Einfache Regression
Methode der
kleinsten Quadrate
Multiple Regression:
Partialkorrelationen:
Gütemaße der
Regressionsfunktion
(Gesamtmodell)
t-Wert
BETA-Wert
Konfidenzintervall des
Beta-Werts
Modellprämissen
bei Regression
Residuen bei der
Regression - Annahmen
Multikollinearität:
Verschiedene Varianten von
Regression
Drittvariableneffekte
Scheinkorreltation
Konfundierung
Interaktion:
Suppressoreffekt
Explorative FA
Konfirmatorische FA
Faktorenanalyse umfasst
Explorative Faktorenanalyse
findet...
Voraussetzungen der FA:
Faktor (Definition)
Faktorladung:
Kommunalität gibt an..
Kommunalität (Ladungen)
Faktorwert:
Eigenwert:
Faktorenextraktion:
Bestimmung der Faktorenzahl:
Rotationsproblem:
Gebräuchliche orthogonale Rotationstechniken:
Gebräuchliche oblique Rotationstechniken
Promax-Rotation
Direct Oblimin
Eignet sich die Korrelationsmatrix für eine EFA? (Test)
Barlett-Test:
Barlett-Test Voraussetzung
Kaiser-Meyer-Olkin-Kriterium:
Kommunalitäten:
• Faktorladungen
Faktorwerte
• Eigenwert:
Konfirmatorische
Faktorenanalyse
Voraussetzungen
KFA
Maximum-Likelihood-Schätzung
(Skalenniveau Daten)
Asymptotically
Distribution Free-Method
(Voraussetzungen
Daten)
Anwendungsfelder und Ziele:
KFA
Vorgehen KFA
Axiome der klassischen
Testtheorie:
1.) Existenzaxiom
2.) Verknüpfungsaxiom
3.) Unabhängigkeitsaxiom:
FIT INDICES: KFA
X²-Anpassungstest:
CFI
RMSEA
Logistische Regression:
UV: Metrisch oder kategorial
Warum keine
Klassische Regression
sondern logistisch?
Logistische
Wahrscheinlichkeitsfunktion:
Schätzung der Koeffizienten:
Interpretation
der Koeffizienten:
Gütemaße für
den Regressionsansatz:
Analyse der Devianz
Likelihood Ratio-Test:
Pseudo-R²-Statistiken
McFaddens R²
(Pseudo R²)
Cox and Snell R²:
(Pseudo R²)
Nagelkerke R² (Pseudo R²)
Ausreißerdiagnostik (logistische
Regression)
Likelihood-Quotienten-Test:
Clusteranalyse:
Anwendung clusteranalyse
Clusteranalyse - Verfahren
(statistische Eigenschaften
und Vorgehen)
Ähnlichkeit vs. Distanzmaß
Euklidische Distanz
City-Block-Metrik
Minkowski-Metrik
Auswahl des Fusionierungsalgorithmus:
Partitionierende Verfahren:
Agglomerative Verfahren:
Divisive Verfahren:
(Gegenstück zu agglomerativ)
Probleme bei de
Durchführung von
partitionierenden Verfahren:
K-Means-Verfahren (partitionierend)
Fusionierung (Auswahl des Algorithmus)
Ward-Verfahren:
F-Wert (Clusteranalyse)
t-Wert (Clusteranalyse)
Voteile Clusteranalyse
Nachteile Clusteranalyse