Zur Überprüfung von Theorien und Hypothesen

Um die Wahrheit von Theorien zu beweisen

Um systematisches Wissen zu sammeln

Um die Bedingungen zu identifizieren, unter denen die Gesellschaft verändert werden kann

Um Regelhaftigkeiten im menschlichen Erleben und Verhalten zu entdecken

In der qualitativen Forschung werden mehr Merkmalsträger untersucht als in der quantitativen Forschung

In der quantitativen Forschung werden mehr Merkmalsträger untersucht als in der qualitativen Forschung

Die quantitative Forschung versucht über eine große Anzahl von Merkmalsträgern Regelhaftigkeiten zu entdecken oder zu überprüfen

Durch den quantitativen Ansatz versucht der Forscher den Sinn und die Motive zu erkunden, die Menschen zu Handlungen veranlassen (das Verstehen einer Handlung), während durch die qualitative Analyse statistische Regelhaftigkeiten aufgezeigt werden

Wissenschaft ist wertfrei und dient nur dem Erkenntnisgewinn, deshalb darf die Wissenschaft nicht zur Gestaltung der Realität missbraucht werden

In dem man versucht, aus empirisch gut bewährten Theorien Aussagen abzuleiten, die die Wirkung dieser Maßnahmen prognostizieren

Durch die Beachtung und Analyse von Fallstudien zum Einsatz dieser Maßnahmen

Indem der Einsatz mit einer Evaluationsstudie verknüpft wird

Im experimentellen Untersuchungsdesign kann der Forscher gezielt bestimmte Untersuchungsbedingungen beeinflussen, im korrelativen Design ist diese Möglichkeit der systematischen Beeinflussung nicht gegeben

Im experimentellen Untersuchungsdesign werden simultan sehr viele Merkmale erfasst, die das Untersuchungsergebnis beeinflussen können, im korrelativen Design werden nur wenige ausgewählte Merkmale erhoben. Diese werden jedoch systematisch beeinflusst (z.B. konstant gehalten).

Im experimentellen Design werden die Untersuchungsbedingungen über einen langen Zeitraum konstant gehalten, deshalb ist es mit diesem Untersuchungsdesign möglich langfristige Effekte von Umwelteinflüssen zu messen

Durch die korrelative Studie lassen sich Ursachen-Wirkungszusammenhänge eindeutig belegen, das ist im experimentellen Design nicht der Fall.

Das Experiment erlaubt eine eindeutige Aussage über Ursache und Wirkung

Das Experiment hat die größere Realitätsnähe

In einem Experiment können potenzielle Störfaktoren ausgeschaltet bzw. konstant gehalten werden

Das Experiment kann kostengünstiger durchgeführt werden als eine Querschnittsstudie

Im Experiment können zahlreiche Einflussfaktoren parallel berücksichtigt werden

Damit lassen sich kausale Abhängigkeiten zweifelsfrei nachweisen

Sie sind in einem engen zeitlichen Korridor durchführbar und können damit schnell Erkenntnisse liefern

Es können sehr viele Variablen erhoben und deren wechselseitigen Zusammenhänge erkannt werden

Da sie die Komplexität der Realität besser berücksichtigen als Experimente, sind sie besser zum Test von Kausalaussagen geeignet als Experimente

Längsschnittstudien können aufzeigen, wie sich bestimmte Persönlichkeitsmerkmale im Laufe des Lebens verändern

Längsschnittstudien geben Anhaltspunkte dafür, welche Veränderungen auf Alterung und welche auf Umwelteinflüsse zurückzuführen sind

Längsschnittstudien erlauben Aussagen über eindeutige UrsacheWirkungsbeziehungen

Sie ermöglichen die kurzfristige Beantwortung gesellschaftlich drängender Fragen

Das Experiment kann in einem kürzeren Zeitraum durchgeführt und ausgewertet werden als eine Studie

Das Experiment ermöglicht vielfach eine eindeutige Aussage über UrsacheWirkungsbeziehungen, die Querschnittstudie nicht

Die Querschnittsstudie kann in höherem Maße die Komplexität der Alltagssituation berücksichtigen als das Experiment

Die Aussagen einer Studie sind aufgrund der größeren Zahl der Befragten zuverlässiger als die Ergebnisse eines Experimentes

Die menschliche Wahrnehmung (Sehen, Hören) wird durch die Erfahrungen beeinflusst

Die menschliche Wahrnehmung wird durch die aktuelle Befindlichkeit (Ermüdung, Hunger, Durst) beeinflusst

Wenn sich der Mensch der Einflussfaktoren bewusst ist, kann er diese bewusst ausblenden und dennoch objektiv wahrnehmen

Der Mensch muss im Wahrnehmungsprozess immer selektieren, mit dieser Selektion erfolgt aber bereits eine Interpretation der Realität

Die Aussagen der Alltagspsychologie sind größtenteils falsch

Die wissenschaftliche Psychologie ist bestrebt, empirisch gehaltvolle Aussagen zu formulieren, die empirisch überprüft werden

Aussagen der Alltagspsychologie werden von ihren Urhebern häufig gegen eine Falsifizierung immunisiert

Aussagen der wissenschaftlichen Psychologie sind richtig, Aussagen der Alltagspsychologie sind nicht richtig

Wissenschaftliches Arbeiten besteht aus der Einhaltung einer Reihe von Regeln und Methoden, mit denen wir Hypothesen und Theorien empirisch überprüfen

Wissenschaftliches Arbeiten in der Psychologie bedeutet eine Parteinahme für unterdrückte Personen und Personengruppen

Wissenschaftliches Arbeiten besteht in der systematischen Auswahl von Fakten und Untersuchungen, die eine Theorie unterstützen

Wissenschaftliches Arbeiten ist die theoriefreie Sammlung von Fakten, um daraus eine unvoreingenommene Sicht auf die Realität entwickeln zu können

Eine Aussage über die Realität, die in einem klar definierten Raum-ZeitKontext gilt

Eine Aussage über eine Wenn-Dann-Beziehung in der Realität, die räumlich und zeitlich nicht begrenzt ist

Eine normative Aussage darüber, wie die Realität beschaffen sein sollte

Eine Hypothese, die eine kausale Beziehung zwischen zwei oder mehr Merkmalen herstellt

Wenn ein Sachverhalt durch sich selbst (durch seine Definition) erklärt wird. Bsp.: Alle Schimmel sind weiß

Wenn durch die Aussage kein Sachverhalt ausgeschlossen wird

Wenn die Aussage bestimmte Sachverhalte in der Realität ausschließt

Wenn die Aussage eine normative Komponente enthält

weil in den Sozialwissenschaften Hypothesen immer nur in einem gesellschaftlichen Kontext gelten

weil das menschliche Verhalten keinen Gesetzmäßigkeiten folgt

weil nomologische Hypothesen raum-zeitlich unbegrenzt gelten, das heißt, es können nicht alle Geltungsbereiche der Hypothese überprüft werden. Somit kann nicht ausgeschlossen werden, dass zukünftig ein falsifizierendes Ereignis auftritt

weil der Basissatz zur Überprüfung der Hypothese wiederum theoretische Elemente enthält. Auch diese Elemente im Basissatz sind nicht verifizierbar

eine Theorie besteht aus einer Kombination von Axiomen und Hypothesen, die mit einander vereinbar sind, das Auftreten bestimmter Ereignisse vorhersagen und gleichzeitig das Auftreten anderer (dazu widersprüchlicher) Ereignisse ausschließen. Damit ist eine Theorie empirisch überprüfbar

eine Theorie ist ein in sich logisch konsistentes Gebäude von Aussagen, das sich sowohl dazu eignet das Auftreten von Ereignissen zu erklären und als auch das Auftreten von Ereignissen vorherzusagen

eine Theorie ermöglicht die Erklärung eines Sachverhaltes auf der Basis der Erfahrungen, die eine Person im Laufe ihres Lebens gesammelt hat

eine Theorie gibt Anweisungen wie die (physikalische oder soziale) Welt gestaltet oder verändert werden soll

Eine Falsifikation liegt vor, wenn es nicht möglich ist eine Theorie empirisch zu überprüfen

Eine Falsifikation liegt vor, wenn die Theorie in der Vergangenheit alle Sachverhalte richtig vorhergesagt hat

Eine Falsifikation liegt vor, wenn ein Ereignis eintritt, das mit den Grundannahmen der Theorie (den Axiomen) unvereinbar ist, unter der Voraussetzung, dass gleichzeitig die Ausgangsbedingungen der Theorie (Wenn-Komponente) zutreffen

Eine Falsifikation liegt immer dann vor, wenn ein Ereignis eintritt, das durch die Theorie nicht vorhergesagt wurde, unabhängig davon, ob die WennKomponente zutreffend ist.

Alle Schwäne sind weiß

Alle Schimmel (Pferde) sind weiß

Wenn der Hahn kräht auf dem Mist, ändert sich das Wetter oder es bleibt, wie es ist

Erfolgreiche Studenten haben überdurchschnittlich gute Leistungen in den empirischen Methoden

In einem Kreis sind alle Punkte gleich weit vom Mittelpunkt entfernt

Wenn eine probabilistische Hypothese in einzelnen Fällen nicht zutrifft, kann das mit der Wahrscheinlichkeitsaussage vereinbar sein.

Probabilistische Hypothesen können nur dadurch falsifiziert werden, dass die Mehrzahl der empirischen Befunde der Hypothese widerspricht, dieser Nachweis ist unmöglich. Dies gilt besonders deshalb, weil auch zukünftige Ereignis berücksichtigt werden müssten

Die Falsifikation einer Hypothese beruht auf der Annahme (Akzeptanz) einer singulären Aussage. In dieser singulären Aussage sind wiederum theoretische Element enthalten, die falsch sein können.

Es gibt wenig oder gar keine Hypothesen, für die keine falsifizierenden Ereignisse existieren. Würde ein einzelnes Ereignis zur Falsifikation verwendet werden, müssten wir (fast) alle Hypothesen verwerfen.

Dass empirische Aussagen über die Realität keine normativen Elemente enthalten dürfen.

Dass der Wissenschaftler keine bewertende Position zu dem Thema beziehen darf, an dem er arbeitet.

Dass ein Wissenschaftler die Untersuchung einer Fragestellung vorurteilsfrei ohne eigene Wertung angehen muss.

Dass der Wissenschaftler keine Verantwortung dafür hat, was mit den Ergebnissen seiner Arbeit passiert.

Zuordnungsregeln nach denen psychologische oder soziale Merkmale in Symbole oder Zahlen umgesetzt werden

Die Verwendung von Messinstrumenten (Fragebogen oder Tests) zur Quantifizierung psychologischer Merkmale

Die Entwicklung statistischer Verfahren und Kenngrößen

Die Entscheidung über die Falsifikation einer Hypothese

ein Merkmalsträger muss immer ein Mensch sein

als Merkmalsträger wird die untersuchte Einheit bezeichnet.

je nach Fragestellung und Disziplin kann der Merkmalsträger ein Menschen, ein Unternehmen oder ein Land sein

ein Merkmalsträger zeichnet sich dadurch aus, dass er viele von den anderen Merkmalsträgern verschiedene Merkmale aufweist

ein Merkmalsträger ist der Prototyp einer Gruppe, der das betreffende Merkmal besonders ausgeprägt aufweist

als Merkmal wird die Eigenschaft eines Merkmalsträgers bezeichnet, die in der Untersuchung von Interesse ist

ein Merkmal ist eine Eigenschaft, die bei allen Merkmalsträger einer Stichprobe gleich oder ähnlich ausgebildet ist

als Merkmal wird ausschließlich die Eigenschaft des Merkmalsträgers bezeichnet, die in der Untersuchung die abhängige Variable darstellt

als Merkmal bezeichnet man die Eigenschaft der Merkmalsträger, die am besten zwischen den Merkmalsträgern differenziert

eine Merkmalsausprägung ist der Wert, den ein Merkmalsträger in Bezug auf dieses Merkmal tatsächlich aufweist

die Merkmalsausprägungen sind die theoretisch möglichen Merkmalswerte, die ein Merkmal annehmen kann.

die Merkmalsausprägungen sind die interessierenden Eigenschaften eines Merkmalsträgers

die Merkmalsausprägungen sind quantifizierbare Eigenschaften eines Merkmalsträgers

ein Merkmalswert ist der Wert, den ein Merkmalsträger in Bezug auf dieses Merkmal tatsächlich aufweist

Merkmalswerte sind die theoretisch möglichen Merkmalsausprägungen, die ein Merkmal annehmen kann.

die Merkmalswerte sind die interessierenden Eigenschaften eines Merkmalsträgers

die Merkmalswerte sind quantifizierbare Eigenschaften eines Merkmalsträgers

Die Addition einer Konstanten zu allen Merkmalswerten

Die Subtraktion einer Konstanten von allen Merkmalswerten

Die Multiplikation aller Merkmalswerte mit einer Konstanten

Die Division aller Merkmalswerte durch eine Konstante

Die Zusammenfassung benachbarter Merkmalsausprägungen

Die logarithmische Transformation aller Merkmalswerte

Die willkürliche Veränderung der Merkmalswerte: z.B. 1 -> 3; 2 -> 5; 4 -> 1; 3 -> 1; 5 -> 4

Die Addition einer Konstanten zu allen Merkmalswerten

Die Subtraktion einer Konstanten von allen Merkmalswerten

Die Multiplikation aller Merkmalswerte mit einer Konstanten

Die Division aller Merkmalswerte durch eine Konstante

Die Zusammenfassung benachbarter Merkmalsausprägungen

Die logarithmische Transformation aller Merkmalswerte

Die willkürliche Veränderung der Merkmalswerte: z.B. 1 -> 3; 2 -> 5; 4 -> 1; 3 -> 1; 5 -> 4

Die Addition einer Konstanten zu allen Merkmalswerten

Die Subtraktion einer Konstanten von allen Merkmalswerten

Die Multiplikation aller Merkmalswerte mit einer Konstanten

Die Division aller Merkmalswerte durch eine Konstante

Die Zusammenfassung benachbarter Merkmalsausprägungen

Die willkürliche Veränderung der Merkmalswerte: z.B. 1 -> 3; 2 -> 5; 4 -> 1; 3 -> 1; 5 -> 4

Die Addition einer Konstanten zu allen Merkmalswerten

Die Subtraktion einer Konstanten von allen Merkmalswerten

Die Multiplikation aller Merkmalswerte mit einer Konstanten

Die Division aller Merkmalswerte durch eine Konstante

Die Zusammenfassung benachbarter Merkmalsausprägungen

Die logarithmische Transformation aller Merkmalswerte

Die willkürliche Veränderung der Merkmalswerte: z.B. 1 -> 3; 2 -> 5; 4 -> 1; 3 -> 1; 5 -> 4

Die Addition einer Konstanten zu allen Merkmalswerten

Die Subtraktion einer Konstanten von allen Merkmalswerten

Die Multiplikation aller Merkmalswerte mit einer Konstanten

Die Division aller Merkmalswerte durch eine Konstante

Die Zusammenfassung benachbarter Merkmalsausprägungen

Die logarithmische Transformation aller Merkmalswerte

Die willkürliche Veränderung der Merkmalswerte: z.B. 1 -> 3; 2 -> 5; 4 -> 1; 3 -> 1; 5 -> 4

Keine Skalen-Transformation trifft zu

Die neue Variable ist nominalskaliert

Die neue Variable ist ordinalskaliert

Die neue Variable ist intervallskaliert

Die neue Variable ist verhältnisskaliert

Die neue Variable hat den Mittelwert 0 und die Standardabweichung 0

Die neue Variable hat den Mittelwert 0 und die Standardabweichung 1

Die neue Variable hat den Mittelwert 0 und die Standardabweichung 2

Die neue Variable hat den Mittelwert 1 und die Standardabweichung 0

Die neue Variable hat den Mittelwert 1 und die Standardabweichung 1

Die neue Variable hat den Mittelwert 1 und die Standardabweichung 2

es werden inhaltliche Antwortkategorien definiert, die mit genannt =1, nicht genannt = 0 erfasst werden

der Auswerter versetzt sich in die Lage des Befragten und versucht seine Antwort zu verstehen

die Antworten können z.B. nach der Anzahl der Argumente, die genannt werden ausgewertet werden

Offene Fragen können grundsätzlich nicht quantitativ ausgewertet werden

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominal

Ordinal

Intervall

Verhältnis

Absolut

Nominalskala

Ordinalskala

Intervallskala

Verhältnisskala

Absolutskala

dass der Test bei wiederholter Verwendung bei derselben Person zu demselben Ergebnis führt

dass der Test unabhängig von dem durchführenden Versuchsleiter dieselben Ergebnisse ergibt

dass die Testergebnisse von verschiedenen Auswertern gleich interpretiert werden

dass der Test genau das misst, was er messen soll

dass der Test die Leistung des Probanden exakt vorhersagt

dass der Test, unter gleichen Bedingungen durchgeführt, zu vergleichbaren Ergebnissen führt

dass verschiedene Auswerter die Testergebnisse gleich interpretieren

dass der Test immer zu denselben Ergebnissen kommt

dass der Test genau das misst, was er messen soll

dass alle relevanten Aspekte des theoretischen Konstruktes erfasst werden

wenn der Test unter gleichen Bedingungen zu vergleichbaren Ergebnissen führt

durch den Vergleich mit den Ergebnissen anderer bereits etablierter Tests

wenn verschiedene Wissenschaftler die Ergebnisse gleich interpretieren

durch eine Korrelation des Testergebnis mit dem vorhergesagten Ereignis

wenn verschiedene Auswerter die Testergebnisse gleich interpretieren

wenn verschiedene Wissenschaftler die Ergebnisse gleich interpretieren

wenn die Messwerte der Versuchspersonen bei mehrfacher Durchführung hoch korrelieren

wenn das Merkmal bei allen Personen unter denselben Bedingungen gemessen wird

wenn zwei oder mehr parallele Formen des Tests entwickelt wurden

wenn verschiedene Auswerter die Testergebnisse gleich interpretieren

die Testwerte müssen mit Expertenurteilen über die Personen hoch korrelieren

aus einem Messinstrument werden zwei parallele Formen entwickelt, die Testergebnisse müssen hoch korrelieren

zwei (oder mehr) Wissenschaftler ordnen demselben Phänomen denselben Messwert zu

Prüfung der inneren Konsistenz: alle Items, die denselben Sachverhalt messen (sollen), müssen untereinander mittelstark bis stark korrelieren

verschiedene Auswerter bewerten das Testergebnis gleich

Die Objektivität

Die Sensitivität

Die Originalität

Die Reliabilität

Die Konstruktivität

Die Validität

Die Homogenität

Die Heterogenität

Die Konfirminität

Die Plausibilität

Die Durchführungsreliabilität

Die Erhebungsreliabilität

Die Kriteriumsreliabilität

Die Retest-Reliabilität

Die Prüfung der inneren Konsistenz

Durch eine schriftliche Fixierung der Untersuchungsanweisung, die den Probanden vorgelegt wird

Durch den Einsatz eines zweiten Versuchsleiter

Durch einen exakten Kodierplan für die Fragebögen

Durch die Konstant-Haltung von Lärmpegel und Temperatur

Durch die Verwendung zweier paralleler Formen des Testes

Durch die Korrelation der Testergebnisse mit den Ergebnissen eines anderen Tests

Durch die Berechnung der inneren Konsistenz

Dass ein neuer Test mit denselben Merkmalen (ungefähr gleichstarke) Korrelationen aufweist wie bereits etablierte Test

Wenn zwei Forscher zu demselben Ergebnis bei der Bewertung eines Test kommen

Wenn zwei oder mehr Forscher das Ergebnis eines Test gleich (oder ähnlich) bewerten

Wenn mit dem neuen Test, Hypothesen bestätigt werden können, die zuvor nicht bestätigt wurden

Wenn ein Experte bescheinigt, dass der Test alle relevanten Aspekte des Konstruktes abdeckt

Der Informationsgehalt ist umso höher, je mehr Sachverhalte in der WennKomponente ausgeschlossen werden

Der Informationsgehalt ist umso höher, je weniger Sachverhalte in der WennKomponente ausgeschlossen werden

Der Informationsgehalt ist umso höher, je mehr Sachverhalte in der DannKomponente ausgeschlossen werden

Der Informationsgehalt ist umso höher, je weniger Sachverhalte in der DannKomponente ausgeschlossen werden

das unstrukturierte Tiefeninterview

die Befragung des Probanden

die Beobachtung des Probanden

die Messung physiologischer Sachverhalte des Probanden

Die Zielsetzung der Studie sollte einleitend dargestellt werden

Zum Einstieg sollten bereits die schwierigen und kniffligen Fragen gestellt werden, damit die potentiellen Abbrecher der Befragung wenigstens diese Fragen beantwortet haben

Zum Einstieg sollten einfach zu beantwortende Fragen gestellt werden, die positiv besetzt sind

Die Fragen sollten möglichst pointiert unter Verwendung wertbeladener Begriffe formuliert werden, um eine Polarisierung der Antworten zu erreichen

Um den Befragten die Orientierung zu erleichtern, müssen alle Antwortvorgaben in die gleiche Richtung gehen (z.B. je weiter links, desto positiver)

Die Fragen sollten möglichst anspruchsvoll formuliert werden (Verwendung von Fremdwörtern), um bei den Befragten den Eindruck von Bildung und Wissen zu erwecken

Die inhaltlichen Aspekte von Fragen dürfen sich nicht wiederholen, auch wenn die Frage anders formuliert wurde

Es ist darauf zu achten, dass die Fragen für die Zielgruppe verständlich bleiben

Passanten auf der Straße befragt werden

die Befragung schriftlich angekündigt wurde und in der Wohnung des Befragten stattfindet

der Befragte signalisiert, dass er keine Lust auf die Teilnahme hat

die befragte Population eher bildungsfern eingeschätzt wird

Menschen können leichter mit einer geraden Anzahl von Antwortvorgaben umgehen als mit einer ungeraden Anzahl, deshalb sind diese Angaben verlässlicher

Eine gerade Anzahl an Antwortvorgaben zwingt die Befragten zu einer Entscheidung, weil es keine neutrale Mitte gibt

Dadurch fällt das Umpolen von Items leichter

Eine gerade Zahl von Antwortvorgaben erhöht die Reliabilität der Antworten

Sie ist kostenintensiv

Der Interviewer kann Missverständnisse ausräumen

Sie liefert in einem höheren Grad reliable und valide Ergebnisse als andere Formen der Befragung

Sie kann durch unbemerkte Interaktionen zwischen Interviewer und Befragten zu verzerrten Antworten führen

Sie ermöglicht eine schnelle und kostengünstige Rekrutierung der Interview-Partner

Durch die direkte Eingaben der Antworten in eine Bildschirmmaske entfällt die Fehlerquelle der Datencodierung und Erfassung durch den Forscher

Stellt sicher, dass ausschließlich Personen antworten, die in die Zielgruppe der Grundgesamtheit gehören

Sie kann über Filtertechniken sicherstellen, dass die Befragten nur die Fragen zur Beantwortung erhalten, die für sie relevant sind

für solche Fragen sind nur die Antwortkategorien „ja“ und „nein“ vorzugeben

bei solchen Fragen sollten die Interviewten die Möglichkeit haben, ihre Antwort ausführlich zu begründen

diese Fragen sollten möglichst am Ende der Befragung gestellt werden

es sollte kurz begründet werden, warum die Frage notwendig ist

es sollte darauf hingewiesen werden, wie die Mehrheit der Bevölkerung diese Frage beantworten würde

wenn möglich auf Fragen zurückgreifen, die aus einem ähnlichen Anlass einer vergleichbaren Population gestellt wurden

diesen Fragebogen in einem Pretest auf Akzeptanz und Verständlichkeit testen

möglichst eigene Fragen formulieren, auch wenn schon Erhebungsinstrumente existieren

keine Fragen verwenden, die in einer anderen Untersuchung gestellt wurden, weil dadurch Antwortverzerrungen entstehen können

möglichst viele Fremdworte verwenden, damit die Befragten erkennen, dass dies eine wissenschaftliche Untersuchung ist

den Sachverhalt einer Frage möglichst umfassend darstellen, auch wenn Sie dafür mehrere Gedanken aufgreifen müssen

Reizworte, die einem Teil der Bevölkerung stark affektiv belegt sind, möglichst vermeiden

die Fragen kurz, prägnant und eindeutig formulieren

die Kontrollfrage sollte unmittelbar nach ursprünglichen Frage folgen, allerdings sollte sie eine Negation der ersten Frage darstellen

die Kontrollfrage sollte erst nach weiteren Fragen stehen und nicht identisch mit der ursprünglichen Frage sein

Kontrollfrage und ursprüngliche Frage müssen identisch sein, sonst können Abweichungen nicht eindeutig aufgezeigt werden

es sollten nicht zu viele Kontrollfragen gestellt werden, um den Fragebogen nicht unnötig aufzublähen

Der Pretest sollte möglichst mit einer vergleichbaren Population durchgeführt werden, mit der auch die Hauptuntersuchung durchgeführt werden

Der Pretest sollte mit einer möglichst verschiedenartigen Population durchgeführt werden, um ein breit getestetes Instrument zu erhalten

Der Pretest dient unter anderem dazu die Verständlichkeit und Akzeptanz der Fragen zu überprüfen

Der Pretest dient dazu, die Bedingungen herauszufinden, unter denen die Forschungsfrage am besten bestätigt werden kann.

Wenn die Grundgesamtheit so groß ist, dass die Erfassung zu teuer wäre

Wenn eine Hypothese verifiziert werden soll

Wenn die untersuchten Einheiten beschädigt werden (Crashtest)

Wenn die Ergebnisse schnell verfügbar sein müssen und die Untersuchung der Grundgesamtheit zu zeitaufwändig wäre

Das Auslosen der Merkmalsträger

Die Auswahl nach dem Geburtsjahr

Die Kontaktierung persönlicher Bekannter über Facebook oder Xing

Die Quoten-Stichprobe

Die Ziehung aus einer Datei mit einem Zufallszahlengenerator

Das ist nicht richtig; beide Verfahren sind gleichwertig

weil die Quotenstichprobe schneller und einfacher realisierbar ist

weil der Einfluss des Versuchsleiters bei der Quotenstichprobe geringer ist als bei der willkürlichen Auswahl

weil mit einer Quotenstichprobe Hypothesen weniger schnell falsifiziert werden

Es kann nicht mit 100 % Sicherheit gesagt werden, dass die Quotenmerkmale für den Untersuchungszweck relevant sind

Dass der Entscheidungsspielraum des Versuchsleiters durch die Quotenvorgaben erheblich eingeschränkt ist

Dass der Quotenplan einer geschichteten Zufalls-Stichprobe entspricht und damit eine Genauigkeit vorspiegelt, die gar nicht existiert

Dass es bei einer Mehrthemenumfrage nahezu unmöglich ist einen für alle Themenrelevanten Quotenplan zu erstellen

Da der Zeitpunkt zufällig gewählt wurde, ist die Stichprobe repräsentativ

Die Stichprobe enthält nur einen sehr eingeschränkten Anteil der Grundgesamtheit aller Supermarktkunden, da nur in einem engen Zeitfenster erhoben wird, deshalb ist die Stichprobe nicht repräsentativ

Wenn die Kunden innerhalb dieses Zeitfensters nach einem Quotenauswahlverfahren ausgewählt werden, ist die Stichprobe repräsentativ

Die Erhebung sollte zu einem anderen Zeitpunkt (z.B. Freitag am Abend) wiederholt werden, dann ist die Stichprobe repräsentativ.

Mittwoch am Morgen ist besonders gut geeignet, da in dieser Zeit besonders wenig Kunden einkaufen. Diese haben daher mehr Zeit. Deshalb sind die Ergebnisse repräsentativ

bei einer Stichprobe von n > 1.000 ist es völlig unerheblich, wie sie gezogen wurde, sie ist allein durch ihren Umfang repräsentativ

Um eine Hypothese möglichst streng zu überprüfen, ist die Stichprobe möglichst groß zu wählen (n> 3.000) weil nur dann das Signifikanzniveau wirklich aussagekräftig ist.

Je homogener die Grundgesamtheit der Merkmalsträger ist, desto kleiner kann die Stichprobe sein, die noch zuverlässige Aussagen über die Grundgesamtheit zulässt.

Je heterogener die Stichprobe ist, desto besser repräsentiert sie die Grundgesamtheit

Streng genommen können nur Verfahren, die auf einer Zufallsauswahl beruhen, die Annahme einer repräsentativen Stichprobe rechtfertigen

Zufallsauswahl oder willkürliche Auswahl der Probanden ist unerheblich, ein Signifikanztest kann in jedem Fall angewandt werden

Alle Elemente der Grundgesamtheit haben eine benennbare Chance, in die Stichprobe aufgenommen zu werden.

Der Einfluss des Versuchsleiters auf die Auswahl und Zusammensetzung der Stichprobe ist sehr gering.

Der Versuchsleiter trifft eine Vorauswahl der Personen, die in die Stichprobe aufgenommen werden können.

Die Stichprobe wird so zusammengesetzt, dass sie der Zusammensetzung der Grundgesamtheit nach soziodemografischen Merkmalen (Alter, Geschlecht, Bildung) möglichst ähnlich ist.

Wenn die Stichprobe groß genug ist (> 1.500), dann ist das Problem der Verweigerer vernachlässigbar.

Wenn die Verweigerer eine in sich homogene Gruppe (höheres Alter, geringer Bildungsstand) im Vergleich mit der Grundgesamtheit sind, dann gefährden sie durch ihre Nichtteilnahme die Repräsentativität der Stichprobe.

Teilnahmeverweigerer gibt es bei allen Untersuchungen, deshalb hat dieses Phänomen keinen Einfluss auf die Repräsentativität.

Dieses Problem kann nicht vollständig gelöst, jedoch abgemildert werden, indem man versucht, potenzielle Verweigerer von der Sinnhaftigkeit einer Teilnahme zu überzeugen

Wenn der Versuchsleiter die Antwortverweigerer mithilfe eines Quotenplans durch neue Probanden ersetzt, ist das Problem gelöst.

bei ordinalskalierten Merkmalen

bei einem kardinalskalierten Merkmal und wenigen Merkmalsträgern

bei einem kardinalskalierten Merkmal bei vielen Merkmalsträgern aber relativ wenig Merkmalsausprägungen

bei einem kardinalskalierten Merkmal und einer überschaubaren Anzahl von Merkmalsträgern mit einem extremen Ausreißer

Eine große Varianz ist immer dann gegeben, wenn die Varianz größer als der Mittelwert ist.

Die Varianz kann größer als die Streuung sein, sie kann aber auch kleiner als die Streuung sein

Die Varianz einer Merkmalsverteilung sollte nur mit einer Varianz einer anderen Verteilung dieses Merkmals verglichen werden, die mit derselben Skala erfasst wurde (z.B. Punkte in der Klausur, wenn die erreichbare Maximalpunktzahl gleich ist)

der Inter- Quartilsabstand ist besser standardisiert als die Varianz

der Inter- Quartilsabstand reagiert nicht auf Ausreiser

der Inter- Quartilsabstand zeigt feinere Unterschiede zwischen Verteilungen auf

der Inter- Quartilsabstand darf nur bei Ordinalskalen verwendet werden

Die gesamte Streubreite der Verteilung (vom Minimum bis zum Maximum)

In welchem Bereich die 50 % „mittleren“ Fälle liegen

Ob die Verteilung symmetrisch oder asymmetrisch ist

Ob die Verteilung rechts- oder linksschief ist

wenn eine Verteilung symmetrisch ist, hat die Schiefe einen Wert von 1,0

je größer der Absolutwert der Schiefe ist, desto symmetrischer ist die Verteilung

eine symmetrische Verteilung hat einen Schiefe-Wert von 0,0

je weiter der absolute Wert von 0,0 entfernt ist, desto schiefer ist die Verteilung

Im Bereich von 0 bis 200 befinden sich 68 % der Merkmalsträger

Im Bereich von 90 bis 110 befinden sich 68 % der Merkmalsträger

Im Bereich von 80 bis 120 befinden sich 95 % der Merkmalsträger

Im Bereich von 80 bis 120 befinden sich 99 % der Merkmalsträger

Im Bereich von 74 bis 126 befinden sich 95 % der Merkmalsträger

Im Bereich von 74 bis 126 befinden sich 99 % der Merkmalsträger

liegt immer eine Normalverteilung vor

liegt immer eine symmetrische Verteilung vor

ist der Kennwert für die Schiefe dieser Verteilung annähernd 0,0

ist der Exzess dieser Verteilung annähernd 0,0

Der Standardfehler einer Verteilung kann als Standardabweichung der arithmetischen Mittel betrachtet werden (wenn mehrere Stichproben gezogen würden)

Der Standardfehler ergibt sich aus der Standardabweichung dividiert durch die Wurzel aus n (=Stichprobengröße)

Der Standardfehler muss immer kleiner als die Standardabweichung sein

Der Standardfehler darf nur bei kardinalskalierten Merkmalen berechnet werden.

Weil dadurch Ausreißer eliminiert werden, die sonst möglicherweise das arithmetische Mittel verzerren würden

Damit ergeben sich zuverlässigere Werte für den Median

Weil nur dann der Modus aussagekräftig ist

Weil dadurch der Wert für die Varianz zuverlässiger wird

Auf die grafische Darstellung von Ergebnissen sollte verzichtet werden, weil dies unwissenschaftlich

Die grafische Darstellung von Ergebnisse veranschaulicht die Bedeutung der Befunde vielfach besser als die bloße Darstellung der Kennzahlen

Die Verwendung dreidimensionaler Grafiken (Kreisdiagramme oder Balkendiagramme) kann zu Wahrnehmungstäuschungen führen und sollte deshalb unterbleiben

Grundsätzlich sollten alle Ergebnisse als Balkendiagramme dargestellt werden

Tortendiagramme stellen die Sachverhalte besonders objektiv und einprägsam dar. Deshalb sollten diese möglichst immer verwendet werden

Möglichst alle Ergebnisse sollten als Boxplots dargestellt werden

das Konfidenzintervall drückt den geschätzten Punktwert einer Größe aus, der sich aus der Stichprobe berechnen lässt

das Konfidenzintervall ist eine Messgröße für die Güte einer Stichprobe

das Konfidenzintervall enthält den Korrekturfaktor für den Stichprobenwert, um den tatsächlichen Wert einer Grundgesamtheit zu ermitteln

das Konfidenzintervall beschreibt den Bereich innerhalb dessen der wahre Wert der Grundgesamtheit mit einer bestimmten Wahrscheinlichkeit (z.B. 95%) um den Wert des Stichprobenkennwertes liegt

es gibt an, wie stark der Effekt in einer Untersuchung ist

es entscheidet darüber, ob eine Hypothese wahr oder falsch ist

es drückt die Fehlerwahrscheinlichkeit aus, mit der von den Daten der Stichprobe auf die Verhältnisse in der Grundgesamtheit geschlossen wird

es kennzeichnet die Bedeutsamkeit eines Ergebnisses für die praktische Anwendung

dass nur die Alternativhypothese geprüft wird, die Nullhypothese bleibt unberücksichtigt

das nur die Nullhypothese geprüft wird, die Alternativhypothese bleibt unberücksichtigt

dass eine Alternativhypothese überprüft wird, die eine bestimmte Tendenz postuliert und einen gegenteiligen Zusammenhang ausschließt (z.B. je länger die Prüfungsvorbereitung, desto besser das Prüfungsergebnis)

dass die Nullhypothese nur dann verworfen wird, wenn die Ergebnisse in die postulierte Richtung geht

Die Wahrscheinlichkeit beträgt 5%, dass Sie die Alternativhypothese zu Unrecht aufgeben

Die Wahrscheinlichkeit beträgt 5%, dass Sie die Nullhypothese zu Unrecht zurückweisen

Die Wahrscheinlichkeit beträgt 95%, dass die Alternativhypothese richtig ist

Die Wahrscheinlichkeit beträgt 95%, dass die Nullhypothese richtig ist

Männer und Frauen zeigen unterschiedliche Einstellungen zur Integration von Ausländern

es besteht ein positiver Zusammenhang zwischen der Fernsehdauer und der Bereitschaft in Konfliktsituationen aggressive Verhaltensweisen zu zeigen

Ältere Menschen zeigen andere Intelligenzstrukturen als jüngere Menschen

Jüngere Menschen verbringen mehr Zeit mit Internetnutzung als ältere Menschen

Grundsätzlich sollte das kleinste mögliche Signifikanzniveau gewählt werden, das noch möglich ist, um die Nullhypothese zurückzuweisen.

Mit der Abnahme der Wahrscheinlichkeit des α-Fehlers steigt die Wahrscheinlichkeit des β-Fehlers, deshalb ist nach Thematik und Erkenntnisstand abzuwägen, welches Signifikanzniveau gewählt werden soll

Es ist besser auf dem 1%-Niveau zu testen als auf dem 5%-Niveau

Das Signifikanzniveau ist allgemein üblich, deshalb sollte man dieses immer verwenden

Einseitig: Die Karriere-Chancen von Männern und Frauen sind unterschiedlich

Einseitig: Die Frauen haben häufig niedrigere Karriere-Chancen als Männer

Zweiseitig: Frauen haben andere Aufgaben in der Gesellschaft als Männer

Zweiseitig: Meist machen die Frauen schneller Karriere als Männer

Ordinalskaliertes Merkmal, wenig Mermalsausprägungen (<5), viele Merkmalsträger (>200)

Intervallskaliertes Merkmal, wenig Merkmalsausprägungen (<8), sehr viele Merkmalsträger (>1.000)

Intervallskaliertes Merkmal, wenig Merkmalsausprägungen (>100), wenig Merkmalsträger (<20)

Ordinalskaliertes Merkmal, viele Merkmalsausprägungen (>30), viele Merkmalsträger (>50)

wenn Maximum und /oder Minimum sehr weit von den nächstgelegenen Merkmalswerten entfernt sind

wenn nur wenige Mermalsausprägungen vorliegen

wenn die Daten Kardinalskalen-Niveau aufweisen

bei kontinuierlichen Merkmalsausprägungen und wenigen Merkmalsträgern

wenn Modus, Median und arithmetisches Mittel einer Verteilung zusammenfallen oder ganz eng beieinander liegen, ist dies eine notwendige aber keine hinreichende Voraussetzung für die Normalverteilungsannahme

liegt vor, wenn die Quadratwurzel der Varianz gleich der Streuung der Verteilung ist

ist immer gegeben, wenn die Merkmale verhältnisskaliert sind

kann statistisch nicht geprüft werden

der Kontigenzkoeffizient bewegt sich im Bereich zwischen -1,0 und 1,0

der Maximalwert, den der Kontigenzkoeffizient annehmen kann, ist abhängig von der Anzahl der Zeilen und Spalten der Kreuztabelle. Er nähert sich asymptotisch dem Wert 1,0 an.

Der Kontigenzkoeffizient kann genauso wie der Korrelationskoeffizient als Maß für die Stärke des linearen Zusammenhangs interpretiert werden

Der korrigierte Kontigenzkoeffizient CC/ CCmax kann als ein Maß für die Stärke des Zusammenhangs interpretiert werden, das dem eta der Varianzanalyse vergleichbar ist.

über die Prüfgröße W

die Effektstärke kann nicht quantifiziert werden, aber über die Visualisierung der Verteilung erhält man einen ungefähren Eindruck von der Stärke des Effektes

über das Signifikanzniveau des Koeffizienten

wenn die Mediane der beiden Gruppen deutlich entfernt voneinander sind, kann man von einem starken Effekt ausgehen.

über eine Schätzung von Cohen's im Effektstärke Rechner von Psychometrica

der Man-Whitney-U-Test (Wilcoxon-Test)

der t-Test für unabhängige Stichproben

die Kruskal-Wallis-Rangvarianzanalyse

die Varianzanalyse

Es liegt ein Rechenfehler vor, da Cohen's d nur positive Werte annehmen kann

Es liegt ein sehr starker Effekt vor

Es liegt ein mittelstarker Effekt vor

Das Ergebnis ist nicht signifikant, die Wahrscheinlichkeit, dass der Effekt zufällig zustande kam, beträgt 72%.

Es liegt ein Rechenfehler vor, weil Cohen's d nur positive Werte annehmen darf

Es liegt ein Rechenfehler vor, weil Cohen's d nur Werte zwischen -1,0 und 1,0 annehmen kann

Es liegt ein sehr starker Effekt vor

In diesem Fall müsste die Odd's Ratio berechnet werden

alle Gruppenunterschiede werden mit dem t-Test geprüft

die beiden Gruppen; die am nächsten beieinander liegen, werden mit dem t-Test geprüft; ist dieser statistisch signifikant, müssen auch die anderen Gruppenunterschiede signifikant sein

mit einem Post-Hoc-Vergleich z.B. Tukey's HSD-Test oder Scheffeé-Test

wenn das Ergebnis der Varianzanalyse signifikant ist, sind alle Gruppenunterschiede signifikant

der t-Wert des t-Testes gibt Aufschluss über die Stärke des Effektes

die Differenz der Mittelwerte gibt Aufschluss über die Stärke des Effekt es

man muss Cohen's d berechnen

man kann varianzanalytisch den Anteil der erklärten Varianz bestimmen

es handelt sich um einen sehr starken Effekt

es liegt ein mittelstarker Effekt vor

es liegt ein schwacher Effekt vor

der Effekt ist vernachlässigbar

es handelt sich um einen sehr starken Effekt

es liegt ein mittelstarker Effekt vor

das ist unmöglich, es liegt ein Rechenfehler vor

der Effekt ist vernachlässigbar

der Levene-Test misst die Stärke des Effektes zwischen den beiden Gruppen

der Levene-Test prüft die Signifikanz des Mittelwert-Unterschiedes

der Levene-Test prüft, ob die Annahme, dass die Varianzen des Merkmals innerhalb der beiden Gruppen gleich sind, aufrecht erhalten werden kann

der Levene-Test ist eine Weiterentwicklung des t-Tests

Die Mittelwertunterschiede sind damit statistisch hochsignifikant

Die Varianzen innerhalb der Gruppen sind homogen, es kann der t-Test für homogene Varianzen berechnet werden

Die Varianzen sind heterogen, es muss der Welch-Test berechnet werden

Die Varianzen sind zwar heterogen, aber das beeinflusst die Durchführung des t-Test nicht

der t-Test für homogene Varianzen ist der konservativere Test, d.h. die Nullhypothese wird länger beibehalten

beim Welch-Test sind die Freiheitsgrade tendenziell geringer als beim t-Test, oft ist auch der t-Wert etwas kleiner

der Welch-Test ist tendenziell etwas konservativer, d.h. die Nullhypothese wird länger beibehalten

es gibt keinen Unterschied zwischen den Ergebnissen der beiden Tests

Ordinalskalen-Niveau der abhängigen Variablen

Kardinalskalen-Niveau der abhängigen Variablen

mindestens fünf Probanden je Gruppe

mindestens dreißig Probanden je Gruppe

dass die Kruskall-Wallis-Rang-Varianzanalyse nur in 95% der Fälle ein signifikantes Ergebnis liefert, in denen die Varianzanalyse signifikante Mittelwertunterschiede aufdeckt

dass der Informationsgehalt der Kruskall-Wallis-Rang-Varianzanalyse 95% des Informationsgehalts der Varianzanalyse beträgt

dass man mit der Varianzanalyse in 95% der Fälle bessere Ergebnisse erhält

dass man die KW-Rangvarianzanalyse 95% der Mittelwertunterschiede als signifikant markiert, die die parametrische Varianzanalyse bei korrekter Anwendung und dem Vorliegen aller Voraussetzungen als signifikant markiert hat

das ist unmöglich

als Kennwert eta-Quadrat = erklärte Varianz / Gesamtvarianz

als Kennwert eta-Quadrat = erklärte Varianz / Fehlervarianz

als Kennwert eta-Quadrat = erklärte Varianz / Freiheitsgrade

Die Veränderung des Merkmals X ist von der Veränderung des Merkmals Y völlig unabhängig

Wenn X größer wird, wird Y ebenfalls größer

Wenn X größer wird, wird Y kleiner

Wenn X größer wird, kann Y größer oder kleiner werden, je nachdem welchen Wert X ha

Wenn X kleiner wird, wird Y ebenfalls kleiner

Kardinalskalenniveau der Merkmale

Normalverteilung der Merkmale

eine plausible Annahme für eine kausale Ursache-Wirkungsbeziehung zwischen den Merkmalen

eine plausible Annahme für eine lineare Beziehung zwischen den Variablen

Ordinalskalen-Niveau der Variablen

die beiden Merkmale sollten annähernd normalverteilt sein

die beiden Merkmale müssen an unterschiedlichen Merkmalsträgern gemessen werden

es sollten mindestens 30 Merkmalsträger gültige Werte für beide Merkmale aufweisen

die Merkmalsausprägungen müssen auf dem Kardinalskalen-Niveau messbar sein

der Zusammenhang kann nicht berechnet werden

es kann der Bravais-Pearson Korrelationskoeffizient berechnet werden

es sollte Spearman’s rho berechnet werden

gegebenenfalls sind Merkmalsausprägungen zusammenzufassen, um den ChiQuadrat-Test für die Kreuztabelle berechnen zu können

Der Chi-Quadrat-Wert einer Kreuztabelle

Der Rangkorrelationskoeffizient rho

Bravais-Pearson-Korrelationskoeffizient r

Der standardisierte Regressionskoeffizient beta

Der Rangkorrelationskoeffizient Kendall’s tau

Es besteht ein starker positiver Zusammenhang (je länger die Vorbereitungszeit, desto höher der Prüfungserfolg), dieser Zusammenhang ist in jedem Falle statistisch signifikant

Der Zusammenhang zwischen den beiden Merkmalen ist nur mittelstark

Anhand der Kodierung der Variablen muss vor der Interpretation erst geprüft werden, ob der Zusammenhang positiv oder negativ ist

Der Koeffizient ist mit Sicherheit auf einen Rechenfehler des Kommilitonen zurückzuführen

die Variablen müssen mindestens Intervallskalenniveau aufweisen

die Variablen müssen in einem plausiblen Ursache-Wirkungszusammenhang zueinander stehen

die Variablen müssen mindestens ordinalskaliert sein

Es sollten zahlreiche Merkmalsausprägungen (>> 2) vorhanden sein

erfordert keine kausale Ursache-Wirkungsbeziehung

liefert den Beweis, dass ein kausaler Zusammenhang zwischen den Merkmalen besteht

darf nicht berechnet werden, wenn eine oder beide Variablen extrem schief verteilt sind

beschreibt die Stärke des linearen Zusammenhanges zwischen zwei Variablen

beschreibt die Stärke des logarithmischen Zusammenhangs zwischen zwei Variablen

dass der Zusammenhang zwischen den beiden Merkmalen statistisch hochsignifikant ist

dass kein nennenswerter linearer Zusammenhang zwischen den beiden Merkmalen besteht

dass überhaupt kein Zusammenhang zwischen den beiden Merkmalen besteht

ein Zusammenhang von r = -0,57

ein Zusammenhang von r = -0,31

ein Zusammenhang von r = 0,25

ein Zusammenhang von r = 0,71

ein Zusammenhang von r = 0,45

hat eine ähnliche Aussagekraft wie der Korrelationskoeffizient r

misst die Stärke des linearen und des nichtlinearen Zusammenhanges zwischen zwei Variablen

kann ab Ordinalskalen-Niveau eingesetzt werden

kann auch bei extrem schiefen Verteilungen eingesetzt werden

Den Produkt-Moment-Korrelationskoeffizient r

Den Rang-Korrelationskoeffizient rho

Den Kontingenz-Koeffizient

Den Rang-Korrelationskoeffizient tau

Den standardisierten Regressionskoeffizienten beta

es liegt ein mittelstarker Zusammenhang vor

der Kontingenzkoeffizient kann grundsätzlich nicht interpretiert werden

der Kontingenzkoeffizient muss adjustiert werden nach der Formel CC / CCmax)

Kardinalskalen-Niveau der beiden Variablen

Ordinalskalen-Niveau der abhängigen Variablen

Normalverteilung der beiden Variablen

Ordinalskalen-Niveau beider Variablen

Ausschließlich die abhängige Variable muss Kardinalskalen-Niveau aufweisen

Durch die Regressionsanalyse; wenn der Regressionskoeffizient statistisch signifikant ist, ist der Nachweis für die Kausalität des Zusammenhanges erbracht

Wenn sowohl Regressionsanalyse als auch Korrelationsanalyse signifikante Ergebnisse zeigen, muss ein Ursache-Wirkungszusammenhang vorliegen

Der Nachweis eines kausalen Zusammenhangs kann über das Untersuchungsdesign (z. B. Versuchsanordnung) gelingen.
Der Nachweis statistisch signifikanter Zusammenhänge ist kein Beleg für einen kausalen Zusammenhang

Wenn sich ein Zusammenhang in mehreren, von einander unabhängigen Untersuchungen herausgestellt hat

Wenn ein plausibler inhaltlicher Zusammenhang zwischen den Merkmalen besteht

Wenn eine zeitliche Abfolge zwischen der Messung des unabhängigen und des abhängigen Merkmals besteht, die Wirkung des unabhängigen Merkmals auf das abhängige Merkmal theoretisch plausibel erscheint und der Zusammenhang statistisch nachgewiesen werden kann

Wenn die Merkmale auch Intervallskalen-Niveau gemessen werden können, weil nur dann eine Regressionsanalyse gerechnet werden darf

Die Regressionsgerade hat eine Steigung von 2,5, d.h. wenn sich X um eine Einheit verändert, verändert sich Y um 2,5 Einheiten

Die Regressionsgerade hat eine Steigung von 1,8, d.h. wenn sich X um eine Einheit verändert, verändert sich Y um 1,8 Einheiten

Die Steigung der Regressionsgeraden darf maximal 1,0 sein, also muss ein Rechenfehler vorliegen

Wenn a und b positiv und größer 1,0 sind, muss ein starker positiver Zusammenhang vorliegen

Es besteht ein starker linearer Zusammenhang zwischen den beiden Merkmalen

Es besteht kein linearer Zusammenhang zwischen den beiden Merkmalen

β kann nicht interpretiert werden, da es Werte von plus bis minus unendlich annehmen kann

Rund 25 % der Varianz in Y werden durch die Veränderungen von X erklärt

Die Höhe von β hängt von der Anzahl der Merkmalsausprägungen der abhängigen Variablen ab

Es besteht ein starker linearer Zusammenhang zwischen den beiden Merkmalen

Es besteht kein linearer Zusammenhang zwischen den beiden Merkmalen

β kann nicht interpretiert werden, da es Werte von plus bis minus unendlich annehmen kann

Rund 2 % der Varianz in Y werden durch die Veränderungen von X erklärt

Es liegt mit Sicherheit ein Rechenfehler vor

Es besteht ein starker linearer Zusammenhang zwischen den beiden Merkmalen

Es besteht kein linearer Zusammenhang zwischen den beiden Merkmalen

β kann nicht interpretiert werden, da es Werte von plus bis minus unendlich annehmen kann

Rund 2 % der Varianz in Y werden durch die Veränderungen von X erklärt

Es liegt mit Sicherheit ein Rechenfehler vor

Über den nichtstandardisierten Regressionskoeffizienten

Über das multiple R

Über den standardisierten Regressionskoeffizienten

Über den Durbin-Watson Koeffizienten

Über den VIF (Variance Inflation Factor)

dem konstanten Glied a im Falle der Einfachregression

dem Quadrat des Korrelationskoeffizienten r im Falle einer bivariaten Korrelation

dem Quadrat des nicht standardisierten Regressionskoeffizienten b im Falle der Einfach-Regression

dem Quadrat des standardisierten Regressionskoeffizienten im Falle einer Einfachregression

die Abweichungen der beobachteten Werte von diesen Schätzwerten stellen den Fehlerterm dar

die Gerade wird so berechnet, dass die Summe der Abweichungen der beobachteten Werte von den Schätzwerten ein Minimum wird

die Gerade wird so berechnet, dass die Summe der quadrierten Abweichungen der beobachteten Werte von den Schätzwerten ein Minimum wird

die Gerade muss immer das Koordinatenkreuz der X- und Y-Achse schneiden, da Y eine Funktion von X ist

Die erklärte Varianz ergibt sich als Quadrat des standardisierten Regressionskoeffizienten

Die erklärte Varianz ergibt sich durch die Quadratur des nicht standardisierten Regressionskoeffizienten

Die erklärte Varianz ergibt sich aus der Division SSreg / SSresid

Die erklärte Varianz ergibt sich durch die Quadratur des multiplen R

Die erklärte Varianz ergibt sich aus der Division SSreg / SS

Eine Maßzahl, die aussagt, wie gleichmäßig und auf wie viele Merkmalsträger ein Merkmal verteilt ist.

Eine Maßzahl, die aussagt, wie häufig ein Merkmal vorkommt

Eine Maßzahl, die aussagt, wie gleichmäßig ein Merkmal über die Merkmalsträger verteilt ist

Eine Maßzahl, die aussagt, wie viele Merkmalsträger ein Merkmal unter sich aufteilen

Eine Maßzahl, die aussagt, wie gerecht ein Merkmal verteilt ist.

Eine Maßzahl, die aussagt, wie gleichmäßig und auf wie viele Merkmalsträger ein Merkmal verteilt ist.

Eine Maßzahl, die aussagt, wie häufig ein Merkmal vorkommt

Eine Maßzahl, die aussagt, wie gleichmäßig ein Merkmal über die Merkmalsträger verteilt ist.

Eine Maßzahl, die aussagt, wie viele Merkmalsträger ein Merkmal unter sich aufteilen

Eine Maßzahl, die aussagt, wie gerecht ein Merkmal verteilt ist.

die Kennzahl wird umso größer, je ungleichmäßiger das Merkmal unter einer gegebenen Anzahl von Merkmalsträgern verteilt ist

die relative Konzentration kann sinken, wenn die Anzahl der Merkmalsträger abnimmt, aber die Verteilung zwischen den Merkmalsträgern gleichmäßiger wird

die Kennzahl geht von 0 bis unendlich

die Kennzahl kann auch negative Werte annehmen

die Kennzahl kann Werte zwischen 0 und 1,0 annehmen

je kleiner der Wert ist, desto gleichmäßiger ist das Merkmal auf die Merkmalsträger aufgeteilt

je größer der Wert wird, desto gleichmäßiger ist das Merkmal auf die Merkmalsträger aufgeteilt

der Wert wird umso größer, je mehr Merkmalsträger Anteil an dem Merkmal haben

der Wert ist nicht von der Anzahl der Merkmalsträger abhängig

Das ist nicht der Fall, beide Koeffizienten sind, von Rundungsungenauigkeiten abgesehen, gleich

Der Herfindahl-Index misst die relative Konzentration, er muss also immer kleiner sein als der Gini-Koeffizient

Der Herfindahl-Index misst die absolute Konzentration, der Gini-Koeffizient misst die relative Konzentration

Grundsätzlich muss der Gini-Koeffizient größere Werte aufweisen, da er Werte von 0 bis unendlich annehmen kann

Wenn der Gini-Koeffizient einen negativen Wert annimmt

Wenn der Gini-Koeffizient sinkt, während der Herfindahl-Index gleichzeitig steigt

Wenn der Gini-Koeffizient sinkt, obwohl die Anzahl der Merkmalsträger kleiner geworden ist

Wenn der Gini-Koeffizient einen Wert von größer als 1,0 annimmt

Wenn der Gini-Koeffizient einen Wert größer als 10,0 annimmt

Die Lorenzkurve ist die grafische Veranschaulichung der Konzentration, der Gini-Koeffizient ist die statistische Maßzahl dieser Konzentration

Die Lorenzkurve ist die grafische Veranschaulichung des Herfindahl-Index und hat mit dem Gini-Koeffizienten nichts zu tun

Die Fläche zwischen Lorenzkurve und der Diagonalen ist umso größer, je höher der Gini-Koeffizient ist

Der Gini-Koeffizient ist 1,0, wenn die Lorenzkurve mit der Diagonale zwischen Merkmalsträgern und Verteilung des Merkmales identisch ist.

Der Preisindex gibt Auskunft über die absolute Veränderung aller Preise ohne Berücksichtigung der verbrauchten Mengen

Der Preisindex drückt die Teuerungsrate eines Warenkorbes aus unter Berücksichtigung der aktuellen Nachfragemenge

Der Preisindex drückt die Teuerungsrate eines Warenkorbes aus unter Berücksichtigung der Nachfragemenge aus der Basisperiode

Der Preisindex drückt die Teuerungsrate eines Warenkorbes aus, wenn alle Produkte im gleichen Wert gekauft würden

Der Preisindex gibt Auskunft über die absolute Veränderung aller Preise ohne Berücksichtigung der verbrauchten Mengen

Der Preisindex drückt die Teuerungsrate eines Warenkorbes aus unter Berücksichtigung der aktuellen Nachfragemenge

Der Preisindex drückt die Teuerungsrate eines Warenkorbes aus unter Berücksichtigung der Nachfragemenge aus der Basisperiode

das kann nicht passieren

es sollte der Mittelwert zwischen beiden berechnet werden

es sollte ein neuer Warenkorb und eine neue Basis-Periode definiert werden

In diesem Fall ist der Index von Paasche zuverlässiger, weil er gegenwartsorientiert ist

weil die Statistik eine unpräzise Wissenschaft ist

Weil die Mengen verschiedener Perioden zur Berechnung der Indices verwendet werden.

Laspeyeres verwendet Mengen der Berichtsperiode; Paasche verwendet Mengen der Vergangenheitsperiode

Weil Güter, die im Warenkorb des Preisindex sind, nicht mehr nachgefragt werden

Die Zeitreihenanalyse wird bevorzugt zur Auswertung von Experimenten eingesetzte

Mit der Zeitreihenanalyse werden bevorzugt Umsatz-Absatz- oder Produktionsdaten analysiert

Die Zeitreihenanalyse dient zur Ermittlung von UrsachenWirkungsbeziehungen

Die Zeitreihenanalyse ermöglicht eine Vorhersage, der weiteren Entwicklung des untersuchten Merkmals

Identifizierung eines Trends in den Daten

Prüfung, ob Saisoneffekte vorliegen

Prüfung auf Interaktionseffekte zwischen zwei erklärenden Variablen

Identifikation von Strukturbrüchen in den Daten

Saisonale Einflüsse auf die Messwertreihe

Konjunkturelle Einflüsse auf die Messwertreihe

Langfristige Einflüsse auf die Entwicklung einer Messwertreihe, die von kurzfristigen Einflüssen überlagert werden können

Kurzfristige, unregelmäßige Veränderungen der Messwertreihe

Der Trend der Messwertreihe

Das Stadium des Produktlebenszyklus des Merkmals

Saisonale Einflüsse auf die Messwertreihe

Indikatoren, die auf Strukturbrüche hinweisen

Jährlich

Halbjährlich

Quartalsmäßig

Monatlich

Wöchentlich

Täglich

Die saisonale Komponente ist konstant über die Zeit, d.h. zum Beispiel der Quartalseffekt ist über die Jahre gleich

Die saisonale Komponente verändert sich von Jahr zu Jahr

Die saisonalen Komponenten heben sich über die Zeit auf (z.B. innerhalb eines Jahres)

Die saisonale Komponente wird im Rahmen der Zeitreihenanalyse als Fehlergröße behandelt