Lineare Regression von Ute S. Hoffmann

(1)

video locked

Über den Vortrag

Der Vortrag „Lineare Regression“ von Ute S. Hoffmann ist Bestandteil des Kurses „Statistik II - Induktive Statistik“. Der Vortrag ist dabei in folgende Kapitel unterteilt:

  • Inhaltsüberblick
  • Verfahren für Forschungsprobleme
  • Zusammenhänge modellieren -> Regressionsanalyse
  • Multiple Regression
  • Residualanalyse
  • Bestimmung der Erklärungsgüte
  • Selektionsstrategie d. Prädiktoren
  • Varianzinflationsfaktor
  • Mediator

Quiz zum Vortrag

  1. ...wird die abhängige Variable auch als Prädikator bezeichnet.
  2. ...unterscheidet man zwischen dem Ermitteln von Zusammenhängen und Unterschieden.
  3. ...kann die lineare Funktion mithilfe des Prinzips der kleinsten Quadrate angepasst werden.
  4. ...ist die lineare Funktion ein Grundmodell.
  5. ...unterscheidet man zwischen Regression- und Varianzanalyse.
  1. Response
  2. Stimulus
  3. Konstrukt
  4. Stellgröße
  5. Exogene Variable
  1. Unter einem Residuum versteht man die Abweichung von der Regressionsfunktion, auch Fehlerglied genannt.
  2. Unter einem Residuum versteht man die Differenz zwischen erwartetem und tatsächlichem Wert.
  3. Unter einem Residuum versteht man die Abweichung von der Standardabweichung.
  4. Unter einem Residuum versteht man die Differenz zwischen dem tatsächlichen Wert und der Standardabweichung.
  5. Keine Aussage trifft zu.
  1. Die Lage einer Geraden kann durch Ausreißer nicht beeinflusst werden.
  2. Die Varianzzerlegung dient als Gütemaß eines linearen Modells.
  3. Wenn man den Korrelationskoeffizienten quadriert erhält man ein Gütemaß für ein lineares Modell.
  4. Das Bestimmtheitsmaß R² ist ein Gütemaß für ein lineares Modell.
  5. Optimale Geraden einer Datenmenge sind nicht immer geeignete Geraden zur idealen Darstellung der Datenpunkte.
  1. Bei der z- Transformation hat der Mittelwert den Wert 0.
  2. Vergleiche von Meßwerten aus vergleichbaren Untersuchungen sind grundsätzlich nicht erlaubt.
  3. Bei der Zentrierungstransformation verändert sich die Steigung der Geraden.
  4. Bei der s-Transformation hat der Mittelwert den Wert 1.
  5. Bei der s-Transformation hat die Varianz den Wert 1.
  1. Die Gerade repräsentiert die Daten am besten, je näher R² an 1 liegt.
  2. Je größer SQ Residual, umso näher liegt R² an 1.
  3. Je größer SQ Residual, umso näher liegt R² an 0.
  4. Wenn SQ residual = 1 gilt für R² = 1.
  5. Alle Datenpunkte liegen auf der Geraden wenn SQ residual = 1.
  1. ...ist eine Methode, um eine Kriteriumsvariable aus mehreren Prädikatoren vorherzusagen.
  2. ...ist eine Methode, um einen Prädiktor aus einer Kriteriumsvariablen vorherzusagen.
  3. ...kann lediglich induktiv angewendet werden.
  4. ...ist als Modell für "Zigarettenkonsum hängt vom sozialen Umfeld ab" geeignet.
  5. ...untersucht die Multiprädiktivität des Verhaltens.
  1. Bei dem Rückwärtsverfahren werden sukzessive diejenigen Prädiktoren entfernt, bei deren Entfernen F-Change nicht signifikant wird.
  2. Selektionsstrategien der Prädiktoren dienen der Wahl eines Modells zur Vorhersage von X.
  3. Das Vorwärtsverfahren nimmt Prädiktoren auf, bei denen F-Change nicht signifikant wird.
  4. Verfährt man Schrittweise wird jeder Prädiktor einzeln hinzugefügt und danach entfernt, die beiden Modelle werden verglichen.
  5. Alle Aussagen sind korrekt.
  1. Eine Residualanalyse benutzt Mittelwerte der Datenmenge.
  2. Beim Rückwärtsverfahren handelt es sich um eine Selektionsstrategie der Prädiktoren.
  3. Eine Mediatorvariable ist eine qualitative oder quantitative Variable, die erklärt, warum ein Zusammenhang zwischen zwei Variablen besteht.
  4. Eine Residualanalyse benutzt standardisierte Residuen.
  5. Die Residualanalyse dient dazu, festzustellen, ob die Annahme eines linearen Modells gerechtfertigt ist.

Dozent des Vortrages Lineare Regression

 Ute S. Hoffmann

Ute S. Hoffmann

Ute S. Hoffmann studierte Mathematik und Deutsch (gymnasiales Lehramt) an der Eberhard-Karls Universität in Tübingen. Sie spezialisierte sich durch eine Weiterbildung im Bereich Lernblockaden, LRS und Dyskalkulie und ist damit im freiberuflichen Kontext für schulische und universitäre Träger tätig. Ein besonderer Schwerpunkt ihrer Arbeit ist es, gerade mathematische Themen so einfach wie möglich erscheinen zu lassen. Aktuell erweitert sie ihren Kompetenzen anhand eines Doppelstudiums der Psychologie (Fernuni Hagen) und der Statistik (LMU München).

Kundenrezensionen

(1)
5,0 von 5 Sternen
5 Sterne
5
4 Sterne
0
3 Sterne
0
2 Sterne
0
1  Stern
0