SPSS Darstellung

by Si A.

Berechnung von rXY , also der Korrelation nullter Ordnung zwischen Extraversion und Wohlbefinden.

Berechnung von rXY•Z , also der um die Stimmungsregulation bereinigten Partialkorrelation zwischen Extraversion und Wohlbefinden ...

a) über die bivariate Korrelation der Residualvariablen (regressionsanalytisches Vorgehen)

Berechnung von rXY•Z , d.h. der um die Stimmungsregulation bereinigten Partialkorrelation zwischen Extraversion und Wohlbefinden ...

b) über den SPSS-Befehl „partial corr“ (direktes Vorgehen).

Berechnung von ...

a) r(X•Z)Y , also der Korrelation zwischen dem Wohlbefinden und der um die Stimmungsregulation bereinigten Extraversion.

Berechnung von ...

b) r(Y•Z)X , also der Korrelation zwischen Extraversion und dem um die Stimmungsregulation bereinigten Wohlbefinden

Berechnung von rXY , d.h. der Korrelation nullter Ordnung zwischen Schulden und finanzieller Zufriedenheit. Wie ist das Ergebnis zu interpretieren?

2. Berechnung von rXY•Z , d.h. der um das Vermögen bereinigten Partialkorrelation zwischen Schulden und finanzieller Zufriedenheit ...

a) über den SPSS-Befehl „partial corr“ (direktes Vorgehen) b) über die bivariate Korrelation der Residualvariablen

(regressionsanalytisches Vorgehen). Wie ist das Ergebnis zu interpretieren?

Berechnung der bivariaten Regressionen: a) Y (wb) auf ex (X1)

b) Y (wb) auf neu (X2)

c) Y (wb) auf as (X3)

Berechnung der multiplen Regression unter Einschluss aller drei Prädiktoren. Wie verhalten sich die bivariaten Regressionsgewichte im Vergleich zu denen der multiplen Regression und wie sind sie zu interpretieren?

Demonstrieren Sie am Beispiel der ersten beiden Versuchspersonen, wie sich ihre vorhergesagten Wohlbefindens-Werte aus der multiplen Regressionsgleichung ergeben und welchen Vorhersagefehler es für sie gibt.

Zeigen Sie, dass die standardisierten Regressionsgewichte, den Regressionsgewichten entsprechen, wenn alle Variablen zuvor standardisiert (d.h. z-transformiert) wurden.

Berechnen Sie für jeden der vier Prädiktoren eine einfache Regression auf die Variable „ethnische Vorurteile“.

Berechnen Sie eine multiple Regression unter Einschluss der vier Prädiktoren. Wie sind die Regressionskoeffizienten zu interpretieren?

Wie verhalten sich die multiplen Regressionsgewichte im Vergleich zu denen der einfachen Regression?

Demonstrieren Sie am Beispiel der ersten drei Versuchspersonen, wie sich ihre vorhergesagten Vorurteilswerte aus der multiplen Regressionsgleichung ergeben und welchen Vorhersagefehler es für sie gibt.

Zeigen Sie, dass die standardisierten Regressionsgewichte den Regressionsgewichten entsprechen, wenn alle Variablen standardisiert (d.h. z-transformiert) sind.

Wie lautet der Determinationskoeffizient des Modells mit den 3 Prädiktoren, wie die multiple Korrelation? Wie sind die Ergebnisse zu interpretieren? Wie verändert sich der Determinationskoeffizient, wenn Extraversion (X1) aus der multiplen Regression entfernt wird?

Liegt im Modell mit allen 3 Prädiktoren Multikollinearität vor?

Welche Nützlichkeit hat der Prädiktor „Stimmungsregulation“ in der multiplen Regression mit allen drei Prädiktoren?

Wie lautet der Determinationskoeffizient des Modells mit den 4 Prädiktoren, wie die multiple Korrelation? Wie sind die Ergebnisse zu interpretieren? Welche Veränderungen ergeben sich, wenn „westost“ aus dem Modell ausgeschlossen wird?

Liegt Multikollinearität vor?

Gehen Sie davon aus, Sie hätten aufgrund theoretischer Überlegungen ein Modell entwickelt, wonach die Vorurteilsneigung abhängig ist von den Persönlichkeitsvariablen politische Orientierung, Autoritarismus und soziale Dominanzorientierung. Nun wollen Sie überprüfen, ob die im Modell enthaltenen Persönlichkeitsvariablen im Verbund über die soziodemographischen Kontrollvariablen Alter und Herkunft hinaus einen signifikanten Anteil an der Vorurteilsneigung erklären.