Lernkartei Methoden der Skalierung SS23 Würzburg (Seite 1 von 2)

Karten	46
Lernende	18
Sprache	Deutsch
Kategorie	Psychologie
Stufe	Universität
Erstellt / Aktualisiert	13.07.2023 / 25.07.2024
Weblink	https://card2brain.ch/box/20230713_methoden_der_skalierung_ss23_wuerzburg
Einbinden	<iframe src="https://card2brain.ch/box/20230713_methoden_der_skalierung_ss23_wuerzburg/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

Was ist eine Theorie?

Eine geordnete Menge von Begriffen und Aussagen, die ein Phänomen beschreiben und erklären

Was ist ein Typ1-Fehler und Typ2-Fehler?

Typ1: falsch positiv

Typ2: falsch negativ

Was kann eine Faktorenanalyse alles?

Struckturieren

Daten reduzieren

Dimensionalität prüfen

Hypothes generieren

Was sind Gütemaße der Korrelationsmatrix und deren Interpretationsgrößen?

- Barlett-Test/Test auf spericity: Ho: Variablen in der GGsind unkorreliert --> p<.05

- Korrelationskoeffizient (r): .2<r<.8/.9

- Kaiser-Mayer-Olik-Kriterium/measure of sampling adequacy: in welchem Umfang die Ausgangvariablen Varianz teilen--> KMO>.7 ziemlich gut >.6 mittelmäig >.5 untragbar

Wie kann man die Beziehung zwischen Faktor und Faktorladung mit den Variablenvektoren graphisch beschreiben?

Der Faktor entspricht der Resultanten (Schwerpunkt) der Variablenvektoren.

Der Cosinus vom WInkel zwischen Resultante und Variablenvektor ist die Faktorladung.

Was stimmt?

Anti-Image ist der Anteil der Varianz, der durch andere Variablen aufgeklärt wird

Anti-Image ist die Korrelation, die die beiden Variablen unabhängig von den anderen haben und nur die 2 teilen

Anti-Image ist die Korrelation von Faktor und Variable, die nur die beiden teilen

Anti-Image sollte möglichst Größ sein

Anti-Image sollte möglichst klein sein

Was ist eine Kommunaltität?

Kommunalitäten beschreiben den Umfang an Varianzaufklärung, den die Faktoren gemeinsam für eine Ausgangsvariable liefern.

Vor der Faktorextraktion (Ausgangskommunalität)

Nach der Faktorenextraktion: liefern Hinweise, welche Variablen ausgeschlossen werden sollen (niedrige Werte)

Wie setzt sich die Varianzaufklärung bei der Hauptachsenanalyse zusammen?

1. Gemeinsame Varianz (Kommunalität) --> durch die Faktoren erklärt

2. Spezifishce Varianz (Unabhängig von den Faktoren und nur für jeweils diese eine Variable

3. Fehler-/Zufallsvarianz

Deswegen:R^2 (Schätzwert für die Kommunalität) < 1

Was wir genutz, um die Zahl an Faktoren zu bestimmen?

Faktorwert

Faktorladung

Eigenwert

Kommunalität

Barlett-Test

Was stimmt zur Bestimmung der Faktorenanzahl?

Kaiser-Kriterium: die Eigenwerte werten auf der Y-Achse abgetragen und nach Größe sortiert und die links vom knick fallen weg

Kaiser-Kriterium: alle mit Eigenwert >1 werden übernommen

Parallelanalyse nach Horn: Eigenwert >75% Perzentil der Eigenwerte von unkorrelierten normalverteilten Zufallsvariablen mit gleicher Anzahl an Variablen und Beobachtungen, wie im Datensatz

Parallelanalyse nach Horn: Eigenwert >95% Perzentil der Eigenwerte von unkorrelierten normalverteilten Zufallsvariablen mit gleicher Anzahl an Variablen und Beobachtungen, wie im Datensatz

Man kann auch das Geröll-Kriterium nutzen

Welche Arten der Faktorrotationen gibt es?

1. Orthogonal/rechtwinkling --> Faktoren werden als unabhängig voneinander angenommen

2. Oblique/Schiewinklig --> Faktoren korrelieren miteinander

Was stimmt nicht bei der Rotation von Faktorladungen?

Varimax, Quatimax und Equamax sind Orthogonale Methoden

Promax, Quatrimax und Varimax sind Orthogonale Methoden

Oblim ist eine Oblique Methode

Promax ist eine Oblique Methode

Orthogonale Rotationen werden öfters verwendet, als schiefwinklige

Wann eliminiert man eine Variable in der Faktorenanalyse?

Wenn keine Ladung auf einem Faktor >.2/.3 oder wenn die Ladun auf mehreren Faktoren ähnlich hoch ist.

Danach muss eine neue Faktorenanlyse gerechnet werden!!

Was trifft auf die logistische Regression zu?

Die Prädiktoren können nominal sein, dann heißt es Kontingenzanalyse

Die Prädiktoren können metrisch sein, dann heißt es Kontingenzanalyse

Die Prädiktoren können metrisch sein, dann heißt es Diskriminanzanalyse

Das Kriterium kann dichotom oder multinominal sein

Das Kriterium ist mit der UV gleichzusetzen

Was sind Voraussetzungen für die logistische Regression?

keine Multikollinearität (Toleranz (1-R^2)> .1/.2 oder Varianz Infacion Faktor <= 10)

Normalverteilung der Residuuen

Varianzhomogenität

alle relevanten Prädiktoren müssen dabei sein

pro Ausprägung der Kriteriumsvariable müssen > 25 Beobachtungen sein; 100 pro Gruppe sind gut

Was stimmt? - logistische Regression

Es wird eine latente Variable angenommen, die eine logistische Beziehung zu den Prädiktoren hat

Die logistische Funktion p/F(z) wir folgender maßen berechnet: p= 1/(1+e^-z)

ß0 bezeichnet man auch als die Regressionskostante oder Intercept

SPSS berechnet die Schätzung der Modellparameter für z durch den iterative Newton-Rapson-Algorithmus

Die Modellparameter für z werden durch die ML Methode geschätz

Welche Aussagen über die Regressionskoeffizienten sind richtig?

Die Konstante verschiebt die Kurve in y-Richtung

kleine Regressionsgewichte führen zu einer flacheren Kurve

größere Regressionsgewichte führen zu einer flacheren Kurve

die Regressionsgewichte können positive und negative Werte annehmen

Die Regressionskoeffizienten kann man leicht interpretieren

logistische Regression:

Was sind Odds und wie werden sie berechnet und interpretiert?

Odds geben das Wahrscheinlichkeitsverhältnis von y=1 zu y=0 an

Odds= (p(y=1))/(1-p(y=1))

ln(Odds)=Logits=z

Odds von 4: die Wahrscheinlichkeit für y=1 ist 4 mal so hoch wie die für y=0

Was ist die Odds-Ratio?

Odds (y=1), nachdem Prädiktor um eine Einheit gestiegen ist durch die Odds(y=1) vorher. Die Odds verändern sich um den Faktor e^bj

Was ist false positive Psychology?

Falsch gebrauchte oder missbrauchte Statistik und fehlende Replizierbarkeit.

-> 38% in Nature und 25% im British Juornal of Medicine wiesen min. eine statistische Unstimmigkeit auf

-> 12% von 250 psychologischen Artikeln hatten falsch positiv signifikante p-Werte

Was sind Ursachen für eine Krise in der Psychologie?

Kleine Stichprobengrößen

geringe Power und kleine Effektstärken

Der Einfluss vom Wetter

Freiheitsgrade in der Auswertung

file drawer problem

Wie kann man Fabricated data erkennen (3 Beispiele)?

1. unwahrscheinlich ähnliche Standardabweichungen

2. unwahrscheinlich ähnliche Mittelwerte

3. statistische Fehlvorstellungen, die sich in den Daten wiederspiegeln

Wie kann man sloppy Science verringern?

geht leider nicht

Freiheitsgrade der Forschenden reduzieren

Stichproben größer machen

Was sind Methoden, um p-hacking zu erkennen?

1. p-curve: Verteilung der p-Werte bestimmter Effektstärken und diese dann mit der tatsächlichen Verteilung in STudien abgleichen

2. R-Index= 2* beobachtete Power-Erfolgsrate <20%: Indikator für p-hacking

Was sind die 3 großen Methoden, um das Gesammtmodell einer logistischen Regression zu prüfen?

1. auf Basis der LogLikelihood-Funktion --> Likelihood Ratio Test (Testes H0, dass alle Regressionkoeffizienten=0 sind

2. Pseudo-R-QUadrat-Statistiken: Wie viel Variaz kann durch das Regressionsmodell aufgeklärz werden?

McFaddens R^2
Cox and Snell R^2
Nagelkerke-R^2

3. Beurteilung der Klassifikationsergebnisse (Trefferqoute und Hosmer-Lemshow-Test)--> wird nicht mehr wirklich genutz

Welche Aussagen zu Pseudo-R-Quadrat-Statistiken der Prüfung von logistischen Regressionen stimmen?

ab 0,3 ist es jeweils akzeptabel und ab 0,5 gut

McFaddens kann die 1 nicht erreichen

es wird jeweils das vollständige Modell mit dem 0-Modell verglichen bzw. in Beziehung gesetzt

Nagelkerke-R^2 kann Werte zwischen 0 und 1 annehmen

Welche Aussage zu Ausreißern bei der logistischen Regression stimmen nicht?

Ausreißer interessieren uns hier nicht, da sie keinen relevanten Einfluss haben

Man sollte die Gewichteten Residuen am besten nutzen und diese sollten unter +/-2 sein

Bei Residuen >0,8 sind verzerrende Einflüsse anzunehmen

Wie lassen sich die Prädiktoren (Merkmalsvariablen) bei der logistischen Regression durch 2 Verfahren prüfen?

1. Likelihood-Quotienten-Test: Vollständiges Modell - Modell ohne einen Prädiktor

2. Wald-Statistik: Signifikanz einzelner Koeffizienten --> H0 ist hier bj=0; die Testgröße W setzt den Regressionskoeffizienten mit dessen Standardabweichung in Beziehung

Wie können Mehrebenenmodelle noch bezeichnet werden?

Sonderfall der logistischen Regression

Regression mit hierarchischen Daten

Multivariate Regression

Regression mit geschichteten Daten

Regression mit geschachtelten Daten

Woran erkennt man, ob man ein Mehrebenenmodell braucht?

Der Interclass Correlations Coeffizienten (ICC) ist hoch genug (0,1 ist mittel und ab 0,2 ist hoch)

Er gibt an, wie ähnlich die Werte aus Level-2-Einheiten sind

Wie berechnet man den Interclass Correlation Coeffizient?

p(yij yi´j)= Varianz Level 2 / Gesamtvarianz

Was ist das Gute von Mehrebenenmodellen?

Prädiktoren mit verschiedenen Skalenniveaus und deren Interaktionen können einbezogen werden

Die Stichprobengröße muss nicht so groß sein

bei Missing Data müssen nicht ganze Fälle ausgeschlossen werden

Spherizität kann modelliert werden

Multikollinearität muss nicht beachtet werden

Was sind keine Vorraussetzungen für ein Mehrebenenmodell?

kategoriale AVs

Normalverteilung der Residuen

Linearität der Zusammenhänge

Abhängigkeit auch über die modellierte hinaus

bei Interaktionen zwischen Levels müssen min. 20 Beobachtungen pro Level2 Variable sein

Was stimmt im Bezug auf Mehrebenenmodelle?

Sie schätzen nicht nur die Regressions-Parameter sondern auch deren Variabilität

Interaktionen sind nur innerhalb eines Levels möglich

Mehrebenenmodelle werden von einfach bis komplex gerechnet und dann mit dem vorherigen Modell verglichen

Parameter der Modellgüte/Fit-Indizes sind IBAN, AIC und Devianz

Das neue Modell muss immer auch die Parameter des alten Modells dabei haben

Warum zentriert man bei Mehrebenenmodellen die Prädiktoren?

Interpretierbarkeit nimmt dadurch zu

Multikollinearität nimmt dadurch zu

ß1 gibt dann den Wert von y an, wenn z bei seinem Mittelwert liegt

Um für Varianzhomogenität zu sorgen

grand-mean-zentrierung: Fokus auf dem Einfluss eines L2-Präiktoren

Was bedeutet Idiosynkrasie?

Bezieht sich darauf, dass bei einem Versuch ein bestimmtes Setting und bestimmt Versuchspersonen und weitere für diesen Versuch individuelle Parameter gelten

Die Varianz von Studien wird durch den publication bias beeinflusst

Durch die Art des Verlegens und den Aufbau der Paper wird es erschwert etwas zu publizieren

Was gehört bei einer Metaanalyse zum Konkretisieren der Fragestellung?

- Konstrukte definieren

- Hypothesen aufstellen

- Kriterien in Primärstudien festlegen (diese müssen später auch transparent dargelegt werden)

Wie kann man dem garbage-in-garbage-out oder Rote-Socken-Problem begegnen?

- Klare Auswahlkriterien festlegen

- Präzise Kodierung der methodischen Qualität

- Methodische Qualität als Moderator testen

- Methodische Qualität kontrollieren (Kovariate)

- Gewichten der Ergebnisse anhand der methodischen Qualitätsstandards

Was trifft auf Effektstärkemaße zu?

kann helfen auch die praktische Relevanz von Ergebnissen zu verdeutlichen

ist geradlinig interpretierbar

auch wenn es in einer Studie mehrere Effektstärken gibt sind diese voneinander statistisch Unabhängig

Cohen´s-d von 1 bedeutet, dass die Trainingsgruppe eine Einheit der Abhängigen Variable über dem Mittelwert der Kontrollgruppe liegt

Hedges´g wird vor allem benutz, wenn die Stichproben ungleich groß sind

Was sind bei der Metaanalyse fixed- und random-effects Modelle?

-Fixed-effects-Modelle: alle Studien haben die gleiche GG und somit kommt die Variabilität durch Stichprobenfehler

- Random-effects-Modell: unterschiedliche GG werden angenommen und somit sind die Befunde Heterogen und die Variabliität kommt durch den Stichprobenfehler und zusätzliche Varianzquellen zustande

Methoden der Skalierung SS23 Würzburg

Lernkarteien erstellen oder kopieren

Lernkarteien erstellen oder kopieren

Melde dich an, um alle Karten zu sehen.

SWITCHaai

Office 365

Edulog

Apple ID

Google