Lernkarten

Karten 68 Karten
Lernende 10 Lernende
Sprache Deutsch
Stufe Universität
Erstellt / Aktualisiert 01.02.2020 / 07.06.2021
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 0 Text Antworten 68 Multiple Choice Antworten
Fenster schliessen

61.) Welche der folgenden Aussagen bezogen auf unterschiedliche Varianten der lngsschnittlichen SEM sind richtig? (SS19)

A) Cross-lagged-Modelle eignen sich besonders für die Untersuchung der zeitlichen Beziehung zwischen Variablen.

B) Absolute Veränderungen in den Variablen werden in Cross-lagges-Modellen nicht berücksichtigt

C) Latente Wachstumskurvenmodelle und Latent-Change-Modelle eignen sich besonders für die Untersuchung interindividueller Unterschiede in der Veränderung einer Variablen.

D) Im Rahmen von Latent-Change-Modellen können keine Aussagen über die genaue Form der Veränderungen getroffen werden

E) Für die Indentifikation von Latent-Change-Modellen sind mindestens drei Messzeitpunkte notwendig.

Fenster schliessen

62.) Altfrage:
Stürmer und Simon (2004) haben den Zusammenhang zwischen kollektiver Identifikation mit einer sozialen Bewegung (identification with the social movement organisation) und kollektivem Verhalten (participation in collective protest bzw. organisational partizipation) untersucht. Die Annahme war, dass Identifikation mit der sozialen Bewegung die Beteiligung am kollektiven Verhalten vorhersagt: Je höher die Identifikation, desto ausgeprägter das kollektive Verhalten. Sie haben zwei kleine Stichproben (N=125 und N=74) zu zwei Messzeitpunkten in ein CLM aufgenommen. Höhere Werte in den Skalen, gehen mit höheren Ausprägungen in den Merkmalen einher. (SS19)

A) Kollektives Verhalten hat einen Einfluss auf Identifikation mit sozialen Bewegungen.

B) Identifikation mit sozialen Bewegungen zum 1. MZP ist höher als das Ausmaß an kollektivem Verh. zum 2. MZP

C) Kausaler Effekt von Identifikation auf kollektives Verhalten wurde bestätigt.

D) Schätzer für Cross Lagged Effekte von Verhalten auf Identifikation ist signifikant kleiner als der Schätzer des Effekts von Identifikation auf Verhalten.

E) Der Schätzer des Cross Lagged Effekts für Verhalten auf Identifikation in der Stichprobe kollektive Partizipation ist .13.

Fenster schliessen
1

1 Kommentare

  • 02.02.2020
    E) soll hier auch noch richtig gewesen sein, aber da konnte ich keine Angaben in der Gedächtnisklausur vom SS19 finden
1

63.) Eine Forscherin interessiert sich für die Veränderung im Wohlbefinden (gemessen mit einer Skala, die 10 Items umfasst) um Verlauf des Studiengangs M.Sc. Psychologie an der FernUni. Hierzu befragt sie eine Stichprobe von N=2000 Sudierenden jeweils am Ende des Semesters über die gesamte Studienzeit (Vollzeit) hinweg (insgesamt 4 Messzeitpunkte). Sie wendet ein latentes Wachstumskurvenmodell bei der Datenanalyse an. Welche der folgenden Aussagen sind richtig?

A) Die Ergebnisse ergeben einen signifikant von Null abweichenden positiven Wert (latenter Mittelwert) für den Slope- Faktor. Auch die Varianz in dem Slope-Faktor weicht signifikant von Null ab. Somit nimmt bei einigen Studierenden das Wohlbefinden im Laufe des Studiums zu, bei einigen anderen hingegen ab.

B) Bedeutsame Varianz in dem Latenten Intercept-Faktor zeigt interindividuelle Unterschiede im mittleren Ausmaß an Wohlbefinden über die Studienzeit hinweg.

C) Für die Ladungen der Indikatoren auf dem latenten Slope-Faktor wählt die Forscherin die Werte 0 für den Indikator (I) zum ersten Messzeitpunkt (MZP), 1 für den I zum zweiten MZP und 3 für den I zum vierten MZP. Sie hat somit ein lineares Wachstum spezifiziert.

D) Kovarianz zwischen Intercept und Slope-Faktor ist Null. Wird die in der Antwortoption C verwendeten (Rechtschreibfehler) Parametrisierung für den Slope-Faktor verwendet, zeigt diese Kovarianz an, Dass die Veränderung im Wohlbefinden unabhängig von dem Ausmaß an Wohlbefinden zum ersten Messzeitpunkt ist.

Fenster schliessen

64.) Welche Aussagen in Bezug auf Verfahren zum Umgang mit fehlenden Werten sind richtig?

A) Missing at random (MAR) bedeutet, dass nach Kontrolle von zusätzlichen beobachteten Variablen das Auftreten von fehlenden Werten weder von der Ausprägung der Variablen selbst noch der Ausprägung anderer Variablen im Datensatz abhängt.

B) Fehlende Werte führen alleine zu einer verzerrten Schätzung der Standardfehler.

C) Von den klassischen Verfahren zur Behandlung fehlender Werte sollte allein der paarweise Ausschluss zur Anwendung kommen.

D) Imputationsbasierte Verfahren zur Behandlung fehlender Werte sind generell zu empfehlen.

E) Fallweiser und paarweiser Ausschluss setzen Missing Completely at Random (MCAR) voraus.

Fenster schliessen

65.) Welche Aussagen in Bezug auf Verfahren zum Umgang mit fehlenden Werten sind richtig?

A) Bei einem kleinen Anteil an fehlenden Werten (< 5%) ist der listenweise Ausschluss akzeptabel.

B) Das Ersetzen fehlender Werte durch den Stichprobenmittelwert führt zu einer Vergrößerung der Varianz in der Variablen

C) Single-Imputation-Verfahren berücksichtigen nicht die Unsicherheit in der Schätzung fehlender Werte

D) Bei der Full-Information-Maximum_likelihood-Methode werden fehlende Werte durch einen Maximum-Likelihood-Schätzer ersetzt.

E) Die Multipe Imputation erfordert sehr große Stichproben.

Fenster schliessen

66.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig?

F) Falle korrelierter Faktoren enthält die Mustermatrix die Korrelation zw. Faktoren u Items

G) Nur im Falle korrelierter Faktoren kann auch die Korrelation zwischen den Items vollständig erklärt werden.

H) Im Falle korrelierter Faktoren handelt es sich um handelt es sich um semipartielle standardisierte Regressionsgewichte

I) Summiert man die korrelierten Faktoren die quadrierten Ladungen pro Faktor auf erhält man erhält man die durch den Faktor erklärte Varianz

Fenster schliessen

67.) Welche der folgenden Aussagen zu Verfahren in der EFA sind korrekt?

A) Die Hauptkomponentenanalyse (PCA) versucht auf der Grundlage eines Faktormodells Zusammenhänge zwischen einer Reihe von beobachteten (manifesten) Variablen mittels einer möglichst kleinen Anzahl an Faktoren (latenten Variablen) zu erklären.

B) Die Hauptachsenanalyse (PAF) ist iteratives Verfahren, das endet, wenn der Unterschied in den Kommunalitätsschätzungen zwischen 2 aufeinanderfolgenden iterationsschritten kleiner als ein Konvergenzkriterium ist

C) Bei der Hauptkomponentenanalyse (PCA) wird die Gesamtvarianz zerlegt in a) einen varianzteil, den sich die manifesten Variablen teilen, b) die spezifische Varianz und c) die Fehlervarianz

D) Bei einer Maximum-Likelihood Faktoranalyse sind im Gegensatz zu einer HKA/PCA die Ladung der Faktoren auf den Items eindeutig bestimmt

E) Bei der HAA (PAF) werden die Faktoren so bestimmt, dass sie sukzessiv maximal Varianz erklären und unabhängig sind

Fenster schliessen

68.) EFA

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

C) 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 ("deshalb wird eine Rotation vorgenommen")