c2b_default

Methoden der Unterschiedsprüfung

Selbst ausgedachte Fragen zum Basis-Wissen

Selbst ausgedachte Fragen zum Basis-Wissen

10
0.0 (0)
S. H.
Lernen
S. H.
Diese Lernkarten behandeln fortgeschrittene statistische Methoden zur Unterschiedsprüfung im universitären Kontext. Sie konzentrieren sich auf die multiple Regression, wobei Schlüsselkonzepte wie Prädiktoren, Koeffizienten, Korrelationen und Fehlerterme im Mittelpunkt stehen. Die Karteikarten erklären, wie man Zusammenhänge zwischen Variablen schätzt, interpretiert und bewertet, sowie die Vor- und Nachteile verschiedener Schätzmethoden. Ideal für Studierende der Psychologie, die vertiefte Einblicke in die Anwendung und Interpretation von Regressionsanalysen benötigen.
Karten
10
Lernende
1
Sprache
Deutsch
Kategorie
Psychologie
Stufe
Universität
Erstellt / Aktualisiert
07.01.2023 / 18.01.2026
  • 1  / 10

Lernkarten

Welche Eigenschaften hat der Fehlerterm bei der Multiplen Regression?

additiv

Normalverteilt

unabhängig

Definition Kleinst-Quadrat-Kriterium:

  • Wähle die Parameter der Gleichung so, dass die Summe der quadrierten Abweichungen der Schätzungen von den wahren Werten minimal wird

Welche Aussage zum beta-Koeffizienten (mutliple Regression) stimmt?

Welche Aussage zum b-Koeffizienten (mutliple Regression) stimmt?

Was bedeutet das beta-Gewicht bei multipler Regression?

spezifischer Zusammenhang zwischen einem Prädiktor und dem Kriterium, der um die anderen Prädiktoren bereinigt ist

Was ist die multiple Korrelation im Kontext multiple Regression?

  • Man kann nach der Schätzung der Koeffizienten Schätzwerte für y berechnen

  • die Korrelation dieser Schätzwerte mit den wahren Werten heißt multiple Korrelation:

    • R = r(y, y_dach)

  • die multiple Korrelation ist meist größer als die größte Einzelkorrelation

Welche Aussage zum Determinationskoeffizienten R^2 (multiple Regression) stimmt nicht?

Von was hängt die Höhe des Prädiktors (multiple Regression) ab?

  • dem Zusammenhang zwischen Prädiktor und Kriterium

  • den sonstigen Prädiktoren in der Gleichung

-> für Bewertung der Prädiktoren werden beide Informationen benötigt

 

Welche Probleme bei der Interpretation von Koeffizienten in der multiplen Regression treten auf?

  1. Die Werte sind nur dann einfach interpretierbar, wenn die Prädiktoren nicht miteinander korrelieren

  2. Beim Schätzen wird immer ein Teil Fehlervarianz mitgefittet. Selbst wenn in Wahrheit die Regressionsgleichung gilt, werden bei mehreren Schätzungen die Koeffizienten leicht unterschiedlich ausfallen (“capitalizing on chance”)

Was sind Voraussetzungen einer multiplen Regression?

  • Normalverteilte Fehler

  • Varianzhomogenität (auf allen Prädiktorwerten)

  • Prädiktoren sind selbst keine Zufallsvariablen, sondern exakt gemessen

  • alle relevanten Prädiktoren sind berücksichtigt

    • nicht gemessener, aber relevanter Prädiktor trägt zur Fehlervarianz bei

    • korreliert dieser Prädiktor mit anderen Prädiktoren, dann sind die Fehler nicht mehr unabhängig von den Prädiktoren

Lernen