Rmd

Aufgaben einfache Regression, Korrelation, Partialkorrelation, Semipartialkorrelation

Korrelationsmatrize erstellen

Nachvollziehen, wie bei Berechnen von Residuen und weiterrechnen damit die Varianzanteile transparent werden

Aufgabe STAI

reg-simple-stud-data erstellt von pzezula — zuletzt verändert: 11.04.2014 09:22 — Historie Einfache Regression Stud-Data

Datenfile: stud-dat-scales.sav (SPSS) bzw. stud-dat-scales.dat (Text, tab delimited, utf8)

Berechnen Sie, wie gut sich die state2-Angst aufgrund der state1 vorhersagen lässt.

Erstellen Sie eine geeignete grafische Darstellung.

Berechnen Sie, wie viel state2 mit den Daten von state1 zu tun hat.

Erstellen Sie eine grafische Darstellung.

Erstellen Sie eine grafische Darstellung, in der beide Regressionen dargestellt sind (zwei Regressionsgeraden).

Aufgabe Studierendendaten

Datenfile: stud-dat-scales.sav (SPSS) bzw. stud-dat-scales.dat (Text, tab delimited, utf8)

Kann man in dieser Stichprobe sagen, dass die Eltern einen Einfluss auf die Größe ihrer Kinder haben?
Gibt es einen erkennbaren Einfluss der Trait-Angst auf die State-Angst?
Visualiseren Sie ihre Ergebnisse
Beurteilen Sie die Anpassungsqualität des Modells

Beispielaufgabe Everitt (2009): Pulse Rates and Heights Data

50 Krankenhauspatienten, ihre Körpergröße in cm und ihre Herzfrequenz in b/min Datenfile: everitt_pulse_heights.txt

erstellen Sie einen geeigneten Scatterplot
passen Sie ein lineares Modell an.
überprüfen Sie die Qualität des Modells
nehmen Sie ggf. Veränderungen am Modell vor, um den Fit zu verbessern.

fin

Beispielaufgabe Everitt (2009): Kinesiology

Zwei Variablen: Sauerstoffaufnahme und Atemvolumen in Litern Datenfile: everitt_kinesiology.txt

einen ersten grafischen Überblick verschaffen mit Scatterplots

lineares Modell anpassen

Inspektion des Modells

ggf. Anpassung des Modells

Aufgabe Potenz

Ein Forscherteam habe von 100 Personen einen Datensatz mit 8 Variablen erhoben. Die Dokumentation bzw. der Codierungsplan sei verloren gegangen. Die Variablennamen der potenziellen Kriterien beginnen mit “k” und die Namen der Prädiktoren mit “p”.

Lesen Sie die Daten aus der Datei
lm-potenz.txt
Verschaffen Sie sich einen graphischen Überblick über die Zusammenhänge zwischen den Variablen. Identifizieren Sie grafisch plausible Modelle.
Berechnen Sie ein Modell erster Ordnung, das versucht, die Variable k3 aufgrund der p1 (Prädiktor) vorherzusagen. Wie ist die Güte der Vorhersage?
Überprüfen Sie, ob ein Modell dritter Ordnung die Vorhersage verbessert (deskriptiv, nicht statistisch).
Logarithmieren Sie die Variable k22 und rechnen Sie eine lineare Regression, in der Sie p1 als Prädiktor benutzen. Was erkennen Sie im Vergleich mit der Berechung desselben Modells mit den untransformierten Daten?
Es ist klar, dass es in dem Datensatz Variablen gibt, die am besten mit einem Modell erster, zweiter oder dritter Ordnung erklärt werden können. Identifizieren Sie die Variablen und das sie am besten erklärende Modell. Begründen Sie ihre Zuordnung auch statistisch.
Lösung

Aufgabe Prüfungsangst, Prüfungsleistung und Prüfungsvorbereitung

Field (2013, S. 282)

Datenfile: af_exam_anxiety.sav (SPSS) bzw. af_exam_anxiety.dat (Text, tab delimited, utf8)

Überprüfen Sie, inwieweit das Verhältnis von Prüfungsangst und Prüfungsleistung durch die Vorbereitungszeit beeinflusst ist.