Lernkartei Statistik (Seite 2 von 2)

Karten	76
Sprache	Deutsch
Kategorie	Psychologie
Stufe	Universität
Erstellt / Aktualisiert	26.04.2017 / 10.07.2024
Weblink	https://card2brain.ch/box/20170426_statistik
Einbinden	<iframe src="https://card2brain.ch/box/20170426_statistik/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

Lateinische Quadrate für unabhängige Stichproben: Was ist richtig?

Es können nur Haupteffekte getestet werden

In Bezug auf die Haupteffekte ist es nicht vollständig ausbalanciert

Die Anzahl fester Stufen in allen Faktoren muss gleich sein

Mindestens 2 Faktoren

Es können keine Interaktionen gerechnet werden

Lateinische Quadrate mit unabhängigen Stichproben - R output

FaktorA:B:C bezeichnet die Interaktion

FaktorA:B:C bezeichnet das Residuum (Residualquadratsumme)

Wenn FaktorA:B:C signifikant ist, ist die Dreifachinteraktion signifikant

Wenn FaktorA:B:C signifikant ist, bestehen irgendwelche signifikanten Interaktionsaspekte

Beispiel für ein Sequenzeffekt (Beschreibung)

Das vorhergehende interferiert mit dem nachfolgenden - zB Stroop task oder Lösen von Task 1 führt zu besserem Abschneiden in Task 2

x Achse Testposition, y Achse Leistung; verschiedene Linien bezeichnen Bedingungen. Diese steigen alle gleichmässig an ohne überkreuzung - Interpretation?

Anstieg: es gibt einen übungseffekt. Es gibt einen Haupteffekt Bedingung und einen Haupteffekt Testposition. Haupteffekt interpretierbar - dh, dass Position zusätzlichen Varianzanteil erklärt, der aus fehlerterm eliiniert werden kann - kleinerer Fehlerterm - kleinerer p-Wert

Sequenzeffekt: x Achse Testposition, y Achse Leistung; Linien bezeichnen Bedingungen. Wie sieht der Plot aus?

Die Unterschiede zwischen den Bedingungen sind je nach Testposition verschieden - linien steigen nicht gleichförmig an, Unterschiedsmuster pro Testposition anders

Eine Interaktion 2. Ordnung wird auch.. genannt

Tripelinteraktion

Bei einem bedingten Haupteffektkontrast muss die Summe..

nicht null ergeben

Mit dem bedingten Haupteffektkontrast kann man..

Kontraste formulieren und testen nur in Bezug auf eine Gruppe - Möglichkeit, Stärke des Unterschieds im Detail anzuschauen, was spezifischere Aussagen ermöglicht

F-Wert für A wird folgendermassen berechnet:

(QS A geteilt durch df A) / (QS e geteilt durch df e)

Effektstärke f wird folgendermassen berechnet:

Wurzel aus (eta quadrat partiell geteilt durch 1 minus etaquadrat partiell)

bzw Wurzel aus (QSa geteilt durch QSe)

Der F Wert als Prüfgrösse sollte möglichst..

hoch sein

Trendanalyse: beinhaltet Faktor mit mindestens..

nominalen Stufen

ordinalen Stufen

intervallskalierten Stufen

Trendanalyse: Bei J Stufen der unabhängigen Variable, wie viele Kontraste werden berechnet?

J-1

Trendanalyse: Was ist richtig?

Ein Polynom 1. Ordnung ist linear

Kubisch bedeutet Polynom 2. Ordnung

"y=B0 + B1X + B2X hoch 2" ist quadratisch

-2, -1, 0, 1, 2 bezeichnet einen linearen Kontrast für eine 6 stufige UV

Es handelt sich immer um Messwiederholung

Trendanalyse: Wenn im R output eine Signifikanz für linear und quadratisch ausgegeben wird, bedeutet dies..

dass linear eine von null unterschiedliche Varianz erklärt und dass der quadratische Kontrast zusätzlich Varianzanteil erklärt

Kontraste sind orthogonal, wenn..

sie unkorreliert sind

sie überlappen

ihr Skalarprodukt null ergibt

die Summe null ergibt

Polynomialkontrast

Abstände sollten äquidistant sein

Faktor muss mindestens nominal sein

Faktor muss mindestens ordinal sein

Anzahl Kontraste:

J-1; wobei J Anzahl Stufen des Faktors

J-1 orthogonale Kontraste erklären..

immer weniger Varianz wie der Faktor

je nach Muster mehr Varianz als der Faktor

immer gleich viel Varianz wie der Faktor

Berechung F Wert: Was ist richtig?

df für einen Faktor = J-1

df für den Fehlerterm eines Faktors = N-1

df für einen Kontrast = 1

df für einen Kontrast = J-1

df für einen Kontrast =N-1

Was ist richtig?

Ein Kontrast kann max.einen J-1 höheren F-Wert haben als der Faktor

Die Quadratsumme ist unterschiedlich für die Kontraste und den Faktor

Die Fehlerquadratsumme für den Kontrast ist höher als für den Faktor

Wenn Kontrast 1 das Muster perfekt abbildet, erklärt Faktor2 keine Varianz

Wenn Kontrast 1 nicht die ganze Varianz erklärt, erklärt Kontrast 2 auch nichts

Was ist der Sinn hinter einer Kovarianzanalyse?

Kontrolle von personengebundenen, intervallskalierten Störvariablen, die nicht durch Randomisierung eliminiert werden können

Kovarianzanalyse

Bei abhängigen Stichproben ist es nicht sinnvoll, eine einmalig erhobene Kovariable zu erheben. Warum?

Weil bei abhängigen Stichproben die VPN rauspartialisiert werden im long Datensatz (ansonsten statt 5 plötzlich 15 VPN). Eine einmalig erhobene Kontrollvariable wäre dann nicht von VPN unterscheidbar und würde somit auch rauspartialisiert.

Varianzanalyse mit abhängigen Stichproben: IQ als Kovariable sinnvoll?

Nein, Kovariable muss sich unterschieden über Messzeitpunkte

Bei einem lateinischen Quadrat handelt es sich um..

einen Spezialfall eines dreifaktoriellen Designs mit fehldenden Zellen (mind 3 Faktoren)

Bei einem lateinischen Quadrat mit drei Faktoren A, B und C..

ist jede Stufe des Faktors C mit jeder Stufe des Faktors A ud jeder Stufe des Faktors B genau einmal kombiniert

Parallelisierung oder Messwiederholung - t-test für abhängige Stichproben

Wann findet eine Elimination von personengebundenen Störvariablen statt?

wenn es eine Korrelation >0 der AV zwischen dem 1. und 2. MZP gibt

wenn die Korrelation der AV etwa null ist

wenn die Standardabweichung der Differenzen etwa null ist

wenn die Differenz nicht gleich sind

die Störvariablen sind nicht konstant

Was ist ein Bespiel für Kontrolle von Störvariablen?

Konstanthalten von Bedingungen zB Lichtverhältnissen

randomisierte Zuteilung

Aufnahme einer Kovariable ins Design

Kontrolle von Störvariablen führt zu deren Elimination

Die Berücksichtigung einer Kovariable führt zu einer Elimination dieser Störvariable, wenn

es einen Zusammenhang zwischen AV und Kovariable gibt, dadurch wird die Störvariable eliminiert und der Fehlerterm reduziert

Was passiert, wenn Sequenz von Testungen verschieden ist, dies aber nicht kontrolliert wird?

Sequenzeffekte werden in den Fehlerterm verschoben - dieser wird grösser und die Signifikanz wird vermindert

Sequenzeffekt: Wenn pro Sequenz mehrere VPN

...Sequenz kann als Faktor aufgenommen werden

Ursachen für ungleiche Stichprobengrössen (2)

1. Verlust hängt nicht mit den unabhängigen Variablen zusammen, zB Krankheitsbedingt, Ausfall Messgerät, missing data etc

2. Verlust an Probanden hängt mit den unabhängigen Varianlen zusammen, zB wenn Gruppenzugehörigkeit von der Erfüllung eines Kriteriums abhängt.

Ungleiche Stichprobengrössen

man kann nicht mit ungleichen Stichprobengrössen rechnen

..können zu nichtorthogonalen Varianzanalysen führen

..führen zu überlappenden Quadratsummen

in Kombination mit Verletzungen der statistischen Voraussetzungen haben eine Reduktion des alpha Fehlers zur Folge

Varianzanalyse ist relativ robust gggü. Voraussetzungsverletzungen bei gleich grossen Stichproben

Wie wirken sich Verletzungen der statistischen Voraussetzungen bei ungleichen Stichprobenumfängen aus?

Sie sind gravierender --> Erhöhung des alpha Fehlers, Reduktion der Power

Ungleiche Stichprobengrössen

sind ein Problem, wenn der Datenverlust systematisch ist

man sollte zufällig Probanden aus den überbesetzten Zellen ausschliessen, unabhängig vom Zustandekommen der Ungleichheit

führen dazu, dass die Interpretation der Ergebnisse fraglich ist

können eine Konfundierung mit der unabhängigen Variablen bedeuten

führen zu einer Korrelation zwischen den UVs, wenn der Datenverlust systematisch ist

MANOVA

Was ist richtig?

Es sind mehrere abhängige intervallskalierte Variablen möglich

die gruppenspezifische Kovarianzstruktur wird berücksichtigt

alpha wird kontrolliert

Ist eine MANOVA signifikant, sind es die einzelnen ANOVAs auch

Sind die einzelnen ANOVAs signifikant, ist es die MANOVA auch

Eine MANOVA hat gegenüber mehreren ANOVAS den Vorteil, ..

dass das Risiko, H1 fälschlicherweise anzunehmen (augrund multipler Testung), verringert wird durch Kontrolle von alpha

Bonferoni Korrektur

alpha geteilt durch Anzahl Signifikanztests

Ein Zentroid ist

dasselbe wie ein adjustierter Mittelwert

ist eine Mittelwertskombination

ist im Rahmen der ANOVA relevant

der Bereich, in dem die Mittelwerte einer Variablen streuen

Was ist der Nutzen eines Kontrastes?

(wissenschaftlich und statistisch)

wissenschaflich: gerichtete Hypothese = Steigerung des Informationsgehalts

statistisch: wenn Kontraste dem Mittelwertsmuster entsprechen, wird der F-Wert eines Kontrasts höher als der F-Wert der ANOVA (max. J-1 mal grösser)

Statistik

Lernkarteien erstellen oder kopieren

Lernkarteien erstellen oder kopieren

Melde dich an, um alle Karten zu sehen.

SWITCHaai

Office 365

Edulog

Apple ID

Google