Was beschreibt die Partialkorrelation?
Eine Partialkorrelation beschreibt den linearen Zusammenhang zwischen zwei Variablen, aus dem der Einfluss einer dritten Variable eliminiert wurde. Die Partialkorrelation wird mathematisch durch rxy.z (Korrelation der Variablen x und y ohne z) erfasst
Was beschreibt eine Semipartialkorrelation
Eine Semipartialkorrelation ist die Korrelation eines Residuums mit einer ursprünglichen Variablen, nachdem z nur aus y herauspartialisiert wurde. mit r 2 x(y.z) kann der Varianzanteil bestimmt werden, den eine Variable y allein (ohne z) am Kriterium x erklärt.
Bildlich Mond
Was unterscheidet die Semipartialkorrelation von der Partialkorrelation?
Bei der Partialkorrelation wird eine dritte Variable z aus der Variable x und dem Kriterium y herauspartialisiert. Bei einer Semipartialkorrelation wird die Variable z nur aus der Variable x herauspartialisiert.
Wozu wird die Semipartialkorrelation genutzt?
Berechnung der inkrementellen Validität
Wozu wird die Partialkorrelation genutzt?
Die Partialkorrelation wird genutzt, um den Einfluss einer Variable z auf den Prädiktor x und das Kriterium y konstantzuhalten.
Auf was bezieht sich die inkrementelle Validität einer Variablen
Es besitzt eine Variable inkrementelle Validität, wenn ihre Aufnahme als weiterer Prädiktor den Anteil der aufgeklärten Varianz erhöht.
Erkläre den Suppressor-Effekt und wie man diesen belegen kann
Ein Suppressor-Effekt ist gegeben, wenn die Hinzunahme einer Variablen x2 durch die Erhöhung des Anteils der erklärbaren Varianz die Vorhersage verbessert, obwohl der neu hinzugenommene Prädiktor nicht mit dem Kriterium y korreliert.
→ Von den beiden Prädiktoren x1 und x2 korreliert nur x1 mit dem Kriterium y (Anzeichen für Suppressor Effekt)
→ Beleg für Effekt: Semipartialkorrelation (x2 herauspartialisiert) > Korrelation
Was sind die Voraussetzungen, die für eine Multiple Regression gelten?
⇒ analog zu denen einer linearen Regression, es gibt nur mehrere Prädiktoren
1) Die Variablen x und y müssen intervallskaliert sein
2) Die Variablen x und y müssen normalverteilt sein
3) Homoskedastizität der Variablen x und y
4) Die Residuen müssen unabhängig und normalverteilt sein
Was versteht man unter der Capitalization of Chance
Last changed2 months ago