Vorlesung 3 (Semi) Partailkorrelation, Einführung MR Flashcards
Warum sollte man mehr als 2 Variablen betrachten ?
- Aufdeckung redundanter Zusammenhänge
- Aufdeckung von Scheinkorrelationen
- Aufdecken von maskierten Zusammenhängen
Definition: Partialkorrelation
Zusammenhang zwischen zwei Variablen, nachdem der Einfluss einer dritten Variablen kontrolliert wurde
-> bivariate Korrelation zwischen zwei Residualvariablen
Aus was kann man die Partialkorrelation berechnen ?
3 bivariaten Korrelationen
Definition: Semipartialkorrelation
Zusammenhang zwischen zwei Variablen, nachdem der Einfluss einer dritten Variablen aus einer der beiden Prädiktoren eliminiert wurden
-> Korrelation zwischen einem Prädiktor und einem Regressionsresiduum
Was ist die Annahme hinter einer Partialkorrelation ?
Dass die Drittvariable beide Variablen kausal beeinflusst
Was ist die Annahme hinter einer Semipartialkorrelation
Dass die Drittvariable nur eine der beiden Variablen kausal beeinflusst
Wie lässt sich eine Kausalbeziehung primär nachweisen ?
Nicht primär mithilfe statistischer Methoden, sondern in erster Linie durch versuchsplanerische Maßnahmen
Was sind 3 Bedingungen der Kausalität?
- Zusammenhang zweier Variablen
- zeitliche Ordnung
- Kontrolle von Störvariablen
Wozu dienen Partial- und Semipartialkorrelation ?
Um den Einfluss von Drittvariablen zu kontrollieren, unter anderem um hierdurch Scheinkorrelationen aufzudecken
Wie viele Prädiktoren gibt es mindestens in der multiplen Regression ?
Mind. 2
Was sind die Ziele der multiplen Regressionsanalyse ?
- Möglichst viel Varianz im Kriterium erklären
- Berücksichtigung von Redundanzen
- Kontrolle von Störvariablen (z.B. von Scheinzusammenhängen)
- Prognose und Erklärung (z.B Berufserfolg)
- Analyse komplexer Zusammenhänge (Kurvilineare Zusammenhänge, Interaktionen)
Sind die Prädiktoren in der multiplen Regression additiv?
Ja
Nach welchem Kriterium werden die Koeffizienten der multiplen Regressionsgleichung bestimmt
Kriterium der kleinsten Quadrate
Wie werden standardisierte Regressionsgewichte auch manchmal genannt ?
Beta-Gewichte oder Beta-Koeffizienten
Was geben unstandardisierte Regressionsgewichte an ?
Um wie viele Einheiten sich vorhergesagten Kriteriumswerte verändern, wenn sich der Prädiktor um eine Einheit verändert und alle anderen Prädiktoren konstant bleiben
Was geben standardisierte Regressionsgewichte an ?
Um wie viele Standardabweichungseinheiten sich die vorhergesagten Kriteriumswerte verändern, wenn sich der Prädiktor um eine Standradabweichungseinheit verändert
Was ist die Bedeutung des Achsenabschnitts b0 in der multiplen Regression ?
Welchen Wert die Kriteriumsvariable annimmt, wenn alle Prädiktoren die Ausprägung 0 haben
Was ist die Bedeutung des Regressionsgewichtes (Steigungskoeffizienten) b1 in der multiplen Regression
Um welchen Wert die Kriteriumsvariable steigt, wenn der Prädiktor um eine Einheiten steigt und alle anderen Prädiktoren konstant gehalten werden
Wann entspricht das multiple Regressionsgewicht b1 dem “bedingten einfachen Regressionsgewicht”?
Wenn alle anderen Prädiktoren konstant gehalten werden
Mit welcher Variable wird die Stärke des Zusammenhanges von Prädiktoren und Kriterium in der multiplen Regression angegeben ?
multipler Korrelationskoeffizient (R)
Was gibt der multiple Determinationskoeffizienten in der multiplen Regression an ?
Anteil durch die Prädiktoren erklärter Varianz (=R^2)
Welches Modell gilt generell als besser ? ( 2 Prinzipien)
- das die Daten am besten d.h. mit möglichst kleinen Fehlern beschreibt
- mit den wenigsten Modellparametern auskommt ( Sparsamkeitsprinzip)
Was ist das “ Inkrement”?
Anteil der Kriteriumsvarianz, der durch Aufnahme eines zusätzlichen Prädiktors zusätzlich erklärt wird -> Nützlichkeit
(=Differenz zwischen R^2 im Modell ohne zusätzlichen Prädiktor und R^2 im Modell mit zusätzlichen Prädiktor
Wie nennt man das Inkrement eines Prädiktors auch ?
Nützlichkeit eines Prädiktors
