Skript zur Vorlesung „Versuchsplanung“ (Prof. Dr. Christoph Stahl ...
Skript zur Vorlesung „Versuchsplanung“ (Prof. Dr. Christoph Stahl ...
Skript zur Vorlesung „Versuchsplanung“ (Prof. Dr. Christoph Stahl ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Korrelative Untersuchungen:<br />
- Ziel: Untersuchung von Zusammenhängen, Prüfen von Zusammenhangshypothesen<br />
- Korrelation vs. Kausalität<br />
- Querschnitt vs. Längsschnitt<br />
- Cross‐lagged panel<br />
- Pfadanalyse<br />
- Lineare Strukturgleichungsmodelle<br />
Korrelation vs. Kausalität<br />
- Auswahl möglicher Kausalmodelle bei Korrelation zwischen 2 Variablen X & Y<br />
- Kausalmodelle nicht vereinbar mit Nullkorrelation zwischen X & Y<br />
- Korrelative Studien können u.U. Kausalhypothese widerlegen (Nullkorrelation)<br />
- Problem: Teststärke<br />
Querschnitt vs. Längsschnitt<br />
- Querschnitt: gleichzeitige Erhebung aller Variablen � beide Kausalrichtungen möglich<br />
- Längsschnitt: Erhebung zu unterschiedlichen Zeitpunkten � nur eine Kausalrichtung<br />
möglich (später erhobenes Merkmal Y kann früher erhobenes Merkmal X nicht<br />
beeinflusst haben) � mögliche Kausalrichtungen können ausgeschlossen werden<br />
Cross‐lagged panel<br />
- Längsschnittuntersuchung zum Vergleich zweier Kausalmodelle<br />
- Hypothese A: Bildung (B) beeinflusst Einkommen (E)<br />
- Hypothese B: Einkommen (E) beeinflusst Bildung (B)<br />
- Hypothese A: B(25) � E(50)<br />
- Hypothese B: E(25) � B(50)<br />
- Kausalwirkung: Zusammenhang zwischen B & E wächst mit der Zeit<br />
Pfadanalyse<br />
- Grundidee: Partialkorrelationen <strong>zur</strong> Bewertung von Kausalmodellen<br />
- Allgemeines Verfahren <strong>zur</strong> Analyse komplexer Kausalmodelle<br />
Lineare Strukturgleichungsmodelle (structural equation models, SEM)<br />
- Erweiterung um latente Variablen (oval) & ihre Korrelationen<br />
- � komplexe Kausalmodelle mit latenten Variablen & Korrelationen<br />
Populationsbeschreibende Untersuchungen:<br />
- Ziel: Beschreibung der Population, Schätzung von Populationsparametern<br />
- Repräsentativität<br />
- Zufallsstichprobe<br />
- Geschichtete (stratifizierte) Stichprobe<br />
- Klumpenstichprobe<br />
- Mehrstufige Stichprobenverfahren<br />
Repräsentativität (Güte der Schätzung)<br />
- Ziel populationsbeschreibender Untersuchungen: möglichst genaue Schätzung eines Populationsparameters<br />
- Bsp.: Anteil der Raucher in der dt. Bevölkerung; Mittelwert der Körpergröße; Varianz des Jahreseinkommens<br />
- Problem: Vollerhebung der Population meist nicht möglich<br />
- � Ausweg: möglichst „repräsentative“ SP<br />
- Güte der Schätzung: Zielparameter soll in SP möglichst genauso groß sein wie in Population<br />
- möglichst „typische“ SP ziehen, die sich nicht in relevanten Merkmalen von Population unterscheidet<br />
- Problem: Welches sind die relevanten Merkmale?<br />
- „Repräsentativität“ � Verzerrungsfreiheit der Schätzun<br />
- Größe der SP allein nicht ausschlaggebend für Güte der Schätzung: bei verzerrter Auswahl hilft auch große SP<br />
nicht (Bsp.: Umfrage <strong>zur</strong> US‐Präsidentschaftswahl 1936: Roosevelt vs. Landon)
Change language