1. Welche der folgenden Aussagen bezogen auf die Diagnostik von Regressionsmodellen sind korrekt?

A) Ist ein multiples Regressionsmodell nicht korrekt spezifiziert, werden dennoch die Regressionskoeffizienten unverzerrt geschätzt.
B) Das Auslassen relevanter Variablen im Zusammenhang mit der Spezifikation eines Regressionsmodells ist auch als underfitting bekannt.
C) In der multiplen Regressionsanalyse führt die Messfehlerbehaftetheit eines Prädiktors immer zu einer Unterschätzung des entsprechenden „wahren“ Regressionsgewichts.
D) Hat man nicht alle relevanten Prädiktoren in einem multiplen Regressionsmodell berücksichtigt, hat dies einen Verlust an Teststärke (power) zur Folge.
E) Ob ein linearer Zusammenhang zwischen Kriterium und Prädiktoren besteht, lässt sich graphisch anhand LOWESS (oder LOESS)- Anpassungslinie untersuchen.

Lösung: bde 

2. Ein Forscher möchte untersuchen, in welcher Weise sich Soziale Dominanzorientierung (sdo) und Diversitätsüberzeugungen (divbel) auf Vorurteile auswirken. Soziale Dominanzorientierung (sdo) und Diversitätsüberzeugungen (divbel) und Vorurteile werden anhand einer metrischen Skala gemessen. Der Forscher führt an einer repräsentativen Stichprobe eine Regressionsanalyse mit Mittelwert-zentrierten unabhängigen Variablen und einem von den Mittelwert-zentrierten unabhängigen Variablen gebildeten Interaktionsterm im Regressionsmodell durch. Aus der Analyse erhält er folgende Tabelle für die Regressionskoeffizienten Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.33 0.02 107.76 .0000 *** divbel -0.43 0.03 - 15.08 .0000 *** sdo 0.44 0.04 11.0 .0000 *** (Interaction) 0.21 0.05 4.34 .0000 *** Ein anderer Forscher führt die gleiche moderierte Regressionsanalyse durch, allerdings mit unzentrierten Prädiktoren Soziale Dominanzorientierung (sdo) und Diversitätsüberzeugungen (divbel). Welche der folgenden Aussagen sind richtig?

A) Gegenüber der Analyse mit Mittelwert-zentrierten Prädiktoren wird sich in der Analyse mit unzentrierten Prädiktoren der Schätzer für das Regressionsgewicht der Interaktion zwar nicht ändern, aber der Standardfehler des geschätzten Regressionsgewichts der Interaktion wird größer.
B) Gegenüber der Analyse mit Mittelwert-zentrierten Prädiktoren werden sich in der Analyse mit unzentrierten Prädiktoren sowohl der Schätzer für das Regressionsgewicht der Interaktion als auch der Standardfehler des geschätzten Regressionsgewichts der Interaktion verändern.
C) Das geschätzte Ausmaß an Vorurteilen für eine Person mit einer bestimmten Ausprägung in den Prädiktoren Soziale Dominanzorientierung (sdo) und Diversitätsüberzeugungen (divbel) unterscheidet sich nicht zwischen den beiden Analysen mit Mittelwert-zentrierten Prädiktoren und unzentrierten Prädiktoren.
D) Aufgrund der hohen Multikollinearität in dem Regressionsmodell mit unzentrierten Prädiktoren wird in diesem Modell der multiple Determinationskoeffizient geringer ausfallen als in dem Modell mit Mittelwert-zentrierten Prädiktoren.
E) Der Intercept in dem Regressionsmodell mit unzentrierten Prädiktoren gibt das erwartete Asmaß an Vorurteilen an für eine Person, deren Ausprägung in dem Prädiktoren Soziale Dominanzorientierung (sdo) gleich Null ist, unabhängig davon welche Ausprägung in Diversitätsüberzeugungen vorliegt.

Lösung: c 

3. Welche der folgenden Aussagen im Zusammenhang mit einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem Faktor sind richtig?

A) Die Sphärizitätsannahme ist meist dann verletzt, wenn es differentielle Treatment-Effekte gibt.
B) Die Sphärizitätsannahme kann mittels des sogenannten Mauchly-Tests inferenzstatistisch überprüft werden.
C) Die Sphärizitätsannahme kann auch mittels des sogenannten Mardia-Tests inferenzstatistisch überprüft werden.
D) Ist Sphärizität nicht gegeben, führt das dazu, dass die verwendeten F-Tests zu konservativ werden, d.h. man verwirft die Nullhypothese zu selten, wenn in Wirklichkeit die Alternativhypothese zutrifft
E) Ist die Sphärizitätsannahme verletzt, kann der p-value des entsprechenden F-Tests durch Multiplikation mit dem Schätzer für das sogenannte Greenhouse-Geisser Epsilon korrigiert werden, um die Ergebnisse inferenzstatistsich abzusichern.

Lösung: ab 

4. Welche der folgenden Aussagen zur Kovarianzanalyse sind korrekt?

A) Bei einem quasi-experimentellen Design kann bei der Durchführung einer Kovarianzanalyse der Einschluss einer Kovariaten nur dann zu einer Reduzierung der Fehlervarianz führen, wenn die untersuchten Gruppen sich nicht signifikant in den Mittelwerten auf der Kovariaten unterscheiden.
B) Bei einem quasi-experimentellen Design sollte bei der Durchführung einer Kovarianzanalyse die Kovariate signifikant mit der experimentellen Bedingung, nicht jedoch mit der abhängigen Variablen korrelieren.
C) Im Rahmen von randomisierten Experimenten wird oft eine Kovarianzanalyse eingesetzt, um durch den Einschluss der Kovariaten mögliche Alternativerklärungen zum Treatment-Effekt auszuschliessen.
D) Der Einschluss einer Kovariaten in einem randomisierten Experiment dient dazu, die Power des inferenzstatistischen Tests für den Treatment-Effekt zu erhöhen.
E) Wenn man bei einem quasi-experimentellen Design, mit starker Konfundierung zwischen der Kovariate und dem Prädiktor für den Gruppeneffekt, die Effekte der Kovariaten (Störvariablen) statistisch kontrolliert (auspartialisiert), kann es sein, dass der Prädiktor kein valider Indikator mehr für den Gruppeneffekt ist.

Lösung: de 

5. Welche der folgenden Aussagen bezogen auf die Parameterschätzung im Rahmen eines SEM sind richtig?

A) Die Diskrepanz zwischen der empirischen Varianz-Kovarianzmatrix und der modellimplizierten Varianz-Kovarianzmatrix wird minimiert.
B) Bei Konvergenz der Maximum-Likelihood-Schätzung weist das Modell eine gute Modelgüte auf.
C) Bei der Maximum-Likelihood-Schätzung handelt es sich um ein iteratives Verfahren.
D) Die Maximum-Likelihood-Schätzung ist nur bei überidentifizierten Modellen (df > 0) möglich.
E) Die Maximum-Likelihood-Schätzung setzt multivariate Normalverteilung der exogenen Variablen voraus.

Lösung: ac 

6. Welche der folgenden Aussagen bezogen auf Hierarchische Lineare Modelle sind richtig?

A) Die Varianz des Level-1 Residuums zeigt an, in welchem Ausmaß Beobachtungen auf Level 1 vom Stichprobenmittelwert im Kriterium abweichen.
B) Die Varianz der random slopes zeigt an, in welchem Ausmaß der Effekt eines Level 1- Prädiktors auf das Kriterium zwischen den Level 2-Einheiten variiert.
C) Auf Level 2 können nur Prädiktorvariablen aufgenommen werden, die auch auf dieser Ebene gemessen wurden.
D) Die Berechnung des Anteils aufgeklärter Varianz durch die Hinzunahme weiterer fester Effekte ist problematisch.
E) Bei der Restricted Maximum Likelihood-Schätzung (REML) werden zunächst die zufälligen, dann die festen Effekte geschätzt.

Lösung: bde 

7. Welche der folgenden Aussagen bezogen auf den Umgang mit fehlenden Werten sind richtig?

A) Paarweiser Ausschluss setzt voraus, dass das Auftreten fehlender Werte nur von den Ausprägungen in anderen Variablen des Datensatzes abhängt.
B) Listenweiser Ausschluss setzt voraus, dass das Auftreten fehlender Werte weder von der Ausprägung der Variablen selbst noch von der Ausprägung anderer Variablen abhängt.
C) Die „Ipsative Mean Imputation“ ist nur gültig, wenn gleiche Itemschwierigkeiten vorliegen.
D) Die Multiple Imputation basiert auf zwei Schritten: 1) Imputation, 2) Analyse auf Basis der imputierten Datensätzen
E) Die Verwendung der multiplen Regression zur Imputation fehlender Werte führt zu verzerrten Schätzern der Varianz und Kovarianzen.

Lösung: bce 

8. In einer Untersuchung basierend auf repräsentativen querschnittlichen Umfragedaten aus Deutschland haben sich Wagner, Christ, Pettigrew, Stellmacher & Wolf (2006) für den Zusammenhang des Ausländeranteils (in Prozent) in Kreisen und dem Ausmaß an Vorurteilen der Befragten interessiert. Der Datensatz wies eine hierarchische Datenstruktur mit den Befragten auf Level 1 und Kreisen auf Level 2. Der Ausländeranteil (% of ethnic minorities) wurde dem Datensatz als offizielle Statistik zugespielt, ebenso die Zu- (Migration into the district) und Fortzüge (Migration out oft he district), die Größe der Kreise (Size of district). Als eine weitere Variablen auf Level 2 wurde die Lokation der Kreise (Location of district; West- versus Ostdeutschland) berücksichtigt. Auf Level 1 wurden soziodemographische Angaben erfasst (Age, sex, education). In einem Hierarchischen Linearen Modell haben die AutorInnen die Zusammenhänge der oben aufgelisteten Variablen mit Vorurteilen analysiert. Die Ergebnisse können Sie der folgenden Seite entnehmen. Welche der folgenden Aussagen sind richtig?

A) Ein zunehmender Ausländeranteil geht mit zunehmenden Vorurteilen einher.
B) Nach Aufnahme aller Prädiktorvariablen (Model 4) ist die Varianz in dem random intercept nicht mehr bedeutsam.
C) Auch nach Kontrolle der soziodemographischen Angaben und der weiteren Level 2- Prädiktorvariablen, bleibt ein bedeutsamer Zusammenhang zwischen dem prozentualen Ausländeranteil und Vorurteilen bestehen.
D) Der Intercept in Model 1 entspricht dem Stichprobenmittelwert in Vorurteilen.
E) Befragte aus den neuen Bundesländern haben niedrigere Vorurteilswerte als Befragte aus den alten Bundesländern.

Lösung: bcd 

9. Eine Forscherin möchte eine Cross-Level-Interaktion mittels eines Hierarchischen Linearen Modells. Welche/s der folgend aufgeführten Modellspezifikationen sind richtig?

A) y"# = β&# + β(#x("# + e"# und β&# = γ&& + u&# und β(# = γ(& + γ((Z# + u(#
B) y"# = β&# + β(#x("# + e"# und β&# = γ&& + γ&(Z# + u&# und β(# = γ(& + γ((Z# + u(#
C) y"# = β&# + β(#(x("# − x) + e"# und β&# = γ&& + γ&(Z# + u&# und β(# = γ(& + γ((Z# + u(#
D) y"# = β&# + β(#x("# + e"# und β&# = γ&& + γ&(Z# + γ&1x2 + u&# und β(# = γ(& + γ((Z# + u(#
E) y"# = β&# + β(#(x("# − x#) + e"# und β&# = γ&& + γ&(Z# + u&# und β(# = γ(& + γ((Z# + u(#

Lösung: e 

10. Was sind Vorteile einer Evaluation im Feld im Vergleich zu Evaluation im Labor?

A) Strenge Kontrolle von Störvariablen möglich
B) Höhere ökologische Validität
C) Höhere internale Validität
D) Höhere Unabhängigkeit von den Interessen der Auftraggeber*innen
E) Standardisiertere Bedingungen

Lösung: b 

11. Als Evaluator*in eines Anti-Aggressionstrainings für weiterführende Schulen sind Sie zunächst damit beauftragt, zu klären, welche Kosten durch die Maßnahme entstehen. Welche Aussagen sind richtig?

A) Als latente Kosten sollte berücksichtigt werden, dass Materialien für die Durchführung der Maßnahme angeschafft bzw. erstellt werden müssen.
B) Personalkosten für Trainer*innen stellen einen Bestandteil der manifesten Kosten dar.
C) Durch die Koordination und Vorbereitung der Maßnahme (z.B. Buchung von Räumen, Anschreiben und Information der Lehrer*innen und Eltern, etc.) entstehen manifeste Kosten.
D) Wenn die Maßnahme breit implementiert würde (z.B. an allen deutschen Schulen), könnten sich durch den Unterrichtsausfall Defizite von Schüler*innen in den klassischen Schulfächern ergeben. Wenn diese langfristig der Volkswirtschaft schaden, müsste dieses als latente Kosten berücksichtigt werden.
E) Auch die Kosten von alternativen und etablierten Anti-Aggressionstrainings sollten berücksichtigt werden.

Lösung: bcde 

12. Welche Aussagen zu Methoden der Datenerhebung bei Evaluationen sind richtig?

A) Selbstauskunftsverfahren sind immun gegenüber motivierten Verzerrungen.
B) Selbstauskunftsverfahren sind immun gegenüber unmotivierten Verzerrungen.
C) Beim Aggressivitäts-IAT (Implicit Association Test) handelt es sich um ein projektives Verfahren.
D) Bei nicht-reaktiven Verhaltensmaßen wird versucht, das Verhalten einer anderen Person ohne Eingriff der beobachtenden Person zu beobachten.
E) Bei einem Vorher-Nachher-Vergleich von Fremdeinschätzungen muss keine Änderungssensitivität gegeben sein.

Lösung: d 

13. Welche Aussagen zum Simpson-Paradox sind richtig?

A) Das Simpson-Paradox tritt immer aufgrund einer Ungleichverteilung von Männern und Frauen auf Treatment- und Kontrollgruppe auf.
B) Ein Simpson-Paradox entsteht nur dann, wenn sich die abhängige Variable zwischen den Subgruppen nicht unterscheidet.
C) Beim Simpson-Paradox stellt die Zugehörigkeit zu einer der beteiligten Teilstichproben die konfundierende Variable dar.
D) Das Simpson-Paradox ist stets auf selektiven Drop-Out zurückzuführen.
E) Beim Simpson-Paradox ergeben sich in allen Teilstichproben unterschiedliche Effekte der unabhängigen Variable auf die abhängige Variable.

Lösung: c 

14. Welche Voraussetzungen müssen für die Durchführung einer Varianzanalyse mit Messwiederholung erfüllt sein?

A) Stochastische Unabhängigkeit der Beobachtungen
B) Mindestens Intervallskalierung des abhängigen Merkmals
C) Multivariate Normalverteiltheit der Variablen
D) Homogenität der Varianz-Kovarianz-Matrizen zwischen den Stufen des nicht-messwiederholten Faktors
E) Sphärizität bzw. Zirkularität der Varianz-Kovarianz-Matrix der Stufen des messwiederholten Faktors

Lösung: abcde