VL 8 - MANOVA & logistische Regression Flashcards

1
Q

Wann wird eine multivariate Varianzanalyse (MANOVA) berechnet?

A

Einfluss /Zusammenhang mind. 1 kategorialen UV mit mehreren metrischen AVs

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

Was ist der wesentliche Unterschied zwischen einer ANOVA und MANOVA?

A

ANOVA: immer nur 1 metrische AV und bei MANOVA mehrere metrische AVs –> eine Stufe höher als ANOVA

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

Was überprüft die MANOVA?

A

sehr globales Verfahren das überprüft, ob es zwischen irgendwelchen Stufen einer UV und einer Kombination der AVs einen Unterschied gibt

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

Wozu eignet sich die MANOVA nicht gut?

A

zum Überprüfen von Hypothesen, da sehr allgemeines Verfahren

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

Was wird automatisch bei der Berechnung einer MANOVA berücksichtigt?

A

es werden automatisch die Beziehungen (Korrelationen) zwischen den AVs berücksichtigt

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

Welches Verfahren hat (fast) immer eine größere Power - MANOVA o. mehrere ANOVAs, und wieso?

A

MANOVA hat (fast immer) eine größere Power als mehrere ANOVAS zusammengenommen, da die optimale Kombination der AVs gebildet wird

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

Was bezeichnet die “optimale Linearkombination” bei der MANOVA?

A

AVs werden automatisch so kombiniert, dass sie einen maximalen Zusammenhang zur UV aufweisen, d.h. dass sich maximale Gruppenunterschiede ergeben

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

Was ist ein großer Vorteil von der MANOVA im Unterschied zu mehreren ANOVAs?

A

dass nicht für jede AV ein eigener Signifikanztest durchgeführt wird –> keine alpha-Fehler-Kumulierung

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

Was sind 4 Eigenschaften der MANOVA? (Wdh.)

A
  • Analyse eines globalen Zusammenhangs zwischen einer oder mehreren UVs und mehreren AVs
  • Beziehungen zwischen den AVs werden berücksichtigt.
  • alpha-Fehler-Kumulierung wird (zunächst) vermieden
  • (meist) höhere Power als ANOVA wg. optimaler Linearkombinationen der AVs
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Was sind Nachteile der MANOVA?

A

sehr globales Ergebnis –> möchte man wissen, auf welchen AVs dieser Unterschied vorhanden bzw. besonders groß ist, muss man ANOVAs durchführen o. eine Diskriminanzanalyse

–> da werden Beziehungen zwischen AVs aber NICHT mehr berücksichtigt
–> evtl. alpha-Fehler-Kumulierung

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

Wann ist der Einsatz der MANOVA sinnvoll?

A

gemeinsame Analyse von Variablen, die zum selben theoretischen Rahmen gehören

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

Was ist eine Diskriminanzfunktion (auch: Diskriminanzfaktor)?

A

eine gewichtete Summe der AVs

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

Wieviele Diskriminanzfunktionen gibt es bei der MANOVA bei k Stufen der UV?

A

k-1

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

Wie werden die Gewichte zweier Diskriminanzfunktionen berechnet bei der MANOVA?

A
  • Gewichte der 1. Diskriminanzfunktionen werden so berechnet, dass die 1. Diskriminanzfunktion maximal zwischen den Gruppen ( z.B. Therapieformen) trennt
  • Gewichte der 2. Diskriminanzfunktion werden so bestimmt, dass sie in Bezug auf die noch verbleibenden Unterschiede maximal trennt
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Was sind Eigenwerte, und wie hängen diese mit Diskriminanzfunktionen zusammen?

A

Varianzaufklärung durch die jeweilige Diskriminanzfunktion

–> es gibt also für jede Diskriminanzfunktion einen Eigenwert

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

Je höher der Eigenwert einer Diskriminanzfunktion…

A

…desto besser trennt die Diskriminanzfunktion zwischen den Gruppen

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

Was sind 4 Prüfgrößen der MANOVA?

A
  1. Wilks lambda
  2. Pillai-(Bartlett)-Spur
  3. Hotelling-Spur
  4. Roys größte Wurzel
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Aus was werden die Prüfgrößen der MANOVA berechnet?

A

aus den Diskriminanzfunktionen

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

Welche Prüfgröße d. MANOVA wird am ehesten signifikant?

A

Roys größte Wurzel

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

Welche Prüfgröße d. MANOVA ist am robustesten?

A

Pillai-(Bartlett)-Spur

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

Wann sollte der Pillai-Test d. MANOVA verwendet werden?

A

wenn die Erfüllung der Voraussetzungen zweifelhaft oder grenzwertig ist (kleine und/oder ungleich große Stichproben)

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

Was ist das gebräuchlichste Maß d. MANOVA?

A

Wilks Lambda

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Was sind 3 Voraussetzungen d. MANOVA?

A
  1. Unabhängigkeit d. Fehlerkomponenten
  2. multivariate Normalverteilung der AVs
  3. Homogene Varianz-Kovarianz-Matrizen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Wie wird die Voraussetzung d. homogenen Varianz-Kovarianz-Matrizen d. MANOVA überprüft?

A

über Box-Test

25
Q

Auf Verletzung welcher beiden Voraussetzungen reagiert die MANOVA wann robust?

A
  • multivariate Normalverteilung der AVs
  • homogene Varianz-Kovarianz-Matrizen

WENN die Stichproben groß und gleich groß sind

26
Q

Wann kann der Box-Test ignoriert werden?

A

bei gleich großen Stichproben

27
Q

Was sind 2 Anschlussverfahren d. MANOVA?

A
  • ANOVAs
  • Diskriminanzanalyse
28
Q

Worüber gibt die ANOVA als Anschlussverfahren d. MANOVA Auskunft?

A

ob die UV einen Zusammenhang mit einer bestimmten AV zeigt

–> ABER die Beziehungen zwischen den AVs werden dann nicht berücksichtigt

29
Q

Worüber gibt die Diskriminanzanalyse als Anschlussverfahren d. MANOVA Auskunft?

A

welche der AVs im Rahmen der MANOVA besonders starkes Gewicht haben

30
Q

Was macht die Diskriminanzanalyse?

A
  • Verfahren, um anhand der Ausprägung auf metrischen Prädiktorvariablen Gruppenzugehörigkeit (AV) vorherzusagen
  • Prädiktoren werden so kombiniert, dass eine optimale Klassifikation gelingt
  • Diskriminanzfunktionen werden zunächst anhand von bekannter Gruppenzugehörigkeit berechnet
  • um danach unbekannte Gruppenzugehörigkeit vorherzusagen –> Klassifikation
31
Q

Wieso sind Diskriminanzanalyse und MANOVA zwei Seiten desselben Sachverhaltes?

A

geht um den Zusammenhang zwischen mehreren metrischen Variablen (=AV bei der MANOVA, =UV bei der Diskriminanzanalyse) und einer (oder mehreren) kategorialen Variablen (Gruppen)

32
Q

Was sind 3 Varianten d. MANOVA?

A
  • mehrfaktoriell (mehrere UVs) –> Interaktion berücksichtigt
  • f. abhängige Stichproben
  • multivariate ANCOVA (=MANCOVA) –> metrische und dichotome Prädiktoren
33
Q

Welchen Zusammenhang überprüft die logistische Regression?

A

Zusammenhang metrischer Prädiktoren mit 1 kategorialen AV

34
Q

Was wird bei der log. Regression untersucht?

A

ob die Wahrscheinlichkeit für jede der beiden Kategorien von der Ausprägung der Prädiktorvariablen abhängt

35
Q

Was sind 3 Gründe wieso ein anderes Verfahren (log. Regression) benötigt wird als bei der multiplen Regression?

A
  1. Form d. Funktion ungeeignet (wir brauchen einen Wertebereich von 0 bis 1)
  2. Voraussetzung der Normalverteilung nicht erfüllt (AV dichotom)
  3. Voraussetzung der Homoskedastizität nicht erfüllt
36
Q

Was sind 3 Darstellungsweisen der logistischen Regression?

A
  1. Bedingte Wahrscheinlichkeiten
  2. Wettquotienten (Odds Ratio)
  3. Logit
37
Q

Was ist bei den 3 Darstellungsweisen der logistischen Regression gleich, und was unterschiedlich?

A
  • Für jede Darstellungsweise ergibt sich eine andere Form der Funktion zwischen Prädiktoren und Kriterium
  • Interpretation d. Regressionsparameter ist unterschiedlich
  • Regressionsparameter sind jeweils GLEICH
38
Q

Welche Form hat die Funktion der Wahrscheinlichkeit im logistischen Regressionsmodell?

A

Ogive

39
Q

Wie werden die Koeffizienten d. log. Regression berechnet?

A

Diese werden für einen bestimmten Datensatz anhand der Daten berechnet (geschätzt)

–> NICHT Kleinste-Quadrate-Kriterium

40
Q

Was ist die Bedeutung von ß0 in der logistischen Regression?

A

„Wie wahrscheinlich ist ein Wert von Y=1, wenn X den Wert Null hat?“

(p=0,5)

41
Q

Was ist die Bedeutung von ß1 in der logistischen Regression?

A
  • bestimmt die Steigung der Wahrscheinlichkeitsfunktion
  • “Wie stark wirken sich Unterschiede in X auf die Wahrscheinlichkeit aus?”
42
Q

Wie verläuft die Kurve d. log. Regression je höher ß1 ist?

A

Je größer ß1, desto stärker wirken sich Unterschiede in X auf die Wahrscheinlichkeit von Y aus
–> Kurve verläuft dann steiler

43
Q

Wie ist der Zusammenhang von X und Y in der log. Regression wenn ß1 =0 ist?

A
  • dann gibt es keinen Zusammenhang von p(Y=1) und X
  • Variablen X und Y sind dann unabhängig
44
Q

Wie wirken sich die Regressionskoeffizienten ß0, ß1 und das Vorzeichen auf die Kurve d. log. Regression aus?

A
  • Veränderung in b0: nach rechts oder links verschoben
  • Veränderung in b1: Steilheit d. Kurve
  • Vorzeichen: ob die Wahrscheinlichkeiten
    mit zunehmenden x-Werten größer oder
    kleiner werden
45
Q

Mit welchem Verfahren werden die Parameter der log. Regression geschätzt?

A

Maximum-Likelihood-Verfahren

46
Q

Was beschreibt die Likelihoodfunktion?

A

die Wahrscheinlichkeit für das Auftreten der in der Untersuchung vorliegenden Daten in Abhängigkeit von verschiedenen Ausprägungen der Regressionsparameter

47
Q

Was ist eine weitere Annahme bei Berechnung der Likelihoodfunktion?

A

Das zugrundegelegte Modell passt überhaupt auf die Daten (keine überflüssigen Prädiktoren)

48
Q

Welche verschiedenen Signifikanztests zur Überprüfung der Modellanpassungsgüte d. log. Regression existieren? (2 Bsp.)

A
  • Devianztest
  • Hosmer-Lemeshow-Test
49
Q

Was ist der Wettquotient (odds ratio) bzw. stellt er dar?

A

entspricht dem Verhältnis einer Wahrscheinlichkeit und ihrer Gegenwahrscheinlichkeit

50
Q

Was ist der logit und was ist ein Vorteil des logits?

A
  • Logit = logarithmierter Wettquotient
  • Vorteil: Analogie zur linearen Regression (der Logit von Y ist eine lineare Funktion von X)
51
Q

Was ist die Bedeutung der Regressionskonstanten bei der multiplen logistischen Regression?

A

Wahrscheinlichkeit, Wettquotientenverhältnis bzw. Logit, wenn alle Prädiktoren die Ausprägung 0 haben

52
Q

Was ist die Bedeutung der Regressionsgewichte bei der multiplen logistischen Regression?

A

Auswirkung der Änderung einer Prädiktorvariablen, wenn die anderen Prädiktoren konstant gehalten werden

53
Q

Was sind drei Möglichkeiten des Signifikanztests in der log. Regression?

A
  • z-Test
  • Wald-Test/Statistik
  • Likelihood-Ratio-Test
54
Q

Was prüft der Likelihood-Ratio-Test allgemein?

A

Kann generell die Likelihoods zweier Modelle miteinander vergleichen, wenn die Modelle ineinander geschachtelt
sind

55
Q

Welcher der 3 Signifikanztests d. log. Regression ist vorzuziehen, und warum?

A
  • Likelihood-Ratio-Test
  • hat meist eine höhere Teststärke
56
Q

Welche MANOVA Prüfgröße unterscheidet sich von allen anderen
Prüfgrößen und warum?

A

Roys größte Wurzel, basiert nur auf einem Eigenwert (hat
weniger Freiheitsgrade)

57
Q

Auf welcher Größe basieren alle MANOVA Prüfgrößen?

A

Auf den Eigenwerten (der Diskriminanzfunktionen)

58
Q

Warum sind die F-Werte aller MANOVA Prüfgrößen gleich, wenn man nur zwei Gruppen untersucht?

A

Da bei nur zwei Gruppen nur eine Diskriminanzfunktion und daher nur ein Eigenwert in der MANOVA resultiert