Methoden der Unterschiedsprüfung Master
Uni Würzburg
Uni Würzburg
Kartei Details
| Karten | 430 |
|---|---|
| Sprache | Deutsch |
| Kategorie | Psychologie |
| Stufe | Universität |
| Erstellt / Aktualisiert | 31.10.2022 / 03.07.2024 |
| Weblink |
https://card2brain.ch/box/20221031_methoden_der_unterschiedspruefung_master
|
| Einbinden |
<iframe src="https://card2brain.ch/box/20221031_methoden_der_unterschiedspruefung_master/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
VL DKA
Bei welchen Designs kann man die DKA verwenden?
DKA
Wie läuft die Berechnung ab? Die Merkmale (Prädiktoren) werden so ______ _______, dass sie optimal zwischen den Gruppenmittelwerten trennen.
- linear kombiniert
DKA VL
Wann reicht eine DKF?
- wenn auf einer Achse (X) alle Zentroiden weit genug voneinader entfernt liegen
- oder wenn die zweite Funktion nicht genügend trennt, um signifikant zu werden (wegen ungeeigneten Merkmalen), die Zentroiden liegen dann nah beieinander
DKA VL
Wie findet die Berechnung im Hinblick auf die Varianz statt?
Es wird eine Linearkombination von Variablen (Diskriminanzfunktion/Faktor) gesucht, so dass die Projektionen der Datenpunkte auf diese neue Achse maximale Varianz aufweisen (bei DKA: maximale „between“-Varianz aufweisen).
Die nächste Linearkombination (Faktor/Diskriminanzfunktion) wird orthogonal zur ersten gewählt und klärt wieder die maximale Varianz auf, die noch nicht vom ersten Faktor/der ersten DKF erfasst ist.
DKA VL
Da in den meisten Fällen wohl mehr Prädiktoren als Gruppen untersucht werden, entspricht die maximale Anzahl an DK-Funktionen also den _______________.
DKA VL
Was ist das Äquivalent zur "Ladung" aus der Faktorenanalyse bei der DKA?
Korrelation der Prädiktoren mit den DKFs
DKA VL
Was bedeutet es, wenn die Funktion 2 signifikant wird?
Nimmt man die erste Achse raus – und betrachtet nur die Varianz, die für die zweite Achse übrigbleibt – so ist der Unterschied der Gruppen immer noch signifikant.
DKA VL
was stimmt zur standardisierten kanonischen Diskriminanzfunktionskoeffizienten?
DKA VL
Warum kommt es zum overfitting bei der DKA?
Die Klassifikation erfolgt auf denselben Daten wie die Schätzung der DKFs. Sie betreiben also mit Sicherheit ein gewisses Overfitting.
DKA VL
Was sind die 2 Lösungen für das overfitting?
Lösungen:
1. echte Kreuzvalidierung: Stichprobe teilen oder neue Stichprobe erheben
2. Jackknife-Verfahren (in SPSS: Klassifikation mit Fallauslassung)
DKA VL
nochmal genauer: was bedeutet kreuzvalidiert?
- ein Fall wird aus der Stichprobe rausgenommen
- aus den n-1 Fällen die DKFs berechnet
- dann den einen rausgenommenen Fall klassifiziert
- und das für alle n Fälle macht
--> je geringer die Differenz zu dem Wert ohne kreuzvalidierung, desto stabiler die Schätzung
DKA VL
Bei gleichen Umfängen der Gruppen würde man erwarten, dass bei zwei Gruppen per Zufall die Hälfte der Fälle korrekt klassifiziert wird, bei drei Gruppen ein Drittel der Fälle usw.
Die Klassifikation durch die DKA sollte diese – per Zufall erwarteten – Trefferquoten deutlich _________.
DKA VL
Wie berechne ich die per Zufall erwarteten Klassifikationen bei ungleichen Gruppengrößen?
- Zufalls-Klassifikationen sollten proportional zur GG-Verteilung erfolgen
--> also: Gruppe1 mal Gruppe1 / N (GesamtVPn)
+ Gruppe2 mal Gruppe2 / N usw
einzelnen Ergebnisse der Gruppen aufaddieren und dann bekommt man die Prozentzahl raus
DKA VL
Die Funktionen sind im Prinzip eine _______ __________.
multiple Regressionsgleichung.
(Auf der linken Seite steht ein „Grad der Gruppenzugehörigkeit“. Es gibt eine Gleichung für jede Gruppe j. Eine neue Person wird der Gruppe zugeordnet, für die ihre Klassifikationsfunktion am größten wird).
DKA VL
Was sind Voraussetzungen der DKA?
Wie ist die lineare Einfachregression aufgebaut? (mit Modellgleichung)
- ein Prädiktor
- ein Kriterium
- Modellgleichung: y(dach)=bx+a
- Residuen: y-y(dach)
- Schätzung der Steigung b und Achsenabschnitt a durch die KQ Methode (Methode der kleinsten Quadrrate)
Wie ist die multiple Regression aufgebaut/ Was macht sie aus?
Wann kann ich die multiple Regression einsetzen?
Was soll bei der multiplen Regression vorhergesagt werden?
Eine abhängige Variable (Kriterium) soll durch k unabhängige Variablen xi (Prädiktoren) vorhergesagt werden.
Jede VPn bringt einen Satz von Prädiktorwerten mit (wird durch einne Vektor von Prädiktoren gekennzeichnet)
In der schmutzigen Realität ist der wahre Zusammenhang des Modells der multiplen Regression noch mit einem Fehler überlagert. Welche Eigenschaften hat dieser Fehler?
Welche Aussagen zur multiplen Regression sind richtig?
Welche Information haben wir von jeder VP bei der multiplen Regression?
Was passiert mit den Gleichungen?
- Von jeder VP haben wir den y (AV)-Wert (Kriterium) und die k Prädiktorwerte xmj.
- die Gleichungen müssen k+1 mal partiell abgeleitet werden und das Gleichungssystem gelöst werden.
Welche Aussage(n) zur multiplen Regression stimmt/stimmen?
Wodurch lassen sich die ß-Gewichte bei der multiplen Regression direkt vergleichen?
Dadurch, dass die standardisierten Variablen alle gleich skaliert sind (z-Transformation).
Multiple Regression: Je höher xk`, desto...
Was wird vorhergesagt, wenn eine VP einen xk Wert besitzt, der um eine SD nach oben vom Mittelwert abweicht?
Es wird ein y-Wert vorhergesagt, der um 0.8 SDs vom Mittel nach UNTEN abweicht (sofern alles andere gleich bleibt).
Multiple Regression: Was macht man bei nicht standardisierten Daten und wie heißen die Gewichte?
Rohwert-Regressionskoeffizienten öassen sich nicht direkt in der Größe vergleichen. Wovon hängt der Betrag ab?
Warum sind Rohwert-Gleichungen trotz Nicht-Vergleichbarkeit interessant?
- Sie erlauben eine direkte Schätzung der AV in einer einfachen „Formel“
- Wenn man einen Test entwickelt und eicht (also die Regressionsgleichung schätzt), kann man die Rohwertgleichung den Nutzern an die Hand geben, damit sie direkt aus den Punkten der Untertests das Kriterium berechnen können.
Multiple Regression: Die Interpretation der Beträge der Koeffizienten hat welche zwei Haken?
-
- 1 / 430
-
