Lernkarten

Karten 46 Karten
Lernende 5 Lernende
Sprache Deutsch
Stufe Universität
Erstellt / Aktualisiert 05.02.2020 / 24.05.2020
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 0 Text Antworten 46 Multiple Choice Antworten
Fenster schliessen
2

2 Kommentare

  • 14.02.2020
    Bei B) fehlt der Zusatz "Supression" noch
  • 05.02.2020
    A: nach Christine richtig
    C: datengesteuert
    D: F-Test (eigentlich T-test)
    E: Vorwärtsselektion hat nichts mit genesteten Modellen zu tun
    F-Test
2

1.) (VL1) Welche Aussagen zur Multiplen Regression sind korrekt?

A) Suppressionseffekt, wenn Effekt von x_1 durch x_2 verstärkt wird. X2 ist nicht mit Kriterium korreliert

B) Einschluss von mit Kriterium unkorreliertem x_2 verstärkt Effekt von x_1

C) Stepwise -Hinzunahme ist theoriegeleitet

D) Hierarchische Regression: der zusätzliche Beitrag zur Varianzaufklärung, den weitere hinzugenommene Prädiktoren oder Prädiktorvariablen 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
    A: einen Prädiktor kann man nicht standardisieren (mehrere Prädiktoren für Zentrierung notwendig)
    B: SEM
    C: datengesteuert
1

2.) (VL1) Welche Aussagen zur Multiplen Regression sind korrekt?

A) Bei Vergleich vom Effekt eines Prädiktors über verschiedene Gruppen 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 Regressions-Gewicht nicht signifikant von Null abweicht und daher nicht im Modell benötigt wird kann mit F-Test inferenzstatistisch überprüft werden

E) Bei Semipartialregression ist Reihenfolge egal

Fenster schliessen
2

2 Kommentare

  • 05.02.2020
    J: eigentlich t-Test aber T² ist F-Test
  • 05.02.2020
    F: nacheinander eliminieren
    G: additiv bezieht sich auf Kriterium (Die Effekte der einzelnen Prädiktorvariablen Xi auf das Kriterium Y sind additiv, d.h. die Effekte der einzelnen Prädiktoren auf das Kriterium sind voneinander unabhängig.)
2

3.) (VL1) Welche Aussagen zur Multiplen Regression sind korrekt?

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

G) 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

H) Stepweise: Hinzunahme ist theoriegesteuert

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

J) Ob ein Regressions-Gewicht nicht signifikant von Null abweicht und daher nicht im Modell benötigt wird kann mit F-Test inferenzstatistisch überprüft werden

Fenster schliessen
2

2 Kommentare

  • 05.02.2020
    Moderation: Zentrierung ändert b1 und b2, aber das Gewicht der Interaktion nicht (b3).
    Unmoderierte Regression: Zentrierung ändert weder b1, noch b2 noch b3.
  • 05.02.2020
    A: Das Regressionsgewicht ändert sich bei Zentrierung nur bei einer Moderation, und auch da nur das Einzelgewicht (Produktterm), nicht aber die Interaktion.
    Man muss unterscheiden, ob es eine moderierte Regression ist oder nicht
2

4.) (VL1) Welche Aussagen bezüglich der Regressionskoeffizienten in einer multiplen unmoderierten Regression mit zwei Prädikatoren sind richtig?

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 (und der entsprechende 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 inferenzstatistischen Tests für diese 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
    Zu E: A: einen Prädiktor kann man nicht standardisieren (mehrere Prädiktoren für Zentrierung notwendig)
    Standardisiert bei Variablen
1

5.) (VL1) Welche Aussagen bezüglich der Regressionskoeffizienten in einer multiplen unmoderierten Regression mit zwei Prädikatoren sind richtig?

F) standardisierte Koeffizienten besser geeignet als unstandardisierte beim Vergleich verschiedener Variablen

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

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

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

Fenster schliessen
1

1 Kommentare

  • 05.02.2020
    Zu A: Prädiktoren müssen bei einer negativen Suppression positiv korrelieren
1

6.) Was ist richtig?

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) Von einer negativen Suppression spricht man, wenn der Effekt eines Prädiktors aus der einfachen Regression zusätzlich verstärkt wird in der multiplen Regression durch die Hinzunahme eines weiteren Prädiktors, der negativ mit diesem anderen Prädiktor korreliert

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

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

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

Fenster schliessen
1

1 Kommentare

  • 05.02.2020
    A: Prädiktoren sind korreliert (höhere Korrelation, wenn ich einen weiteren Prädiktor habe, X2 zu einer einfachen Korrelation)
    C: siehe A
    D: ist größer
1

7.) (VL1) 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?

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, aber positiv korreliert mit dem Prädiktor Vermögen. Der Prädiktor Vermögen ist mit dem Kriterium finanzielle Zufriedenheit positiv korreliert. Das stand. Regressionsgewicht der Variablen Vermögen in der multiplen Regression ist größer als das entsprechende stand. Regressionsgewicht dieser Variablen 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 standardisierten 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.

Fenster schliessen
2

2 Kommentare

  • 14.02.2020
    ...Dazu bräuchte es z.B. die Info das es vorher ein positiver Zuha war (wie in Antwort F).
  • 14.02.2020
    Damit Antwort G) hier richtig ist, muss es in der Original-Aufgabe noch ein Bild oder eine weitere Info gegeben haben. Das REINE Erkennen eines negativen Zusammenhangs bei Auspartialisieren eines Prädiktors allein zeigt noch keine Suppression an. Dazu....
2

8.) (VL1) 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?

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

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