Empirische Forschung PDF

1. Stellen Sie die Unterschiede zwischen der Realitätsauffassung des Wissenschaftlichen Realismus und des Konstruktivismus dar (Skript, S.31) Wissenschaftliche Realismus: Es existiert eine reale Welt unabhängig von der Sicht des Betrachtenden und diese ist sozial wirksam, b...

1. Stellen Sie die Unterschiede zwischen der Realitätsauffassung des Wissenschaftlichen Realismus und des Konstruktivismus dar (Skript, S.31) Wissenschaftliche Realismus: Es existiert eine reale Welt unabhängig von der Sicht des Betrachtenden und diese ist sozial wirksam, bevorzugt quantitative Methoden. Der Konstruktivismus betrachtet die Realität als sozial konstruiert, also durch Wahrnehmung und Interpretation geschaffen. bevorzugt qualitative Ansätze. 2. Erläutern Sie die Konzepte Theorie, Hypothese und Konstrukt und stellen Sie die Zusammenhänge zwischen diesen Konzepten anhand eines Beispiels dar (Skript, S.35/36) Theorie: Ein System von Hypothesen, das ein Phänomen erklärt (z. B. sozialen Ungleichheit, Zusammenhang zwischen Bildung und Einkommen). Hypothese: Eine überprüfbare Aussage über den Zusammenhang von Variablen (z. B. „Ein höheres Bildungsniveau führt zu einem höheren Einkommen.“) Konstrukt: Ein theoretisches Konzept, das durch Operationalisierung messbar gemacht wird (z. B. Bildungsniveau). Beispiel: Die Theorie der sozialen Ungleichheit könnte die Hypothese enthalten, dass Bildungsniveau und Einkommen zusammenhängen. "Bildungsniveau" wäre ein Konstrukt. 3. Erläutern Sie den Unterschied zwischen einer manifesten Variablen und einer latenten Variablen und nennen Sie jeweils ein Beispiel für eine solche Variable. (Skript, S.39) Manifeste Variablen: Direkt messbar (z. B. Alter, Körpergröße, Einkommen) Latente Variablen: Theoretische Konstrukte, die nicht direkt messbar sind. Erfordern Operationalisierung (z. B. Intelligenz, Armut). 4. Unterscheiden Sie induktives und deduktives Vorgehen bei der Generierung wissenschaftlicher Aussagen. Geben Sie jeweils ein Beispiel aus dem wissenschaftlichen Bereich. (Skript, S.43) Induktion: Aus Einzelbeobachtungen wird eine allgemeine Theorie abgeleitet. Beispiel: Eine Forscherin beobachtet, dass Kinder aus einkommensarmen Familien häufiger schlechtere Schulabschlüsse haben, und entwickelt daraus die Theorie, dass Einkommensarmut das Bildungsniveau beeinflusst. Deduktion: Aus einer bestehenden Theorie werden Hypothesen abgeleitet und empirisch getestet. Beispiel: Die Theorie der sozialen Ungleichheit führt zur Hypothese, dass geringes Einkommen mit schlechterer Gesundheit korreliert. Diese Hypothese wird durch Daten überprüft. 5. Was wird als Induktionsproblem bezeichnet? (Skript, S.46) Es ist unmöglich, allgemeine Aussagen durch eine endliche Anzahl von Beobachtungen zu beweisen, da zukünftige Beobachtungen abweichen könnten. Die Folge davon ist, dass die Wahrheit einer Aussage empirisch nicht bewiesen werden kann. 6. Beschreiben Sie das Falsifikationsprinzip (Skript, S.47/S.48 siehe Popper) Wissenschaftliche Aussagen können nicht bewiesen, sondern nur widerlegt (falsifiziert) werden. Eine Hypothese gilt als vorläufig bestätigt, solange sie nicht durch ein Gegenbeispiel widerlegt wurde. „Ich kann die Wahrheit nicht beweisen, aber ich kann sie widerlegen …“ 7. In einer Publikation über einen empirischen Sachverhalt lesen Sie unter anderem den Satz: „Es ist wissenschaftlich bewiesen, dass…“. Nehmen Sie zu dieser Aussage Stellung. Diese Aussage ist problematisch, da wissenschaftliche Erkenntnisse stets vorläufig sind und durch neue Beweise widerlegt werden können, sie widersprechen dem Falsifikationsprinzip. Statt „wissenschaftlich bewiesen“ sollte formuliert werden: „Die Ergebnisse legen nahe, dass…“, um die Unsicherheiten und Vorläufigkeit der Ergebnisse zu betonen. 8. Stellen Sie die Anforderungen und potenziellen Probleme dar, die sich bei latenten Variablen im Zusammenhang mit Messung und Operationalisierung stellen (Skript, S.39) (Klausurfrage: stellen sie 2 Probleme dar) Anforderungen: Klare Definition des Konstrukts, zuverlässige (reliable) und gültige (valide) Messung durch geeignete Indikatoren. Probleme: 1. Messfehler: Indikatoren können das Konstrukt ungenau oder verzerrt messen, z. B. durch fehlerhafte Befragungen oder subjektive Antworten. 2. Unvollständige Abbildung: Zu wenige oder ungeeignete Indikatoren erfassen das Konstrukt nicht vollständig, was zu falschen Schlussfolgerungen führen kann. 9. Unterscheiden Sie die Konzepte Validität und Reliabilität in Bezug auf Messungen Validität gibt an, ob ein Messinstrument tatsächlich das misst, was es messen soll, und damit inhaltlich richtige Ergebnisse liefert. Reliabilität bedeutet, dass eine Messung unter gleichen Bedingungen reproduzierbare Resultate hervorbringt und somit verlässlich ist. Es ist möglich, dass ein Instrument zwar reliabel (konstant), aber nicht valide (inhaltlich korrekt) misst, wohingegen gute Validität immer auch eine ausreichende Reliabilität voraussetzt. 10. Stellen Sie dar, warum es zwar möglich ist, dass eine Messung reliabel und nicht valide ist, es aber nicht möglich ist, dass eine Messung valide und nicht reliabel. (Skript, S.65) (Gültig aber nicht zuverlässig, zuverlässig, aber nicht Gültig) Reliabel, aber nicht valide Ein Thermometer zeigt bei jeder Messung konstant 5 Grad zu wenig an. - Reliabilität: Die Messungen sind konsistent und liefern immer denselben Fehler. - Validität: Die gemessene Temperatur ist systematisch falsch und spiegelt nicht die tatsächliche Temperatur wider. Warum keine Validität ohne Reliabilität? Eine valide Messung setzt voraus, dass das Messergebnis zuverlässig ist. Wenn ein Thermometer bei jeder Messung unterschiedliche Werte liefert, kann es keine gültige Temperatur anzeigen, da die Ergebnisse inkonsistent sind. Reliabilität ist eine notwendige Bedingung für Validität. Ohne zuverlässige Ergebnisse kann keine Gültigkeit erreicht werden. 11. Was bedeutet in Bezug auf die Ergebnisse wissenschaftlicher Forschung interne Validität, was externe Validität? (Skript, S.68) (wann ist ein Wissenschaftliches Ergebnis intern Valide?) Interne Validität bedeutet, dass die Ergebnisse einer Studie kausal korrekt sind und die beobachteten Effekte tatsächlich auf die untersuchten Variablen zurückzuführen sind. Sie ist hoch, wenn Störfaktoren kontrolliert werden, z. B. unter Laborbedingungen Externe Validität gibt an, inwieweit sich die in einer Studie erzielten Resultate auf andere Personen, Situationen oder Zeitpunkte übertragen oder verallgemeinern lassen; sie zeigt damit auf, ob die gewonnenen Erkenntnisse auch außerhalb des konkreten Untersuchungsrahmens gültig bleiben. Ein wissenschaftliches Ergebnis ist intern valide, wenn alle Störvariablen kontrolliert sind und die Kausalität zwischen den untersuchten Variablen eindeutig nachgewiesen werden kann. 12. Schildern Sie anhand eines Beispiels die Bedeutung der Reproduzierbarkeit von Forschungsergebnissen für die Überprüfung der externen Validität. Die Reproduzierbarkeit von Forschungsergebnissen ist wichtig, um die externe Validität zu überprüfen. Wenn eine Studie in anderen Kontexten oder mit anderen Stichproben wiederholt wird und ähnliche Ergebnisse erzielt, deutet dies darauf hin, dass die Ergebnisse generalisierbar sind. Beispiel: Eine neue Lernmethode verbessert in einer Schule die Leistungen. Wird dies in anderen Schulen mit ähnlichen Resultaten bestätigt, spricht das für eine hohe externe Validität. 13. Unterscheiden Sie eine Zufallsstichprobe von einer Gelegenheitsstichprobe und begründen Sie, warum in der Statistik darauf Wert gelegt wird, mit Zufallsstichproben zu arbeiten. (Skript, S.74) Eine Zufallsstichprobe wird durch ein zufälliges Auswahlverfahren aus der Grundgesamtheit gezogen, sodass jedes Element die gleiche Wahrscheinlichkeit hat, ausgewählt zu werden. Dadurch ist sie repräsentativ und ermöglicht verallgemeinerbare Aussagen über die Grundgesamtheit. Eine Gelegenheitsstichprobe hingegen basiert auf der Verfügbarkeit oder Freiwilligkeit der Teilnehmenden, ohne Zufallsauswahl. Sie ist oft leichter zugänglich, jedoch nicht repräsentativ und birgt das Risiko von Verzerrungen. Bedeutung von Zufallsstichproben in der Statistik: Zufallsstichproben gewährleisten Repräsentativität, was essenziell für die Generalisierbarkeit (externe Validität) der Ergebnisse ist. Sie minimieren systematische Verzerrungen und ermöglichen die Anwendung inferenzstatistischer Verfahren, um zuverlässige Rückschlüsse auf die Grundgesamtheit zu ziehen. 14. Beschreiben Sie anhand eines Beispiels unter welchen Bedingungen eine Beobachtung als Erhebungsmethode für die quantitative Forschung geeignet ist. (Skript, S.84 + S.107) Die Beobachtung ist als Erhebungsmethode in der quantitativen Forschung geeignet, wenn standardisierte und objektive Daten über beobachtbares Verhalten gesammelt werden sollen. Beispiel: In einer Studie zur Pünktlichkeit von Schülern wird die Ankunftszeit systematisch erfasst. Die Beobachtung erfolgt nach festen Kriterien (z. B. Uhrzeit) und liefert messbare, vergleichbare Ergebnisse. Bedingungen:  Standardisierung: Klare Vorgaben für die Erfassung. Objektivität: Unabhängigkeit der Ergebnisse von Beobachtern. Reliabilität: Wiederholte Beobachtungen liefern ähnliche Ergebnisse. Validität: Die Methode misst genau das beabsichtigte Verhalten. Beobachtungen sind sinnvoll, wenn direkte Messungen des Verhaltens erforderlich sind, ohne auf subjektive Aussagen angewiesen zu sein. 15. Beschreiben Sie anhand eines Beispiels unter welchen Bedingungen eine Beobachtung als Erhebungsmethode für die qualitative Forschung geeignet ist. (Skript, S.84) Qualitative Beobachtungen eignen sich, um soziale Prozesse in ihrem natürlichen Kontext zu verstehen. Beispiel: Ein Forscher beobachtet, wie Pflegekräfte in einem Krankenhaus miteinander kommunizieren, um informelle Hierarchien und Entscheidungsprozesse zu verstehen. Bedingungen: Natürliches Setting: Beobachtungen finden in der realen Umgebung statt. Flexibilität: Der Forscher kann auf unerwartete Ereignisse reagieren. Fokus auf Bedeutung: Es werden nicht nur Handlungen, sondern auch deren soziale und kulturelle Kontexte analysiert. 16. Warum wird der Median weniger durch Ausreißer Werte beeinflusst als der Mittelwert? Illustrieren Sie Ihre Argumentation mit einem Beispiel. (Skript, S.197) Der Median repräsentiert den mittleren Wert einer geordneten Datenreihe und ist daher nur von der Position der Werte abhängig, nicht von deren absoluten Höhe. Der Mittelwert hingegen berücksichtigt alle Werte und wird durch extreme Werte verzerrt. Beispiel: In der Datenreihe 10, 12, 14, 16, 100 ist der Median 14 (unabhängig vom Ausreißer 100), während der Mittelwert (10+12+14+16+100) /5=30,4 durch den Ausreißer stark nach oben gezogen wird. 17. Zwei Stichproben metrischer Werte haben beide einen Mittelwert von 3,5. In der ersten Stichprobe beträgt die Standardabweichung 2,7, in der zweiten Stichprobe 1,9. Welche Stichprobe wird besser durch ihren Mittelwert repräsentiert? Begründen Sie Ihre Wahl kurz. (Skript, S.205-207) Die Stichprobe mit der kleineren Standardabweichung (1,9) wird besser durch ihren Mittelwert repräsentiert, da die Werte weniger stark um den Mittelwert streuen. Denn: Je kleiner die Standardabweichung, desto kleiner die Abweichung vom Mittelwert. 18. Geben Sie für die folgenden Variablen alle Lagemaß(e) und Streuungsmaß(e) an, die sinnvoll interpretiert werden können: Geburtsort, Höchster Schulabschluss, Alter in Jahren, Anzahl der Kinder einer Familie, Durchschnittsnote im Abitur (Skript, S.124,127,208) Geburtsort [nominal] → Lagemaß Modus / Streuungsmaß keins Höchster Schulabschluss [ordinal] → Lagemaß Modus, Median / Streuungsmaß Interquartilsabstand Alter in Jahren [metrisch] → Lagemaß Median, Mittelwert (Je mehr es in unterschiedliche Richtungen streut, desto weniger macht der Modus Sinn!) / Streuungsmaß Varianz/Standardabweichung, Interquartilsabstand Anzahl der Kinder einer Familie [metrisch] → Lagemaß Modus, Median, Mittelwert / Streuungsmaß Varianz/Standardabweichung, Interquartilsabstand Durchschnittsnote im Abitur [metrisch] → Lagemaß Median, Mittelwert / Streuungsmaß Varianz/Standardabweichung, Interquartilsabstand Nominal skalierte Variablen = dienen nur zur Klassifikation, man kann keine Rangfolge bilden (z. B. Geschlecht, Geburtsort) → Modus; kein Streuungsmaß Ordinal skalierte Variablen = Rangordnung vorhanden, aber die Differenzen/Unterschiede sind unklar (z. B. Bildungsabschlüsse) → Modus, Median; Interquartilsabstand Metrische Variablen = Differenzen sind definiert und messbar, bspw. Unterschied zwischen 8 und 9 Jahren (Alter) → Mittelwert, Median, ggf. Modus (bei wenigen Ausprägungen); Standardabweichung/Varianz, Interquartilsabstand 19. Wir haben Säulendiagramme, Histogramme, Streudiagramme und Boxplots als Visualisierungen von Daten kennengelernt. Welche Visualisierung könnten Sie nutzen, um … a) … sich einen Eindruck von der Verteilung einer metrischen Variablen zu verschaffen? → Histogramme [Folie 168], Boxplot [Folie 210] b) … eine mögliche Beziehung zwischen den Noten in einem Fach und dem Geschlecht der Studierenden? → Boxplot [Folie 212] c) … eine mögliche Beziehung zwischen dem Alter von Arbeitnehmer/innen und ihrem Bruttoverdienst aufzuzeigen? → Streudiagramm [Folie 171] d) … die Verteilung des Geschlechts der Befragten innerhalb der Stichprobe darzustellen? → Säulendiagramm [Folie 188] 20. Das 90%-Quantil einer metrischen Variablen liegt bei 17,40. Was sagt Ihnen diese Angabe? 90 % der Werte liegen unterhalb oder gleich 17,40. (Alternative Antwort: Nur 10% der Werte liegen über 17,40).  21. Wie könnte man bei ordinal skalierten Variablen die Streuung der Messwerte messen bzw. bestimmen? Die Streuung kann durch den Interquartilsabstand gemessen werden. 22. Die beiden Graphen stellen jeweils x-y-Diagramme von zwei metrisch skalierten Variablen dar. Welches der Variablenpaare wird einen höheren Korrelationskoeffizienten ergeben? Begründen Sie bitte Ihre Meinung. Es gilt: Je größer der Korrelationskoeffizient r, desto größer ist der lineare Zusammenhang. Beim linken Graphen gibt es – aufgrund der linearen Steigung – einen positiven linearen Zusammenhang. Daher wird dieses Variablenpaar einen höheren Korrelationskoeffizienten ergeben, dieser ist größer als Null. [Folie 213] Der rechte Graph ist nicht linear, sondern zeigt ein „Muster“. [Folie 219] Emp. Forschung im Berufsfeld 23. Spearmans Rangkorrelationskoeffizient wird häufig als ‚robuster‘ gegen Verzerrungen durch Ausreißer bzw. ExtremwerteWS 2024, Beispielaufgaben bezeichnet. Begründen Sie, warum– dieser FinalKorrelationskoeffizient sich durch einzelne Extremwerte nicht so beeinflussen lässt, wie etwa Pearsons Produkt-Moment-Korrelation. 23. SpearmansSpearmans FOM Rangkorrelation Rangkorrelationskoeffizient – Empirische Forschung wird basiert imhäufig auf Rangordnungen als ‚robuster‘ Berufsfeld – WS gegen Verzerrun-und ist daher unempfindlich gegenüber Extremwerten. 2024/2025 gen durchKlausurvorbereitung: Ausreißer bzw. Extremwerte bezeichnet. Bearbeitung Begründen Sie, warum dieser der Beispielaufgaben Seite 8 von 13 Bei Pearson Korrelationskoeffizient werden sich alle Werte durch einzelne einbezogen, Extremwerte sodass einzelne nicht so beeinflussen lässt, Extremwerte das Ergebnis stärker beeinflussen. [Folie 214-216] wie etwa Pearsons Produkt-Moment-Korrelation. 24. Pearsons Produkt-Moment-Korrelationskoeffizient Aufgabe 25: ist definiert Im Rahmen einer quan"ta"ven sta"s"schen Analyseals: des Einkaufsverhaltens wird 24. Pearsons Produkt-Moment-Korrelationskoeffizient ist definiert als: als Nullhypothese formuliert: 𝑒𝑚𝑝𝑖𝑟𝑖𝑠𝑐ℎ𝑒 𝐾𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧 „Männer 𝑑𝑒𝑟 𝑏𝑒𝑖𝑑𝑒𝑛 kaufen mehr Fleisch- und Wurstwaren ein als Frauen.“ 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑛 Formulieren 𝑃𝑟𝑜𝑑𝑢𝑘𝑡 Sie die 𝑆𝑡𝑎𝑛𝑑𝑎𝑟𝑑𝑎𝑏𝑤𝑒𝑖𝑐ℎ𝑢𝑛𝑔𝑒𝑛 𝑑𝑒𝑟 𝑒𝑚𝑝𝑖𝑟𝑖𝑠𝑐ℎ𝑒𝑛 Alterna"vhypothese 𝑑𝑒𝑟 und geben Sie an, ob es sich bei der Nullhypothese um 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑛 Welcher Teil einedieses Bruchs misst gerichtete oderdie ungerichtete Stärke der Korrelation der Variablen? Hypothese handelt. Welcher Teil dieses Bruchs misst die Stärke der Korrelation der Variablen? 25. Im Rahmen einer quantitativen statistischen Analyse Alternavhypothese: „Männerdes Einkaufsverhaltens kaufen weniger wirdoder gleich viel Fleisch- und Wurstwaren ein als Nullhypothese formuliert: „Männermisst Die Kovarianz/Zähler kaufendie mehr Fleisch-der Stärke undKorrelation Wurstwaren ein als zwischen den Variablen. [Folie 213] als Frauen.“ Oder auch: „Männer kaufen nicht Frauen.“ Formulieren Sie die Alternativhypothese und geben Sie an, ob es sich bei mehr Fleisch- und Wurstwaren ein als der25. Im Rahmen Nullhypothese einer Frauen.“ um eine quantitativen [Folie gerichtete 232 – statistischen Alterna>vhypothese oder um eine ungerichtete Analyse Hypotheseals des Einkaufsverhaltens Nega>on handelt. von H 0] wird als Nullhypothese formuliert: „Männer 26. Stellen Sie Beikaufen der Rückgriff unter mehr die Fleisch- aufNullhypothese Hypothesen aus und Wurstwaren handelt Aufgabe es sichFehler 25 den ein als um eine erster Art Frauen.“ Formulieren gerichtete/einseige Sie die Hypothese, daAlternativhypothese eine und geben Sie (-Fehler) dar an, ob es sich und erläutern Richtung beieine derErhöhung Sie,vorgegeben was Nullhypothese wird:desMänner um einemehr Signifikanzniveaus kaufen ingerichtete oder…um die- als Frauen eine [Folie ungerichtete Hypothese handelt. 254] sem Beispiel bedeuten würde. Männer kaufen nicht mehr Wurstwaren ein als Frauen. [Folie 232 – Alternativhypothese als Negation von H0] 27. Wofür steht der p-value eines statistischen Tests? Aufgabe 26: Stellen Sie unter Rückgri- auf die Hypothesen aus Aufgabe 25 den Fehler erster Art 28. Mit einemDie Nullhypothese Chi-Quadrattest (α-Fehler) darwird und ist gerichtet. überprüft, ob sich erläutern [Folie 254] Formen der Kapi- unterschiedliche Sie, was eine Erhöhung des SigniBkanzniveaus in diesem Beispiel talanlage in Bezug auf ihre Rendite unterscheiden. Dabei werden die in den Anla- 26. Stellen bedeuten Siewürde. unter Rückgriff auf die Hypothesen aus Aufgabe 25 den Fehler erster Art (α -Fehler) dar und erläutern Sie, gen in einem bestimmten Zeitraum erzielten Renditen in Quartile eingeteilt. Der Chi- was Quadrattest eine ergibt Erhöhung Der unter des Art Fehler erster anderem p-value Signifikanzniveaus = bedeutet, 0,1346. dass ichindie diesem Beispiel fälschlicherweise Nullhypothese bedeuten würde.verwerfe, Was besagt dieses obwohl Ergebnis bezüglich sie wahrderist. Abhängigkeit In diesem bzw. Unabhängigkeit Beispiel von dass zu dem Schluss gekommen wird, heißt das, Renditen und Anlageformen? Der Fehler erster Art bedeutet, dass ich die Nullhypothese fälschlicherweise verwerfe, obwohl sie wahr ist. In diesem Männer Beispiel kaufen heißt mehrzu das, dass Fleisch- und Wurstwaren dem Schluss gekommen alswird, Frauen, obwohl Männer diesmehr kaufen tatsächlich Fleisch-nicht und der Wurstwaren als Frauen, Fall ist. obwohl dies tatsächlich nicht der Fall ist. Je höher höher Je dasdas SigniGkanzniveau, Signifikanzniveau, desto desto geringer geringer dasdas Risiko, Risiko, einen einen Fehler Fehler erster erster ArtArt zuzu machen machen und H 0 zu Unrecht abzulehnen. und H0 zu Unrecht abzulehnen. Erläuterung zur Erhöhung des Signi6kanzniveaus < 10 % schwach signiGkant < 5 % signiGkant Erhöhung des < 1 % hoch signiGkant SigniGkanzniveaus < 0,1 % höchst signiGkant 27. Wofür steht Aufgabe 27: der p-value Wofür stehteines statistischen der p-Value Tests? eines sta"s"schen Tests? Die Wahrscheinlichkeit, dass das (beobachtete) Ergebnis des Tests oder ein extremeres Der p-Wert gibt die Ergebnis Wahrscheinlichkeit au;ri4, an, unter derdass unter der Voraussetzung, Annahme der würde. H0 gelten Nullhypothese ein mindestens so extremes Ergebnis wie [Folie 234/246] das beobachtete zu erhalten. Der p-Value gibt an, wie wahrscheinlich es ist, einen Fehler erster Art zu begehen, wenn ich Dez-24 H0 ablehne. 3 Kleiner p-Wert (z. B. < 0,05): Die Nullhypothese wird abgelehnt, da das Ergebnis unwahrscheinlich ist. Großer p-Wert (z. B. > 0,05): Es gibt keine ausreichenden Beweise, um die Nullhypothese abzulehnen. Aufgabe 28: Mit einem Chi-QuadraSest wird überprü/, ob sich unterschiedliche Formen der Beispiel: Ein p-Wert Kapitalanlage von auf in Bezug 0,03ihre bedeutet, Renditedass die Wahrscheinlichkeit unterscheiden. Dabei werdenfür das die beobachtete Ergebnis in den Anlagen in unter der Nullhypothese 3 % beträgt. einem bes"mmten Zeitraum erzielten Renditen in Quar"le [25-%-SchriSe] eingeteilt. Der Chi- QuadraSest ergibt unter anderem. Was besagt dieses Ergebnis bezüglich der Abhängigkeit bzw. Unabhängigkeit von Renditen in Anlageformen? Es gibt keinen signiGkanten Zusammenhang zwischen Renditen und Anlageformen, weil die 13 % oberhalb des SigniGkanzniveaus von 10 % liegen. 28. Mit einem Chi-Quadrattest wird überprüft, ob sich unterschiedliche Formen der Kapitalanlage in Bezug auf ihre Rendite unterscheiden. Dabei werden die in den Anlagen in einem bestimmten Zeitraum erzielten Renditen in Quartile eingeteilt. Der ChiQuadrattest ergibt unter anderem p-value = 0,1346. Was besagt dieses Ergebnis bezüglich der Abhängigkeit bzw. Unabhängigkeit von Renditen und Anlageformen? Es gibt keinen signifikanten Zusammenhang zwischen Renditen und Anlageformen, weil die 13 % oberhalb des Signifikanzniveaus von 10 % liegen. 29. In einer Schule bekommen Flüchtlingskinder im Rahmen eines Pilotprojekts einen besonderen Sprachförderunterricht. Um die Effektivität der Maßnahme zu beurteilen, wird vor Beginn der Maßnahme die Sprachkompetenz der Kinder gemessen und in einer zweiten Untersuchung wird ihre Sprachkompetenz nach Ende der Maßnahme erhoben. Die erhobenen Indexe aus den beiden Stichproben werden mit einem zweiseitigen tTest verglichen. Dieser ergibt u.a. folgende Ergebnisse: t= -9.5219, df = 204, p-value = 5.692e-12 … 95 percent confidence interval: -0.5623966 -0.3447072 sample estimates: mean of the differences -0.4535519 a. Haben die Maßnahmen zu einer signifikanten Veränderung der Sprachkompetenz geführt? Was bedeutet die Angabe zu dem 95 %igen Konfidenzintervall? b. Sollte die hier geschilderte Fragestellung mit einem t-Test für unabhängige oder gepaarte Stichproben angegangen werden? c. Welche Form des t-Tests könnte auf den geschilderten Fall noch sinnvoll angewendet werden? a. Ja, Die Maßnahme führte zu einer signifikanten Verbesserung (p|t|) (Intercept) 4.17074 0.08798 47.403 < 2e-16 *** EF16U2 -0.10901 0.01690 -6.449 1.14e-10 *** TARIFART 0.08957 0.01337 6.697 2.14e-11 *** WZGRUPPE -0.31801 0.01104 -28.808 < 2e-16 *** --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 8.631 on 60448 degrees of freedom (99 observations deleted due to missingness) Multiple R-squared: 0.01695, Adjusted R-squared: 0.0169 F-statistic: 347.5 on 3 and 60448 DF, p-value: < 2.2e-16 Beurteilen Sie die Güte des Modells: Wie gut kann die Verteilung der Variablen EF20 durch die drei anderen Variablen erklärt werden? Beurteilen Sie die(Wo Gütesteht die Güte?) des Modells: Wie gut kann die Verteilung der Variablen EF20 durch die drei anderen Variablen erklärt werden? Die Güte des Regressionsmodells ist als sehr schwach zu beurteilen: Der R-Quadrat-Wert von 0,01695 zeigt, dass nur etwa 1,7% der Varianz der abhängigen Variable EF20 durch die drei unabhängigen Variablen erklärt werden können. Alternativ Antwort: Emp.dieForschung „R-squared“, also R2 , welches Reproduktionsgüte im Berufsfeld ausgibt, liegt hier bei ca. 1,7 %. Das heißt, dass die Variable EF20 nicht gut durch die anderen Variablen repräsentiert wird, weil hier nur 1,7 % (unter 2 %) Dez-24 WS 2024, der abhängigen Variablen durch dieBeispielaufgaben – Final anderen Variablen erklärt werden. 5 => geringe Güte! Um die Güte des Modells zu erhöhen, muss der R2 -Wert verbessert werden. [Folie 278/289] 34.Eine 34. Eine andere andereRegressionsanalyse Regressionsanalyseergibt: ergibt: Call: lm(formula = EF21 ~ EF12U2 + EF18 + B_EF13, data = Verdienststruktur2006) Residuals: Min 1Q Median 3Q Max -4027.7 -740.0 -181.1 471.3 5761.0 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 75154.8321 886.0061 84.824 eren sich an den o. g. Beispielaufgaben, sind aber ggf. anders zusammengesetzt. Fachbegriffe lernen!! a – 08.02.2025