Xij – Xj) + ß2j (Mij – Mj) + rij und ßoj = Y00 + Y01Xj + Y02 Mj + uoj und ß1j = y10 und ß2j = y20

Schritt 2: Mj = Yoo + Y01 Xj + uoj

Schritt 2: Mij = ßoj + ß1j (Xij – X.j) + rij und ßoj = Y00 + Y01 X.j + uoj und ß1j = y10

Schritt 1: yij = ßoj+rij und ßoj = y00 + y01 Xj + uoj

Schritt 2: Mij = ßoj + rij und ßoj = Y00 + Y01 Xj + uoj

Schritt 3: Yij = ßoj + ß1j (Xij – Xj) + ß2j (Mij – Mj) + rij und ßoj = Y00 + Y01Xj + Y02 Mj + uoj und ß1j = y10 und ß2j = y20

Schritt 2: Mj = Yoo + Y01 Xj + uoj

Schritt 2: Mij = ßoj + ß1j (Xij – X.j) + rij und ßoj = Y00 + Y01 X.j + uoj und ß1j = y10

1 / 51

Card list

Question first
Answer first
Self-test

Study