1. (VL1) Welche Aussagen zur Multiplen Regression sind korrekt? A) Suppressionseffekt, wenn Effekt von x_1 durch x_2 verstärkt wird, X2 ist nicht mit Kriterium korreliert B) Einschluss von mit Kriterium unkorreliertem x_2 verstärkt Effekt von x_1 C) Stepwise -Hinzunahme ist theoriegeleitet D) Hierarchische Regression: der zusätzliche Beitrag zur Varianzaufklärung, den weitere hinzugenommene Prädiktoren oder Prädiktorvariablen liefern, kann durch t-test der einzelnen Regressionsgewichte bestimmt werden E) Vorwärtsselektion ermöglicht den Vergleich nichtgenesteter Modelle Lösung: ab C:datengesteuert D:F-Test E:Vorwärtsselektion hat nichts mit genesteten Modellen zu tun 2. (VL1) Welche Aussagen zur Multiplen Regression sind korrekt? A) Bei Vergleich von Effekt eines Prädiktors über verschiedene Gruppen sind standardisierte Koeffizienten besser als unstandardisierte B) Auswahlstrategie Vorwärtselektion vergleicht im Gegensatz zu den anderen auch nicht-genestete Modelle C) Schrittweise Regression ist theoriegesteuert D) Ob ein Regressions-Gewicht nicht signifikant von Null abweicht und daher nicht im Modell benötigt wird kann mit F-Test inferenzstatistisch überprüft werden E) Bei Semipartialregression ist Reihenfolge egal F) Die Auswahlstrategie der Rückwärtsselektion hat anderen Selektionsverfahren gegenüber den Vorteil, dass bei diesem Verfahren mehrere Prädiktoren gleichzeitig in einem Selektionsschritt auf ihre gemeinsame Signifikanz hin überprüft und gegebenenfalls eliminiert werden G) Sind die Effekte der Prädiktoren in einer multiplen Regression additiv, ist das Regressionsgewicht eines Prädiktors davon unabhängig, welche anderen Variablen sich in der Regressionsgleichung befinden H) Stepweise: Hinzunahme ist theoriegesteuert I) Hierarchische Regression: der zusätzliche Beitrag zur Varianzaufklärung, den weitere hinzugenommene Prädiktoren oder Prädiktorgruppen liefern, kann durch t-Test der einzelnen Regressionsgewichte bestimmt werden. Lösung: d Die Effekte der einzelnen Prädiktorvariablen Xi auf das Kriterium Y sind additiv, d.h. die Effekte der einzelnen Prädiktoren auf das Kriterium sind voneinander unabhängig. A: unstandardisiert bei Gruppen Standardisiert bei Variablen B: SEM C: datengesteuert F: nacheinander eliminieren G: additiv bezieht sich auf Kriterium 3. (VL1) Welche Aussagen bezüglich der Regressionskoeffizeinten in einer multiplen unmoderierten Regression mit zwei Prädikatoren sind richtig? (5x) A) Das Regressionsgewicht einer Variablen in der multiplen Regression ändert sich nicht, wenn man die Variable um ihren Mittelwert zentriert. B) Ob ein bestimmtes geschätztes Regressionsgewicht nicht signifikant von Null abweicht (und der entsprechende Prädiktor nicht im Modell benötigt wird), kann mittels eines F-Tests inferenzstatistisch überprüft werden. C) Wenn die beiden Prädiktorvariablen untereinander hoch korreliert sind, empfiehlt es sich, standardisierte Regressionskoeffizienten zu verwenden, da die inferenzstatistischen Tests für diese robuster gegen Multikollinearität sind als diejenigen für unstandardisierte Regressionsgewicht. D) Das Regressionsgewicht einer Variablen in der multiplen Regression entspricht dem Regressionsgewicht dieser Variablen in einer einfachen Regression, wenn die beiden Prädiktorvariablen untereinander unkorreliert sind. E) Wenn man den Effekt eines Prädiktors auf die abhängige Variable über verschiedene Personen vergleichen möchte, eignen sich zur Interpretation standardisierte Regressionskoeffizienten besser als unstandardisierte Regressionskoeffizienten. F) standardisierte Koeffizienten besser geeignet als unstandardisierte beim Vergleich verschiedener Variablen G) Das Regressionsgewicht einer Variablen in einer moderierten multiplen Regression ändert sich nicht, wenn man die Variable um ihren Mittelwert zentriert. H) Das Regressionsgewicht einer Variablen in einer nicht moderierten multiplen Regression ändert sich nicht, wenn man die Variable um ihren Mittelwert zentriert. I) Das Regressionsgewicht einer Variablen in einer moderierten multiplen Regression ändert sich, wenn man die Variable um ihren Mittelwert zentriert. Lösung: bdfh A:Das Regressionsgewicht ändert sich bei Zentrierung nur bei einer Moderation, und auch da nur die Einzelgewichte, nicht aber die Interaktion. 4. (VL1) Welche der folgenden Aussagen im Kontext der multiplen Regression mit zwei Prädiktoren sind richtig? A) Von einer negativen Suppression spricht man, wenn sich der Effekt einer Variablen bei Aufnahme eines weiteren Prädiktors, der negativ mit dieser Variablen korreliert, verstärkt wird. B) Von einer negativen Suppression spricht man, wenn der Effekt eines Prädiktors aus der einfachen Regression zusätzlich verstärkt wird in der multiplen Regression durch die Hinzunahme eines weiteren Prädiktors, der negativ mit diesem anderen Prädiktor korreliert C) Suppression liegt vor, wenn der Einschluss einer Variablen X2, die mit dem Kriterium unkorreliert ist, dazu führt, dass der Effekt einer anderen Variablen X1 auf das Kriterium verstärkt wird. D) Die inferenzstatistische Absicherung standardisierter Regressionsgewichte ist bei Vorliegen von Multikollinearität weniger verzerrt im Vergleich zu unstandardisierten Regressionsgewichten. E) Das Regressionsgewicht mit einer Variablen in der multiplen Regression ändert sich für diese Variable, wenn man sie um den Mittelwert zentriert. F) Eine reziproke Suppression setzt voraus, dass zwei unabhängige Variablen sowohl positiv mit dem Kriterium korrelieren, als auch untereinander eine positive Korrelation aufweisen. Lösung: c (Alternative F nicht in Lösung; siehe Eid, S.635) Zu F: unter reziproker Suppression versteht man das Phänomen, dass zwei unabhängige Variablen jeweils positiv mit der Kriteriumsvariablen korrelieren, jedoch untereinander eine negative Korrelation aufweisen. Eid Seite 635 Zu B: Der positiv mit dem anderen korreliert 5. (VL1) Ein Forscher untersucht die Effekte von Schulden und Vermögen (Prädiktoren) auf finanzielle Zufriedenheit (Kriterium) im Rahmen einer multiplen Regression. Welche der folgenden Szenarien deuten auf einen Suppressions-Effekt hin? A) Die beiden Prädiktoren sind nicht miteinander korreliert. Die bivariate Korrelation zwischen dem Prädiktor Vermögen und dem Kriterium finanzielle Zufriedenheit ist positiv, aber kleiner als der multiple Korrelationskoeffizient aus der multiplen Regression. B) Der Prädiktor Schulden korreliert nicht mit dem Kriterium finanzielle Zufriedenheit, aber positiv korreliert mit dem Prädiktor Vermögen. Der Prädiktor Vermögen ist mit dem Kriterium finanzielle Zufriedenheit positiv korreliert. Das stand. Regressionsgewicht der Variablen Vermögen in der multiplen Regression ist größer als das entsprechende stand. Regressionsgewicht dieser Variablen in der einfachen Regression C) Die beiden Prädiktoren sind nicht miteinander korreliert. Das standardisierte Regressionsgewicht der Variable Vermögen in der multiplen Regression ist gleich dem entsprechenden standardisierten Regressionsgewicht dieser Variable in der einfachen Regression. D) Die beiden Prädiktoren korrelieren jeweils positiv mit dem Kriterium. Das standardisierte Regressionsgewicht der Variable Vermögen in der multiplen Regression ist kleiner als das entsprechende standard. Regressionsgewicht dieser Variable in einer einfachen Regr. E) Die beiden Prädiktoren korrelieren sehr hoch positiv untereinander. Der multiple Korrelationskoeffizient der multiplen Regression ist geringer als die bivariate Korrelation zwischen den Variablen Schulden und Vermögen. Die geschätzten multiplen Regressionsgewichte der beiden Prädiktoren weisen zudem hohe Standardfehler auf. F) In der einfachen Regression haben Schulden einen positiven Einfluss auf die finanzielle Zufriedenheit, hingegen wird in der multiplen Regression der Einfluss negativ. G) Durch Auspartialisierung der Variable Vermögen in der multiplen Regression zeigt sich der negative Zusammenhang zwischen dem Prädiktor Schulden auf das Kriterium finanzielle Zufriedenheit. Lösung: bfg (Eid, S. 633/636/662) Während in der einfachen Regressionsanalyse die Schulden einen positiven Einfluss auf die finanzielle Zufriedenheit haben, ist ihr Einfluss in der multiplen Regressionsanalyse negativ. Dies ist darauf zurückzuführen, dass in der einfachen Regressionsanalyse der Einfluss des Vermögens, das hoch positiv mit den Schulden korreliert ist, nicht kontrolliert wurde. Hohe Schulden zu haben scheint in der bivariaten Regression also mit größerer finanzieller Zufriedenheit einherzugehen, aber die inhaltliche Bedeutung dieses Effekts wird erst durch die multiple Regressionsanalyse klar: Erst wenn man das Vermögen auspartialisiert, zeigt sich der wesentlich plausiblere negative Zusammenhang zwischen Schulden und Zufriedenheit: Hohe Schulden sind offenbar nur deshalb bivariat positiv mit der Zufriedenheit korreliert , weil Personen die viele Schulden machen, generell mehr Geld besitzen . Es ist dieses Vermögen, das die Zufriedenheit ausmacht. Kontrolliert man jedoch den Einfluss des Vermögens (d. h., partialisiert man das Vermögen heraus), so zeigt sich: Je höher die Schulden, desto geringer die finanzielle Zufriedenheit. Eid Seite 636 A: Prädiktoren sind korreliert C: siehe A D: ist größer 6. Ein Organisationspsychologe untersucht im Rahmen einer einfachen linearen Regression den Zusammenhang zwischen Arbeitszufriedenheit (Kriterium y) und Firmengröße eines Mitarbeiters. Der kategoriale Prädiktor Firmengröße hat drei Ausprägungen: klein (bis 8 Mitarbeiter), mittel (9-20 Mitarbeiter) und groß (mehr als 20 Mitarbeiter). Der Prädiktor Firmengröße wird mittels Effekt Kodierung in das Regressionsmodell aufgenommen. Als Basiskategorie wird die Kategorie groß gewählt. x1=mittel (1 als Kodierung), x2=klein. In der Stichprobe sind alle untersuchten Gruppen gleich groß. Die Regressionsanalyse ermittelt folgende Regressionsgleichung: yDach=4-1.x1+1.x2 (WS18/19) A) Die geschätzte mittlere Arbeitszufriedenheit von Personen, die in einer großen Firma beschäftigt sind, beträgt 4. B) Die geschätzte mittlere Arbeitszufriedenheit aller Personen (aller Firmen) zusammen, beträgt 4. C) Hätte der Forscher in der Effekt Kodierung als Basiskategorie die Kategorie klein anstatt groß gewählt, und die Kodiervariable x1 für mittlere Firmengröße beibehalten, hätte sich der Wert des Intercepts in der Regressionsgleichung verändert. D) Würde der Forscher anstelle einer Effekt Kodierung eine Dummy Kodierung verwenden, in der als Referenzkategorie die Kategorie groß gewählt und x1 als Kodiervariable für mittlere Firmengröße beibehalten wird, würde die Regressionsanalyse unter Verwendung der Dummy Kodierung genau die gleiche Regressionsgleichung ermitteln, wie unter Verwendung der Effekt Kodierung (s.o.). E) Der Unterschied in der geschätzten mittleren Arbeitszufriedenheit zwischen Personen, die in einer kleinen Firma tätig sind und Personen, die in einer großen Firma tätig sind, ist geringer als der Unterschied in der geschätzten mittleren Arbeitszufriedenheit zwischen Personen aus einer kleinen Firma und einer Firma mittlerer Größe. Lösung: abde (Frage nicht in Lösungen) Basis= 4 groß X1 =3 mittel X2= 5 klein 7. Welche der folgenden Aussagen im Kontext der Multiplen Regression sind richtig? (WS18/19) A) Hat der kategoriale Prädiktor lediglich 2 Ausprägungen, entsprechen die gesuchten Regressionskoeffizienten in einer einfachen linearen Regression, die man mittels Dummy Kodierung erhält, in ihrer Bedeutung und ihrem Wert genau den Regressionskoeffizienten, die man mittels Effekt Kodierung aus den gleichen Daten rechnen würde. B) Liegt eine hohe Interkorrelation der Prädiktoren vor, ist eine Konsequenz, dass die Schätzung des Regressionsgewichts ungenau wird, was sich in einer Erhöhung des Standardfehlers des geschätzten Regressionsgewichts ausdrückt. C) Cook-Distance ist ein diagnostisches Mittel, um das Ausmaß von Multikollinearität in den Daten zu ermitteln. D) Die Auswahlstrategie der Rückwärtsselektion unterscheidet sich von anderen Selektionsverfahren dadurch, dass bei dieser auch nicht ineinander genestete Modelle verglichen werden E) für jede Ausprägung (Kategorie) eines kategorialen Prädiktors die gleiche Anzahl an Beobachtungen vor, erzielt die Verwendung einer Dummy Kodierung eine größere Teststärke auf, als der Verwendung einer Effekt Kodierung hinsichtlich der Frage, ob der Prädiktor signifikant Varianz im Kriterium aufklärt. Lösung: b (Frage nicht in Lösungen) Zu A: Dummy: nur 2 Ausprägungen Effekt: 3 Ausprägungen möglich Zu C: Cook-Distanz: = Normalverteilung Zu D: genestet: = SAM 8. (VL2) Welche der folgenden Aussagen im Kontext einer multiplen Regression mit kontinuierlichen Prädiktoren (ohne Interaktion) sind richtig? A) Unter einer „hierarchischen Regression“ versteht man eine multiple Regression mit sequentiellem Einschluss (evtl. auch Ausschluss) von einzelnen Prädiktorvariablen oder Prädiktorblöcken mit dem Ziel, ein möglichst sparsames Modell mit einer dennoch hinreichend guten Vorhersagegüte zu finden. B) Die theoriegesteuerte Auswahl von Prädiktoren im Rahmen einer „hierarchischen Regression“ beruht stets auf einer Maximierung der Varianzaufklärung der abhängigen Variablen bei gleichzeitiger Minimierung der Anzahl zu berücksichtigender unabhängiger Variablen. C) Werden in einer hierarchischen Regression in ein Modell mehrere weitere Prädiktoren aufgenommen, kann deren zusätzlicher gemeinsamer Beitrag zur Aufklärung an Varianz im Kriterium mittels eines t-Tests der einzelnen Regressionsgewichte untersucht werden. D) Die Auswahlstrategie der Vorwärtsselektion unterscheidet sich von anderen Selektionsverfahren dadurch, dass bei diesem auch nicht genestete Modelle verglichen werden können. E) Bei der step-down-Selektion wird ausgehend vom restriktivsten Modell.... Lösung: a B:datengesteuerte Auswahl C: F-Test E: SEM 9. (VL2) Hier war eine Frage über SDO, divbel und Vorurteile (SuN) A) Effekt SDO auf Vorurteile wird signifikante durch divbel moderiert. B) Ähnlich wie C C) Personen mit mittlerer Ausprägung in divbel und unterdurschnitt. in SDO haben mehr Vorurteile D) für Personen mit mittleren Ausprägung divbel und unterwurchschnitt. SDO ist Anzahl an Vorurteile größer als 2,33 E) für Personen mit mittleren Ausprägung divbel und durchschnitt. SDO ist Anzahl an Vorurteilen gleich 2,33 Lösung: ae 10. (VL2) Was ist korrekt? Aussagen zur Mediation A) Ein statistischer indirekter Effekt ist nicht zwangsläufig gültig B) Ein statistischer indirekter Effekt ist nicht zwangsläufig gültig, es kann auch ein Korrelat im Mediationsprozess sein C) Ein statistischer Effekt ist nicht zwangsläufig gültig, der Mediator kann auch ein Korrelat der abhängigen Variablen sein D) In einer moderierten Mediation kann der Prädiktor außer Prädiktor zugleich auch Moderator sein E) Konditionale indirekte Effekte können nur bei dichotomem Moderator mittels Bootstrap inferenzstatistisch abgesichert werden Lösung: bcd 11. (VL2) Baron und Kenny haben ein Verfahren vorgeschlagen, um Mediationseffekte zu analysieren, das als causal step approach bekannt geworden ist. Welche der folgenden Aussagen zu diesem Verfahren sind korrekt? (2x) A) Eine Voraussetzung, die nach dem Schema von Baron und Kenny für das Vorliegen eines Mediationseffekts erfüllt sein muss, ist, dass der indirekte Effekt des Prädiktors auf das Kriterium signifikant größer ist als der direkte Effekt des Prädiktors auf den Mediator. B) Dem Causal Step Approach zufolge muss der Effekt des Prädiktors auf den Mediator signifikant größer sein als der direkte Effekt des Prädiktors auf das Kriterium. C) Eine der Bedingungen, die nach dem Schema von Baron und Kenny für das Vorliegen eines Mediationseffekts erfüllt sein muss, ist, dass der Prädiktor bei statistischer Kontrolle des Mediators das Kriterium signifikant beeinflusst. Prädiktor muss statistisch kontrolliert sein D) Eine wesentliche Kritik an dem Schema von Baron und Kenny besteht darin, dass es nicht möglich ist, den indirekten Effekt des Prädiktors auf das Kriterium inferenzstatistisch zu testen. E) Der sogenannte Sobel-Test macht im Gegensatz zu dem causal step approach keine Annahme über die Verteilung des indirekten Effekts. Lösung: d C:Bei statistischer Kontrolle des Einflusses des Prädiktors (X1) muss der Mediator (X2) das Kriterium (Y) signifikant beeinflussen: b23 > 0 bzw. < 0 und p < .05 (inferenzstat. Absicherung!) 12. (VL2) Baron und Kenny haben ein Verfahren vorgeschlagen, um Mediationseffekte zu analysieren, das als causal step approach bekannt geworden ist. Welche der folgenden Aussagen zu diesem Verfahren sind korrekt? (WS 18/19) A) Baron und Kenny zufolge sind in einer einfachen Mediation drei Regressionsanalysen durchzuführen, mit denen überprüft werden kann, ob vier Bedingungen erfüllt sind, die nach diesem Schema notwendig sind, um von einer Mediation sprechen zu können. B) Es liegt eine partielle Mediation vor, wenn in der gemeinsamen multiplen Regression der Effekt des Mediators auf das Kriterium geringer ist als der Effekt des Prädiktors auf das Kriterium. C) Der Effekt des Prädiktors auf den Mediator muss signifikant größer sein als der direkte Effekt. D) Bei statistischer Kontrolle des Prädiktors muss der Mediator das Kriterium signifikant beeinflussen. E) Es ist nicht möglich zu prüfen, ob der Effekt des Prädiktors vollständig über den Mediator mediiert wird. Lösung: ad B:zumindest, wenn er noch signifikant ist kleiner als vorher: b13 < b11 (spricht nach dem Ansatz für eine „partielle“ Mediation, teilweisen Mediation). 13. (VL2) Baron + Kenny causal step approach - was ist richtig? A) Baron und Kenny = 3 Regressionsanalysen um 4 Bedingungen zu überprüfen B) Eine Bedingung ist, dass der Prädiktor bei statistischer Kontrolle des Mediators das Kriterium signifikant beeinflusst C) Der Effekt des Prädiktors auf den Mediator muss sign. Größer sein als der Effekt von Prädiktor auf Kriterium D) Bei stat. Kontrolle des Prädiktors muss der Mediator das Kriterium sign. beeinflussen E) Der indirekte Effekt von Prädiktor auf Kriterium muss signifikant größer sein als der von Prädiktor auf Moderator Lösung: ad 14. (VL2) Baron + Kenny causal step approach - was ist richtig? A) Baron und Kenny zufolge sind in einer einfachen Mediation drei Regressionsanalysen durchzufuhren, mit denen überprüft werden kann, ob vier Bedingungen erfüllt sind, die nach diesem Schema notwendig sind, um von einer Mediation sprechen zu können B) Eine Bedingung ist, dass der Prädiktor bei statistischer Kontrolle des Mediators das Kriterium signifikant beeinflusst C) Der Effekt des Prädiktors auf den Mediator muss sign. größer sein als der Effekt von Prädiktor auf Kriterium D) Bei stat. Kontrolle des Prädiktors muss der Mediator das Kriterium sign. beeinflussen E) Der indirekte Effekt von Prädiktor auf Kriterium muss signifikant größer sein als der von Prädiktor auf Moderator F) Interaktion erheblich geringer aus als in der entsprechenden moderierten Regression ohne Zentrierung der Prädiktoren. Lösung: ad (kein genauer Abgleich zwischen Fragen & Lösungen! Frage fehlt als solche in den Lösungen) 15. (VL2) Baron + Kenny causal step approach - was ist richtig? A) ? B) Varianzanalysen mit Mediansplit haben gegenüber einer moderierten Regression zwar immer eine höhere Teststärke, dafür besteht aber bei einer Varianzanalyse mit Mediansplit die Gefahr, dass der reale Effekt unter- oder überschätzt wird. C) Sind kontinuierliche Prädiktoren in einer moderierten Regression um ihren Mittelwert zentriert, nimmt der Intercept stets den Wert Null an. D) Durch die Bildung eines Produktterms (Interaktion) in einer moderierten Regression mit zwei unzentrierten kontinuierlichen Prädiktoren besteht die Gefahr der erhöhten Multikollinearität. E) Bei einer moderierten Regression beinhaltet der Produktterm (Interaktionsterm) nur dann den reinen Interaktionseffekt, wenn die “Haupteffekte“ der interagierenden Prädiktoren mit in die Regressionsgleichung eingeschlossen werden. Lösung: de 16. (VL2) Forscher untersucht Effekt von Alter (X) auf Vorurteile (Y) und inwieweit SDO (soziale Dominanz) (S) moderiert, Stichprobe 500, er rechnet einen causal step approach Y dach = 1 + 0,2x und Y dach = 1 + 0,2x + 0,1 s was stimmt? A) x hat einen signifikanten Effekt auf Y B) Moderator S wirkt sich signfikant auf Y aus C) Effekt von X auf Y wird durch S vollständig moderiert D) N ist zu klein, so ist kein Signifikanztests des indirekten Effektes möglich E) Der indirekte Effekt von X auf Y ist 0 Lösung: ae 17. (VL2) Einfache Mediation: Ein Forscher will herausfinden, ob der Effekt von Alter (X) auf Vorurteile (Y) durch soziale Dominanzorientierung (sdo = M) mediiert wird. N = 560. Er bekommt nach dem Schema von Baron und Kenny zwei Regressionsgleichungen: y(Dach) = 1 + 0,18 X y(Dach) = 1 + 0,14 X + 0,3 sdo Alle enthaltenen Regressionsgewichte sind signifikant. A) X hat einen signifikanten Effekt auf Y. B) sdo (M) hat keinen signifikanten Effekt auf Vorurteile (Y) C) Der Effekt von X auf Y wird vollständig durch sdo mediiert. D) N ist zu klein für eine Überprüfung des indirekten Effekts auf Signifikanz. E) Es gibt einen signifikanten, von Null abweichenden Effekt von X auf Y. Lösung: ae 18. Aussagen zur Mediation. Was ist korrekt? (WS18/19) A) Der Sobel-Test macht keine Verteilungsannahmen B) Es werden große Stichproben benötigt, um exakte Konfidenzintervalle für den indirekten Effekt des Prädiktors auf das Kriterium berechnen zu können C) Ein signifikanter indirekter Effekt der Mediation ist nicht zwangsläufig ein Beleg für dessen Gültigkeit, da er auch ein Korrelat der AV sein kann D) Der sogenannte Sobel-Test zur Überprüfung indirekter Effekte hat in der Regel eine größere Power als Bootstrap E) Beim Bootstrapping wird für den indirekten Effekt eine Stichprobenkennwertverteilung empirisch generiert, mittels derer Konfidenzintervalle für den indirekten Effekt gebildet werden können. Lösung: ce (Frage nicht in den Lösungen) 19. (VL2) Welche Aussagen bezüglich Prüfung einer Mediationshypothese (Baron/ Kenny) sind richtig? A) Eine wesentliche Kritik am Schema von Baron und Kenny besteht darin, dass es nicht möglich ist zu prüfen, ob der Effekt des Prädiktors vollständig über den Mediator mediiert wird. B) Eine wesentliche Kritik am Schema von Baron und Kenny besteht darin, dass es nur bei Vorliegen sehr großer Stichproben exakte Konfidenzintervalle für den indirekte Effekt des Prädiktors auf das Kriterium erstellen kann. C) Der sogenannte Sobel-Test macht im Gegensatz zum causal-steps-approach keine Annahme über die Verteilung des indirekten Effekts. D) Der sogenannte Sobel-Test zur Überprüfung indirekter Effekte hat in der Regel eine größere Power als Bootstrap E) Beim Bootstrapping wird für den indirekten Effekt eine Stichprobenkennwertverteilung empirisch generiert, mittels derer Konfidenzintervalle für den indirekten Effekt gebildet werden können. F) Kritik an Baron + Kenny ist, dass der indirekte Effekt nicht interferenzstatistisch abgesichert wird G) Bootstrapping hat geringere Anforderungen an die Stichprobenverteilung und bietet Konfidenzintervall für die indirekten Effekte Lösung: efg 20. (VL2) Welche der folgenden Aussagen zur Mediationsanalyse sind korrekt? (4x) A) In einer einfachen moderierten Mediation können die konditionalen indirekten Effekte nur im Falle dichotomer Moderatorvariablen inferenzstatistisch über das Bootstrapping-Verfahren abgesichert werden. B) In dem Bootstrapping-Verfahren wird in der Mediationsanalyse für den indirekten Effekt eine Stichprobenkennwerteverteilung „empirisch“ generiert, mittels derer Konfidenzintervalle für den indirekten Effekt gebildet werden können. C) Wenn die Mediatoren in einem multiplen Mediationsmodell untereinander korreliert sind, erfolgt die Überprüfung des totalen Effekts bei ausreichend großer Stichprobe immer über den Sobel-Test. D) Ein Statistisch signifikanter indirekter Effekt in der Mediationsanalyse ist nicht zwangsläufig ein Beleg für die Gültigkeit des getesteten Mediatormodells, da der getestete Mediator womöglich nicht den eigentlichen Mediationsprozess repräsentiert, sondern nur ein Korrelat des eigentlichen Mediationsprozesses ist. E) Wenn die Mediatoren in einem multiplen Mediationsmodell untereinander korreliert sind, ist die sukzessive Prüfung von mehreren Mediatoren mit einfachen Mediationsmodellen problematisch, da hierbei die Korrelaton der Mediatoren untereinander nicht berücksichtigt wird. (VL 2) F) Der Sobel-Test sollte bei multiplen Mediationen nicht verwendet werden. G) Wenn die Mediatoren in einem multiplen Mediatormodell untereinander korreliert sind, erfolgt die Überprüfung der direkten Effekte in der Regel über Bootstrap. H) Es wird bei einer multiplen Mediation zwischen spezifischen indirekten Effekten und totalem indirektem Effekt unterschieden. Lösung: bdeh Für das Vorgehen bei den folgenden Fragestellungen hilft: https://www.youtube.com/watch?v=MoIaecjyOsM Kurz: Mittelwerte der Gruppen = für X_1 bzw. X_2 1 einsetzen, für die andere Gruppe 0 Mittelwert der Referenzkategorie = für X_1 und X_2 jeweils (-1) einsetzen Dummy-Kodierung berechnen: b_0 = Mittelwert der Referenzkategorie b_1 bzw. b_2 = Gruppenmittelwert minus b_0 21. VL2) Welche der folgenden Aussagen zur Mediationsanalyse sind korrekt? A) Wenn die Mediatoren in einem multiplen Mediatormodell untereinander korreliert sind, können die indirekten Effekte zwar berechnet, aber nicht mehr auf Signifikanz hin überprüft werden. B) Wenn Mediatoren korrelieren, erfolgt Überprüfung indirekte Effekte i.d.R. über Bootstrap C) Der sogenannte Sobel-Test zur Überprüfung indirekter Effekte in der Mediationsanalyse hat in der Regel eine größere Teststärke (power) als das Bootstrapping-Verfahren zur Überprüfung indirekter Effekte. D) In einer einfachen moderierten Mediation kann die Prädiktorvariable, deren Einfluss auf die abhängige Variable (Kriterium) mediiert wird, zugleich auch Moderatorvariable für den Einfluss des Mediators auf die abhängige Variable (Kriterium) sein. E) Ein statistisch signifikanter indirekter Effekt in der Mediationsanalyse ist nicht zwangsläufig ein Beleg für die Gültigkeit des getesteten Mediatormodells, da der statistische Test zur Absicherung des indirekten Effekts eventuell eine zu geringe Power hatte. F) Wenn Mediatoren in einem multiplen Mediationsmodell untereinander korrelieren, erfolgt die Prüfung des direkten Effekts über Bootstrapping (indirekter) Lösung: d 22. Welche der folgenden Aussagen zu einer moderierten Regression sind korrekt? (WS18/19) A) Wenn zwei kontinuierliche Prädiktoren um den Mittelwert zentriert werden, fällt der Standardfehler für das geschätzte Regressionsgewicht der Interaktion erheblich geringer aus als in der entsprechenden moderierten Regression ohne Zentrierung der Prädiktoren B) Varianzanalysen mit Mediansplit haben gegenüber der moderierten Regression zwar immer eine höhere Teststärke, dafür besteht dabei die Gefahr, dass der reale Effekt unter- oder überschätzt wird. C) Sind kontinuierliche Prädiktoren in einer moderierten Regression um ihren Mittelwert zentriert, nimmt der Intercept stets den Wert Null an. D) Durch die Bildung eines Produktterms (Interaktion) in einer moderierten Regression mit zwei unzentrierten kontinuierlichen Prädiktoren besteht die Gefahr der erhöhten Multikollinearität. E) Bei einer moderierten Regression beinhaltet der Produktterm (Interaktionsterm) nur dann den reinen Interaktionseffekt, wenn die Haupteffekte der interagierenden Prädiktoren mit in die Regressionsgleichung eingeschlossen werden. Lösung: de (Frage nicht in den Lösungen) 23. (VL3) Ein Psychologe untersucht im Rahmen einer einfachen linearen Regressionsanalyse den Zusammenhang zwischen Lebenszufriedenheit (Kriterium Y) und der Größe des Wohnortes einer Person. Der kategoriale Prädiktor Größe des Wohnortes hat drei Ausprägungen: Kleinstadt, Mittelstadt und Großstadt. Der Prädiktor wird mittels einer Effektkodierung in das Regressionsmodell aufgenommen. Als Basiskategorie wird die Kategorie Großstadt gewählt; die erste Kodiervariable X1 bezieht sich auf Mittelstadt, d.h. Personen aus einer Mittelstadt erhalten auf dieser Variablen eine 1 in der Kodierung. In der Stichprobe sind alle untersuchten Gruppen gleich groß. Die Regressionsanalyse ermittelt folgende Regressionsgleichung: ^ Y = 5 − 1 ∗ X1 + 1 ∗ X2 Welche der folgenden aussagen sind in diesem Kontext korrekt? A) Die geschätzte mittlere Zufriedenheit von Personen aus der Großstadt beträgt 5 B) Die geschätzte mittlere Zufriedenheit von allen Personen (aus alles Städten zusammen) beträgt 5 C) Hätte der Forscher in der Effekt-Kodierung als Basiskategorie Kleinstadt anstatt Großstadt gewählt und die Kodiervariable X1 für Mittelstadt beibehalten, hätte sich der Wert des Intercepts in der Regressionsgleichung verändert D) Würde der Forscher anstelle einer Effekt- eine Dummy-Kodierung mit Referenzkategorie Großstadt verwenden und X1 als Kodiervariable für Mittelstadt wählen, würde die Regressionsanalyse unter Verwendung der Dummy-Kodierung genau die gleiche Regressionsgleichung ermitteln wie unter Verwendung der Effekt-Kodierung (s.o.) E) Der Unterschied in der geschätzten mittleren Lebenszufriedenheit zwischen Personen aus der Kleinstadt und Personen aus der Großstadt ist geringer als der Unterschied in der geschätzten mittleren Lebenszufriedenheut zwischen Personen aus der Kleinstadt und Personen aus der Mittelstadt Lösung: abde 24. (VL3) Bildungspsychologische Untersuchung, Effektkodierung: drei Gruppen: Großstadt (Basiskategorie)(-1) städtische Region (X_1) (auf 1 kodiert) ländliche Region (X_2). Alle Gruppen gleich viele Teilnehmer. Gleichung: Y ̂=5-1*X_1+1*X_2 A) Basiskategorie hat einen Mittelwert von 5. (immer Minus 1) (Referenzgruppe) B) Gesamtmittelwert liegt bei 5. (Intercept) C) Fehlt D) Fehlt E) Differenz des Mittelwertes zwischen Basiskategorie und stÃer Region sowie Basiskategorie und ländlicher Region ist größer (oder kleiner). Lösung: abe 25. (VL3) Lineare Regression – Arbeitszufriedenheit Y, Lehrertypen (Prädiktor) 3 Ausprägungen: Grund- Gesamt ( X2) und Gymnasiallehrer, Effektkodierung, Basiskategorie Gymnasiallehrer, X_1 bezieht sich auf Gesamtschullehrer Y ̂ = 3 +( 1 X_(1)) +(1 X_2) A) mittlere Arbeitszufriedenheit bei Gymnasiallehrer 3 (1) B) mittlere Arbeitszufriedenheit bei Grundschullehrer 3 (4) C) mittlere Arbeitszufriedenheit bei Gesamtschullehrer 3 (4) D) Gymnasiallehrer unterscheiden sich in mittlerer Arbeitszufriedenheit nicht von Grundschullehrern. (1) und (4) E) Gesamtschullehrer. unterscheiden sich in mittlerer Arbeitszufriedenheit nicht von Grundschullehrern. (beide 4) Lösung: e 26. (VL3) Ein Arbeitspsychologe untersucht im Rahmen einer einfachen linearen Regressionsanalyse den Zusammenhang zwischen Arbeitszufriedenheit (Kriterium Y) und Status im Unternehmen (Prädiktor). Er entscheidet sich, den polytomen kategorialen Prädiktor Status im Unternehmen mit den 3 Ausprägungen Arbeiter, Teamleiter und Manager mittels Effekt-Kodierung in das Regressionsmodell aufzunehmen. Als Basiskategorie wählt er die Kategorie Manager, die erste Kodiervariable X_1 bezieht sich auf Arbeiter, d. h. Arbeiter erhalten auf dieser Variablen eine 1 in der Kodierung. Alle untersuchten Gruppen sind gleich groß. Die Regressionsanalyse ermittelt folgende Gleichung: Y ̂ = 4 – 1 X_1 + 1 X_2 Arbeiter X1 Y ̂ = 4 –(1 )+(0)=3 Teamleiter X2 Y ̂ = 4 –(0 )+(1) = 5 Manager (-1) Y ̂ = 4 –(-1 )+ (-1) = 4 Alle Regressionsgewichte weichen signifikant von Null ab. Anschließend analysiert der Forscher exakt die gleichen Daten nochmals, allerdings verwendet er dieses Mal eine Dummy-Kodierung mit der Referenzkategorie Manager. X_1 sind Arbeiter (= 1 auf der Kodiervariablen). Y= B0+B1+Bx1 + Bx1 A) Der Wert des Intercept bei Dummy-Kodierung ist 3. B) Der geschätzte Mittelwertsunterschied in Arbeitszufriedenheit zwischen Teamleitern und Managern ist größer als der geschätzte Mittelwertsunterschied zwischen Managern und Arbeitern. C) Der Wert des Regressionsgewichts für X_2 in der Gleichung bei Verwendung von Dummy-Kodierung ist 1. D) Der Wert des Regressionsgewichts für X_1 unterscheidet sich in dem Wert des Regressionsgewichts für X_2 in der ermittelten Regressionsgleichung unter Verwendung einer Dummy-Kodierung. E) Der Wert des Regressionsgewichts für X_1 bei Dummy-Kodierung repräsentiert die mittlere Arbeitszufriedenheit von Arbeitern. F) Im Vergleich mit der Effektkodierung unterscheidet sich in der Dummy-Kodierung nur das Regressionsgewicht von X_1, nicht aber von X_2 G) Die Regressionsgewichte von X_1 und X_2 in der Dummy-Kodierung sind identisch mit denen aus der Effektkodierung. Lösung: cdg 27. (VL3) Frage ähnlich der Altklausur mit dieser Fragestellung: Bildungspsychol. Untersuchung, Effektkodierung: drei Gruppen: Großstadt (Basiskategorie), städtische Region (X_1) und ländliche Region (X_2). Alle Gruppen gleich viele Teilnehmer. Gleichung: Y ̂=5-1*X_1+1*X_2 Dummykodierung = B0 (ist Ergebnis Basiskategorie (5) + Bx1 Städtischen Region (4) + Bx2 -ländliche Region 5 Diesmal allerding mit der Basiskategorie (Referenzkategorie für Dummy) Grtadt und X_1=Mittelstadt. A) Der Wert des ermittelten Intercepts in der Regressionsgleichung unter Verwendung der Dummykodierung des polytomen kategorialen Prädiktors ist 5. B) Die Wahl, ob für kategoriale Prädiktoren Dummy oder Effektkodierung verwendet wird, hängt ab, ob jede Ausprägung des kategorialen Prädiktors die gleiche Anzahl von Beobachtungen vorliegt. (das hängt von der Fragestellung ab) C) Es liegt statistische Evidenz vor, dass mittlere schulische Leistung von Schülern aus der Mittelstadt sich in Popularität nicht von den mittleren schulischen Leistungen von Schülern aus der Kleinstadt unterscheiden. Mittelstadt 4 die anderen 6 D) Unter Verwendung der Dummykodierung des polytomen kategorialen Prädiktors in der Regressionsgleichung ermittelten Intercept weicht signifikant von 0 ab. E) Der Wert des Regressionsgewichts für die erste Kodiervariable X_1 in der ermittelten Regression unter/und? Verwendung der Dummykodierung des polytomen kategorialen Prädiktors repräsentiert die mittlere schulische Leistung von Schülern aus der Mittelstadt. Lösung: a 28. (VL3) Welche Aussagen sind richtig? A) Liegt für jede Ausprägung (Kategorie) des kategorialen Prädiktors die gleiche Anzahl von Beobachtungen vor, erzielt eine Dummy-Kodierung eine größere Teststärke als die Effekt-Kodierung hinsichtlich der Frage, ob der Prädiktor signifikante Varianz im Kriterium aufklärt. B) Hat der kategoriale Prädiktor lediglich 2 Ausprägungen, entsprechen die geschätzten Regressionskoeffizienten in der einfachen linearen Regression, die man mittels einer Dummy-Kodierung erhält, in ihrer Bedeutung und ihrem Wert stets genau den Regressionskoeffizienten, die man mittels einer Effekt-Kodierung aus den gleichen Daten errechnen würde. C) Im Gegensatz zu einem moderierten Regressionsmodell sind in einer unmoderierten Regression die Prädiktoren unkorreliert. (Hat nichts mit dem moderierten) D) Bei einer moderierten Regression beinhaltet der Produktterm (Interaktionsterm) nur dann den reinen Interaktionseffekt, wenn die „“Haupteffekte“ der interagierenden Prädiktoren mit in die Regressionsgleichung eingeschlossen werden. E) Varianzanalysen mit Mediansplit haben gegenüber einer moderierten Regression den Nachteil, dass der wahre Mediationseffekt (evtl. Moderationseffekt?) unter oder überschätzt wird. Lösung: de 29. (VL3) Welche der folgenden Aussagen hinsichtlich der Kodierung eines kategorialen Prädiktors in einer einfachen linearen Regression sind korrekt? A) Die Wahl, ob man für den kategorialen Prädiktor eine Dummy-Kodierung oder eine Effekt-Kodierung verwendet, hängt davon ab, ob für jede Ausprägung (Kategorie) des kategorialen Prädiktors die gleiche Anzahl von Beobachtungen vorliegt oder nicht. B) Hat der kategoriale Prädiktor lediglich 2 Ausprägungen, entsprechen die geschätzten Regressionskoeffizienten in der einfachen linearen Regression, die man mittels einer Dummy-Kodierung erhält, in ihrer Bedeutung und ihrem Wert stets genau den Regressionskoeffizienten, die man mittels einer Effekt-Kodierung aus den gleichen Daten errechnen würde. C) Hat man ein Regressionsmodell mit Intercept und Dummy-Kodierung für den kategorialen Prädiktor geschätzt, entspricht das Regressionsgewicht für eine Kodiervariable genau dem Mittelwert der Beobachtungen, die in die Kategorie fallen, die diese Kodiervariable anzeigt. D) Hat man ein Regressionsmodell mit Intercept und Dummy-Kodierung für den kategorialen Prädiktor geschätzt, entspricht der Intercept genau dem Mittelwert der Beobachtungen, die in diese Referenzkategorie fallen. E) gt für jede Ausprägung (Kategorie) des kategorialen Prädiktors die gleiche Anzahl von Beobachtungen vor, erzielt eine Dummy-Kodierung eine größere Teststärke als die Effekt-Kodierung hinsichtlich der Frage, ob der Prädiktor signifikante Varianz im Kriterium aufklärt. Lösung: d 30. (VL3) Welche der folgenden Aussagen im Kontext einer multiplen Regression mit kontinuierlichen Prädiktoren (ohne Interaktion) sind richtig? (3x) A) Unter einer „hierarchischen Regression“ versteht man eine multiple Regression mit sequentiellem Einschluss (evtl. auch Ausschluss) von einzelnen Prädiktorvariablen oder Prädiktorblöcken mit dem Ziel, ein möglichst sparsames Modell mit einer dennoch hinreichend guten Vorhersagegüte zu finden. B) Die theoriegestreute Auswahl von Prädiktoren im Rahmen einer „hierarchischen Regression“ beruht stets auf einer Maximierung der Varianzaufklärung der abhängigen Variablen bei gleichzeitiger Minimierung der Anzahl zu berücksichtigender unabhängiger Variablen. C) Werden in einer hierarchischen Regression in ein Modell mehrere weitere Prädiktoren aufgenommen, kann deren zusätzlicher gemeinsamer Beitrag zur Aufklärung an Varianz im Kriterium mittels eines t-Tests der einzelnen Regressionsgewichte untersucht werden. D) Die Auswahlstrategie der Vorwärtsselektion unterscheidet sich von anderen Selektionsverfahren dadurch, dass bei diesem auch nicht genestete Modelle verglichen werden können. E) Bei der step-up-Selektion (Step wise) wird ein zunächst restriktiveres Modell durch immer mehr frei zu schätzendem Parameter dem tatsächlichen Modell angenähert. (diese Antwortalternative = zu SAM-gehört hier nicht hin) Lösung: a (E=SEM) 31. (VL4) Was stimmt zur Homoskedastizität? (2x) A) Homoskedastizität: VIF als diagnostisches Mittel bei (Multikollinearität.) B) Homoskedastizität: P-P-Plot als diagnostisches Mittel (P-Plot (Normalverteilung benutzt) C) Mittelwertszentrierung bei Heteroskedastizität D) Verzerrung von Standardfehler bei Heteroskedastizität E) Heteroskedastizität als Hinweis auf Ausreißer Lösung: d 32. (VL4) Problematische Datenkonstellationen (2x) A) Ausreißer verzerren zwangsläufig Regressionskoeffizient und SE B) Ausreißer auf Kriteriums- und Prädiktorseite möglich C) Auf Prädiktorseite Identifizierung durch Residuen D) Cooks Distanz als Kennwert der Abweichung vom Mittelwert E) Hebelwert als Kennwert, inwieweit Regressionskoeffizient sich bei Ausschluss des Ausreißers verändert (Faustregel 3*k/n) V4( Seite 13) raus oder nicht raus ) F) Das sogenannte Lowess-Verfahren ist ein Verfahren, das angewandt wird, um zu überprüfen, ob die Linearitätsannahme des Regressionsmodells zutrifft Lösung: bf 33. (VL4) Problematische Datenkonstellation Multiple Regression A) VIF Diagnostik für Homoskedastizität B) Faustregel Hebelwerte grösser als 3*k/n sind auffällig C) Cook Distanz: wie stark Mittelwert der UV abweicht mit der Folge, dass die Regr. Verzerrt (F wert 0.50 Quantil) D) UV messfehlerfrei, Regressionskoeffizient unverzerrt, aber Standardfehler verzerrt E) Heterokesdastizität: AV um Mittelwert zentriert mit der Folge weniger Verzerrung im interferenzstatistischen Ergebnis (je grösser der vorhergesagte Wert, desto größer werden auch die Residuen). Lösung: b 34. ergänzt aus KL-Fragen WS 18/19 – siehe Bearbeitung Melanie Problematische Datenkonstellation Multiple Regression A) Wenn man den Effekt eines Prädiktors auf die AV über verschiedene Gruppen von Personen vergleichen möchte - eignen sich die standardisierte Regressionsgewichte... B) Das multiple Regressionsgewicht kennzeichnet den Teil des Einflussens einer UV auf AV, der nicht berits durch die anderen ebenfalls im Modell vorhandene UV erklären wird. C) Wenn Prädiktorvariablen untereinander hocreliert sind, empfiehlt es sich standardisierte Regressionskoeffizienten zu verwenden, da die inferenzstatistische Tests für diese robuster gegen Multikollinearität sind als unstandardisierte Regressionsgewichte. D) Ob ein bestimmtes geschätztes Regressionsgewicht nicht sig. von Null abweicht -> Prüfung mit F-Test. E) Für semipartial determination eines Prädiktors spielt die Reihenfolge keine Rolle. Lösung: bd 35. Frage=? A) Zwei unabhängige Variablen x1 und x2 korrelieren jeweils positiv mit der UV und weisen untereinander ebenfalls eine positive Korrelation auf, Das führt zu einem größeren mutliplen Regressionsgewicht als bei einer bivariatien Korrelation mit UV bei X1 und X2 (ist nicht die original Formulierung - Sinn der Frage stimmt aber) B) Das Regressionsgewicht einer Variablen in einer nicht moderierten multiplen Regression ändert sich nicht, wenn man die Variable um ihren Mittelwert zentriert. C) Die Addition der Semipartialdetermination entspricht dem Determinationskoeffiizient D) Der multiple Determinationskoeffizient entsprich dem Quadrat der multiplen Korrelation zwischen den vorhergesagten Werden (Y Dach) und den beobachteten Wert (Y). E) Sind die Effekte der Prädiktoren in einer multiplen Regression additiv, ist das Regressionsgewicht eines Prädiktors davon unabhängig, welche anderen Variablen sich in der Regressionsgleichung befinden. Lösung: 36. (VL4) Problematische Datenkonstellation Multiple Regression A) Annahme der Unabhängigkeit der Residuen ist verletzt, dann schaue ich mir das Histogramm der Residuen an B) Heteroskedastizität ist ein Hinweis auf Ausreißer auf der Prädiktorseite C) Nicht normalverteilte Residuen sind ein Hinweis auf eine Fehlspezifikation des Modells D) Bei Fehlspezifikation des Modells in Residuenplot weichen die Mittelwerte von 0 ab E) Annahme Normalverteilung der Residuen: Punktschätzer der Regressionskoeffizienten und Standardfehler der Schätzer der Populationsparameter verzerrt (nicht verzerrt) Lösung: c 37. (VL4) Welche Aussagen zur Problematischen Datenkonstellation in MR sind korrekt? (3x) A) Mittels eines Histogrammes kann geprüft werden, ob Homoskedastizität vorliegt. B) Das Vorliegen von Heteroskedastizität in den Daten ist immer auch ein Hinweis auf Ausreißer auf Seiten der Prädiktoren (auf Kriterium u Prädiktor) C) Ist die Annahme der Unabhängigkeit der Residuen verletzt, werden sowohl die Prädikatoren als auch die abhängigen Variablen standardisiert, um die Verzerrung der Schätzung der Regressionskoeffizienten abzumildern. D) Der sogenannte P-P-Plot, in dem 2 kumulierte Wahrscheinlichkeiten gegeneinander abgetragen werden, ist ein diagnostisches Mittel, um zu erkennen, ob Homoskedastizität in den Daten vorliegt. E) Nicht normal-verteilte Residuen können unter Umstände ein Hinweis auf fehlspezifizierte Modelle sein Lösung: e ae Antworten im Bereich „Problematische Datenkonstellation“: Verzerrung von SE bei Heteroskedastizität Ausreißer auf Kriteriums- und Prädiktorseite möglich Faustregel Hebelwerte grösser als 3*k/n sind auffällig Nicht normalverteilte Residuen sind ein Hinweis auf eine Fehlspezifikation des Modells 38. SS17 In einem klinischen Experiment werden Patienten mit Angststörungen untersucht. Jeweils 10 Patienten werden per Zufall einer Interventions- und einer Kontrollgruppe zugewiesen. Zu Beginn des Experimentes (Prätest) und am Ende des Experimentes wird das Ausmaß der Angststörung anhand eines metrischen Scores erfasst. Eine erste Analyse der Daten zeigt, dass die Voraussetzungen für eine Kovarianzanalyse erfüllt send. Die Daten werden anschließend mit dieser Methode analysiert, wobei die Gruppenzugehörigkeit mittels einer Dummy-Variablen in die Regression aufgenommen wird. Personen aus der Kontrollgruppe werden auf dieser Variablen mit einer Null kodiert. Man erhält folgende Ergebnistabelle: Estimate Std.Error t-value Pr(>!t!) Intercept 3,354 4,241 0,791 0,284 Intervention -3,421 0,823 -4,157 0,000*** Prätest 0,836 0,241 3,476 0,000*** A) Die Intervention hat einen signifikanten Effekt auf das Ausmaß der Angststörung B) Der Intercept 3,354 ist der geschätzte Mittelwert der Scores auf dem Posttest in der Kontrollgruppe C) Das Ausmaß der Angststörung zu Beginn des Experiments hat keinen Einfluss auf das Ausmaß der Angststörung am Ende des Experiments. D) Das Testergebnis für den Regressionskoeffizienten für den Prä-Test zeigt an, dass die beiden Gruppen sich zu Beginn des Experiments in den Mittelwert im Prä-Test signifikant unterschieden haben E) Das Regressionsgewicht für die Intervention, -3,421, repräsentiert den geschätzten Unterschied in den adjustierten Mittelwerten im Posttest zwischen Kontroll- und Interventionsgruppe Lösung: ae