12. VL - Methoden, Tests

Question 1

Gegeben sind zwei nominalskalierte Variablen und es soll nicht zwischen UV und AV unterschieden werden. Wie berechne ich den Zusammenhang?

Answer 1

Chi²-Test

Question 2

Ohne Unterscheidung UV,AV, zwischen zwei intervallskalierten Variablen - Wie berechne ich den Zusammenhang?

Answer 2

Korrelation

Question 3

Mit Unterscheidung UV, AV Zusammenhang berechnen, alle Möglichkeiten aufzeigen:

Answer 3

• Beide nominalskaliert → Chi²-test
• Beide intervallskaliert → Regression (mehrere UV’s möglich)
• UV interv., AV nominal → logistische Regression (mehrere UV’s möglich)
• UV nominal, AV Intervall → t-Test o. Varianzanalyse (mehrere AV’s & UVsmöglich)

Question 4

Beispiele für den Chi²-Test:

Answer 4

Zusammenhang Geschlecht - Bindungsstil
Geschlecht - Spielt Instrument

Question 5

Chi²-Test: Was wird verglichen, wie berechne ich es und wie lässt sich die Größe interpretieren?

Answer 5

• Vergleich von beobachteten und (bei H0) erwarteten Häufigkeiten
• Erwartete Häuf. errechnet man: rechte Randhäufk. * untere Randhäufk./ Gesamthäufigkeit
• Die Größe von Chi² reicht von 0 bis N

Untersuchung des Zusammenhangs zweier kategorischer Variablen (Nominalskaliert: Geschlecht und Bildungsabschluss)

Question 6

Korrelationskoeffizient definition

Answer 6

r ist ein Maß für die Stärke eines statistischen Zusammenhangs und variiert zwischen -1 (perfekt negative Korrelation) und +1

Question 7

Erklärte Varianz

Answer 7

• Quadrat einer Korrelation ist der Prozentsatz der gemeinsamen Varianz
• r= -.45 =r² =.20 = Anteil der geteilten Varianz 20%

Maß dafür, wie viel der Varianz der AV durch die UV aufgeklärt werden kann

Question 8

Lineare Regression: Voraussetzung?, Was sagt die Regression aus? , Wie lautet die Formel?

Answer 8

• wird zwischen Uv (x) und einer Av (y) unterschieden
• Lineare Gleichung wird ermittelt, mit der sich der Zusammenhang zwischen Y & X am besten repräsentieren lässt
• y= a + b * x
• Diese erlaubt dann Vorhersage eines Y -Wertes durch den X wert
• Vorhersage ist höher, je größer Korrelation ist

Question 9

Kriterium, Prädiktoren, a , b (Lineare Regression)

Answer 9

• AV → Variable Y, die vorhergesagt werden soll
• UV → Variable Xi, die zur Vorhersage dient
• a → Achsenabschnitt o. Konstante; auch b0 genannt
• b → Steigung der Geraden; auch b1

Question 10

Wie kann ich die Vorhersage eines Kriteriums verbessern?

Answer 10

• Multiple Regression
  
  • wenn mehrere Prädiktoren verwendet werden

Bsp: In unserem Beispiel ist es naheliegend, Angst und Vermeidung zur Vorhersage der Beziehungszufriedenheit heranzuziehen. Alle drei Variablen sind intervallskaliert

Question 11

Ein Mittelwertunterschied zwischen Gruppen ist umso wahrscheinlicher signifikant, je.. ? (Varianzanalyse)

.. Prüfgröße (F) eher signifikant (Varianzanalyse)

Answer 11

• Größer der MW-Unterschied
• kleiner die Varianzen in den einzelnen Gruppen
• Mehr VPn teilnehmen (wenn N größer ist)

Question 12

Was misst der t-test?

Answer 12

Vergleicht zwei Mittelwerte auf signifikanten Unterschied
-> Zähler: Unterschied zwischen Gruppen (soll groß sein)
-> Nenner: Unterschied innerhalb Gruppen (soll klein sein)

Test umso wahrscheinlicher signifikant, je größer N ist

Question 13

Was misst die Varianzanalyse?

Answer 13

• Untersucht Mittelwertunterschiede von ZWEI oder mehr als zwei Gruppen/ Stufen (nur zwei Stufen t²=F)
• Eine intervallskalierte AV wird durch eine nominalskalierte UV (auch Faktor) vorhergesagt

Question 14

Ich habe zwei Mittelwerte und möchte untersuchen, ob es einen signifikanten Unterschied zwischen diesen Werten gibt. Wie gehe ich vor?

Answer 14

t-Test berechnen

Question 15

Ich möchte die Mittelwerte von zwei oder mehr Gruppen untersuchen. Wie gehe ich vor?

Answer 15

Ich berechne eine Varianzanalyse

Question 16

Oft wird man sich aber für interindividuelle (between-subjects)
Manipulation entscheiden müssen, z.B. wenn

Answer 16

• Wenn Meinungen erfragt werden (Konsistenzeffekte)
• sich exp. Bedingungen wechselseitig ausschließen (z.B. Einfluss einer emotionalen vs. rationalen persuasiven Message auf die Einstellungsänderung)
• Lern-, oder Ermüdungseffekte zu erwarten sind
• Beispiel: Geschlecht der Versuchsperson

Question 17

Aus Gründen der Ökonomie sind intraindividuelle (within-subjects) Manipulationen vorteilhaft, warum?

Answer 17

• Personenunterschiede fallen weniger ins Gewicht, da jede Vp mit sich selbst verglichen wird
• statistische Test haben (daher) deutlich größere Power
• Man braucht weniger Vpn
• Beispiel: Die Fähigkeiten von Personen werden vor und nach einem Training untersucht

Question 18

Wie kann ich Haupteffekte von Interaktionseffekten erkennen?

Answer 18

• Wenn die UV1 und UV2 additiv sind = keine Wechelwirkung zeigen
• Wenn UVs multiplikativ verknüpft sind = Wenn Wechselwirkungen vorhanden sind

Question 19

Unterschied von experimentellem und quasi-experimentellen Faktoren

Answer 19

• Experim. Faktor ⇒ VlL stellt Faktorstufen her, manipuliert die Behandlung (z.b. Medikations vs. Placebo-Gruppe)
• Quasi-experm. Faktor ⇒ Vpn bringt Faktor mit (z.B. Geschlecht) → nicht beeinflussbar

Question 20

Warum kann man das Ergebnis (R2) aus einer multiplen Regression nicht einfach aus den einfachen Regressionen summieren?

Answer 20

• Die Vorhersagen durch die beiden UVs sind nicht unabhängig voneinander, da die UVs korrelieren.
• Angst allein erklärt 20% Varianz, Vermeidung allein erklärt 35%, beide zusammen aber nicht 55%, sondern nur 46%.
• Wenn man mehrere korrelierende UVs einbezieht, werden einige oft nicht mehr signifikant, obwohl sie alleine signifikant geworden wären.
• Multiple Regression zeigt dann, welche Variablen die AV in dieser Zusammensetzung der UVs am besten erklären.

Question 21

Unterschiedshypothesen

Answer 21

-> Zusammenhang von nominal UV und intervall AV
-> Normalfall bei Experimenten
-> t-Test und Varianzanalyse

Question 22

Wie berechne ich die Prüfgröße (F) der Varianzanalyse

Answer 22

Varianz zwischen den Bedingungen/ Varianz innerhalb d. Bedingungen

Lässt sich nicht interpretieren, nur Signifikanz und die erklärte Varianz (Eta²)

Question 23

Wann wird die Prüfgröße (F) signifikanter?

Answer 23

-> Je größer MW-Unterschiede sind
-> Je kleiner Varianzen innerhalb d. Gruppen
-> größer N