STATISTIK-FORUM.de

Hallo zusammen ,

nach dem ich mir Tagelang den Kopf zerbrochen habe und diese Aufgaben immer wieder gelöst habe wende ich mich an euch Experten.
Leider komme ich nicht weiter, da ich meine 4 Fehler nicht finden kann. >_< Bei der Aufgabe 5 gehe ich stark davon aus, dass das was falsch ist. Ich denke die erste und dritte Aussage ist auch falsch.

Aufgabe 5:
Es liegt ein bivariater Datenbestand vor, zu dem die Geradengleichung fi = 9 + 3,3 x; bestimmt worden ist. Die unabhängige Variable ist das Interesse und die abhängige Variable ist die Aufmerksamkeit. Beide Variablen wurden in Testpunkten gemessen.

Welche der folgenden Aussagen sind korrekt?

- Wenn das Interesse um einen Punkt steigt, dann ist anhand dieser Geraden eine Steigung der Aufmerksamkeit um 9 Punkte zu erwarten.
Der Schnittpunkt der Geraden mit der Y-Achse hat die Koordinaten (0; 9).

- Es liegt ein starker gleichgerichteter Zusammenhang vor.

- Beide Variablen sind metrisch. Es kann aus diesem Grund davon ausgegangen werden, dass dieser
Datenbestand für die Bestimmung einer linearen Regression gut geeignet ist.

- Wenn das Interesse nicht als unabhängige, sondern als abhängige Variable betrachtet wird, bleibt der
Zusammenhang zwischen den Variablen gleichgerichtet.

Bei der Aufgabe 3 denke ich die Antwort müsste Eta-Quadrat = 0,32 sein:

Welches der folgenden Maße deutet auf einen mittleren Zusammenhang, wobei keine Aussage über die Richtung des
Zusammenhangs gemacht werden kann?
Wählen Sie eine Antwort:
• Rho-Koeffizient = - 0,32
• Korrelationskoeffizient r = - 0,45
• Phi-Koeffizient = - 0,45
• Regressionskoeffizient b = - 0,32
• Determinationskoeffizient = 0,45
• Eta = 0,45
• Eta-Quadrat = 0,32


Ich befinde mich gerade in der Prüfungsvorbereitung und zweifle schon jede Sache an die ich gelernt habe. Ich kann diese Übung auf Moodle leider nicht wiederholen und verlasse mich da auf eure Einschätzung was falsch sein könnte und wieso.

Ich würd mich freuen wenn ihr mir da weiterhelfen könntet, damit ich auch weiter inhaltlich lernen kann und mir sicher sein kann, dass ich es auch verstanden habe.^^

Liebe Grüße!

Kati

- Wenn das Interesse um einen Punkt steigt, dann ist anhand dieser Geraden eine Steigung der Aufmerksamkeit um 9 Punkte zu erwarten.

Man kann die Gleichung für z.B. x=1 ausrechnen und dann für x=2, dann sieht man den Unterschied im Ergebnis.

-Der Schnittpunkt der Geraden mit der Y-Achse hat die Koordinaten (0; 9).

Wenn x=0, dann ist y=...

- Es liegt ein starker gleichgerichteter Zusammenhang vor.

Das hängt von der Skalierung der Variablen ab. "Stark" ist ohnehin Auffassungssache.

- Beide Variablen sind metrisch. Es kann aus diesem Grund davon ausgegangen werden, dass dieser
Datenbestand für die Bestimmung einer linearen Regression gut geeignet ist.

Da metrisch, kann man ein lineares Regressionsmodell rechnen. Ob die Daten dafür gut geeignet sind,
hängt aber von der Art/Form des Zusammenhangs ab. Z.B. gibt es umgekehrt U-förmige Beziehungen
zwischen Variablen, also alles andere als einen linearen Zusammenhang. Auch J-förmige Beziehungen
usw. sind nicht gut linear beschreibbar.

- Wenn das Interesse nicht als unabhängige, sondern als abhängige Variable betrachtet wird, bleibt der
Zusammenhang zwischen den Variablen gleichgerichtet.

Je mehr von A, desto mehr von B, bedeutet im Umkehrschluss: je mehr von B, desto mehr von A.

Welches der folgenden Maße deutet auf einen mittleren Zusammenhang, wobei keine Aussage über die Richtung des
Zusammenhangs gemacht werden kann?

Ok, die meisten haben ein Vorzeichen, eta, eta² und R² (Determinationskoeffizient) können keins haben. Was groß/mittel/klein
angeht, habt Ihr vermutlich eine Tabelle oder Quellenangabe für die Beurteilung von Effektstärken?
Sowas wie hier: https://imaging.mrc-cbu.cam.ac.uk/stats ... effectSize .

HTH

PonderStibbons

Wir sind keine Bots, insofern wär eine Rückmeldung angebracht.

Es ist wahr, dass man bei der Beurteilung einer Korrelation schnell ins Subjektive abdriftet. Um deine Frage nach dem "mittleren" Zusammenhang ohne Richtung zu beantworten: Das Bestimmtheitsmaß $R^2$ ist ein Klassiker, aber oft nutzt man das $\eta^2$ (Eta-Quadrat) bei Varianzanalysen, um die Effektstärke zu messen. Wenn dein Wert so zwischen 0,06 und 0,14 liegt, bist du typischerweise bei einem mittleren Effekt, ohne dass das Vorzeichen verrät, ob er positiv oder negativ ist.