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>
|
MW VL
Bei Beispielen ohne Zeit macht eine VP alle UVs (also z.B. alle Helligkeitsstufen der Cues oder alle unterschiedlichen Radien im Fahrsimulator). Was muss aber beachtet werden?
- Für eine MWH-Auswertung müssen die Messungen auf derselben Skala interpretierbar sein.
- Wenn Sie von Patienten Körpergewicht, Blutdruck und Körpergröße messen, liefert jede VP 3 Messungen, ein Vergleich der Werte ist aber sinnlos („50 kg ist mehr als 120 mm/Hg“)
- Solche Datensätze würden mit multivariaten Analysen ausgewertet werden
VL MW
Was stimmt zum within-design?
MW VL
Wie wird die VP allgemein bezeichnet?
MW VL
Welche Zusatzannahmen werden gemacht?
MW VL
Was bedeutet Normalverteilung und Varianzhomogenität im Messwiederholungsdesign?
- Normalverteilung: Das Merkmal muß auf allen Stufen des MWH-Faktors normalverteilt sein
- Varianzhomogenität: Die Populationsvarianzen müssen auf allen Stufen gleich sein
MW VL
Was muss bei mehr als 2 Stufen beachtet werden?
- Zirkularitätsbedingung oder Spherizitätsannahme: Die Varianzen aller möglichen Differenzen müssen gleich sein
--> Eine hinreichende Bedingung (die Homogenität der Kovarianzen) besagt, daß die Kovarianzen (Korrelation) der Messwerte für alle Paare von Stufen der Messwiederholung gleich sind.
- Die „Reihenfolge“ der VPn muß also auf Stufe 1 und 2 ähnlich sein wie zwischen 2 und 3.
- Diese Annahme ist insbesondere dann gerne verletzt, wenn Stufe 1 und 2 zeitlich nahe beisammen liegen und Stufe 3 deutlich später liegt, oder wenn Ceiling-Effekte auftreten können.
MW VL
Warum ist die Spherizitätsannahme verletzt, wenn Stufe 1 und 2 zeitlich nahe beisammen liegen und Stufe 3 deutlich später liegt?
- weil Messwerte, die in der Zeit weit auseinanderliegen, korrelieren im Allgemeinen schwächer, als zeitlich nahe gemessene Werte.
--> ABER: Gleiche Zeitabstände heißt nicht: Zirkularität ist erfüllt!
--> Der Abstand der Zeitpunkte hat rein gar nichts mit Zirkularität/Spherizität zu tun
MW VL
Was prüft der Mauchly`s Test auf Spherizität?
MW VL
Die Effekte im Datenmodell werden wieder über _____ geschätzt. Dazu zerlegt man die Abweichung(squadratsumme) der Werte vom _______ in einzelne Komponenten.
Lücke 1 und 2?
MW VL
Die Schätzungen der GG-Varianz zu den Haupteffekten (Zeitpunkt und VP) basieren wie gehabt auf...?
... der Varianz geeigneter Stichproben-Mittelwerte.
- teilt man die SS durch ihre Freiheitsgrade, erhält man genau diese Schätzungen
MW VL
Bei der Fehlerquadratsumme werden...
MW VL
Die Freiheitsgrade der Fehler-QS berechnen sich ähnlich wie bei Interaktionstermen aus...
MW VL
Welche Struktur der ANOVA Tabelle stimmt NICHT?
MW VL
Aus der ANOVA Tabelle interessiert eigentlich nur Faktor 1 (Zeitpunkt). Die SS (Quadratsumme) ergibt sich aus den Zeitpunktsmittelwerten. Woraus ergibt sich das Residuum?
Woraus ergeben sich die df`s für Faktor 1, 2 und für das Residuum?
- aus Interaktion von Faktor 1 (Zeitpunkt) und Faktor 2 (VP) --> VP x Zeitpunkt
- df Faktor 1 = k-1
- df Faktor 2 = n-1
- df Residuum = (n-1)(k-1)
MW VL
Was ist der Floor-Effekt?
= Testuntergrenzeneffekt: liegt bei der Durchführung von Tests dann vor, wenn ein Test so schwer ist, daß auch exzellente Personen nur niedrige Testwerte erzielen.
MW VL
Nichtparametrisches Äquivalent zur ANOVA mit Messwiederholung ist die sog.?
- Friedman- Varianzanalyse
MW VL
Warum nimmt man within-ANOVAs?
- Experimente laufen effizienter ab (wenn jeder einzelne Trial kurz ist und viele Stufen untersucht werden sollen)
• bei systematischen stabilen Unterschieden zwischen VPn können kleine Effekte leichter entdeckt werden
• bestimmte Fragestellungen zwingen zur Verwendung derselben VPn, z.B. Kompatibilitäts-Inkompatibilitätseffekte bei Handlungen, Aufgabenwechselkosten, Prime-Validität („Für die VP war nicht vorhersagbar, ob der nächste Durchgang
Bedingung 1, Bedingung 2 oder Bedingung 3 ist“)
- Kompatibilität: Wenn der Pfeil rot ist, drücken Sie die Taste auf der Seite, auf die der Pfeil zeigt; wenn der Pfeil blau ist, drücken Sie die Taste auf der entgegengesetzten Seite.
• Aufgabenwechselkosten: Je nach Targetreiz sollen unterschiedliche Reaktionen ausgeführt werden. Es interessiert der RT-Unterschied bei wiederholten Reaktionen vs. Reaktionswechsel
• Prime-Validität: Prime kündigt Reaktion mit links, rechts, beide an. Imperativer Targetreiz verlangt Reaktion mit links, rechts, beiden Tasten. Prime ist nicht 100% valide.
MW VL
Warum nimmt man lieber keine within-ANOVAS?
1. wenn es eine Interaktion zwischen VP-Mittelwert und Zeitpunkt gibt (wenn z.B. eine gute VP im Rahmen des Treatments wenig dazulernt)
2. wenn die VPn sich nur wenig systematisch voneinander unterscheiden (dann kann das Design weniger empfindlich sein als ein Between-Plan)
3. wenn die Spherizität verletzt wird: z.B. wenn zeitlich nahe beisammen liegende Messwertreihen wohl höher korrelieren als zeitlich weiter entfernte. Die Annahme fordert aber gerade, dass diese Korrelation/Kovarianz konstant bleibt
MW VL
Welche Lösungen gibt es, mit (für withinDesigns) schwierigen Daten umzugehen?
1. Ignorieren/Annahme machen --> um mit klassischen Verfahren rechnen zu können
2. Statistisch prüfen und ggf. adjustieren
--> Hier gelten aber ähnliche Probleme wie bei den anderen Voraussetzungstests: selbes Datenmaterial, selbst empfindlich gegen Verletzungen der Annahmen
--> Bei Verletzung der Annahme kann eine Adjustierung der Freiheitsgrade vorgenommen werden. SPSS berechnet automatisch zwei Varianten: Greenhouse-Geisser und Huynh-Feldt. In der Praxis unterscheiden sich die Resultate selten.
3. Verfahren verwenden, das diese Annahme nicht braucht
--> = Multivariate Auswertung des univariaten Designs in der sog. Profilanalyse. Hier braucht man die Annahme nicht, kann aber dieselben interessierenden Fragestellungen berechnen.
4. Verfahren verwenden, das andere Annahme macht
--> im Rahmen von Linear Mixed Models. Da sollte man aber genau wissen, was man tut.
MW VL
Was tun bei Missing Data? (4 Aspekte)
1. „Casewise deletion“: VPn mit unvollständigen Daten werden komplett ausgeschlossen
2. Ersetzen fehlender Werte
3. Analyse mit und ohne missing data berechnen!
4. Missing data kann ein Datum per se sein
MW VL
Wann kann man bei missing data casewise deletion machen?
- akzeptabel, wenn wenige Fälle ausfallen und die Fälle per Zufall über die Stichprobe verteilt sind
- ist die Default-Option vieler Pakete
MW VL
Wie kann man bei missing data fehlende Werte ersetzen?
- durch a priori-Schätzung (z.B. „last value carried forward“)
• durch den Zellenmittelwert
• durch multiple Regression, die auf vollständigen Datensätzen berechnet wird
• durch komplexere Schätzverfahren wie Erwartungswertmaximierung
• durch noch komplexere Verfahren wie multiple Imputation
--> Ist aber alles Erzeugen von Datenpunkten, wo vorher keine waren!
MW VL
Inwiefern kann missing data ein datum per se sein?
Man kann sich fragen, warum in bestimmten Gruppen besonders viele VPn ausfallen. Dazu wird eine neue Variable generiert, die den Ausfall codiert (also: ist vollständig/ist nicht vollständig) und diese Variable in die Analyse als Prädiktor integriert
MW mehrfaktoriell VL
Was bedeutet mehrfaktoriell beim within-Design?
- Faktoren können between (verschiedene VPn Stichproben mehrmals gemessen) und within (dieselbe VPn unter mehreren Bedingungskombinationen gemessen) sein
MW mehrfaktoriell VL
Der Messwertvektor einer VP wird als was bezeichnet?
Profil
- üblicherweise trägt man den MW Faktor auf der x-Achse (Zeitachse) ein und unterscheidet die Gruppen durch verschiedene Linien
MW mehrfaktoriell VL
Gebe ein Beispiel für ein within und between design in einem Versuch
2 Patientengruppen (Faktor 1, between, 2 Stufen), die unterschiedliche Treatments erhalten (standard- vs neue Therapie, Placebo vs. Verum)
Daten erhoben vor der Behandlung, unmittelbar nach der Behandlung und 3 Wochen nach Abschluss der Maßnahme (Faktor 2, within, 3 Stufen)
MW mehrfaktoriell VL
Bei einem mehrfaktoriellen MW Design: welches Outcome interessiert uns?
MW mehrfaktoriell VL
Die Messwertreihe über den MWH faktor nennt man Profl, Verlaufskurve oder Messwertvektor. Manche Autoren bezeichnen Abschnitte der Profile als ...?
MW mehrfaktoriell VL
Im allgemeinen Fall sind als Forschungsfragen möglich:
MW mehrfaktoriell VL
Was passiert mit dem Datenmodell im Vergleich zur einfachen ANOVA mit MW?
Das Datenmodell wird erweitert um einen zweiten Haupteffekt (ß, within Faktor) und entsprechende Interaktionstherme
MW mehrfaktoriell VL
Was ändert sich beim Effekt der VP am Datenmodell im Vergleich zur einfachen ANOVA mit MW?
- jede VP ist in genau einer Stichprobe. Der Random-Faktor VP ist also innerhalb des Haupteffektes Gruppe geschachtelt (i)
MW mehrfaktoriell VL
wofür steht ai (alpha i) in der Formel?
MW mehrfaktoriell VL
Wofür steht ß in der Formel?
MW mehrfaktoriell VL
Was bedeutet pi_m in der Formel?
MW mehrfaktoriell VL
Was bedeutet aß_ij in der Formel?
MW mehrfaktoriell VL
Was bedeutet piß_m(i)j in der Formel?
MW mehrfaktoriell VL
Welche Terme bilden die Residualvarianz?
MW mehrfaktoriell VL
Die Quadratsumme zwischen VPn entsteht aus...?
... so vielen Abweichungswerten, wie verschiedene Personen im Design sind: auf jeder Stufe von A n Personen, also k x n -1.
MW mehrfaktoriell VL
Wie entsteht die Quadratsumme und Freiheitsgrade innerhalb der VPn?
SS_innerhalbVPn = SS_B + SS_AxB + SS_BxVP
df_innerhalbVPn = df_B + df_AxB + df_BxVP
MW mehrfaktoriell VL
Wovon hängen die F-Brüche ab?
- ob die Faktoren als fest oder zufällig angenommmen werden
