Regressionsanalyse

Varianzanalyse

Korrelationsanalyse

Faktorenanalyse

Clusteranalyse

Untersucht Mittelwertunterschiede zwischen mehreren Gruppen

untersucht wird der Einfluss von einer oder mehreren unabhängigen Variablen auf eine abhängige Variable

untersucht wird, in wie weit sich Zusammenhänge zwischen mehreren Variablen auf übergeordnete „Faktoren“ zurückführen lassen

untersucht wird, in wie weit sich Objekte (z.B. Personen) zu verschiedenen, homogenen Gruppen zusammenfassen lassen

untersucht wird der Einfluss von einer oder mehreren unabhängigen Variablen auf eine abhängige Variable

untersucht wird, in wie weit sich Zusammenhänge zwischen mehreren Variablen auf übergeordnete „Faktoren“ zurückführen lassen

untersucht wird, in wie weit sich Objekte (z.B. Personen) zu verschiedenen, homogenen Gruppen zusammenfassen lassen

untersucht werden Mittelwertsunterschiede zwischen mehreren Gruppen

Ordnen

Darstellen

Daten beschreiben

Schließend

Explorativ

Induktiv

Standardabweichung

Varianz

Modus

Meridian

Median

Arithmetisches Mittel

Mittelwert

Keine größer-kleiner Beziehungen

Natürlicher 0-Punkt

Männlich/weiblich

Größer-kleiner Beziehungen

größer-kleiner Beziehungen

natürlicher 0-Punkt

Ja/nein

Einkommen

Der Unterschied zwischen zwei unabhängigen Gruppen

Ein gerichteter Zusammenhang zwischen zwei Variablen

Ein Zusammenhang zwischen zwei Variablen

Der Unterschied zwischen mehr als zwei unabhängigen Gruppen

Homogenität innerhalb der Gruppen

Homogenität zwischen den Gruppen

Heterogenität innerhalb der Gruppen

Heterogenität zwischen den Gruppen

Beliebiges Skalenniveau

Variablen sollten nicht zu stark korrelieren

Metrisches Skalenniveau

quadrierte euklidische Distanz

Ähnlichkeitsmaße: Je größer ein Wert, desto ähnlicher

Ähnlichkeitsmaße: Je größer ein Wert, desto unähnlicher

Distanzmaße: Je größer ein Wert, desto ähnlicher

Distanzmaße: Je größer ein Wert, desto unähnlicher

Ist ein Fusionierungsalgorithmus

Kriterium der Varianzmaximierung zwischen den Clustern

Eignet sich für metrische und nominale Variablen

Eignet sich für ordinale und metrische Variablen

Neigt dazu, unterschiedlich große Cluster zu bilden

Funktioniert nur mit Distanzmaßen

...bestimmt die Gruppenanzahl nach überproportionalem Zuwach des Ähnlichkeitsmaßes

...bestimmt die Gruppenanzahl nach überproportionalem Zuwach des Distanzmaßes

Mehrere Variablen werden auf Grundlage der Korrelationsstruktur zu einem Faktor zusammengefasst.

Jeder heterogenen Variablengruppe liegt ein Faktor zugrunde

Der Faktor bezeichnet eine latente Merkmalsstruktur

Die inhaltliche Bedeutung kann aus der Bedeutung der jeweils dazugehörigen Variablen abgeleitet werden.

Es liegen mehrere metrisch skalierte Merkmale vor.

Mindestens 50 Personen

am besten 5x mehr Personen als Variablen

Ein Test, inwieweit die Varianz einer Variablen durch die anderen Variablen erklärt wird.

Wertebereich: 0-1

Werte ab 0.7 sind wünschenswert

Ein Test zur Messung der Stärke des Einflusses einzelner Faktoren auf die abhängige Variable.

Prüfung auf Varianzhomogenität.

Der Winkel zwischen Basisvektor (Faktor) und einem gegebenen Vektor (Item) ist der Korrelationskoeffizient zwischen Item und Faktor.

Die Korrelation zwischen einer Variablen und einem Faktor.

Die quadrierten Faktorladungen geben den Varianzanteil an, der durch den Faktor erklärt wird.

Jede Variable kann durch eine Linearkombination von r Faktoren vollständig erklärt werden.

Die „hinter“ den Variablen stehende Dimension, die für die Ausprägung einer Variablen verantwortlich ist.

Eine Variable, die zusammen mit anderen Variablen einen Faktor ausmacht.

Die Ausprägung einer Person auf einem Faktor.

Der Anteil der Varianz der Ausgangsvariablen, der durch einen Faktor erklärt wird

Rechtwinklig

Schiefwinklig

Faktoren sind korreliert

Faktoren sind nicht korreliert

...misst die Reliabilität eines Konstruktes

...misst die interne Konsistenz eines Konstruktes

Cronbach‘s Alpha ist die „untere Schranke“ der Validität.

Cronbach‘s Alpha wird größer mit steigender Anzahl von Items.

Werte ab 0.7 sind akzeptabel

Eine Aussage darüber, wie stark der Einfluss einzelner Faktoren auf die AV ist, kann mit Hilfe von Cronbach's Alpha gemacht werden.

5x mehr Personen als Items

Faktorladungen und Kommunalitäten sollten > 0.3 sein

Es sollen min. 50% der Varianz aufgeklärt werden

Es sollten min. 3 Items pro Faktor sein

Cronbachs Aplha sollte < 0.7 sein

Nur die rotierte Matrix interpretieren

Nur die unrotierte Matrix interpretieren

...dient der Untersuchung des Einflusses einer oder mehrerer unabhängiger Variablen auf eine oder mehrere abhängige Variable

...dient der Untersuchung des Einflusses einer oder mehrerer abhängiger Variablen auf eine oder mehrere unabhängige Variablen

Prüft Kausalhypothesen

Das Vorgehen entspricht im Wesentlichen einem einfachen oder multiplen Mittelwertvergleich

Misst den Zusammenhang zwischen zwei Variablen.

Misst den Unterschied zwischen mehr als zwei unabhängigen Gruppen.

Die UV muss 3-stufig nominal skaliert sein.

Die AV muss ordinal skaliert sein.

Die AV muss metrisch skaliert sein.

Die AV muss 3-stufig nominal skaliert sein.

Die UV muss ordinal skaliert sein.

Ist die erklärte Abweichung gegenüber der nicht erklärten Abweichung „groß genug“, so hat das Merkmal der Gruppierung einen Einfluss auf die AV.

Ist die unerklärte Abweichung gegenüber der erklärten Abweichung „groß genug“, so hat das Merkmal der Gruppierung einen Einfluss auf die AV.

Wenn die Abweichungen bei den erinnerten Werbebotschaften, die durch die Art der genutzten Werbung erklärt werden können, „groß genug“ sind, so hat die experimentelle Manipulation einen Einfluss auf diese Erinnerung.

Nicht nur das Medium (Radio, Print oder TV) hat einen Einfluss auf die Erinnerungsleistung, sondern darüber hinaus beispielsweise die jeweilige Aufmerksamkeit der Probanden im Experiment.

Bei mehrfaktoriellen Varianzanalysen zeigt sich, dass bestimmte Faktoren/UVs einen Einfluss haben.

Eta-Werte werden analog zu Beta-Koeffizienten bei der Regression als Korrelationskoeffizienten interpretiert.

Eta-Quadrat stellt den Anteil der gemeinsamen Varianz dar.

Prüfung auf Varianzhomogenität in den Gruppen mit Hilfe des Eta-Quadrats.

Die Kovarianzanalyse dient der Reduktion der unerklärten Varianz.

Das Skalenniveau der Kovariate ist ordinal.

Korreliert die Kovariate mit einem Faktor, wird ein Teil des Zusammenhangs durch Einbeziehung der Kovariaten beseitigt.

Nicht nur das Medium (Radio, Print oder TV) hat einen Einfluss auf die Erinnerungsleistung, sondern darüber hinaus beispielsweise die jeweilige Aufmerksamkeit der Probanden im Experiment.

Das Skalenniveau der Kovariate ist metrisch.

Die Regressionsanalyse misst den gerichteten Zusammenhang zwischen zwei Variablen.

Mit Hilfe der Regressionsanalyse lassen sich Aussagen über Kausalzusammenhänge treffen.

Im Gegensatz zur Varianzanalyse ist die unabhängige Variable bei der Regressionsanalyse metrisch definiert.

Die multiple Regressionsrechnung basiert wesentlich auf der Partialkorrelation. Dabei wird der Einfluss einer dritten Variablen Z aus der Beziehung zwischen X und Y „herausgerechnet“.

Theorien, die nur zwei Konstrukte miteinander kombinieren, sind in den Sozialwissenschaften höchst aktuell.

Die Mediator hilft, den zugrunde liegenden Prozess zu verstehen.

Eine Korrelation zwischen AV und UV ist Voraussetzung für die Mediationsanalyse.

Der Mediator hat einen Einfluss auf den Zusammenhang von zwei Variablen.

Die Mediatorvariable steht zwischen zwei Variablen.

Totaler Effekt

Indirekter Effekt

Diskreter Effekt

Direkter Effekt

Absoluter Effekt

Kein Effekt

Das Bootstrapping ist eine Methode der Moderationsanalyse.

Klärung der Frage, ob ein indirekter Effekt statistisch signifikant ist.

Klärung der Frage, ob ein direkter Effekt statistisch signifikant ist.

Wenn die 0 nicht drinnen liegt, ist der Effekt signifikant.