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