1. Multiple Korrelation Flashcards

1
Q

Multiple Korrelation

A

Zusammenhänge zwischen mehr als zwei Variablen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Partial Korrelation

A

herauspartialisierung eines dritten Merkmals aus BEIDEN Variablen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Methoden zur “Neutralisierung”

A
  • Partialkorrelation
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Partial Korrelation: Voraussetzungen

A

x, y, z:
— mind. intervallskaliert
— NORMALVERTEILT

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Partial Korrelation: Methode zur Signifikanzprüfung

A

F-Test

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Partiell Korrelation: Höherer Ordnung

A

rekursive allgemeine Formell für den Partialkoeffizienten der m-ten Ordnung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Semipartialkorrelation

A

die Korrelation eines Residuums mit einer ursprunglichen Variablen nachdem Z nur aus Y herauspartialisiert wurde

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Semipartialkorrelation: Anwendung

A

es soll geprüft werden wie viel Varianz der Variablen X durch die Variablen Y und Z erklärt werden kann

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Multiple Korrelationskoeffizient

A

Zusammenhang zwischen mehreren Prädiktorvariablen und einem Kriterium

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Inkrementelle Validität

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Multikollinearität

A
  • Prädiktoren korrelieren miteinander
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Multikollinearität: Folge

A
  • Varianzanteile des Kriteriums werden von versch. Prädiktoren erklärt
  • die Summe der einzelnen Determinationskoeffizienten ist größer als der Multiple Determinationskoeffizient
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Bedingungen für den Suppressor Xk

A
  • korreliert NICHT mit Y
  • korreliert mit mind. 1 Prädiktor
  • Inkrement/Dekrement ist größer als der Determinationskoeffizient
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Inkrement

A

Zunahme der erklärten Varianz

durch Prädiktor

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Suppressor-Effekt

A
  • wenn die Hinzunahme einer Variablen x2 durch die Erhöhung des Anteils der erklärbaren Varianz, die Vorhersage VERBESSERT
  • OBWOHL x2 nicht mit dem Kriterium korreliert
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Suppressor-Effekt: Erklärung

A
  • die Varianz von x1 wird von x2 unterdrückt

- Varianz von x1 und x2 wird verbunden

17
Q

Suppressor-Effekt: Wodurch kann es belegt werden?

A

Sempipartial Korrelation

18
Q

Regression

A

Vorhersage eines Kriteriums durch einen Prädiktor mit Hilfe einer linearen Gleichung

19
Q

Relevanz für die Psychologie?

A

psych. variablen hängen von VIELEN Variablen ab

z. B. Diathese Stress Modell

20
Q

Was ist eine Multiple Regression?

A

Vorhersage eines Kriteriums durch 2 oder mehr Variablen

21
Q

Warum verwendet man eine Partialkorrelation?

A

Konstanthalten von Störvariablen

22
Q

kriteriumsvariable

A

die zu vorhersagende Variable

23
Q

Prädiktorvariable

A

die vorhersagende Variable

24
Q

allgemeine funktion einer gerade =

A

y = b • x + a

25
Q

wie wird die Regressionsgerade hergeleitet?

A

methode der kleinsten Quadrate

26
Q

methode der kleinsten quadrate

A

die regressionsgerade wird so gewählt

dass der quadrierte Vorhersagefehler über alle Probanden minimal ist

27
Q

wieso wird der Vorhersagefehler quadriert?

A

damit…
— abweichungen immer positiv sind
— große Abweichungen stärker berücksichtigt werden