Grundlagen multivariater Verfahren - Versionsgeschichte

Wehner am 18. März 2020 um 13:13 Uhr

2020-03-18T13:13:54Z

Wehner am 31. Januar 2020 um 00:04 Uhr

2020-01-31T00:04:41Z

← Nächstältere Version		Version vom 31. Januar 2020, 02:04 Uhr
Zeile 5:		Zeile 5:
	== Korrelationsanalyse ==		== Korrelationsanalyse ==

	Das Ziel einer Korrelationsanalyse ist die Identifikation der Stärke des linearen Zusammenhanges zwischen Variablen. Die folgenden Artikel stellen dabei sowohl das Konzept einer einfachen linearen Regression als auch einer partiellen Korrelation vor. Unter einer partiellen Korrelation ~~oder~~ auch Partialkorrelation versteht man die Stärke des linearen Zusammenhangs zwischen zwei Variablen, aus welcher der Einfluss einer Störvariable auspartialisiert (eliminiert) wird.		Das Ziel einer Korrelationsanalyse ist die Identifikation der Stärke des linearen Zusammenhanges zwischen Variablen. Die folgenden Artikel stellen dabei sowohl das Konzept einer einfachen linearen Regression als auch einer partiellen Korrelation vor. Unter einer partiellen Korrelation (auch Partialkorrelation genannt) versteht man die Stärke des linearen Zusammenhangs zwischen zwei Variablen, aus welcher der Einfluss einer Störvariable auspartialisiert (eliminiert) wird.

	* [[Einfache lineare Korrelation]]		* [[Einfache lineare Korrelation]]

Wehner am 31. Januar 2020 um 00:04 Uhr

2020-01-31T00:04:16Z

← Nächstältere Version		Version vom 31. Januar 2020, 02:04 Uhr
Zeile 32:		Zeile 32:
	Das Ziel einer Faktorenanalyse ist in einem Datensatz Faktoren zu identifizieren, mit welchen die Beziehungen zwischen den vielen erfassten Variablen des Datensatzes möglichst gut erklärt werden können. Zudem soll durch diese Datenreduktion möglichst wenig Information über die Beziehungen zwischen den Variablen verloren gehen und sich eine Faktorenstruktur ergeben, welche einfach und sinnvoll interpretierbar ist. Zur Erreichung dieser Ziele stehen verschiedene faktorenanalytische Verfahren zur Verfügung. In diesem Elearning-Modul sollen das Prinzip der Hauptkomponentenanalyse sowie weitere Rotationsverfahren beschrieben werden.		Das Ziel einer Faktorenanalyse ist in einem Datensatz Faktoren zu identifizieren, mit welchen die Beziehungen zwischen den vielen erfassten Variablen des Datensatzes möglichst gut erklärt werden können. Zudem soll durch diese Datenreduktion möglichst wenig Information über die Beziehungen zwischen den Variablen verloren gehen und sich eine Faktorenstruktur ergeben, welche einfach und sinnvoll interpretierbar ist. Zur Erreichung dieser Ziele stehen verschiedene faktorenanalytische Verfahren zur Verfügung. In diesem Elearning-Modul sollen das Prinzip der Hauptkomponentenanalyse sowie weitere Rotationsverfahren beschrieben werden.

	* [[Grundlagen ~~der~~ Hauptkomponentenanalyse]]		* [[Grundlagen Hauptkomponentenanalyse]]
	* [[Faktorenanalyse und Rotationsverfahren]]		* [[Faktorenanalyse und Rotationsverfahren]]

Wehner am 31. Januar 2020 um 00:03 Uhr

2020-01-31T00:03:37Z

← Nächstältere Version		Version vom 31. Januar 2020, 02:03 Uhr
Zeile 1:		Zeile 1:
	{{Nav\|Navigation\|Statistik_MV\|Hauptseite}}		{{Nav\|Navigation\|Statistik_MV\|Hauptseite}}

			Die Artikel dieses Abschnittes stellen einige für psychologische Fragestellungen besonders bedeutsame multivariate Verfahren vor. Multivariate Verfahren erlauben die gleichzeitige Untersuchung mehrere Variablen und somit beispielsweise die Analyse von Zusammenhängen. Zu den im folgenden vorgestellten Verfahren gehören die Korrelationsanalyse, die Regressionsanalyse und die Faktorenanalyse.

			== Korrelationsanalyse ==

			Das Ziel einer Korrelationsanalyse ist die Identifikation der Stärke des linearen Zusammenhanges zwischen Variablen. Die folgenden Artikel stellen dabei sowohl das Konzept einer einfachen linearen Regression als auch einer partiellen Korrelation vor. Unter einer partiellen Korrelation oder auch Partialkorrelation versteht man die Stärke des linearen Zusammenhangs zwischen zwei Variablen, aus welcher der Einfluss einer Störvariable auspartialisiert (eliminiert) wird.

			* [[Einfache lineare Korrelation]]
			* [[Partialkorrelation]]

			== Einfache lineare Regression ==

			Die Durchführung einer einfachen linearen Regression erlaubt es die Art des Zusammenhanges zwischen einer Prädiktorvariable und einer Kriteriumsvariable zu beschreiben. Die Prädiktorvariable kann dabei sowohl metrisch als auch kategorial / dichotom sein.

			* [[Einfache lineare Regression bei metrischem Prädiktor]]
			* [[Einfache lineare Regression bei dichotomen bzw. kategorialen Prädiktor]]

			== Multiple lineare Regression ==

			Die multiple lineare Regression ermöglicht es die Art des Zusammenhanges zwischen mehreren Prädiktorvariablen und einer Kriteriumsvariable zu beschreiben. Die Ergebnisse eines solchen Verfahrens können durch die wechselseitige Abhängigkeit von Prädiktoren, welche man als Multikollinearität bezeichnet, jedoch verzerrt sein. Diese Tatsache macht eine gründliche Multikollinearitätsanalyse vor der Interpretation der Ergebnisse dringend notwendig. Das Ziel einer multiplen linearen Regression besteht häufig in der Identifikation derjenigen Prädiktorvariablen aus der Menge aller Prädiktoren, die zur Vorhersage der Kriteriumsvariable optimal geeignet sind. Um eine solche Fragestellung zu beantworten können zum Beispiel Merkmalsselektionsverfahren oder eine Hierarchische Regression angewandt werden. Ein wichtiger Spezialfall regressionsanalytischer Untersuchungen ist die Analyse von Moderatoreffekten.

			* [[Grundlagen der multiplen linearen Regression]]
			* [[Multikollinearität]]
			* [[Standardfehler der Regressionskoeffizienten]]
			* [[Merkmalsselektionsverfahren]]
			* [[Hierarchische Regression]]
			* [[Moderierte Regression]]

			== Faktorenanalyse ==

			Das Ziel einer Faktorenanalyse ist in einem Datensatz Faktoren zu identifizieren, mit welchen die Beziehungen zwischen den vielen erfassten Variablen des Datensatzes möglichst gut erklärt werden können. Zudem soll durch diese Datenreduktion möglichst wenig Information über die Beziehungen zwischen den Variablen verloren gehen und sich eine Faktorenstruktur ergeben, welche einfach und sinnvoll interpretierbar ist. Zur Erreichung dieser Ziele stehen verschiedene faktorenanalytische Verfahren zur Verfügung. In diesem Elearning-Modul sollen das Prinzip der Hauptkomponentenanalyse sowie weitere Rotationsverfahren beschrieben werden.

			* [[Grundlagen der Hauptkomponentenanalyse]]
			* [[Faktorenanalyse und Rotationsverfahren]]

Wehner am 30. Januar 2020 um 22:14 Uhr

2020-01-30T22:14:11Z

← Nächstältere Version		Version vom 31. Januar 2020, 00:14 Uhr
Zeile 1:		Zeile 1:
	~~Grundlagen multivariater Verfahren~~		{{Nav\|Navigation\|Statistik_MV\|Hauptseite}}

Wehner: Die Seite wurde neu angelegt: „Grundlagen multivariater Verfahren“

2020-01-30T16:23:31Z

Die Seite wurde neu angelegt: „Grundlagen multivariater Verfahren“

Neue Seite

Grundlagen multivariater Verfahren

← Nächstältere Version		Version vom 18. März 2020, 15:13 Uhr
Zeile 1:		Zeile 1:
	{{Nav\|Navigation\|Statistik_MV\|Hauptseite}}		{{Nav\|Navigation\|Statistik_MV\|Hauptseite}}

	Die Artikel dieses Abschnittes stellen einige für psychologische Fragestellungen besonders bedeutsame multivariate Verfahren vor. Multivariate Verfahren erlauben die gleichzeitige Untersuchung ~~mehrere~~ Variablen und somit beispielsweise die Analyse von Zusammenhängen. Zu den im ~~folgenden~~ vorgestellten Verfahren gehören die Korrelationsanalyse, die Regressionsanalyse und die Faktorenanalyse.		Die Artikel dieses Abschnittes stellen einige für psychologische Fragestellungen besonders bedeutsame multivariate Verfahren vor. Multivariate Verfahren erlauben die gleichzeitige Untersuchung von mehreren Variablen und somit beispielsweise die Analyse von Zusammenhängen. Zu den im Folgenden vorgestellten Verfahren gehören die Korrelationsanalyse, die Regressionsanalyse und die Faktorenanalyse.

	== Korrelationsanalyse ==		== Korrelationsanalyse ==

	Das Ziel einer Korrelationsanalyse ist die Identifikation der Stärke des linearen Zusammenhanges zwischen Variablen. Die folgenden Artikel stellen dabei sowohl das Konzept einer ~~einfachen~~ linearen ~~Regression~~ als auch einer partiellen Korrelation vor. Unter einer partiellen Korrelation (auch Partialkorrelation genannt) versteht man die Stärke des linearen Zusammenhangs zwischen zwei Variablen, aus welcher der Einfluss einer ~~Störvariable~~ auspartialisiert (eliminiert) wird.		Das Ziel einer Korrelationsanalyse ist die Identifikation der Stärke des linearen Zusammenhanges zwischen Variablen. Die folgenden Artikel stellen dabei sowohl das Konzept einer linearen Korrelation als auch einer partiellen Korrelation vor. Unter einer partiellen Korrelation (auch Partialkorrelation genannt) versteht man die Stärke des linearen Zusammenhangs zwischen zwei Variablen, aus welcher der Einfluss einer Drittvariablen auspartialisiert (eliminiert) wird.

	* [[Einfache lineare Korrelation]]		* [[Einfache lineare Korrelation]]
Zeile 12:		Zeile 12:
	== Einfache lineare Regression ==		== Einfache lineare Regression ==

	Die Durchführung einer einfachen linearen Regression erlaubt es die Art des Zusammenhanges zwischen einer Prädiktorvariable und einer Kriteriumsvariable zu beschreiben. Die Prädiktorvariable kann dabei sowohl metrisch als auch kategorial / dichotom sein.		Die Durchführung einer einfachen linearen Regression erlaubt es, die Art des Zusammenhanges zwischen einer Prädiktorvariable und einer Kriteriumsvariable zu beschreiben. Die Prädiktorvariable kann dabei sowohl metrisch als auch kategorial / dichotom sein.

	* [[Einfache lineare Regression bei metrischem Prädiktor]]		* [[Einfache lineare Regression bei metrischem Prädiktor]]
Zeile 19:		Zeile 19:
	== Multiple lineare Regression ==		== Multiple lineare Regression ==

	Die multiple lineare Regression ermöglicht es die Art des Zusammenhanges zwischen mehreren Prädiktorvariablen und einer ~~Kriteriumsvariable~~ zu beschreiben. Die Ergebnisse eines solchen Verfahrens können durch die wechselseitige Abhängigkeit von Prädiktoren, welche man als Multikollinearität bezeichnet~~, jedoch verzerrt sein~~. Diese Tatsache macht eine gründliche Multikollinearitätsanalyse vor der Interpretation der Ergebnisse dringend notwendig. Das Ziel einer multiplen linearen Regression besteht häufig in der Identifikation derjenigen Prädiktorvariablen aus der Menge aller Prädiktoren, die zur Vorhersage der ~~Kriteriumsvariable~~ optimal geeignet sind. Um eine solche Fragestellung zu beantworten können zum Beispiel Merkmalsselektionsverfahren oder eine ~~Hierarchische Regression~~ angewandt werden. Ein wichtiger Spezialfall regressionsanalytischer Untersuchungen ist die Analyse von Moderatoreffekten.		Die multiple lineare Regression ermöglicht es, die Art des Zusammenhanges zwischen mehreren Prädiktorvariablen und einer Kriteriumsvariablen zu beschreiben. Die Ergebnisse eines solchen Verfahrens können jedoch durch die wechselseitige Abhängigkeit von Prädiktoren verzerrt sein, welche man als Multikollinearität bezeichnet. Diese Tatsache macht eine gründliche Multikollinearitätsanalyse vor der Interpretation der Ergebnisse dringend notwendig. Das Ziel einer multiplen linearen Regression besteht häufig in der Identifikation derjenigen Prädiktorvariablen aus der Menge aller Prädiktoren, die zur Vorhersage der Kriteriumsvariablen optimal geeignet sind. Um eine solche Fragestellung zu beantworten, können zum Beispiel Merkmalsselektionsverfahren oder eine hierarchische Regressionsanalyse angewandt werden. Ein wichtiger Spezialfall regressionsanalytischer Untersuchungen ist die Analyse von Moderatoreffekten.

	* [[Grundlagen der multiplen linearen Regression]]		* [[Grundlagen der multiplen linearen Regression]]
Zeile 30:		Zeile 30:
	== Faktorenanalyse ==		== Faktorenanalyse ==

	Das Ziel einer Faktorenanalyse ~~ist~~ in einem Datensatz Faktoren zu identifizieren, mit welchen die Beziehungen zwischen den vielen erfassten Variablen des Datensatzes möglichst gut erklärt werden können. Zudem soll durch diese Datenreduktion möglichst wenig Information über die Beziehungen zwischen den Variablen verloren gehen ~~und~~ sich eine Faktorenstruktur ergeben, welche einfach und sinnvoll interpretierbar ist. Zur Erreichung dieser Ziele stehen verschiedene faktorenanalytische Verfahren zur Verfügung. In diesem Elearning-Modul sollen das Prinzip der Hauptkomponentenanalyse sowie ~~weitere~~ Rotationsverfahren beschrieben werden.		Das Ziel einer Faktorenanalyse besteht darin, in einem Datensatz Faktoren zu identifizieren, mit welchen die Beziehungen zwischen den vielen erfassten Variablen des Datensatzes möglichst gut erklärt werden können. Zudem soll durch diese Datenreduktion möglichst wenig Information über die Beziehungen zwischen den Variablen verloren gehen. Es soll sich eine Faktorenstruktur ergeben, welche einfach und sinnvoll interpretierbar ist. Zur Erreichung dieser Ziele stehen verschiedene faktorenanalytische Verfahren zur Verfügung. In diesem Elearning-Modul sollen das Prinzip der Hauptkomponentenanalyse sowie Rotationsverfahren zur Erzeugung einer Einfachstruktur beschrieben werden.

	* [[Grundlagen Hauptkomponentenanalyse]]		* [[Grundlagen Hauptkomponentenanalyse]]
	* [[Faktorenanalyse und Rotationsverfahren]]		* [[Faktorenanalyse und Rotationsverfahren]]