16

Click here to load reader

Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

  • Upload
    doanh

  • View
    215

  • Download
    3

Embed Size (px)

Citation preview

Page 1: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

Evaluation und Forschungsmethodik

Wozu gibt es Disparitäten? Was für Effektstärken gibt es? Metaanalyse

Ü woher kommen sie? CHI-Quadrat bei Faktoranalyse stat. Regression

Ü partielle Korrelation MR was ist eine Implementierungskontrolle (Evaluation) Hedges g, Rosenthals r Experiment – Quasi-Experiment generelle Fragen

Ü was macht LISREL Ü wann gruppiert man in der Metaanalyse Ü Kontrastgewichte

was sind Effektstärken? welche gibt es? Welche 3 Hypothesen gibt es beim fixed effect model? fixed effect model von Hedges Konfidenzintervall: was braucht man dazu? Codierung: warum? Trendcodierung Quasi-Experiment: was kann man wie kontrollieren? 2faktorielle Varianzanalyse Signifikanztest beim LISREL Regressionsanalyse: F-Test, t-Test Multikollinearität 2 Möglichkeiten R2 zu berechnen

Faktorenanalyse: Rotation, 4 Kennwerte Regressionsanalyse:

Ü Unterschied zwischen den 3 Regressionsarten Ü was sind Betagewichte Ü Unterschied zwischen beta und B Ü setwise-Regression

Metaanalyse:

Ü wie, was Ü was soll gegeben sein Ü Vergleich: diffuse und fokusierte Tests Ü fixed effect model

Evaluation:

Ü Unterschied zwischen Experimenten und Quasiexperimenten Ü interne Validität des Quasiexperimentes erhöhen

Einstieg: Metaanalyse

Ü focisierte Tests: wozu, wieso macht man eine z-Transform., wie wählt man die Konraste, was besagt das p-level

Page 2: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

multiple Regression:

Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt?

MANOVA:

Ü was besagt Ho und H1 Ü wie teste ich diese? Ü wieso gibt es so viele Teststatistiken? Ü welches sind die stat. Voraussetzungen für die MANOVA?

LISREL:

Ü wie prüfe ich mein Modell? Ü was bedeutet im chi-Quadrattest ein (nicht) signifikantes

Ergebnis?

Ü was bedeuten die Pfadkoeffizienten?

Einstieg: multiple Regression

Ü gibts eine Theorie zur Reihung der UVs bei der hierarchischen Regression?

Ü wie ist der Zshg. von r, beta, sr ? MANOVA:

Ü Hypothesen formulieren Ü wann sind unspez. Hypothesen sinnvoll? Ü Anschlusstests bezogen auf AV/UV

Evaluation:

Ü Unterschied von formativer und summativer Evaluation? Ü probleme theoretischer art bei der formativen Eva ?

metaanalsyse:

Ü was macht man, wenn man nur die p-level hat? Ü was ist überhaupt ein p ? Ü Konfidenzintervalle für Effektgrössen - was für Grössen

gehen in die Berechnung ein?

Einstieg: MDS

Ü Datenverdichtungskoeffizient Ü wie bessere Interpretation ? – Rotation Ü Vergleich zu Rotation bei Faktorenanalyse

MANOVA:

Ü Prüfgrössen Ü was sagt mir der F-Test Ü wie kann ich dann weitermachen ? -herauspartialisieren -

was ist denn das genau? Metaanalyse:

Ü Homogenitätstests Ü Konfidenzintervalle für Effektgrössen - was geht da in

die Formel ein?

Page 3: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

Evaluation und Forschungsmethodik Prof.Westermann WS 2001/2002

• Einstieg: Faktorenanalyse o Was gibt es „Ähnliches?

LISREL, X2 –Test

• Metaanalyse o Effektstärken

Was ist das?

Welche gibt es? o Hedges (H0, H1, H2 …) o Regression

Was ist das?

Wie werden Prädiktoren eingeführt?

F-Test

• MANOVA

• MDS

Evaluation und Forschungsmethodik Prof.Westermann WS 2001/2002

• Einstieg: Clusteranalyse (musste alles dazu erzählen)

• MDS o Woher kommen die Ähnlichkeitsurteile?

• Faktorenanalyse o Warum rotiert man?, varimax

• Statistische Regression: 3 Arten erklären

• Was ist Partialkorrelation?

• Metaanalyse: o Welche Effektgrößen gibt es? o Wie heißt die Effektgröße bei ANOVA? (Eta)

• fixed effect model

• Konfidenzintervall (Wie wird es berechnet?)

• Evaluation: multiattributive Nutzentechnologie kurz erklären

Evaluation und Forschungsmethodik Prof.Westermann WS 2001/2002

• Einstieg: Multiple Regression o Signifikanztests; Multikollinearität

• MANOVA: o Vor- und Nachteile o wenn signifikant, wie weitermachen? o Nachteile von Bonferroni–Korrektur o Statistische Vorraussetzungen der MANOVA

• Warum Multiple Regression statt ANOVA?

Page 4: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

• Was macht man mit nominalen Variablen? å Kodierung

• Gemeinsamkeiten von LISREL und Multipler Regression

• Gemeinsamkeiten von LISREL und Faktorenanalyse

• Faktorenanalyse: o Wie groß ist die Gesamtvarianz? o Rotation

Varimax–Kriterium

• Metaanalyse: fixed effect model o fokussierte Tests o Konfidenzintervall von Effektstärken o Wie berechnet man den Standardfehler?

Evaluation und Forschungsmethodik Prof. Westermann SS 02

• Einstieg: Clusteranalyse o Was ist ward? o Wie kann man sie mit MDS kombinieren? o Wie interpretiert man die Cluster?

• Manova: o Hypothesen o Probleme bei Interpretation o Anschlusstests

• Hierarchische Regression: o Signifikanztests

• Metaanalyse: o Was ist das Fixed effect model? o Wie erfolgt Klassifikation?

• Evaluation: o Formative, Summative, Globale, Analytische

Evaluation und Forschungsmethodik Prof. Westermann SS 02

• Einstieg: MDS o Ähnlichkeiten o Distanzmodelle

Formel des Minkowskimodells

Was erhält man, wenn man die Formel mit 2 potenziert? (-> Euklid)

o Konfiguration

Was geht in die Formel für das Stressmaß ein? o Was wird interpretiert? o Wie kann man die Clusteranalyse in der MDS

verwenden? o Wie kann man die Interpretation verbessern?

• MR o hierarchische/ sequentielle R. erklären o Was ist R/R2? (Formel, QS-Zerlegung) o Was sind く-Gewichte? o Was ist der Unterschied zw. B und く?

Page 5: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

• ALM o Was macht man mit nominal skalierten Variablen in

der MR? (kodieren) o Codierungsarten o Wie viele Indikatorvariablen? o Was ist der Vorteil der Effektkodierung?

• Evaluation o Unterschied zw. Wirkung u. Wirksamkeit? o Unterschied zw. Experiment u. Quasi-Experiment? o Wie kann man die interne Validität in Quasi-Exr.

erhöhen?

• Partialkorr. genauer

• Metaanalyse o Was? o Wie macht man das? o Was sind Effektstärken? Welche gibt es? o Was ist das BESD? (Beispiel + erklären) o Vgl. diffuse + fokussierte Tests? o Ablauf fokussierter Test

Evaluation und Forschungsmethodik Prof. Westermann SS 02

• Einstieg: Clusteranalyse o Ablauf o Untersch. Ähnl./ Distanz bei metr. o Untersch. Fusionierungsalgorithmen

• MDS o Bezug zu CA, Interpret. o Rotation o FA Varimax

• Hierarch. Regression o Quasiexp. o Kontrolle Störfaktoren -> wie genau?

• Semipartialkorr., Sygn. Überprüfung, experimentell -> Formel

• MA Moderatorvar. o Welcher Einfluss? o wie ausfindig machen?

• CI o Formel o Formel f. Berechnung (d)

Evaluation und Forschungsmethodik Prof. Westermann SS 02

• Einstieg: FA

• MANOVA

• MDS

Page 6: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

• Regressionsanalyse

Evaluation und Forschungsmethodik Prof. Westermann SS 03

• Einstieg: Clusteranalyse

• Interpretation t, F, Doppelkreuzvalidierung FA und CA Gemeinsames?

• Faktoren – Wie kommt man dazu?

• Rotation: Varimax, Einfachstruktur

• CFA

• LISREL Modelle, HYP., Spezifikation, Identifikation Auspartialisieren bei der MANOVA Prüfgrößen der MANOVA, Unterschiede Was macht die Q-Statistik

Evaluation und Forschungsmethodik Prof. Westermann SS 03

• Einstieg: Faktorenanalyse

• Interpretation t, F, Doppelkreuzvalidierung FA und CA Gemeinsames?

• was ist das Problem bei der obliquen Rotation mit den Kommunalitäten?

• das theoretische Modell erklären (Linearkombination)

• Unterschiede der Gleichungen zwischen FA & MR? (Korreliertheit der Varis)

• bei hierarchischer MR wie die Prädiktoren einführen? gibt es eine Theorie dazu? (Scheinkorrelationen aufdecken)

• wie rauskriegen welchen Beitrag jede einzelne UV leistet und wie hoch (sr², F inc.) MA

• was, wie?

• fixed effects modell v. Hedges?

• wie passiert Gewichtung der Effektstärken invers zur Varianz?

• wie Populationsvarianz schätzen?

Evaluation und Forschungsmethodik Prof. Westermann WS 04/05

• Was sind die Pfadkoeffizienten bei LISREL?

• ANOVA als Regression – Codierungsarten, Vorteile, Interaktionseffekte wie codieren?

• ß-Gewichte bei verschiedenen Regressionsarten gleich groß?

• Metaanalyse: Homogenitätstests, Kennwertevarianz erklären

• Faktoranalyse: Varianzaufklärung bei Varimax im Vergleich zur Hauptkomponentenanalyse

Page 7: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

Evaluation und Forschungsmethodik Prof. Westermann 2005

Einstieg: Kovarianzanalyse

• Was bedeutet die die Reduzierung der externen Validität im Zusammenhang mit der Betrachtung einer Kovariaten?

• Wie kann die Voraussetzung der Homogenität der Fehlervarianzen zur Bereinigung der Fehlervarianz überprüft werden? Wenn die Voraussetzung verletzt ist, welche Konsequenzen folgen daraus?

• Wenn Voraussetzungen verletzt sind und die Kovarianzanalyse trotzdem durchgeführt werden soll, wie Überprüft man die Robustheit eines Verfahrens? – Wie werden Monte-Carlo-Studien durchgeführt und wie erkennt man, ob das Verfahren robust ist?

• Warum ist die Kovarianzanalyse ein Spezialfall der MR?

Multiple Regression:

• Was haben MR und Varianzanalyse gemeinsam?

• Warum ist es sinnvoll, hierbei die Effektkodierung zu verwenden?

• Warum ist die Kontrastkodierung am beliebtesten und wie lässt sich die Orthogonalität der Gruppen feststellen?

• Wenn der Stichprobenumfang zunimmt, wie verändert sich das Signifikanzniveau und wie die Größe der Korrelation?

• Was ist der Unterschied zwischen B und く? Was sagen die B-Gewichte aus. Wie interpretiert man die く-Gewichte?

LISREL:

• Was verdeutlichen die Pfadkoeffizienten? Wie kann man eine Korrelation zwischen einer Indikatorvariable und der latenten Variable errechnen, obwohl die latente Variable eine hypothetische Größe ist und keine eigenen Werte hat?

• Was ist Analogie zur Faktorenanalyse? Wie werden die Faktorwerte interpretiert?

• Wie lassen sich die Kausalaussagen auf Richtigkeit überprüfen? Wie stellt man indirekte Zusammenhänge fest?

Metaanalyse:

• Was bedeutet eine Effektgröße?

• Was ist eine Stichprobenkennwerteverteilung und welche Voraussetzungen müssen erfüllt sein? Was bedeutet in diesem Zusammenhang Approximität der Normalverteilung?

Page 8: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

• Wie kann man die Streuung einer Effektgröße bei einer einzelnen Studie ermitteln und welche Bestimmungsstücke sind hierbei relevant?

Evaluation und Forschungsmethodik Prof. Westermann SS 2006

Einstieg Kovarianzanalyse MANOVA: - warum Anschlusstests? - Prüfgrößen nennen: wann welche? warum werden sie anders berechnet? - wie heißt die Linearkombination? (Diskriminanzfunktion) - Voraussetzungen? Metaanalyse: - diffuse Tests? (Gleichung nennen) - Vorteile von r gegenüber d? Multiple Regression: - Berechnung von R2 - was sind b und ß? wie sind sie zu interpretieren? Faktorenanalyse: - was ist ein Eigenwert? wie interpretiert man den? - Was sagt ein Faktorwert aus? Im Zusammenhang mit IQ. was sagt da ein Faktorwert von 2,3? (etwas 2 SD entsprechen bei IQ 30 Punkte, also IQ 130)

Evaluation und Forschungsmethodik Prof. Westermann SS 2006

Einstieg: Multiple Regression - was sind b und ß? was sagt ein b-Wert aus? - Berechnung von R2 MANOVA: - H0, H1 - welche Verteilung? ANOVA: - Voraussetzungen? - Wie unterscheiden sich Voraussetzungen von ANOVA und MANOVA? LISREL: - was ist das? was macht man da? Faktorenanalyse: - Varimax: warum? wie funktioniert das? - Faktorladung? - Faktorwert? - Eigenwert? einen Eigenwert von 30... wie interpretieren? - Verbindung von Eigenwert und Faktorwert

Evaluation und Forschungsmethodik Prof. Westermann SS 2006

Einstieg: LISREL - wozu? Modell? Ablaufschritte grob - chi2-Test: was macht man da? - Effektgröße? GFI? welche Werte können die annehmen? - Messmodelle und Strukturmodell als Übergang zu den nächsten 2 Themen Faktorenanalyse:

Page 9: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

- manchmal darf man nicht rotieren.. wann? Varimax erklären Multiple Regression: - b und ß? wie zu interpretieren? - b=2, was sagt mir das? bei IQ, was würde das da bedeuten? - statistische Regression? Basics: - was ist eine Stichprobenkennwerteverteilung? - was ist der Standardfehler des Effekts? - KOnfidenzintervall? (Def. und Formel)

Evaluation und Forschungsmethodik Prof. Westermann SS 2006

Einstieg: multiple Regression - was sagt mir ein b-Wert von 5? - Signifikanztests (F, Finc) Faktorenanalyse: - was bedeutet ein Eigenwert von 15? - was ist der Zusammenhang zwischen Faktorwert und Eigenwert? Metaanalyse: - welche Größen fließen in den chi2-Test mit ein? (Hedges und Olkin) MANOVA: - Hypothesen - was prüft man? - Anschlusstests

Evaluation und Forschungsmethodik Prof. Westermann WS 2006

Einstieg: Faktorenanalyse --> welche 2 großen Arten der FA werden unterschieden

(explorative, konfirmatorische) --> welche Extraktionsmethoden gibt es innerhalb der

explortiven FA (Achtung: es gibt nicht nur die PCA und FA, sondern auch noch weitere--> siehe Tabachnick& Fidell)

--> was ist problematisch bei der Anwendung der FA (es gibt kein mathematisches Kriterium, an dem man die Validität einer FA messen kann!)

--> wie werden Faktoren extrahiert (nach dem Kriterium der max. Varianzaufklärung)

--> wie groß ist die Gesamtvarianz? (wir rechnen mit standardisierten Variablen! deshalb immer so groß wie die Zahl der Variablen)

--> mathematisches Modell (kurz) --> Rotation: warum, wie, Varimax --> oblique Rotation: Vor- und Nachteile * Übergang zur Kanonischen Korrelationsanalyse --> was wird da gemacht, worum geht es überhaupt? --> was genau ist eine kanonische Korrelation, wie wird sie

auf Signifikanz geprüft (Wilks Lambda-->BartlettsV, Raos F --> warum sind viele Verfahren Spezialfälle der Kanonischen

Korrelationsanalyse (z.B. MR und Manova--> schaut Euch die Grundgleichung der KK und die der beta- Gewichtsberechnung

Page 10: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

der MR an!) --> Redundanzen: was, wie berechnen, was sagen sie aus

(Achtung: ist nicht in beide Richtungen identisch!) --> Ähnlichkeiten zur FA * Übergang zu den Strukturgleichungsmodellen --> worum geht es überhaupt --> kann man Korrelationen kausal interpretieren (nein!! eine

Korrelation ist notwendige, aber keine hinreichende Bedingung für kausale Abhängigkeiten--> ich brauche ein randomisiertes experimentelles Design (interne Validität!), um Kausalaussagen machen zu können!

--> Chi ² Test, Fit Indizes --> Beispiel für ein Quasi-Experimentelles Design --> wie

könnte ich das mit LISREL auswerten? (stellt Euch das grafisch vor! die Zugehörigkeit zur Experimental- und Kontrollgruppe sind die Indikatorvariablen für die latente exogene Variable (z.B. eine bestimmte Lehrmethode)

--> Problem der Verifizierung meiner Hypothesen (eigentlich kann ich meine Kausalhypothesen nicht verifizieren, sondern nur falsifizieren--> berechne ich aber mehrere mögliche Modelle und keines der Modelle hat eine bessere Passung als meines, ist das schon eine Art Verifizierung)

--> kurz Mehrgruppenmodelle und Modifikation des Modells Ich kann Euch den Tipp geben, Euch wirklich in Ruhe auf die Prüfung vorzubereiten. Versucht die Verfahren wirklich zu verstehen, lernt sie nicht nur auswendig. Stellt Euch Fragen und versucht vor allem Beziehungen zwischen den Verfahren herzustellen (Gemeinsamkeiten, Unterschiede--> nicht vergessen: alle beruhen auf dem Prinzip der Linearkombination, haben aber unterschiedliche Gewichtungskriterien). So schwer ist das alles gar nicht und vor allem macht es, wenn man ein paar AHA- Effekte hatte, auch Spaß sich'reinzudenken'. Herr Westermann führt so toll durch die Prüfung! Keine Angst haben und toi, toi, toi!

Evaluation und Forschungsmethodik Prof. Westermann WS 2007

- Einstieg: Faktorenanalyse (Ziel - Bartlett t-Test-PCA-

Kriterien, Varimaxrotation --> Eigenwerte, Varianzaufklärung)

- Regression: R², Unterschied b und beta, Kriterien der hierarchischen Regression mehrfaktorielle Anova als Regression

- Metaanalyse: Berechnung SE+ CL von Effektgröße, Homogen.test (Welche Hs gg. Hs?)

Page 11: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

�������������� ����������������������������

����������������

����������� ��������������������������������������������������������������������������� �������!!��∀#���!∃#�������� ��!����������%�&&�����∋(��)�∗����������+�������,��������−�����./���,��� �∃012#∃����3��4�3���,������������!���������∋�����∃02#∃���!����,��������!������������3��������!��∃02#∃�!��∃02#∃��������+����5���,,���&&������!6����&�������!)��&�!��������∗����)������������!����7+/���������������!��78 ��������9���!� �����!����������������������!

���������)���������)����������:����9�����������,!�����������������;�:1��;�������:��!����,����������������/�������:−���������,��������,���!!����!����6/�����&3��� �����<���&<����������������!��������!��∃����������������!∀∗��=∃#����!!�.�,������������∃02#∃�:������∃������������� ���(����+:>���,������,������������/�����)����������������∃02#∃!����&<������,��������&��!���������∀#�������&������&∃#�������∗���������:∀���������!�������?����+�����:0�����)�����∃���+��∗�)�����:�&&����∗��3��∃���+���������+���:���,����,��!� :7�,������3����������,����,��!� :����!���8�������������&&���∗������ �≅����������������,��!��:6���!��!&������������!�� ����������:�����������������������������!���,����9������������� ����&<�����!��3!����������������:��������/���,�������������������������������Α�������/�����:Β������Χ�������3!�������∋������&<������������,��!�∗�� :������≅��� :������!��!��≅:6�������� :��������/�������,�����!( �6�����������

����������������������������!�� ���&<�����≅���������������������!� ���������������������!����� ����������&∋�,�������, �������������∗��∆���8�����,���������!�!!� ������!��,��!�������������������� ���������������&!��≅��,����,&�������������������,>�/��!�����,��!���!��>�/��������Ε∆Φ������������������

Page 12: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

6����/&��������,,�����!!���!!����!!���������������������=Α��������������������������Ε∆=Γ∆�������!������ �����������!���,����!��� ��≅�!!������Η≅���,�!���=)���������,�!����

∃��������������!���∗��7�!������,8�9������������&<����9���!��!���,�������! ����;�������!��������&�������!���� ����!��9����������������,������!��������� ��&&������,��������������,�������,��!�� �����!�������������!��������������������∗������������������� ���!��6/Α�∋(�����<����,8�9�������,�����������!������ �Α��//������������//������ ���,������!��� �9���;�9���Ε���������&&������,���������������∗���������������,��6�)# ���������/������� ������!������!��!&����� ����,�=������0�!���������!������!��!&�����&<���������!��!��∗��7�!���������,,���6���!��!&�����&<��&&����

���������������������,�����,∋��������!������������� ����������,����,��!� )�����,�!���Β!����&���������!6/���&���������<&��∋(� ������������������� ≅����������+������������≅�������!���)�,,������3����������∗���������������,,���������������+���)������������!���

������������,�����������!����������������������� �����������,��!��,6/�����!������ �������������6�//������ 0�����������������������Α�������/���������������������������&<��� ������������������������������� ������!������ ������!��&<�����≅������� ∃02#∃�������!����<&��∋(����!���(���!�������� ∃�)������������!�������7�!����2�����������!��1��;9��� ���,������!�����

Page 13: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

�����������������

����������������/�������������∃�&���Α��������#�����������!>����7�������������������������,�/�������)�∗����������&<������������&�����∗���������#��������Ι:ϑ��������)�����:0�����:∃���+���)������&&������Κ������!��)������������:����3���0�������#�����!�������������������������Ι:ϑ�:ϑ∀���������!�:ϑ6�������:ϑ������!∗�����������

;;,���0���;�Ε

��������������

������������:∃���+���#����������!)�,��������,�������∀�������������:�&&�����∋(�����������������&<� ���!�������1�����!�!��6����������)��&�!��������∗���∗���&&������������������ :,����/���������������&<��,����)��������������&&��������!!��∃����!����������������#�����������������������!�����������������3��)�������//�����!���������������������������,����!��� �������������������!��������� ��:∃02#∃����,����,����!�������������,��∗������������������!�����,,��,∃��������� �����,�������:≅�����������+���≅��������������������≅�������!����

��������������

����������������+��:7�,������3�������:6���!��&�����!���&&����:������������ ::ϑ�∗���������&��������:������!�� :��/��:���/��:�∗��������������!����∗�����,����!∗�����������:)�����:0�����:∃���+��::ϑ)���������)����������:∃����&����3���:������6����&�������������∃��������������� ::ϑ����������������������0����/����;∆∆∆�:����,,��������!�� :7�����������3����������,����,�������������#�����������������&������������������������<�!�����!���/��������∀�!�����!��������Λ≅�����Λ�!��!������&������������������!������������������������

��������������:���������)���������)�����������&�����������3������������.��������!��)�����#����∃����������������Β����/��������!����������∗�����!��!��������,�!��6����&����������:��5���,,������)���������)������������!������������Β������������,��!������������ #�����������!����������!��,����/���Μ �%∋������������Μ���������������3�!�������!��>����������������������#����������&<��� :6�����������������,6�)���������<��������� 1��Μ:9�����!!����!����≅��:Β�!����������Ν1��Μ:9�������������3�����������Α�<�!��∋������&<����������������&������� ���������Α�<�!���������!&� ��:�∗���������)�����:0�����:∃���+��

Page 14: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

� ����������������������������� �����!��������� �����������������6���+/�������/�<&��!��#��&�������������=,���&����#���������∃����&�� ������!�&�!���&&�������� ������!����������/��������

� �.�,�,:���������!:����!�4������!!���,�����8:;63�������������!�

� 1��Μ:9�������������3�����Ν�������������!���!������� ∀�!�����!��������, ����(�

6��∋���&<�6�4���!�����������4!������≅��:�(������������ ����������Β�����������������<�����������

� �������������������������&������!,����,������

� �������Μ �������,������������� ������!��������������Μ�!���,6�66:∃��!����

,��������������! � � ��������,,�

� ��&<����!���:�����!��∗��6�66������������! �����������>���:Α������������&������

� ∀���������!�����∃����!������������∗�����������������!���������������

�∗���������� ∀���������!���∗��������,������!�������

� 0����:=>�����������������3�����

� ������Χ�����≅3������!����,��6�∋�∗������������������������������Π ��������������

���������!����!��≅���������!������∗��−����:�./���,�������!6�Θ�����&&������6������������������������3����

�������+���

� 7�!���?2����∗����������,�������������������������,�����,�������������!��

��������7+/�������=9�������������� �Β����������,��,��!��Α�,�����,����−9?!�&&���9��������&������!����������!��≅���������������∗��&�����

� −9?!�&&���9�����&<������!�∗�������������������������������!

� ������!��6���!��!&�����!���&&��������7�!���?2����� ������������≅��,���∋����

6�%!&���(��,������

� ���/������������−9���� ������!������∗����������

� ������!��6���!��!&������������������8=�0:��

� ����,���!���≅�������:5�����&��,���� ���&<�����#������������!��!���

���������,�����

����,��!����<&����&�����∗�����!�����������������!!��#��&������������,�(��∗������!��������,,�,��!�,��������������������&�������,������&����������������,��������������!&�������������!�������������������,�����!���,�����������������������(�6������,,���!������������������������Κ

� ����������������������������� �����!��������� �����������������≅∃� ���������≅����� ���������,���������

� ��������/���������������≅�����

� ���������

� ��������������

� #��:��!0��������!�����������������

� ���∗��3�!�������Χ������!�����������

� ������!��!��≅������������,,�

�������+���� �������&&���������� �∗��!

� 7�!���?2������������,���������7+/����������3������

� ������7+/����������!������������!����������

� 9�����������������3������−������

6��� 5���,,������∗��6���!≅∃�Α�,�����,�������

Page 15: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

� ��������/�������,��!���&�!���&&������������>���:Α�������Ν2��:∀���:#��3�!�����������

�����������������������6�:���������������(����/���!������!6��&���!�����&������������&,����!��&:!��&�����:���������5�����)������+/��������∗�������#��&�������∃����&�������������:6���&��,�����!�������&���:�����!������!�����������#��&��������������������!�����!���&�!���&&�������� :�&�!����+��������:��,6�������,�!����)��Η∀#Η��3!���������Η∃#Η)�������,���&�!���&&�����������!!��>����!������������Κ������)�������������:���&��,���������≅������������+������������,�!�����!6�������,�!������,�!��Η≅�������!�������������≅�����������+������������ ∀���������!��≅������������������:�!�����/����������������������!���!���/�<&����1��Μ�≅��:Β�!�����:Β����/�����������������1��Μ�����&������Α���,�������������≅����&����������!�����/��������0����!������������������,����!����������&�!���&&�����������&<���� ��:������,>���/���:������!���!>����∀���������! :6���!��!���������������!�������������������������������,������3!������� �����3�����������Μ :���,��������,−�����./���,��� 6�∋�∗�����������/���������������,>����∗��������&<�����:���������� �����Μ&<�!����!������3!�������������&��!�������6�66�������������� �∗��������:)�����:0�����:∃���+��������,����3���∗�������:����3��,0����� �/�!�,�������:2!!�������,>���/�������3����2!!�:���������������������������:������∀���������!���� :����,��,���� ��������������������������Α��//�������∋������������������������,���∗�����������:∃��!��∃#=∀# :��<&���!��∃�/�������,�.,�,���������!�

��������������� ��������������������������������������������������������������������������������������������������������������������������������������������������������������� ��������������������������!������∀��������#��∃��������������%����� ������&�����∋����������������������������������������������������������������#������

������������������������������+��:5�����!����������!��∃�∃����&������∗��∃:������!�&&������!������������ :����,��,,�,�������!��6����&�������∗�����,#�������� :!∗���4���!!������∗�������!���)����/�� :�����!�����6���!��!�������� :∀���������!��������#��������!6������� 6�������∗��6���!��!�����������6����/��������������∗��������� :7�,������3�����������7?2 5���������#��������9���84���&���(���!��7∆:9��������� ������!���&&�����������!���������&&���� ::ϑ≅�.�!∗�����!�, :7�,������3�������������������� ���&��(��∋(����!�&&������!&����������9������������������!��6�������!��≅�����:�:������ ��������&��,����,�������≅�����Ρ�� ::ϑ≅��,�� Κ������9�����������/������������:�����������������&����&<���,����3!���������!��∗�������!�����:�!������� :������(����/�������������

Page 16: Evaluation und F · PDF filemultiple Regression: Ü wozu braucht man die hierarische Regression, bei der man Prädiktorsets einführt? MANOVA: Ü was besagt Ho und H1 Ü wie teste

:������!����!��� :�������������������������������������!���&�������������� :>�������;::ϑ>�����!����� Β����/�������� :����������Β���������� ���&<���,��Β������������� 6�:������!�� ������&������� :���������)�����,�!��� :����,���∋����,��∗����≅�����������!� :������!�&�!���&&����������!������������