Altklausurfragen B Flashcards
Ist es immer sinnvoll, ein experimentelles Design anzustreben?
Nein
1) aus ethischen Gründen nicht möglich
z.B schwerkranke Menschen darf man kein wichtiges Treatment verweigern
• Bedarf der Probanden steht immer über der Randomisierung!
2) versuchsplanerisch kein Sinn
z.B beim Vergleich von Gruppen mit
spezifischen Prä-Werten -> nach Cut-off Werten geordnet
•NUR wo es möglich und sinnvoll ist, sollte experimentelle Design angestrebt werden
Praktische Probleme an einem Beispiel diskutieren! (Quasi-Experimentelle Designs)
Mehr alternative Erklärungen als bei Experiment -> geringere interne Validität
• Müssen benannt, bewertet und ausgeschlossen werden
. Beschreiben Sie den Versuchsplan und den idealen Verlauf eines verzögerten Treatments
NR 01 X 02 03
NR 01 02 X 03
Welche verschiedenen Effekte können durch eine Intervention in einer Zeitreihe auftreten?
Niveauänderung, Trendänderung, Variabilitätsänderung, temporäre oder dauerhafte Effekte, unmittelbare oder verzögerte Effekte
Was sind häufige Probleme bei der Untersuchung unterbrochener Zeitreihen?
- Langsame und graduelle Implementierung: Diffusion (Interventionen können nur schrittweise eingeführt werden)
- Unbekanntes Intervall zwischen Ursache und Effekt (Effekte treten erst mit langer zeitlicher Verzögerung auf)
- Zu kurze Zeitreihen (N<100) (für statistische Behandlung mind. 100 Beobachtungen/50 vor 50 nach)
- Beschränkung von Archivdaten (Datenqualität nur sehr schwer zu bewerten/Grad der Datenaggregation hoch)
Nennen Sie ein Beispiel für eine Untersuchung mit unterbrochenem Zeitreihendesign und skizzieren
Sie eine Ergebnisgrafik, die den Erfolg der Untersuchung belegt.
Einführung einer Helmpflicht für Fahrradfahrer -> Auswirkungen auf
Verletzte
• Intervention löst Niveauänderung aus
Unterschied zwischen streng stationär und schwach stationär.
Streng stationär:
wenn die Verteilungskennwerte in allen möglichen Teil-SP identisch sind -> Kennwerte sind unabhängig von der Zeit
• Schwach stationär: Mittelwert und Kovarianzen innerhalb der SP sollten unabhängig von der Zeit
sein
Warum macht man die Differenzbildung bei Zeitreihen und wofür steht der Parameter d beim ARIMAModell?
Mathematische Voraussetzung für die Berechnung des ARIMA Modells -> Stationaritaet
- Einfluss aktuellerer Werte würde sonst für die Vorhersage im Vergleich zu älteren Werten überschätzt werden
- d = Anzahl der notwendigen Differenzierungen, um Stationaritaet der Zeitreihe zu erreichen
Was ist eine ARIMA?
ARIMA-Modelle versuchen die Systematik einer Zeitreihe anhand von drei Parametern zu
beschreiben:
o p = Anzahl der autoregressiven Anteile der ZR
o d = Anzahl der notwendigen Differenzierungen, um eine ZR stationär zu machen
o q = Anzahl der moving-average Komponenten der ZR
• Mithilfe der ARIMA können zyklische Phänomene der Zeitreihe ermittelt werden und Vorhersagen
über zukünftige Ereignisse/Verläufe gemacht werden
Was wird im Rahmen einer Zeitreihenanalyse als Trend bezeichnet?
Wenn sich der Mittelwert von Stichproben aus der Zeitreihe sich systematisch veraendert
Was ist Stationarität und warum ist diese wichtig für die Analyse von Zeitreihen?
• Eine Zeitreihe ist stationär, falls Verteilungsmerkmale von (Teil-)Stichproben aus der Zeitreihe nicht
vom absoluten Zeitpunkt ihrer Ziehung abhängen
• Viele Verfahren der Zeitreihenanalyse basieren auf Annahme der Stationarität
Was sind Autokorrelationen?/Was versteht man unter Autokorrelation?
Korrelationen zwischen zwei Zeitpunkten mit Abstand k (lag)
Was ist ein Interaktionseffekt bei einem diskontinuierlichen Regressionsdesign?
Verlauf der Regressionsgeraden nicht parallel
• Aenderung in der Steigung
Bsp. je höher die Belastung zum Prä-Messzeitpunkt, desto effektiver das Treatment
Was sind die Vorteile des diskontinuierlichen Regressionsdesigns?
- fast so gute interne Validitaet wie be randomisierte Experimente
- grosse FLEXIBILITAET in der Auswahl der Zuweisungsvariablen
- Beduerftigkeit/Vedienst kann beruecksichtigt werden
Welches sind die Hauptgefährdungen der internen Validität bei diskontinuierlichen Regressionsdesigns?
Reifung oder Instrumentation –> Verletzung der Linearitaet
Linearitaet als Voraussetzung fuer Regressionsmodelle