1. Multiple Korrelation Flashcards
Multiple Korrelation
Zusammenhänge zwischen mehr als zwei Variablen
Partial Korrelation
herauspartialisierung eines dritten Merkmals aus BEIDEN Variablen
Methoden zur “Neutralisierung”
- Partialkorrelation
Partial Korrelation: Voraussetzungen
x, y, z:
— mind. intervallskaliert
— NORMALVERTEILT
Partial Korrelation: Methode zur Signifikanzprüfung
F-Test
Partiell Korrelation: Höherer Ordnung
rekursive allgemeine Formell für den Partialkoeffizienten der m-ten Ordnung
Semipartialkorrelation
die Korrelation eines Residuums mit einer ursprunglichen Variablen nachdem Z nur aus Y herauspartialisiert wurde
Semipartialkorrelation: Anwendung
es soll geprüft werden wie viel Varianz der Variablen X durch die Variablen Y und Z erklärt werden kann
Multiple Korrelationskoeffizient
Zusammenhang zwischen mehreren Prädiktorvariablen und einem Kriterium
Inkrementelle Validität
Eine Variable besitzt IV wenn ihre Aufnahme als zusätzlicher Prädiktor in einer Multiplen Regression mit mehreren Prädiktoren den Anteil der aufgeklärten Varianz im Kriterium SIGNIFIKANT ERHÖHT
Multikollinearität
- Prädiktoren korrelieren miteinander
Multikollinearität: Folge
- Varianzanteile des Kriteriums werden von versch. Prädiktoren erklärt
- die Summe der einzelnen Determinationskoeffizienten ist größer als der Multiple Determinationskoeffizient
Bedingungen für den Suppressor Xk
- korreliert NICHT mit Y
- korreliert mit mind. 1 Prädiktor
- Inkrement/Dekrement ist größer als der Determinationskoeffizient
Inkrement
Zunahme der erklärten Varianz
durch Prädiktor
Suppressor-Effekt
- wenn die Hinzunahme einer Variablen x2 durch die Erhöhung des Anteils der erklärbaren Varianz, die Vorhersage VERBESSERT
- OBWOHL x2 nicht mit dem Kriterium korreliert