Statistik
Klausurvorbereitung
Klausurvorbereitung
Kartei Details
| Karten | 48 |
|---|---|
| Sprache | Deutsch |
| Kategorie | Psychologie |
| Stufe | Grundschule |
| Erstellt / Aktualisiert | 07.04.2013 / 01.09.2018 |
| Weblink |
https://card2brain.ch/box/statistik5
|
| Einbinden |
<iframe src="https://card2brain.ch/box/statistik5/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Lernkarteien erstellen oder kopieren
Mit einem Upgrade kannst du unlimitiert Lernkarteien erstellen oder kopieren und viele Zusatzfunktionen mehr nutzen.
Melde dich an, um alle Karten zu sehen.
Diskrininazanalyse
- Infos über relevante Variablen für Gruppenunterschiede, Bildung neuer Scores die optimal zwischen k Gruppen trennen (k-1 max Anzahl an Funktionen)
Probleme Dichtomisierung
- Infoverlust
- weniger Power
- Alphafehler könnte erhöht sein
Zentrierung
- wenn Prädiktorvariable keinen Mittelpunkt hat
1. zentriertung über Person hinweg = Grand mean centeringxi-mittelwert xi (besser!)
2. group mean centering xi-gruppenmittelwert (ja nach gruppe bedeutet wert etwas anderes! fish pond!)
Bonferoni Korrektur reduziert power!
x
Diskriminanzanalyse SPSS
1. Eigenwerte: kummulierte % 84 = 1. D-Funktion erklärt 84,6 % Gesamtvariation
2. Wilks Lamda
- 1 bis 2 signi 0,000 -> beide zusammen signi
- 2 signo 0.060 --> wenn erste weg zweiter nicht mehr signi
Diskriminanzanalyse Zentroide
Mittelwerte jeder Gruppe auf der Diskriminanzachse
Signiprüfung mit wilk lamda
- gruppen mit unterschiedlichen vorzeichen werden durch Zentroiden getrennt
- standartisierte Koeffizienten zeigen an welchen Beitrag Uvs zu Diskri leisten, hohe Wert =wichtig
Residual
nicht erklärte Varian 16 = wert 16 -> individualwerte schwankgen unkontrolliert um die Weurzel aus 16 =
Residial sind zufällige Individualunterschiede
Intercept Variance
Varianz die auf zufällige Gruppenunterschiede zurückzzuführen ist
Wilks Lamda
wenn signitifikant gibts Gruppenunterschide, der Wert sollte klein sein da man Unterschied sucht
Annahmen einfache Regression
Fehler unabhängig, homoskedastisch und Normalverteilt
Homoskedaszität
Varianz der Residuen verändert sich nicht in Abhängigkeit von Schätzung von y
Annahmen Regressionsanalys mit Kleinsquaratschätzung
- Residuen Normalverteilt
- Homoskedaszität
- linearer zusammenhang x und y
- zufallsstichprobe
- corr x = 0
Vorraussetzungen Manova und Diskriminanzanalys
- multivariate Uv
- multivariate normalverteilung (Variablen in Gruppen)
- unabhängige Beobachtungen
- linerarität
- randomisierte Stichprobe
- Homogenität Varianz/Kovarianzmatrizen über Gruppen hinweg
Vorteile und Contras Manova
- verwertung korrelation zw. AVs = mehr Power
- simultane Messung
- vermeidung multibles testen
- multivariat kann signi sein wenn uni nicht
- durch diskrinalyse gute Gruppentrennung
- nur bis 10 avs und starke Annahmen die in der Praxis oft verlettz sind
Einsatz Diskriminanzanalyse
- Prognose für neue Personen
- einsatz in rationeller Diagnostik
- Dimensionalität von Gruppenunterschieden
Vorteile und Annahmen multivariater Verfahren
- keine alpha-fehler Inflation
- testung komplexer Zusammenhänge
- berücksichtigung Clusterung der Daten
- aufdecken redundanter Informationen EFA
Annahmen: fehler unabhängig, homoskedastisch , normalverteilt
Dimension Matrix
Zeilen und Spaltenanzahl
Produkt 2 Vektoren
Skalarprodukt
Spur einer Matrix
Summe der Diagonalelemente
Rang einer Matrix
Anzahl der abhängigen Spaltenvektoren
Determinante
Maß für Kollinerität, je kleiner desto kolinerarer
Kovarianzmatrix, was ist in der diagonalen und der nebendiagonalen?
diagonale: Varianz
nebendiagonale: Kovarianz
Korrelationsmatrix
standartisierte Kovarianzmatrix,
- diagnale m einsen
- nebendiagonale Korrelation
Determinante einer Kovarianzmatrix
Maß für Variabilität der Daten, wenn Variablen hoch korreliert ist der Wert der Determinante klein
Normalverteilung
Maß für zentrale Tendenz und Streuung, bi der multivariaten auch Maß für Zusammenhang der p Variablen
Missing Date
- Completely at Random: übersehen
- at Random: zusammenhang mit anderen Variablen die auch erhoben wurden
- not at random: fallen auf ausprägung dieser Variable zurück
Umgang mit Missing Data
- schlecht: Personen raus, fehlende Werte durch Mittelwerte ersetzen
reduntant = unnötig
x
Vorrausetzung für Schätzung Multiple Regression
- residuuen normalverteilt
- corr (X) = 0
- Homeskedaszität
- x und y Zusammenhang linear
- zufallstichprobe (personen unabhängig)
Partialkorrelation:
aus Korrelation von x und y der Einfluss von z herauspartialisiert
-
- 1 / 48
-
