12. VL - Methoden, Tests Flashcards
Gegeben sind zwei nominalskalierte Variablen und es soll nicht zwischen UV und AV unterschieden werden. Wie berechne ich den Zusammenhang?
Chi²-Test
Ohne Unterscheidung UV,AV, zwischen zwei intervallskalierten Variablen - Wie berechne ich den Zusammenhang?
Korrelation
Mit Unterscheidung UV, AV Zusammenhang berechnen, alle Möglichkeiten aufzeigen:
- 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)
Beispiele für den Chi²-Test:
Zusammenhang Geschlecht - Bindungsstil
Geschlecht - Spielt Instrument
Chi²-Test: Was wird verglichen, wie berechne ich es und wie lässt sich die Größe interpretieren?
- 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)
Korrelationskoeffizient definition
r ist ein Maß für die Stärke eines statistischen Zusammenhangs und variiert zwischen -1 (perfekt negative Korrelation) und +1
Erklärte Varianz
- 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
Lineare Regression: Voraussetzung?, Was sagt die Regression aus? , Wie lautet die Formel?
- 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
Kriterium, Prädiktoren, a , b (Lineare Regression)
- 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
Wie kann ich die Vorhersage eines Kriteriums verbessern?
- 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
Ein Mittelwertunterschied zwischen Gruppen ist umso wahrscheinlicher signifikant, je.. ? (Varianzanalyse)
.. Prüfgröße (F) eher signifikant (Varianzanalyse)
- Größer der MW-Unterschied
- kleiner die Varianzen in den einzelnen Gruppen
- Mehr VPn teilnehmen (wenn N größer ist)
Was misst der t-test?
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
Was misst die Varianzanalyse?
- 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
Ich habe zwei Mittelwerte und möchte untersuchen, ob es einen signifikanten Unterschied zwischen diesen Werten gibt. Wie gehe ich vor?
t-Test berechnen
Ich möchte die Mittelwerte von zwei oder mehr Gruppen untersuchen. Wie gehe ich vor?
Ich berechne eine Varianzanalyse
Oft wird man sich aber für interindividuelle (between-subjects)
Manipulation entscheiden müssen, z.B. wenn
- 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
Aus Gründen der Ökonomie sind intraindividuelle (within-subjects) Manipulationen vorteilhaft, warum?
- 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
Wie kann ich Haupteffekte von Interaktionseffekten erkennen?
- Wenn die UV1 und UV2 additiv sind = keine Wechelwirkung zeigen
- Wenn UVs multiplikativ verknüpft sind = Wenn Wechselwirkungen vorhanden sind
Unterschied von experimentellem und quasi-experimentellen Faktoren
- 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
Warum kann man das Ergebnis (R2) aus einer multiplen Regression nicht einfach aus den einfachen Regressionen summieren?
- 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.
Unterschiedshypothesen
-> Zusammenhang von nominal UV und intervall AV
-> Normalfall bei Experimenten
-> t-Test und Varianzanalyse
Wie berechne ich die Prüfgröße (F) der Varianzanalyse
Varianz zwischen den Bedingungen/ Varianz innerhalb d. Bedingungen
Lässt sich nicht interpretieren, nur Signifikanz und die erklärte Varianz (Eta²)
Wann wird die Prüfgröße (F) signifikanter?
-> Je größer MW-Unterschiede sind
-> Je kleiner Varianzen innerhalb d. Gruppen
-> größer N
