Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Einführung in die Methodenlehre Psychologie Salzburg 2017-18 > Einfuehrung in die Methodenlehre > Flashcards

Einfuehrung in die Methodenlehre Flashcards

1
Q

Was zeichnet Alltagspsychologie aus?

A
  • erlernt aus Erfahrung
  • setzt keine Kenntnisse der Psychologie voraus
  • jeder hat eine Alltagspsychologie
  • wird in der Regel nicht hinterfragt
  • besteht meist aus unbewiesenen Annahmen/Behauptungen
  • Behauptungen werden nicht methodisch und systematisch kontrolliert
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Was sind Unterschiede zwischen wissenschaftlicher und Alltagspsychologie?

A

Wissenschaftliche Psychologie verwendet gezielte Strategien, untersucht den Wahrheitsgehalt von Behauptungen systematisch, neutralisiert Fehlerquellen

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

Aus welchen Gründen wird Alltagspsychologie oft als gültig angesehen?

A
  • wenn eine Annahme falsch ist, kann sie trotzdem eintreten
  • falsche Annahmen sind irrelevant
  • Annahmen beeinflussen unser Handeln
  • Annahmen verzerren Wahrnehmung und Erinnerung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Was sind die Ziele der wissenschaftlichen Psychologie?

A

1) Sammlung von Tatsachenwissen
2) Erforschung von Gesetzmäßigkeiten
3) Hypothesenbildung = Beschreibung der vermuteten Gesetzmäßigkeiten

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

Wodurch entstehen Hypothesen?

A
  • durch intensive Beschäftigung mit dem Thema
  • gute Beschreibung des Problems
  • Diskussion von Fragestellungen
  • Explorationsstudien
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Was ist eine explorative Analyse und was ist ihr Gegenteil?

A

In einer explorativen Analyse stößt man zufällig auf etwas, in einer konfirmatorischen Analyse möchte man etwas bestätigen

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

Welche Methoden sind für die Überprüfung von Hypothesen akzeptabel, welche nicht?

A

Akzeptabel: mit Wirklichkeit vergleichen und logische Zusammenhänge berücksichtigen Nicht akzeptabel: subjektive Überzeugung, Berufung auf Autoritäten, Nachweis durch Beispiele

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

In welchen fünf Schritten erfolgt die Überprüfung einer Hypothese?

A

1) Hypothese formulieren
2) empirische Vorhersage
3) Realisierung des Experiments
4) Vergleich von Vorhersage und Wirklichkeit
5) Ergebnis/Fazit

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

Nennen Sie Eigenschaften einer empirischen Vorhersage!

A
  • sie entsteht aus der Hypothese, zusätzliche Annahmen und Wissen einbezogen
  • sagt, dass unter bestimmten Bedingungen ein spezielles empirisches Ereignis eintritt
  • dieses Ereignis kann vergangen oder zukünftig sein
  • die Vorhersage bezieht sich auf die Kenntnis des Ereignisses
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Worin unterscheiden sich experimentelle und nicht experimentelle Forschung?

A

Experimentelle Forschung: Bedingungen werden von Versuchsleiter erzeugt

nicht experimentell: beobachtet nur, ob die Bedingungen erfüllt werden

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

Was bedeutet es, dass isolierte Hypothesenprüfung nicht möglich ist?

A

Dass es zu den explizit genannten Bedingungen außerdem noch unausgesprochene gibt. Die Prüfung einer Hypothese erfolgt immer relativ zu gewissen Zusatzannahmen (die im Zweifelsfall zu prüfen sind).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Welche Typen von Hypothesen gibt es (bzgl. ihrer Anwendungsbreite)?

A
  • universelle Hypothesen: für alle Falle
  • existenzielle Hypothesen: für mindestens einen Fall
  • Hypothesen über Anteile: für Anteile aller möglichen Fälle
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Wann gilt eine Hypothese als veri-, wann als falsifiziert?

A
  • verifiziert, wenn sie als wahr bewiesen wurde
  • falsifiziert, wenn als falsch bewiesen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Wovon ist die Veri- und Falsifizierbarkeit einer Hypothese abhängig?

A
  • vom Typ der Hypothese
  • vom Bereich der Fälle, für den sie formuliert ist
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Ist eine universelle Hypothese veri- oder falsifizierbar, wenn alle Fälle der Grundgesamtheit untersucht werden?

A

verifizierbar und falsifizierbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Ist eine universelle Hypothese veri- oder falsifizierbar, wenn nicht alle Fälle der Grundgesamtheit untersucht werden?

A

nur falsifizierbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Ist eine existenzielle Hypothese veri- oder falsifizierbar, wenn alle Fälle der Grundgesamtheit untersucht werden?

A

verifizierbar und falsifizierbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Ist eine existenzielle Hypothese veri- oder falsifizierbar, wenn nicht alle Fälle der Grundgesamtheit untersucht werden?

A

nur verifizierbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Ist eine Hypothese über Anteile veri- oder falsifizierbar, wenn alle Fälle der Grundgesamtheit untersucht werden?

A

verifizierbar und falsifizierbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Ist eine Hypothese über Anteile veri- oder falsifizierbar, wenn nicht alle Fälle der Grundgesamtheit untersucht werden?

A

nicht verifizierbar und nicht falsifizierbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Was ist eine bestätigte/bewährte Hypothese?

A

eine universelle Hypothese, die nicht falsifiziert wurde

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Was sind Voraussetzungen der Überprüfbarkeit von Hypothesen?

A
  • widerspruchsfrei
  • kritisierbar
  • operationalisierbar
  • Reihenfolge (erst formulieren, dann überprüfen)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Was sind Qualitätskriterien einer Hypothese?

A
  • ihr empirischer Gehalt
  • strenge Prüfung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Was bezeichnet man als empirischen Gehalt einer Hypothese?

A

wie informativ sie ist

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Was ist der Unterschied zwischen experimenteller und nicht experimenteller Forschung?

A

experimentell: Versuchsleiter greift aktiv und gezielt ein

nicht experimentell: beobachten ohne einzugreifen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Was sind Voraussetzungen für ein erfolgreiches Experiment / Eigenschaften eines erfolgreichen Experiments?

A
  • systematische Variation von mindestens einer unabhängigen Variablen
  • Aufzeichnen des Effekts dieser Variation
  • Ausschalten von Störvariablen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Was ist der Vorteil von Experimenten gegenüber nicht experimenteller Forschung?

A

man kann das Ursache-Wirkungs-Prinzip untersuchen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Warum ist die nicht experimentelle Forschung in der Psychologie ebenfalls wichtig?

A

da bei vielen Fragestellungen ein aktives Eingreifen nicht möglich ist

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Definieren Sie “Variable”!

A
  • ein beliebiges Merkmal eines Menschen/Objekts mit mindestens zwei Ausprägungen
  • bei einem konkreten Menschen/Objekt trifft jeweils nur eine Ausprägung zu
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Was kennzeichnet eine qualitative Variable?

A

Sie hat zwei Abstufungen, das ist Nominalniveau

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Nennen Sie drei Typen von Variablen (in der experimentellen Forschung)!

A

1) UV = unabhängige Variable
2) AV = abhängige Variable
3) Störvariable

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Nennen Sie Synonyme für die unabhängige Variable!

A

UV, independant variable, Faktor/factor, Prädiktor/predictor, Behandlung/treatment

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

Nennen Sie Synonyme für die abhängige Variable!

A

AV, dependent variable, Kriteriumsvariable / outcome variable

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Was unterscheidet die abhängige von der unabhängigen Variable?

A

Die unabhängige Variable beeinflusst der Versuchsleiter aktiv; die abhängige Variable dient der Beobachtung des Effekts der UV

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Was bedeutet es, eine Störvariable zu kontrollieren?

A

Man schaltet ihre Wirkung aus, indem man ihren Wert konstant hält bzw. indem man mehrere Stufen der Störvariablen zufällig mit den Stufen der UV kombiniert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Was ist eine Moderatorvariable?

A

Das ist eine Variable, von der abhängt, wie der Effekt einer Variable A auf eine Variable B ausfällt. D.h., ein Moderator beeinflusst den Zusammenhang zwischen zwei Variablen. Er ist das Merkmal einer Person/Situation, von dem die Gültigkeit einer Hypothese abhängt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

Was ist eine Mediatorvariable?

A

Das ist eine Variable, die den statistischen Zusammenhang zwischen zwei Variablen vermittelt.

Bsp.: WENN x >> y UND z >> y DANN x >> z >> y In diesem Beispiel ist z ein Mediator, weil der Zusammenhang x-y auf der Veränderung von z beruht.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Welche Arten von Experimenten gibt es hinsichtlich ihres Ziels?

A
  • Prüfexperimente: prüfen Hypothesen
  • Erkundungsexperimente / Pilotstudien: wollen neue Hypothesen bilden, sammeln oft Daten ohne vorherige Hypothese
  • Vorexperiment: um ein Experiment zu proben und zu verbessern
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Welche Arten von Experimenten gibt es hinsichtlich der Anzahl ihrer Variablen?

A
  • eine UV: unifaktoriell (einfaktoriell)
  • mehrere UV: multifaktoriell (mehrfaktoriell)
  • eine AV: univariat
  • mehrere AV: multivariat
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Was sind Vor- und Nachteile von Feldstudien?

A
  • meist nicht experimentell
  • Störvariablen schwerer kontrollierbar
  • UV und AV oft schwerer zu operationalisieren
  • eingeschränkt generalisierbar (wegen der Störvariablen)
    + Ergebnisse lassen sich für natürliche Situationen direkt verwerten
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

Was sind Vor- und Nachteile von Laborstudien?

A

+ spezieller Untersuchungsraum bietet bessere Kontrolle über Störvariablen

  • schwerer generalisierbar >> nur dann, wenn man die kritischen Variablen der natürlichen Situation mit einbezieht
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

Was sind Vor- und Nachteile von Internetstudien?

A
  • Selbstselektion (weniger ältere Vpn, Unterschied Teilnehmer/Nicht-Teilnehmer)
  • Angaben der Vpn kann man nicht überprüfen
  • Störvariablen nicht kontrollierbar
  • vorzeitiger Abbruch leicht möglich

+ gesamter Ablauf ist programmiert, also genormt

+ einfache Teilnahme >> mehr Vpn
+ Vp bestimmt Durchführungszeitpunkt selbst

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

Welche Phasen/Stufen umfasst der Forschungsprozess?

A

1) Fragestellung
2) Hypothesen
3) Operationalisieren
4) Versuchsplan
5) Kontrolle der Störvariablen
6) Stichprobe
7) empirische Vorhersage und statistische Hypothese
8) Durchführung
9) Auswertung der Daten
10) Schluss auf die Sachhypothese
11) Diskussion
12) Bericht

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

Wozu ist Operationalisierung nötig?

A

Hypothesen beinhalten Begriffe, diese sind nicht direkt beobachtbar >> Zuordnen von beobachtbaren Phänomen zu Begriffen = Operationalisieren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

Was ist Konstruktvalidität und wovon hängt sie ab?

A

Das ist die Güte der Operationalisierung. Variablen sind mehr oder weniger beobachtungsnah und Begriffe lassen sich mehr oder weniger direkt operationalisieren. Je abstrakter der Begriff, desto indirekter die Operationalisierung; je indirekter die Operationalisierung, desto detaillierteres Hintergrundwissen ist nötig

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

Nennen Sie vier Methoden der Datengewinnung!

A
  • Verhaltensbeobachtung
  • Analyse von Verhaltensspuren
  • Test
  • Befragung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
47
Q

Definieren Sie “Messen”!

A

Messen = Skalieren = Zuordnen von Zahlen zu Objekten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

Was sind Skalenwerte?

A

Das sind zugeordnete Zahlen (beim Messen). Sie repräsentieren Relationen zwischen Messobjekten.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

Welche vier Probleme gibt es beim Messen und worin bestehen sie?

A
  • Repräsentationsproblem: ist eine bestimmte Variable überhaupt messbar?
  • Eindeutigkeitsproblem: welche Freiheit hat man bei der Zuordnung der Skalenwerte?
  • Bedeutsamkeitsproblem: ein Skalenwert ist bedeutsam, wenn sein Wahrheitswert bei allen zulässigen Transformationen gleich bleibt
  • Skalierungsproblem: die Messung muss valide und reliabel sein
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

Was bezeichnet man als abhängiges Design?

A

= Messwiederholungsdesign = Wenn Messsubjekte in ihren Versuchsbedingungen mind. 2 Mal gemessen werden

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

Was sind Experimental- und Kontrollgruppe?

A

Experimentalgruppe: die Gruppe, bei der jene Stufe der UV realisiert wird, die den Versuchsleiter interessiert.

Kontrollgruppe: ermöglicht Vergleich, kontrolliert Störvariablen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

Welche Arten von Störvariablen gibt es? Nennen Sie Beispiele!

A
  • Störvariablen bei der Person: Alter, Intelligenz, Emotionalität
  • Störvariablen bei der Untersuchungssituation: Umgebung, Zeit, Reihenfolge der Aufgaben
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

Zählen Sie Kontrollmechanismen gegen Störvariablen auf!

A

bzgl. Person:
- Parallelisieren/Matching
- Randomisieren
bzgl. Untersuchungssituation:
- Elimination
- Konstanthalten
- Kontrollgruppe
- Zufallsvariation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q

Was bedeutet “Parallelisieren”?

A

Das ist eine Methode zur Kontrolle von Störvariablen. Zuerst misst/erhebt man die Störvariable. Dann werden die Vpn gleichmäßig den Gruppen zugeteilt, sodass der Durchschnitt der Störvariablen in beiden Gruppen gleich ist.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
55
Q

Was bedeutet “Randomisieren”? Nennen Sie Vor- und Nachteile!

A

= Zufälliges Zuordnen zu Gruppen: durch Lose, Münzwurf oder Zufallszahlen

Pro: Störvariable muss nicht bekannt sein, nicht operationalisiert oder gemessen werden.

Contra: Trotz Zufalls können ungleiche Gruppen entstehen; problematisch v.a. bei kleinen Gruppen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

Was bedeutet “Elimination”?

A

= Neutralisieren der Störvariable (falls möglich).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
57
Q

Was bedeutet “Konstanthalten”? Nennen Sie einen Nachteil!

A

= Gleiche Bedingung für alle Vpn.

  • Das heißt aber nicht, dass die Störvariable bei allen Vpn gleich wirkt.
  • Nachteil: eventuell nicht generalisierbar
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
58
Q

Wozu dient eine Kontrollgruppe?

A

Sie kontrolliert Veränderungen und Einflüsse zwischen Messzeitpunkten.

Sie kontrolliert den reaktiven Effekt der Vorhermessung = bei der Vorhermessung könnte es zu priming/Einstellungsänderung kommen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
59
Q

Was bedeutet “Konfundierung”?

A

= systematische Variation der UV und einer Störvariable

>> ein Ergebnis lässt sich dann nicht auf die Wirkung der UV zurückführen Kontrolle durch Zufallsvariation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

Was ist eine Stichprobe?

A

= Teilmenge einer Grundgesamtheit/Population

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

Welche Typen von Stichproben gibt es?

A
  • Zufallsstichprobe
  • Klumpenstichprobe (Teilmenge, die natürlich vorliegt und vollständig erhoben wird, z.B. alle Schüler einiger zufälliger Schulen)
  • Geschichtete Stichprobe (man teilt die Gesamtpopulation nach relevanten Merkmalen in nicht überlappende Teile; aus jeder Schicht kommt eine Zufallsstichprobe, diese werden zusammengeführt)
  • Verhaltensstichprobe: bedeutet, dass man nur einen Ausschnitt des interessierenden Verhaltens beobachten kann (z.B. Erziehung nicht 24/7, sondern nur für gewisse Zeitabschnitte)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

Nennen Sie Eigenschaften einer Zufallsstichprobe!

A
  • jedes Element der Population hat die gleiche Chance auf Aufnahme in die Stichprobe
  • Ziehung bedeutet oft hohen Aufwand
  • zufälliges Zuordnen alleine macht noch keine Zufallsstichprobe aus! z.B. Ad-hoc-Stichproben mit zufällig anwesenden Studenten >> weniger gut generalisierbar
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

Was ist ein Bias in der Stichprobe?

A

= systematische Verzerrung durch Fehler im Auswahlverfahren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
64
Q

Was unterscheidet Sachhypothese und empirische Vorhersage?

A

Eine Sachhypothese hat typischerweise die Form: “Wenn …, dann …”. Aus ihr lässt sich die empirische Vorhersage entwickeln (z.B.: “In der Experimentalgruppe passiert …, in der Kontrollgruppe passiert …”).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
65
Q

Nennen Sie zwei Arten von statistischen Hypothesen!

A

Null- und Alternativhypothese

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
66
Q

Was unterscheidet Null- und Alternativhypothese?

A

Nullhypothese = H0 = Die bei einer Hypothesenprüfung zu testende Annahme über die Grundgesamtheit (häufig diejenige Hypothese, die man widerlegen möchte).

Beinhaltet immer Gleichheit von Sachverhalten (auch ≤ und ≥).

Alternativhypothese = Arbeitshypothese = HA = Eine (durch Beobachtung oder Überlegung) begründete Annahme, die bestimmte Phänomene erklärt und die einer möglicherweise verbreiteten Annahme entgegensteht.

Beinhaltet immer Ungleichheit von Sachverhalten.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
67
Q

Welche Punkte sollte man bei der Durchführung eines Experiments beachten?

A
  • Ablauf
  • Räumlichkeiten
  • Geräte und Hilfsmittel
  • Umgang mit Vpn
  • Instruktionen
  • Standardisierung der Bedingungen
  • Probelauf
  • Ergebnis
  • Bericht
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
68
Q

Woran sollte man beim Ablauf eines Experiments denken?

A
  • Wie beginnt es?
  • Einzel- oder Gruppenversuch?
  • zeitlicher Ablauf?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
69
Q

Was sind Vor- und Nachteile von Einzel- und Gruppenversuchen?

A
  • keine Beeinflussung durch andere Vpn vs. gegenseitige Beeinflussung
  • persönliche Betreuung vs. keine individuelle Anpassung
  • aufwendiger vs. ökonomischer
  • meist versch. Tageszeiten vs. gleiche Uhrzeit/Tageszeit
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
70
Q

Wie sollte man mit Versuchspersonen umgehen?

A
  • Vpn sind Datenquelle und Grundlage!
  • sollen sich wohlfühlen
  • keine Angst, Unkenntnis, Unsicherheit (sind Störvariablen)
  • kompetenter Versuchsleiter
  • keine falschen Hoffnungen wecken
  • Ablauf und Technologien erläutern
  • Anonymität betonen
  • Vpn soll Hypothese nicht schon vorher erraten
  • sicherstellen, dass Vpn freiwillig teilnimmt
  • Vpn nicht unter Druck setzen
  • Diplomarbeiten als wissenschaftliche Studie verkaufen, dann mehr Motivation
  • Begrüßung, dann Einhaltung von Versprechen (Geld o.ä.), dann Verabschiedung
  • Vpn über Dauer informieren
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
71
Q

Was ist bzgl. Räumlichkeiten beim Experiment zu beachten?

A
  • möglichst störungsfrei und standardisiert - dies gilt für Labor - Nachteil Labor: Anreise der Vpn, unpersönlich, abschreckende Geräte, kein natürliches Umfeld
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
72
Q

Was ist wichtig bei der Verwendung von Hilfsmitteln während eines Experiments?

A
  • vor Beginn alles prüfen
  • Vorbereitungen für Ausfall
  • regelmäßige Wartung
  • Reinigung
  • schonender Umgang
  • (anonyme) Datensicherung gewährleisten
  • Einschulung der Versuchsleiter
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
73
Q

Unter welchen Voraussetzungen kann man auf die Sachhypothese schließen?

A
  • Operationalisierung ist stimmig
  • Versuchsplan ist angemessen
  • Störvariablen sind neutralisiert
  • Stichprobe ist korrekt gewählt
  • fachliches/methodisches Wissen ist korrekt eingesetzt
  • statistisches Prüfverfahren ist richtig gewählt und angewandt
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
74
Q

Nennen und erläutern Sie kurz die Gütekriterien eines Experiments!

A
  • interne Validität: ließen sich die Störvariablen kontrollieren?
  • externe Validität: lassen sich die Ergebnisse verallgemeinern?
  • Konstruktvalidität: ist die Operationalisierung gelungen?
  • Validität statistischer Schlussfolgerung: ist die Anwendung statistischer Verfahren gerechtfertigt?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
75
Q

Welche Punkte sollte ein Bericht jedenfalls enthalten?

A
  • Einleitung
  • Methoden: Versuchspersonen, Apparate und Materialien, Versuchsplan, Durchführung
  • Ergebnisse
  • Diskussion
  • Zusammenfassung
  • Ausblick
  • Literaturverzeichnis
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
76
Q

Was ist ein 2x2x2-Plan?

A

Ein Versuchsplan mit 3 UV, wobei jede UV 2 Stufen hat.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
77
Q

Nennen und erklären Sie drei Arten von Versuchsplänen!

A
  • CRF = Completely Randomized Factorial: für Gruppen, alle UV werden miteinander kombiniert - RBF = Randomized Block Factorial: für Messwiederholungen - SPF = Split Plot Factorial: für Gruppen und Messwiederholungen; nicht komplett randomisiert, gemischte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
78
Q

Was bedeutet RBF23?

A

Ein Versuchsplan im Randomized Block Factorial Design mit zwei UV, eine hat 2, eine hat 3 Stufen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
79
Q

Was bedeutet SPF23.22?

A

Split Plot Factorial: ein Versuchsplan mit 2 Messwiederholungsfaktoren (mit 2 und 3 Stufen) und 2 Gruppenfaktoren (mit je 2 Stufen)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
80
Q

Was sind Hypothesen über Haupteffekte?

A

Das sind Hypothesen über jede der UV (über deren Wirkung)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
81
Q

Was ermöglichen mehrfaktorielle im Gegensatz zu einfaktoriellen Versuchsplänen?

A

Man kann die Interaktion zwischen mind. 2 Faktoren prüfen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
82
Q

Was ist ein Versuchsplan mit Messwiederholung?

A

= within-subject-design: die Vpn unterliegen mehr als einer experimentellen Bedingung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
83
Q

Was ist der Positionseffekt?

A

= Stellungseffekt: eine Störvariable aufgrund der Position einer Bedingung in einer Reihenfolge (an welcher Stelle kommt die Bedingung?, z.B. priming möglich)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
84
Q

Was ist der Carry-Over-Effekt?

A

= Übertragungseffekt: eine frühere experimentelle Bedingung hat inhaltlichen Einfluss auf eine spätere (z.B. die erste Aufgabe erklärt die zweite)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
85
Q

Nennen Sie Möglichkeiten zur Kontrolle von Positionseffekten!

A
  • Ausbalancieren
  • Unvollständiges Ausbalancieren
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
86
Q

Wie funktioniert das Ausbalancieren zur Kontrolle von Positionseffekten?

A

Man erzeugt alle möglichen Reihenfolgen der Bedingungen und teilt die Vpn auf - bei n Bedingungen gibt es n! Reihenfolgen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
87
Q

Wie funktioniert unvollständiges Ausbalancieren?

A
  • man verwendet nur einen Teil aller möglichen Reihenfolgen - das funktioniert v.a. mit vielen Vpn Die Kontrolle passiert via: - Zufallswahl: für k Vpn wählt man k Reihenfolgen aus und verteilt die Vpn zufällig - Spiegelbildmethode: man wählt eine Reihenf
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
88
Q

Wie kann man Carry-Over-Effekte kontrollieren?

A
  • Methoden gegen Positionseffekte nicht anwendbar - andere Reihenfolge oder Bedingungen umgestalten (aber Hypothese nicht beeinflussen) - Rückkehr zu Experiment mit nur einer Bedingung je Vpn - falls nicht anders möglich, sollte viel Zeit zwischen den Bed
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
89
Q

Was ist der Versuchsleitereffekt?

A

= Rosenthal-Effekt = Versuchsleiterartefakt = selbsterfüllende Prophezeiung: der Versuchsleiter beeinflusst unabsichtlich die Vpn, oft nonverbal

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
90
Q

Was ist die Basis für den Erwartungseffekt (Versuchsleitereffekt)?

A
  • der Versuchsleiter kann für jede Vpn eine Erwartung bilden
  • diese Erwartung drückt sich in Verhalten aus
  • die Vpn interpretieren das Verhalten korrekt
  • die Vpn lassen sich beeinflussen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
91
Q

Wie kann man den Versuchsleitereffekt kontrollieren?

A
  • Standardisierung der Bedingungen
  • Training des Versuchsleiters (nonverbales Verhalten) - Manipulation der Erwartung des Versuchsleiters (zusätzlicher Versuchsleiter, Erwartungskontrollgruppe)
  • Blind- und Doppelblindversuch
  • Ausschalten des Versuchsleiters
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
92
Q

Was kennzeichnet den Versuchspersoneneffekt?

A

Die Erwartungen der Vpn: - Erwartungen, wie die Bedingung wirkt - aufgrund von Aufforderungsvariablen (Instruktion) - durch soziale Erwünschheit Motive der Vpn: - Teilnahme oder nicht (Geld? Freiwillig?) - Kooperation oder nicht - Testangst, Bewertungsangst - Bedürfnis nach sozialer Anerkennung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
93
Q

Was ist ein Quasi-Experiment?

A
  • Eine Untersuchung, bei der nicht alle Störvariablen kontrollierbar sind - Kontrolle der UV, aber nicht der AV - zufälliges Zuordnen zu Gruppen nicht möglich - keine Kausalzusammenhänge wegen fehlender Kontrolle der Störvariablen - Schließen von AV auf
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
94
Q

Nennen Sie drei Typen von Quasi-Experimenten!

A
  • Versuchsplan mit nichtäquivalenter Kontrollgruppe: keine Kontrollgruppe oder Gruppen sind nicht randomisiert
  • Zeitreihenversuchsplan (man misst die AV zu mehr als zwei Zeitpunkten)
  • Einzelfallversuchsplan mit Reversion: z.B. ABAB-Plan, wobei A= Abwesenheit der Behandlung und B = Behandlung; oft in klinischer Psychologie
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
95
Q

Zählen Sie die Skalierungsniveaus geordnet auf und geben Sie Beispiele!

A

Kategorial:

  • binär: nur 2 Kategorien (z.B.: ja/nein, wahr/falsch)
  • nominal: mehrere Kategorien (z.B.: Franzose, Deutscher, Ire, …)
  • ordinal: wie nominal, aber mit logischer Ordnung (z.B.: “Sehr gut” bis “Nicht genügend”)

Kontinuierlich:

  • Intervall: wie ordinal, aber die Abstände sind messbar, besitzt keinen natürlichen Nullpunkt (z.B.: IQ von 90 vs. 95, gleicher Abstand wie 100 vs. 105)
  • ratioskaliert: wie Intervall, aber die Verhältnisse sind darstellbar, besitzt natürlichen Nullpunkt (z.B.: 5 Millimeter vs. 10 Millimeter, ist doppelt so lang)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
96
Q

Welchem Skalierungsniveau entspricht der IQ?

A

Intervallskala

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
97
Q

Welchem Skalierungsniveau entspricht eine Länge in mm?

A

Ratioskala

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
98
Q

Welchem Skalierungsniveau entsprechen Schulnoten?

A

Ordinalskala

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
99
Q

Wozu dienen Histogramme und wie werden sie beschriftet?

A

Sie zeigen Häufigkeitsverteilungen; wie oft man einen bestimmten Messwert in den Daten beobachtet. Auf der x-Achse: Werte/Kategorien der Messung. auf der y-Achse: Anzahl der Beobachtungen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
100
Q

Welche Eigenschaften besitzt eine Normalverteilung?

A
  • symmetrisch
  • glockenförmig
  • unimodal
  • f(-x) = f(+x)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
101
Q

Nennen Sie zwei Eigenschaften, um Häufigkeitsverteilungen zu beschreiben!

A
  • Schiefe/Skew
  • Kurtosis/Breite/Wölbung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
102
Q

Was ist die Schiefe einer Häufigkeitsverteilung?

A

= Skew: Schiefe hinsichtlich der Symmetrie der Verteilung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
103
Q

Was bezeichnet man als “positive skew”?

A

positive skew = positive Schiefe = linkssteil = rechtsschief: Ansammlung von Werten im niederen Bereich, Ausläufer bei den höheren Werten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
104
Q

Was bezeichnet man als “negative skew”?

A

negative skew = negative Schiefe = rechtssteil = linksschief: Ansammlung von Werten im hohen Bereich, Ausläufer bei den niederen Werten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
105
Q

Was ist die Kurtosis einer Häufigkeitsverteilung?

A

Kurtosis = Breite = Wölbung: das Gewicht der Kurve / heaviness of the tails

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
106
Q

Wie nennt man eine Häufigkeitsverteilung mit schweren Ausläufern (heavy tails)?

A

= steilgipfelig = supergaußförmig = leptokurtisch

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
107
Q

Wie nennt man eine Häufigkeitsverteilung mit leichten Ausläufern (light tails)?

A

= flachgipfelig = subgaußförmig = platykurtisch

108
Q

Womit berechnet man das Ausmaß der Schiefe?

A

mit v(X)

109
Q

Womit berechnet man das Ausmaß der Kurtosis/Wölbung?

A

mit dem Exzess γ

110
Q

Was besagt der Exzess γ?

A

wie steil/breit die Verteilung ist

γ = 0 … Normalverteilung, mesokurtisch

γ > 0 … steilgipfelig

γ < 0 … flachgipfelig

111
Q

Mit welchen Eigenschaften kann eine Verteilung beschrieben werden?

A
  • explizit durch eine Funktion - durch ihre zentralen Kennwerte: Mittelwert, Modus, Median - durch ihre Streuung/Dispersion: Range, Quantile, Varianz, Streuung
112
Q

Beschreiben Sie den Mode!

A

Mode = Modus = der häufigste vorkommende Wert zwei Modes = bimodal mehrere Modes = multimodal

113
Q

Beschreiben Sie das arithmetische Mittel!

A

= Gleichgewichtspunkt der Daten = Summe der Daten dividiert durch Anzahl der Daten

114
Q

Beschreiben Sie den Median!

A

jener Wert, der eine Verteilung in zwei Teile teilt

115
Q

Was ist der Range?

A

die Differenz zwischen kleinstem und größtem Wert; im Falle von Ausreißern stark verzerrt

116
Q

Was sind Quartile?

A

jene drei Werte, die eine Verteilung in vier gleiche Teile trennen (Q₁, Q₂, Q₃)

117
Q

Q₂ = ?

A

zweites Quartil = Median

118
Q

Q₁ = ?

A

unteres Quartil = Median der unteren Datenhälfte

119
Q

Q₃ = ?

A

oberes Quartil = Median der oberen Datenhälfte

120
Q

Was ist der Interquartilsbereich?

A

der Bereich zwischen unterem und oberem Quartil

121
Q

Was ist ein Perzentil/Prozentrang?

A

Perzentil = Prozentrang: ist ein Punkt, unter dem x% aller Fälle der Verteilung liegen Quantil .x = Perzentil x die Intervalle der Perzentile überlappen sich nicht

122
Q

Was sind Quantile?

A

Werte, die Datensets in gleiche Teile aufteilen

123
Q

Wie viele Wahrscheinlichkeitsverteilungen gibt es?

A

unendlich viele

124
Q

Beschreiben Sie die Varianz!

A

Sie kennzeichnet am besten die Variabilität der Messwerte von symmetrisch verteilten Merkmalen Merkmal = erhobene Größe/Variable

125
Q

Warum wird in der Varianzformel quadriert?

A

um große Abweichungen stärker zu betonen

126
Q

Was ist der Nachteil der Varianz?

A

die Interpretation, wegen der quadrierten Einheiten

127
Q

Beschreiben Sie die Standardabweichung!

A

= die Quadratwurzel der Varianz

  • kann als repräsentative Abweichung vom Zentrum interpretiert werden
  • hat die gleiche Einheit wie die Messwerte
128
Q

Wozu dienen z-Werte?

A

um Werte zu standardisieren (nicht jede Verteilung hat µ = 0 und ? = 1, aber man kann sie in eine solche überführen! Statt des eigentlichen Werts nimmt man dann den z-Wert und kann in der Tabelle eine Wahrscheinlichkeit ermitteln. s. Andy Field, S. 31f.)

129
Q

Nennen Sie Eigenschaften von z-Werten!

A
  • sie standardisieren Werte (weil sie auch die Streuung berücksichtigen) - sie stellen einen Wert als Vielfaches der Standardabweichung dar - sie haben einen Mittelwert von 0 - sie haben eine Standardabweichung von 1 - bei Standardnormalverteilung N (µ,
130
Q

Was bedeutet ein z-Wert von 0?

A

z ist im Zentrum der Verteilung, z teilt die Fläche unter der Kurve in exakt zwei Hälften; beide Bereiche haben eine Fläche von .5 = 50% (s. Field, S. 32)

131
Q

Welcher z-Wert schneidet die oberen 2,5% einer Verteilung ab?

A

z = 1,96 (s. Field, S. 32)

132
Q

Welcher z-Wert schneidet die unteren 2,5% einer Verteilung ab?

A

z = -1,96 (Minus, da links von der Mitte) (s. Field, S. 32)

133
Q

Wie viel % der z-Werte liegen zwischen -2,58 und 2,58?

A

99%

134
Q

Wie viel % der z-Werte liegen zwischen -3,29 und 3,29?

A

99,90%

135
Q

Wie findet man den z-Wert, unterhalb dessen sich x% der Verteilung befinden?

A

Man rechnet 100-x% = y% und sieht y bei “% in Tail” nach (s. Folie S. 23)

136
Q

Mit z-Tabelle: Ein Intelligenztest bei der Person X ergab einen IQ = 93. Der Populationsmittelwert sowie die Streuung dieses Tests sind bekannt mit µ = 100 und σ = 10. Wie viel % der Bevölkerung erreichen wahrscheinlich einen höheren IQ bei diesem Test?

A 
z = (Xi - µ)/s
z = (93-100)/10
z = -0,7

z-Wert 0.70 = 24,20
aber der z-Wert ist negativ, daher:
100-24,20 = 75,80%

>> 75,80% der Bevölkerung erreichen wahrscheinlich einen höheren IQ.

137
Q

Unter welchen Voraussetzungen ist die Schätzung der Populationsvarianz hinreichend genau?

A
  • Stichprobengröße n > 30 - Stichprobenvarianz unterschätzt Populationsvarianz, daher Korrektur
138
Q

Was besagt der zentrale Grenzwertsatz / das zentrale Grenzwerttheorem?

A

Wenn n > 30, dann geht die Verteilung von Mittelwerten gleich großer Stichproben aus derselben Population in eine Normalverteilung über

139
Q

Was ist der Standardfehler?

A

Standardfehler = standard error = SE: ist die Standardabweichung einer Stichprobenverteilung (z.B. des Mittelwerts) (s. Field, S. 54)

140
Q

Wann verwendet man griechische, wann lateinische Buchstaben für Kennwerte?

A
  • griechische mit Bezug auf die Population
  • lateinische mit Bezug auf die Stichprobe
141
Q

Wie kennzeichnet man geschätzte Kennwerte?

A

mit einem Zirkonflex über dem Buchstaben

142
Q

Was ist “µ quer Dach”?

A

der geschätzte Mittelwert der Population

143
Q

Was ist s²?

A

die Varianz der Stichprobe

144
Q

Was ist ein Erwartungswert?

A
  • jener Wert einer Zufallsvariable, der sich (meist) bei oftmaliger Wiederholung des Experiments als Mittelwert der Ergebnisse ergibt. - bestimmt die Lokalisation/Lage einer Verteilung - muss kein mögliches Ergebnis des zugrunde liegenden Zufallsexperime
145
Q

Mit welchem Wert in der deskriptiven Statistik lässt sich der Erwartungswert vergleichen?

A

Mit dem empirischen arithmetischen Mittel einer Häufigkeitsverteilung

146
Q

Was macht das Gesetz der großen Zahlen?

A

sichert oftmals, dass der Stichprobenmittelwert bei wachsender Stichprobengröße gegen den Erwartungswert konvergiert (je größer N, desto genauer “x quer”)

147
Q

Definieren Sie den Erwartungswert einer Stichprobenvarianz!

A

E(S²) = Populationsvarianz (?²) minus Varianz der Mittelwerte

148
Q

Worin unterscheidet sich die Formel zur Erwartungstreue der Stichprobenvarianz von der Populationsvarianz?

A

durch den Faktor (n-1)/n d.h.: E(S²) = ?² * (n-1)/n

149
Q

Was bezeichnen Hn und hn? Wie hängen sie zusammen?

A

Hn = absolute Häufigkeiten hn = relative Häufigkeiten hn(S) = Hn(S)/n

150
Q

Was besagt die “grundlegendste Formel der Statistik”?

A

Ergebnis i = Modell + Fehler i - Modelle bilden die Wirklichkeit ab, sind aber nicht perfekt - der Fehler des Mittelwerts lässt sich gut mit der Standardabweichung beschreiben - Vergleicht man Modell und Wirklichkeit, ist der Standardfehler ein guter Kennwert. Er zeigt, wie gut eine Stichprobe eine Population repräsentiert.

151
Q

Wie viel % der Werte liegen in einer Normalverteilung zwischen µ+σ und µ-σ?

A

68,27%

152
Q

Wie viel % der Werte liegen in einer Normalverteilung zwischen µ+2σ und µ-2σ?

A

95,45%

153
Q

Was ist der Konfidenzkoeffizient?

A

~ die Wahrscheinlichkeit bzgl. eines Konfidenzintervalls - beschreibt die Wahrscheinlichkeit, mit der ein Populationsparameter im Konfidenzintervall liegt

154
Q

Was sind die Voraussetzungen, um die Formel für das Konfidenzintervall anzuwenden?

A

n > 30 Stichprobe ist repräsentativ

155
Q

Was besagt ein Konfidenzintervall von 95%?

A

dass in 95% aller Stichproben der wahre Mittelwert in diesem Intervall liegt die Irrtumswahrscheinlichkeit beträgt 5%

156
Q

Was ist ein Konfidenzintervall?

A

Ein Bereich, in dem sich Populationsparameter befinden, die mit einer bestimmten Wahrscheinlichkeit als Erzeuger eines empirisch bestimmten Stichprobenkennwerts in Frage kommen.

157
Q

Was ist das Konfidenzniveau?

A

Konfidenzniveau = Signifikanzniveau = Alpha = 1 - Konfidenzkoeffizient (die Restwahrscheinlichkeit außerhalb des KI)

158
Q

Was ist der kritische Wert “x crit”?

A

die Stelle, wo die Grenzen des Konfidenzintervalls über- oder unterschritten werden

159
Q

Wovon ist die Breite des Konfidenzintervalls wie abhängig?

A

vom Stichprobenumfang und der Wahl des Alpha

  • je größer die Stichprobe, desto kleiner das KI (daher sollte man den Stichprobenumfang vor der Untersuchung ermitteln)
    (Erklärung: in der Formel für das KI sind Mittelwert und Standardabweichung vorhanden, beide haben N im Nenner, ein größerer Nenner macht das Ergebnis kleiner)
  • je größer 1-α (= der Konfidenzkoeffizient), desto größer das KI
160
Q

Was muss man bei Konfidenzintervallen mit n < 30 beachten?

A

nicht z-Werte, sondern t-Werte verwenden

161
Q

Beschreiben Sie die studentische t-Verteilung (statistisch)!

A

die standardisierte Schätzfunktion des Stichprobenmittelwerts (normalverteilter Daten) ist nicht mehr normalverteilt, sondern t-verteilt, wenn

(a) die zur Standardisierung des Mittelwerts benötigte Varianz des Merkmals unbekannt ist und
(b) mit der Stichprobenvarianz geschätzt werden muss
(also: wenn wir σ² nicht kennen und s² verwenden müssen, wird die Vergleichsverteilung zur t-Verteilung)

Sie zeigt für kleine n eine größere Breite und Flankenbetonung als die Normalverteilung.

162
Q

Beschreiben Sie die studentische t-Verteilung (historisch)!

A

= Student-t-Verteilung = Student’s distribution - 1908 von William Sealy Gosset entwickelt, er arbeitete in der Guinness-Brauerei, die gestalteten Veröffentlichung nicht, daher unter Pseudonym “Student” - R. A. Fisher belegte die zugehörige Theorie und d

163
Q

Vergleichen Sie t-Verteilung und Normalverteilung!

A

Die t-Verteilung zeigt für kleine n eine größere Breite und Flankenbetonung als die Normalverteilung. Bei großem n geht sie in die Normalverteilung über.

164
Q

Was sind t-Tests?

A

Hypothesentests mit der t-Verteilung

165
Q

Was kann man mit der t-Verteilung berechnen?

A

die Verteilung der Differenz vom Stichprobenmittelwert zum wahren Populationsmittelwert

166
Q

Wie berechnet man die Freiheitsgrade?

A

v = n-1

167
Q

Was bedeutet es, dass H₀ und HA disjunkt sein müssen?

A

Sie dürfen sich nicht überschneiden.

168
Q

Was ist das Ziel eines statistischen Tests?

A

die Ablehnung/Verwerfung der Nullhypothese

169
Q

Wann kann ein statistischer Test zur Annahme der Nullhypothese führen?

A

Nie. Nur die Annahme der Alternativhypothese ist möglich.
Auch wenn man H₀ nicht verwerfen kann, muss sie nicht gültig sein.

170
Q

Nennen Sie drei Varianten von Hypothesen!

A
  • ungerichtet: unterstellt nur einen Unterschied
  • gerichtet: unterstellt Unterschied in bestimmte Richtung
  • spezifisch: unterstellt bestimmte Größe des erwarteten Unterschieds
171
Q

Nennen Sie die fünf Schritte der Hypothesentestung!

A

1) Null- und Alternativhypothese formulieren 2) Stichprobenkennwertverteilung spezifizieren (gegen die prüft man) 3) Signifikanzniveau und kritischen Wert spezifizieren (unter welchem Wert soll die Fehlerwahrscheinlichkeit liegen) 4) Testgröße berechnen 5) passende Hypothese auswählen

172
Q

Wann kann man einseitig, wann muss man zweiseitig testen?

A

einseitig: bei gerichteten Hypothesen möglich zweiseitig: bei ungerichteten Hypothesen nötig

173
Q

Was ist ein Fehler 1. Art?

A

= Alpha-Fehler
= Ablehnen der an sich richtigen Nullhypothese
= Signifikanzniveau

die Wahrscheinlichkeit dafür ist α, sie wird vom Analytiker vorgegeben

174
Q

Was gibt das Signifikanzniveau an?

A

Die Irrtumswahrscheinlichkeit des Tests bei einem α-Fehler

175
Q

Was ist ein Fehler 2. Art?

A

= Beta-Fehler
= Ablehnen der an sich richtigen Arbeitshypothese

die Wahrscheinlichkeit dafür ist β
dieser Fehler ist meist nicht bekannt
1-β = Power des Tests

176
Q

Was bezeichnet man als Power des Tests?

A

1-β (Beta ist die Wahrscheinlichkeit, die an sich richtige Arbeitshypothese abzulehnen)

177
Q

Wie hängen Alpha und Beta zusammen?

A
  • β wird größer, wenn α kleiner wird
  • man kann nicht beide gleichzeitig verringern
178
Q

Wie hängt Beta mit der Standardabweichung in der Grundgesamtheit zusammen?

A
  • β wird größer, wenn σ größer wird
  • die Unsicherheit in der Stichprobe wird größer
179
Q

Wie hängt Beta mit der Stichprobengröße zusammen?

A

β wird größer, wenn n kleiner wird

180
Q

Wie hängt Beta mit dem Mittelwert der Grundgesamtheit zusammen?

A
  • β hängt vom Wert des wahren Parameters µ ab
  • je dichter µ bei dem unter der H₀ angenommenen Wert liegt, desto größer ist die Wahrscheinlichkeit für einen β-Fehler
  • Wenn der wahre Wert von µ bei der Annahme der Alternativhypothese nicht bekannt ist, kann β nicht berechnet werden (α schon)
181
Q

Was versteht man unter der praktischen Bedeutsamkeit von Signifikanz?

A
  • ein signifikantes Ergebnis sagt nur, dass es einen deutlichen Effekt gibt, aber nicht, wie groß dieser ist >> daher oft wenig praktische Bedeutung - ein Ergebnis, dessen praktische Bedeutsamkeit durch beachtlichen Mittelwertsunterschied offenkundig ist,
182
Q

Wie legt man Alpha fest?

A
  • vor der Analyse - meist 5% oder 1%
183
Q

Was bedeutet α = 1%, wenn die H₀ richtig ist?

A
  • wird diese Grenze unterschritten, ist dieses Ergebnis recht unwahrscheinlich
  • will man ganz sicher gehen, sollte man α weiter verringern (0,1%)
  • damit steigt aber die Wahrscheinlichkeit für einen β-Fehler
  • bei sehr wichtigen/teuren/aufwändigen Experimenten hat eine fälschlicherweise abgelehnte HA bedeutende Konsequenzen
184
Q

Definieren Sie “Effektgröße”!

A

Ein standardisierter Unterschied, der zwischen zwei Populationen mindestens bestehen muss, um von einem praktisch bedeutsamen Effekt zu sprechen.

185
Q

Was ist zur Bestimmung der Effektgröße erforderlich?

A
  • intensive inhaltliche Auseinandersetzung mit der Untersuchung
  • sie muss vor der Durchführung der Prüfung bestimmt werden
186
Q

Welcher Vorteil ergibt sich, wenn die Effektgröße festgelegt ist?

A

Der Stichprobenumfang wird kalkulierbar

187
Q

Nennen Sie einige Effektgrößen!

A
  • Cohen’s d
  • Pearson’s r / Pearson-Korrelation r
  • Glass’s ∆
  • Hedges g
188
Q

Was ist Cohen’s d?

A
  • eine Effektgröße für Mittelwertsunterschiede zwischen zwei Gruppen mit gleichen Gruppengrößen n sowie gleichen Gruppenvarianzen σ²
  • dient der Beurteilung der praktischen Relevanz eines signifikanten Mittelwertsunterschieds
189
Q

Wozu dient bei Cohen’s d der Korrekturfaktor?

A

Der Korrekturfaktor (√2) dient als Schätzer für gleiche Gruppengrößen und unterschiedliche Varianzen.

190
Q

Wie lassen sich die Effektgrößen zu Cohens d einteilen?

A

0,20: klein 0,50: mittel 0,80: groß

191
Q

Was ist Pearson’s r?

A

das meistgenutzte und älteste Effektstärkenmaß

192
Q

Wie lassen sich die Effektgrößen zu Pearson’s r einteilen?

A

0,1: klein 0,3: mittel 0,5: groß

193
Q

Was sind und wozu dienen Metaanalysen?

A
  • ermöglichen die Zusammenfassung von versch. Untersuchungen zu einem wissenschaftlichen Forschungsgebiet
  • man fasst die empirischen Einzelergebnisse inhaltlich homogener Primärstudien zusammen
  • Ziel: Effektgrößeneinschätzung - liegt ein Effekt vor und wie groß ist er?
194
Q

Wann werden Metaanalysen v.a. eingesetzt?

A

wenn die Stichproben der Primärstudien zu klein für verlässliche Ergebnisse sind (durch das Zusammenfassen wird das Ergebnis genauer und sicherer)

195
Q

Was kann Metaanalysen erschweren oder unmöglich machen?

A

Oft benutzen Primärstudien nicht dieselben Methoden, Definitionen oder dieselbe Population - dann ist fraglich, ob/wie man diese Einflüsse vom Gegenstand der Untersuchung trennen kann

196
Q

Beschreiben Sie das methodische Vorgehen bei einer Metaanalyse!

A
  • sie umfasst sämtliche Elemente des Forschungsprozesses wie in der Primärforschung
  • zuerst Auswahl eines Forschungsproblems und genauere Eingrenzung
  • Datenerhebung bei publikationsbasierten Metaanalysen = systematische und umfassende Literaturrecherche
  • dann werden die gesammelten Infos kodiert und elektronisch aufbereitet
  • die eigentliche/statistische Datenanalyse umfasst 2 Schritte: Befundintegration und Heterogenitätsanalyse
  • dann Ergebnisse aufbereiten und mit Bezug auf das Forschungsproblem interpretieren
197
Q

Unter welcher Voraussetzung macht es Sinn, verschiedene Untersuchungen zu einem Forschungsgebiet zusammenzufassen?

A

Wenn die Effektgrößen der einzelnen Untersuchungen Schätzungen einer gemeinsamen Populationseffektgröße sind.

198
Q

Nennen Sie vier Probleme bei Metaanalysen!

A
  • Garbage in Garbage out
  • Äpfel-Birnen-Problem
  • Schubladenproblem
  • Problem der abhängigen Messungen
199
Q

Was bedeutet “Garbage in Garbage out”?

A

Die Ergebnisse einer Metaanalyse sind wenig valide, wenn jede beliebige Untersuchung - unabhängig von ihrer methodischen Qualität - in die Metaanalyse eingeht.

200
Q

Was ist das Äpfel-Birnen-Problem bei Metaanalysen?

A

wenn Untersuchungen mit versch. Operationalisierungsvarianten zusammengefasst werden

201
Q

Was ist das Schubladenproblem bei Metaanalysen?

A
  • Häufig werden nur Ergebnisse publiziert, die angenommene Hypothesen bestätigen oder signifikante Ergebnisse aufweisen - nicht signifikante Ergebnisse werden oft nicht veröffentlicht (Publikationsbias) - dadurch werden die metaanalytischen Ergebnisse ver
202
Q

Was ist das Problem der abhängigen Messungen bei Metaanalysen?

A
  • wenn versch. abhängige Teilergebnisse an der gleichen Stichprobe erhoben wurden - je Untersuchung darf immer nur EIN Ergebnis in die Metaanalyse eingehen, sonst bekommen Untersuchungen mit mehreren Ergebnissen zu großes Gewicht
203
Q

Was ist die Teststärke?

A

= statistical power = die Wahrscheinlichkeit, mit der eine Untersuchung signifikante Ergebnisse liefert gibt an, mit welcher Wahrscheinlichkeit ein Signifikanztest zugunsten einer spezifischen Alternativhypothese entscheidet

204
Q

Wie bestimmt/berechnet man die Teststärke?

A

Power = 1-β

(denn: β+Power = 100%)

man muss dazu aber bestimmte Parameter kennen, dafür gibt es Software oder Tabellen

205
Q

Von welchen Faktoren hängt die Teststärke ab?

A

dir. prop.:
1) Effektgröße: kleiner werdende Differenzen µ₁−µ₀ >> geringere Teststärke
2) Stichprobengröße: je größer, desto stärker

indir. prop.:
3) Merkmalsstreuung: Teststärke sinkt mit wachsender Merkmalsstreuung (Anm.: σ?)
4) Signifikanzniveau: niedrige Signifikanzniveaus erhöhen die Teststärke

5) ein- bzw. zweiseitige Tests: Teststärke ist einseitig höher als zweiseitig
6) Art des Testverfahrens

206
Q

Wenn Alpha, Beta und die Effektgröße inhaltlich festgelegt sind, was kann man dann noch frei bestimmen?

A

den Stichprobenumfang n

207
Q

Wann ist ein Stichprobenumfang optimal?

A

wenn er bei gegebenen α, β und d eine eindeutige Entscheidung über die Gültigkeit von H₀ oder H₁ sicherstellt

208
Q

Was ist ein Indifferenzbereich?

A

ein Bereich zwischen zwei kritischen Werten, in dem weder die H₀ noch die H₁ abgelehnt werden kann
- wenn N zu klein
>> Untersuchung mit größerer Stichprobe replizieren

oder ein Bereich zwischen zwei kritischen Werten, in dem sowohl die H₀ als auch die H₁ zu verwerfen sind
- wenn N zu groß

209
Q

Wie berechnet man ein Zusammenhangsmaß (s²)?

A

indem man für den zweiten Term statt x eine andere Variable einsetzt (vgl. Formel zur Kovarianz)

210
Q

Besteht zwischen zwei Variablen ein Zusammenhang, was gilt dann hinsichtlich ihrer Abweichungen?

A

Wenn eine Variable vom Mittelwert abweicht, dann auch die andere - in die gleiche ODER in die entgegengesetzte Richtung!

211
Q

Wie lässt sich Kovarianz graphisch darstellen?

A

in einem Streudiagramm = scatter plot die Variablenwerte werden separat auf der x- und y-Achse aufgetragen und für alle Untersuchungseinheiten werden die sich ergebenden Kreuzungspunkte (xi,yi) im Graphen aufgetragen

212
Q

Was bedeutet “positive Kovarianz”?

A

beide Variablen weichen in derselben Richtung vom Mittelwert ab

213
Q

Was bedeutet “negative Kovarianz”?

A

die Variablen weichen in entgegengesetzte Richtung vom Mittelwert ab

214
Q

Was ist der Unterschied zwischen Varianz und Kovarianz?

A

Die Varianz zeigt die Abweichungen einzelner Werte vom Mittelwert, während die Kovarianz die Abweichungen einzelner Werte von zwei Variablen zum jeweiligen Mittelwert darstellt.

215
Q

Welches Problem kann es mit der Kovarianz geben?

A
  • sie ist abhängig vom Maßstab der zugrundeliegenden Variablen - sie ist daher ein ungeeignetes Maß, wenn man von einem “wahren” Zusammenhang zwischen Merkmalen, unabhängig von deren Quantifizierung ausgeht - Lösung: z-Transformation
216
Q

Was bezeichnet man als Korrelation?

A

die Kovarianz z-transformierter Variablen

217
Q

Nennen Sie weitere Namen für den Korrelationskoeffizienten r!

A

r = Pearson’s r = Korrelationskoeffizient = Produkt-Moment-Korrelation

218
Q

Was beschreibt der Korrelationskoeffizient r?

A

die Enge des linearen Zusammenhangs zweier Merkmale

219
Q

Welche Werte kann der Korrelationskoeffizient annehmen?

A

Intervall von r: [-1,+1]

r=+1 … perfekt positiver (linearer) Zusammenhang

r=-1 … perfekt negativer (linearer) Zusammenhang

r=0 … kein (linearer) Zusammenhang

220
Q

Warum werden Korrelationskoeffizienten mit Fishers Transformation in z-Werte umgerechnet?

A
  • um mehrere r zu mitteln - zur inferenzstatistischen Absicherung von Stichprobenkorrelationen (da z-Werte annähernd normalverteilt sind) - um Konfidenzintervalle für r berechnen zu können Dadurch werden höhere Korrelationen bei der Mittelwertberechnung
221
Q

Kann der Korrelationskoeffizient direkt interpretiert werden?

A

Ja

222
Q

Kann man statistisch absichern, ob eine Korrelationskoeffizient signifikant von 0 abweicht?

A

Ja

223
Q

Was prüft ein 1-Stichprobentest mit H₀: Rho = Rho₀?

A

ob eine Korrelation r zu einer Grundgesamtheit gehört, deren wahre Korrelation Rho₀ beträgt

224
Q

Ab welcher Stichprobengröße führt die Transformation nach Fisher zu einer Normalverteilung?

A

N≥25

225
Q

Was prüft ein 1-Stichprobentest mit H₀: Rho = 0?

A

ob eine empirisch ermittelte Korrelation r aus einer Grundgesamtheit mit Rho=0 stammt

226
Q

Was prüft ein Test mit H₀: Rho₀ = Rho₁?

A

ob sich zwei Korrelationen aus zwei voneinander unabhängigen Stichproben signifikant unterscheiden bzw. ob sie aus derselben Grundgesamtheit stammen

227
Q

Was prüft ein Test mit H₀: Rho₀ = Rho₁ = … = Rho k?

A

ob sich Korrelationen aus mehreren voneinander unabhängigen Stichproben signifikant unterscheiden bzw. ob sie aus derselben Grundgesamtheit stammen

228
Q

Was ist die Prüfgröße V?

A

eine Chi-Quadrat-verteilte Prüfgröße mit df=k-1 wenn V größer als der kritische Wert ist, verwerfen wir die Nullhypothese

229
Q

Was prüft ein Test mit H₀: Rho ab = Rho ac?

A

ob sich zwei Korrelationen aus zwei voneinander abhängigen Stichproben signifikant unterscheiden

230
Q

Nennen Sie Eigenschaften von r!

A
  • Verhältnisse zwischen Korrelationskoeffizienten sind nicht interpretierbar (Anm.: da nicht intervallskaliert, das sind erst die z-Werte) - Zuwachs im oberen Korrelationsbereich ist bedeutsamer als im unteren - das arithmetische Mittel von (mehreren) r
231
Q

Wie kann man von Korrelationen auf Kausalität schließen?

A

Gar nicht. Höchstens “mit Mitteln der Logik” (steht auf Folie; gemeint ist, durch rationales Überlegen) Mögliche Interpretationen: - x beeinflusst y kausal - y beeinflusst x kausal - x und y beeinflussen sich gegenseitig kausal - x und y werden von einer weiteren Variable kausal beeinflusst r sagt nicht, was davon stimmt

232
Q

Was ist die Voraussetzung für Pearson’s r?

A

Intervallskalenniveau der Daten

Soll jedoch vom Stichprobenergebnis auf die Grundgesamtheit geschlossen werden (Signifikanztest), …

  • muss die Stichprobenkennwertverteilung normalverteilt sein
  • müssen die Variablen einer bivariaten Normalverteilung folgen
  • sollten beide Variablen normalverteilt sein (Ausnahme: wenn eine davon dichotom ist)
233
Q

Kann man mit SPSS Konfidenzintervalle für r berechnen?

A

Nein (nur über Syntax) >> dafür müssen die Korrelationskoeffizienten Fisher-z-transformiert und in z-Werte umgerechnet werden; von der z-Einheit muss dann mit der Formel für r in Korrelationswerte umgerechnet werden

234
Q

Wie berechnet man Stichprobenumfänge für Unterschiede zwischen Korrelationen?

A
  • mit Fisher-z-transformierten Werten - bei Korrelationen ist eine Standardisierung nicht sinnvoll, daher verwendet man als Effektgröße qc
235
Q

Wie ist die Effektgröße qc nach Cohen eingeteilt?

A

0.10 … kleiner Effekt 0.30 … mittlerer Effekt 0.50 … großer Effekt (Anm.: wie bei Pearson’s r)

236
Q

Was ist für die Verallgemeinerung einer Korrelation auf eine Grundgesamtheit zu fordern?

A
  • dass die Stichprobe zufällig gezogen wurde
  • dass keine irgendwie geartete systematische Selektion getroffen wurde
237
Q

Was ist eine punktbiseriale Korrelation (r pb)?

A

= Korrelation eines intervallskalierten Merkmals mit einem diskreten, dichotomen Merkmal

238
Q

Nennen Sie Beispiele für diskrete dichotome Merkmale!

A
  • Geschlecht: m/w (wobei…)
  • schwanger: ja/nein
  • Vitalzustand: am Leben/verstorben
239
Q

Unter welchen Voraussetzungen kann eine punktbiseriale Korrelation mit SPSS berechnet werden?

A

wenn die dichotome Variable kodiert ist - z.B. 0 = “verstorben” und 1 = “am Leben” - die Kodierung kann auch mit anderen Zahlen erfolgen, intern weist SPSS jedoch 0 und 1 zu - die Reihenfolge der Kodierung ist egal, es ändert sich nur das Vorzeichen des Korrelationskoeffizienten

240
Q

Was ist eine biseriale Korrelation?

A

= Korrelation eines intervallskalierten mit einem kontinuierlich dichotomen Merkmal (künstlich dichotomisiert, z.B. durch Mediansplit)

241
Q

Nennen Sie Beispiele für kontinuierlich dichotome Merkmale!

A
  • Raucher: ja/nein - Alter: jung/alt - Klausur bestanden: ja/nein bei kontinuierlich dichotomen Merkmalen gibt es (im Unterschied zu diskreten) innerhalb der Gruppen ein Kontinuum, z.B. “Gelegenheitsraucher” zwischen “ja” und “nein”
242
Q

Wie kann man eine biseriale Korrelation berechnen?

A

nicht direkt mit SPSS man muss: - r pb bestimmen (mit SPSS) - p (%-Anteil in der größeren Gruppe der dichotomisierten Variablen) mit SPSS berechnen - q (%-Anteil in der kleineren Gruppe der dichotomisierten Variablen) mit SPSS berechnen - y (Ordinate in der z-Tabelle) auslesen

243
Q

Vergleichen Sie biseriale und punktbiseriale Korrelation!

A
  • biseriale Korrelation setzt Normalverteilung in beiden Merkmalen voraus; die zu dichotomisierende Variable muss vor der Teilung normalverteilt sein; die intervallskalierte Variable auch
  • im Zweifelsfall sollte man die punktbiseriale Korrelation verwenden
  • der Zusammenhang zweier normalverteilter Merkmale wird durch r pb unterschätzt!
244
Q

Welche weiteren Korrelationstechniken kennen Sie?

A
  • Spearman’s Rho: Intervall mit Ordinal; nichtparametrisches Verfahren (wenn parametrische Voraussetzungen verletzt wurden)
  • Kendall’s Tau: bei kleinen Stichproben oder vielen Rangbindungen besser als Spearman’s Rho
  • Phi-Koeffizient: dichotom mit dichotom (diskret)
  • Tetrachorische Korrelation: dichotom mit dichotom (kontinuierlich/künstlich)
  • biseriale Rangkorrelation r bisR: dichotom mit Ordinal
  • Kontingenzkoeffizient C: Nominal mit Nominal
  • Cramer Index CI: Nominal mit Nominal, für einen Vergleich mit anderen Korrelationsmaßen (Anm.: auch Cramér’s V oder Cramér’s Phi)
245
Q

Was setzen parametrische Verfahren voraus?

A

Normalverteilung und Varianzhomogenität

246
Q

Wie prüft man Normalverteilung?

A

Mit - Graphiken - Skew - Kurtosis - statistischen Tests auf Normalverteilung

247
Q

Wie prüft man Varianzhomogenität?

A

mit Levene’s Test, Goldfeld-Quandt-Test, White-Test u.a.

248
Q

Was kann man tun, wenn Voraussetzungen für parametrische Verfahren verletzt sind?

A
  • transformieren: Log (bei Korrelationen), Quadratwurzel, reziproke Transformationen - robuste Tests verwenden
249
Q

Nennen Sie zwei Beispiele für robuste Tests!

A
  • Median: statt des arithmetischen Mittels, um den Erwartungwert einer symmetrischen Verteilung zu schätzen - RANSAC = random sample consensus (“Übereinstimmung mit zufälliger Stichprobe”)
250
Q

Wann ist ein Schätz- oder Testverfahren robust?

A

wenn es nicht sensibel auf Aufreißer reagiert

251
Q

Was folgt aus dem zentralen Grenzwerttheorem für die Stichprobenkennwertverteilung?

A

Wenn die Stichprobendaten annähernd normalverteilt sind, ist die Stichprobenkennwertverteilung ebenso normalverteilt.

252
Q

Was ist ein Q-Q-Plot?

A

= Quantil-Quantil-Plot = ein Diagramm, das die Quantile einer Variable mit den Quantilen einer bestimmten Verteilung vergleicht - die erwarteten Quantile bilden eine Diagonale, die beobachteten Quantile sind als einzelne Punkte dargestellt - wenn Werte a

253
Q

Auf welcher Annahme basiert der Q-Q-Plot?

A

Theoretisches Quantil ≈ Empirisches Quantil

254
Q

Warum wird in der Formel für die Quantilsbestimmung 0,5 subtrahiert?

A

weil das 100%-Quantil für die Normalverteilung nicht definiert (bzw. α) ist

255
Q

Was macht man mit dem Ergebnis der Formel für die Quantilsbestimmung?

A

aus den standardisierten Daten können anhand der inversen Normalverteilung (Phi hoch -1) die theoretischen Quantile für die erhaltenen z-Werte bestimmt werden

256
Q

Was sind die Schritte zur Erstellung eines Q-Q-Plots?

A

1) Stichprobendaten nach aufsteigender Größe sortieren 2) z-Transformation der Rohdaten 3) Quantilszahlen bestimmen ( p i = (i-0,5)/n ) 4) Quantile aus der theoretischen standardnormalen Verteilung 5) Plot zeichnen 6) Güte der Passung bestimmen

257
Q

Wie bestimmt man die Güte der Passung beim Q-Q-Plot?

A
  • man berechnet die Gesamtvarianz der Daten (Formel) - für jeden standardisierten Rohdatenwert kann ein eigener Erwartungswert bestimmt werden, nämlich das zugehörige Quantil aus der theoretischen Verteilungsfunktion (Formel) = das ist die Fehlervarianz/u
258
Q

Was ist der Wert der Gesamtvarianz s² bei standardisierten Daten?

A

immer 1

259
Q

Was ist das p-Quantil?

A

ein Merkmalswert, der die Verteilung einer Variablen in zwei Abschnitte unterteilt es werden die Quantile der einen empirischen Verteilung auf die Abszisse und die Quantile der anderen empirischen oder theoretischen Verteilung auf der Ordinate abgetragen

260
Q

Was ist ein P-P-Plot?

A

= Probability-Probability-Plot = ein grafisches Werkzeug, in dem die Verteilungsfunktionen zweier statistischer Variablen gegeneinander abgetragen werden, um ihre Verteilungen zu vergleichen empirische Verteilungsfunktion einer Stichprobe auf der Absziss

261
Q

Wann setzt man P-P-, wann Q-Q-Plots ein?

A
  • P-P-Plots sind besser, um zwei Stichprobenverteilungen zu vergleichen Q-Q-Plots sind besser für den Vergleich mit einer theoretischen Verteilung, daher meist für Testung auf Normalverteilung verwendet
262
Q

Was können der Kolmogorov-Smirnov-Test und der Shapiro-Wilk-Test?

A

= statistische Tests auf Übereinstimmung zweier Wahrscheinlichkeitsverteilungen - anhand von Zufallsstichproben kann man damit prüfen, ob zwei Zufallsvariablen die gleiche Verteilung besitzen oder eine Zufallsvariable einer zuvor angenommenen Wahrscheinl

263
Q

Was sind Null- und Alternativhypothese beim Kolomogorov-Smirnov-Test und dem Shapiro-Wilk-Test?

A

H₀: Dist₁ = Dist₂ (die Verteilung der beiden Zufallsvariablen ist gleich)

H₁: Dist₁ ≠ Dist₂ (die Verteilung der beiden Zufallsvariablen ist nicht gleich)

264
Q

Was bedeutet ein signifikantes Ergebnis beim Kolmogorov-Smirnov-Test bzw. Shapiro-Wilk-Test?

A

die Stichprobenverteilung weicht signifikant von einer Normalverteilung ab

265
Q

Die erfolgreiche Prüfung empirischer Daten auf Normalverteilung ist kein Indikator für …?

A

… die Validität des theoretischen Rationals

266
Q

Was ist Varianzhomogenität?

A

= Homoskedastizität = wenn die Varianz der Residuen (= Abweichung des empirischen Werts vom vorhergesagten) für alle Ausprägungen der anderen Variablen nicht signifikant unterschiedlich ist

267
Q

Was ist Varianzheterogenität?

A

= Heteroskedastizität
= unterschiedliche Streuung innerhalb einer Datenmessung

Einführung in die Methodenlehre Psychologie Salzburg 2017-18 (1 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions