VL 3 - (Semi)Partialkorrelation, Einführung MR Flashcards

1
Q

Warum sollten wir mehr als 2 Variablen betrachten? (3)

A
  • Aufdeckung redundanter Zusammenhänge
  • Aufdeckung von “Scheinkorrelationen” (fälschlicherweise kausal interpretiert; Storchenproblem)
  • Aufdeckung von maskierten Zusammenhängen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Definition: Partialkorrelation

A

Zusammenhang zwischen zwei Variablen, nachdem der Einfluss einer dritten Variablen kontrolliert wurde

=> bivariate Korrelation zwischen zwei Residualvariablen

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

Aus was kann man die Partialkorrelation berechnen?

A

3 bivariaten Korrelationen

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

Definition: Semipartialkorrelation

A

Zusammenhang zwischen zwei Variablen, nachdem der Einfluss einer dritten Variablen aus einer der beiden Prädiktoren eliminiert wurde

=> Korrelation zwischen einem Prädiktor und einem Regressionsresiduum

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

Was ist die Annahme hinter einer Partialkorrelation?

A

dass die Drittvariable beide Variablen kausal beeinflusst

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

Was ist die Annahme hinter einer Semipartialkorrelation?

A

dass die Drittvariable nur eine der beiden
Variablen kausal beeinflusst

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

Wie lässt sich eine Kausalbeziehung primär nachweisen?

A

NICHT primär mithilfe statistischer Methoden, sondern in erster Linie durch versuchsplanerische Maßnahmen

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

Was sind 3 Bedingungen d. Kausalität?

A
  • Zusammenhang zweier Variablen
  • zeitliche Ordnung
  • Kontrolle von Störvariablen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Wozu dienen Partial- und Semipartialkorrelationen?

A

um den Einfluss von Drittvariablen zu kontrollieren, u. a. um hierdurch Scheinkorrelationen aufzudecken

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

Wieviele Prädiktoren gibt es mind. in der multiplen Regression (MR)?

A

mind. 2

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

Was sind Ziele der multiplen Regressionsanalyse? (5)

A
  1. möglichst viel Varianz im Kriterium erklären
  2. Berücksichtigung von Redundanzen
  3. Kontrolle von „Störvariablen“ (z.B. Scheinzusammenhänge)
  4. Prognose und Erklärung (z.B. von Berufserfolg)
  5. Analyse komplexer Zusammenhänge (Kurvilineare Zusammenhänge, Interaktionen)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Sind die Prädiktoren in der MR additiv?

A

ja

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Nach welchem Kriterium werden die Koeffizienten der multiplen Regressionsgleichung bestimmt?

A

Kriterium der kleinsten Quadrate

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Wie werden standardisierte Regressionsgewichte auch manchmal genannt?

A

Beta-Gewichte oder Beta-Koeffizienten

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

Was geben unstandardisierte Regressionsgewichte an?

A

um wieviele Einheiten sich die vorhergesagten Kriteriumswerte verändern, wenn sich der Prädiktor um eine Einheit verändert und alle anderen Prädiktoren konstant bleiben

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

Was geben standardisierte Regressionsgewichte an?

A

um wieviele Standardabweichungseinheiten sich die vorhergesagten Kriteriumswerte verändern, wenn sich der Prädiktor um eine Standardabweichungseinheit verändert

17
Q

Was ist die Bedeutung des Achsenabschnitts b0 in der MR?

A

welchen Wert die Kriterienvariable annimmt, wenn ALLE Prädiktoren die Ausprägung 0 haben

18
Q

Was ist die Bedeutung des Steigungskoeffizienten b1 in der MR?

A

um welchen Wert die Kriterienvariable steigt, wenn x1 um eine Einheit steigt und alle anderen Prädiktoren konstant gehalten werden

19
Q

Wann entspricht das multiple Regressionsgewicht b1 dem “bedingten einfachen Regressionsgewicht”?

A

wenn alle anderen Prädiktoren konstant
gehalten werden

20
Q

Mit welcher Variable wird die Stärke des Zusammenhangs von Prädiktoren und Kriterium angegeben in der MR?

A

multipler Korrelationskoeffizient (R)

21
Q

Was gibt der multiple Determinationskoeffizient in der MR an?

A

Anteil durch die Prädiktoren erklärter Varianz (= R²)

22
Q

Der multiple Korrelations-/Determinationskoeffizient ist immer mindestens …

A

… so groß wie der größte einfache Korrelationskoeffizient eines Prädiktors mit dem Kriterium

23
Q

Sind die Prädiktoren komplett unkorreliert, dann ist R² gleich …

A

… der Summe der einzelnen r²

24
Q

Sind die Prädiktoren untereinander korreliert, dann ist R² meist …

A

… kleiner als die Summe der einzelnen r2

25
Q

Wie verhält sich R² bei einer Suppression?

A

R² ist größer als die Summe der einzelnen Determinationskoeffizienten

26
Q

Welches Modell gilt generell als besser?
(2 Prinzipien)

A
  • das die Daten am besten, d.h. mit möglichst kleinen Fehlern beschreibt (Passung)
  • mit den wenigsten Modellparametern auskommt (Sparsamkeitsprinzip)
27
Q

Was ist das “Inkrement”?

A

Anteil der Kriteriumsvarianz, der durch Aufnahme eines zusätzlichen Prädiktors zusätzlich erklärt wird

(= Differenz zwischen R2 im Modell ohne zusätzlichen Prädiktor und R2 im Modell mit zusätzlichem Prädiktor)

28
Q

Wie nennt man das Inkrement eines Prädiktors auch?

A

Nützlichkeit eines Prädiktors

29
Q

Was entspricht dem Inkrement (Nützlichkeit)?

A

quadrierte Semipartial-Korrelation