|
Created by Kathy H
about 8 years ago
|
|
|
Copied by Christian Ringwelski
over 5 years ago
|
|
Question | Answer |
Unabhängigkeitstests bei Messwiederholungen (=Mc-Nemar-X²-Test) | X² = (b-c)²) / (b+c) --> signifikantes Ergebnis = Verhältnis ist deutlich anders |
Übersicht parametrische und nonparametrischer Verfahren bei Ordinalskalen | |
Mögliche Darstellung von Kontrasten und Kontrastgewichte | |
Aufklären von Variablen in der multiplen Regression | = Summe von Variablen wollen konkreten Wert einer Person vorhersagen X = genaue Ausprägung der Variablen |
multiplen Determinationskoeffizient R² | gibt den Anteil der Varianz des Kriteriums an, der durch alle Prädiktoren gemeinsam erklärt wird max. Wert = 1 |
Standardschätzfehler bei der multiplen Regression | wie stark weichen die vorhergesagten Werte vom tatsächlichen Wert des Kriteriums ab |
Prüfung des einzelnen Regressionsgewicht auf Signifikanz | t-Wert mit n -2 Freiheitsgraden auf Signifikanz prüfen |
t-Test bei zwei unabhängigen Stichproben | = prüft die Signifikanz eines Unterschiedes - Mittelwertsunterschied der Stichprobe wird verglichen mit Mittelwertsunterschied von H0 |
Freiheitsgrade bei unabhängigen Stichproben | |
Berechnung des t-Werts bei abhängigen Messungen | |
t-Test bei einer Stichprobe / Einstichprobenfall | = Mittelwert einer Gruppe wird gegen zweite theoretische Gruppe verglichen |
Abstandsmaße beim t-Test (unabhängige Stichprobe) | |
Korrelation bei t-Tests (unabhängige Stichprobe) | ist identisch mit Korrelationskoeffizienten |
Effektgrößen bei abhängigen Stichproben | - Abstandsmaße d und g identisch bei Einstichprobenfall |
Berechnung der Gesamtvarianz bei einfaktorieller ANOVA | =X ist der gemeinsame Mittelwert aller Daten |
Berechnung der systematischen Varianz (einfaktorielle ANOVA) | = Streuung der Stichprobe - Streuung sollte möglichst groß sein, da wir ja wollen, dass sich unsere Mittelwerte unterscheiden |
Fehlervarianz bei einfaktoriellen ANOVA | Mittelwert der jeweiligen Gruppe wird verwendet, da wir wissen wollen wie stark die Werte innerhalb der Gruppe variieren |
Freiheitsgrade bei einfaktorieller ANOVA | k = Anzahl von Gruppen N = Gesamtstichprobe |
Berechnung der Interaktion | Varianz AxB = Gesamtvarianz minus alle bekannten Varianzen |
Varianzanalyse mit Messwiederholungen | = Abhängige Messungen |
Freiheitsgrade bei abhängigen Messungen (F-Verteilung) | |
Eta-Quadrat bei einfaktorieller ANOVA | |
Eta-Quadrat für alle Arten von Effekte | - für F-Werte von Haupteffekte, Interaktionen oder Messwiederholungen |
F-Test als Signifikanztest bei Regressionsrechnung | = kann das Ergebnis der Regressions-rechnung auf Population übertragen werden - signifikantes Ergebnis = >0 |
erklärte Varianz zur Berechnung des F-Wertes bei der Regressionsrechnung | |
Fehlervarianz zur Berechnung des F-Wertes bei der Regressionsrechnung | |
Alternative zur Berechnung des F-Wertes bei Regressionsrechnung | |
U-Test nach Mann und Whitney (nonparametrisches Verfahren) | Erstellung einer gruppenunabhängigen Rangreihenfolge --> Erstellung der Rangsumme (T) je Gruppe --> Erstellung des durchschnittliches Ranges (T/n) (=deskriptives Ergebnis) U = Berechnung der Signifikanz des Unterschieds |
U-Test bei großen Stichproben (nonparametrisches Verfahren) | |
Berechnung von X² Unabhängigkeitstest (nominalskalierte Variable) | Formel für beide Variablen (deswegen zwei Summenzeichen) |
Bestimmung der Häufigkeit, wenn keine Gleichverteilung vorliegt (X² Unabhängigkeitstest (nominalskalierte Variable)) | Z = Zeilensumme in Kreuztabelle S = Spaltensummen in Kreuztabelle |
Effektgröße bei Nominaldaten | = Omega für alle X²-Test |
Kontrastanalyse bei unabhängigen Stichproben | - Varianz durch Kontrast ist max, wenn beide Muster identisch sind |
Effektgröße bei Kontrastanalyse für unabhängige Stichproben | = Korrelation r (effect size) - Interpretation wie Pearson-Korrelation - F (ANOVA) = normale F-Wert Berechnung |
L-Wert auf Signifikanz prüfen | - Unterscheidet sich der durchschnittliche L-Wert signifikant von 0 --> Prüfung durch t-Test |
Effektgröße bei der Kontrastanalyse für abhängige Stichproben | Hedge berechnet ob der Durchschnitt der L-Werte sich von 0 unterscheidet |
Berechnung bei der Metaanalyse (Unterschiedsfragestellung) | - Unterschiedliche Werte der Studien auf eine gemeinsame Effektgröße bringen |
Want to create your own Flashcards for free with GoConqr? Learn more.