Processing math: 49%

Allgemein

(1) Welche Aussage zu den χ2- Methoden ist falsch?

  1. Im Falle eines χ2-Unabhängigkeitstests entspricht die Prüfgröße der Summe von quadrierten, normierten Differenzen.
  2. Für einen k×l - χ2-Unabhängigkeitstest ergeben sich df=(k1)(l1) Freiheitsgrade, da die Randhäufigkeiten fixiert sind.
  3. Der eindimensionaler χ2-Test wird auch eingesetzt, um auf Abweichung von wichtigen Verteilungsannahmen zu prüfen, wobei die H0 die „Wunschhypothese“ ist.
  4. Der McNemar-Test ist, wie alle anderen χ2-Methoden, bei Beobachtungspaaren nicht einsetzbar.

Lösung
  1. Im Falle eines χ2-Unabhängigkeitstests entspricht die Prüfgröße der Summe von quadrierten, normierten Differenzen.
    Die Prüfgröße errechnet sich mithilfe der Abweichung der beobachteten Werte von den erwarteten Werten, welche noch einmal an den erwarteten Werten normiert wird. Dieses Vorgehen wird für alle Zellen wiederholt. Die Formel lautet:


  2. Für einen k×l - χ2-Unabhängigkeitstest ergeben sich df=(k1)(l1) Freiheitsgrade, da die Randhäufigkeiten fixiert sind.
    Die Randsummen der erwarteten Häufigkeiten müssen mit den Randsummen der beobachteten Häufigkeiten übereinstimmen. Es können deshalb in jeder Zeile bzw. Spalte nur l1 bzw. k1 erwartete Häufigkeiten frei gewählt werden.
  3. Der eindimensionaler χ2-Test wird auch eingesetzt, um auf Abweichung von wichtigen Verteilungsannahmen zu prüfen („Goodness-of-Fit-Test“), wobei die H0 die „Wunschhypothese“ ist.
    Das ist eine mögliche Anwendung des eindimensionalen χ2-Tests. Es ist wichtig zu beachten, dass die H0 die „Wunschhypothese“ ist, d.h. die von uns vermutete Verteilung beinhaltet (Gleichverteilung, Normalverteilung, etc.). Daraus ergibt sich die Notwendigkeit, das α-Niveau entsprechend anzupassen, um indirekt den β-Fehler zu minimieren.
  4. Der McNemar-Test ist, wie alle anderen χ2-Methoden, bei Beobachtungspaaren nicht einsetzbar. X
    Der McNemar-Test (und auch der Cochran’s Q-Test) wird ausschließlich bei anhängigen Beobachtungen, d.h. beim Vorliegen der Beobachtungspaare eingesetzt. Alle anderen χ2-Methoden erfordern Unabhängigkeit der einzelnen Beobachtungen voneinander.



(2) Welche Methoden der Häufigkeitsanalyse sind für die folgenden Fragestellungen sinnvoll?

  1. Ein Dozent interessiert sich dafür, ob Studierende, die seine sehr schwere Klausur im ersten Versuch streichen, damit recht haben, d.h. ob mehr Studierende die Klausur im Zweitversuch „gut“ (Note besser vs. schlechter als 3.0) bestehen als in ihrem Erstversuch. Dafür wählt er die Klausuren von den Studierenden aus, die zum zweiten Mal seine Klausur schreiben, findet ihre Klausuren aus dem Semester davor und zählt, wie viele von diesen Studierenden jeweils im Erst- und Zweitversuch seine Klausur „gut“ bestanden haben.
  2. Eine junge Psychologin interessiert sich, ob die Zufriedenheit (dichotom: zufrieden/unzufrieden) von ihren 8 Mitarbeitern im Startup damit zusammenhängt, ob sie im Büro oder im Homeoffice arbeiten.
  3. Eine Wirtschaftspsychologin fragt sich, ob sich die Anfragehäufigkeit für ihre drei unterschiedlichen Workshopangebote überzufällig häufig unterscheidet.
  4. Ein Gesundheitspsychologie vermutet: die Tatsache, dass jemand aufgehört hat zu rauchen vs. nicht, hängt damit zusammen, ob die Person an seinem Entwöhnungstraining teilgenommen hat oder nicht.

Lösung
  1. Ein Dozent interessiert sich dafür, ob Studierende, die seine sehr schwere Klausur im ersten Versuch streichen, damit recht haben…
    Wir rechnen hier einen McNemar-Test, da ein Merkmal (hier: die Klausurleistung) zweimal in derselben Stichprobe (hier: die Studierenden) erhoben wird und wir uns fragen, ob sich die Häufigkeiten (hier: der “gut” und “schlecht” abschneidenden Studierenden) überzufällig verändern.
  2. Eine junge Psychologin interessiert sich, ob die Zufriedenheit von ihren 8 Mitarbeitern damit zusammenhängt, ob sie im Büro oder im Homeoffice arbeiten.
    Wenn wir uns fragen, ob ein überzufälliger Zusammenhang zwischen zwei nominalskalierten Variablen besteht (hier: dichotomisierte Zufriedenheit und Arbeitsplatz), kommen für uns zwei Verfahren in Frage: Der χ2-Unabhängigkeitstest und der exakte Fisher-Yates-Test. Bei kleinem n (genauer: wenn in mehr als 20% der Zellen die erwartete Häufigkeit unter 5 liegt), wenden wir den exakten Fisher-Yates-Test an. Dies ist hier der Fall, wenn die erwarteten Häufigkeiten z.B. folgendermaßen aussehen:


  1. Eine Wirtschaftspsychologin fragt sich, ob sich die Anfragehäufigkeit für ihre drei unterschiedlichen Workshopangebote überzufällig häufig unterscheidet.
    Hier liegt nur ein Merkmal (Art des Workshops) mit mehreren Merkmalsabstufungen (die 3 Workshoparten) vor und wir fragen uns, ob die vorliegenden Häufigkeiten überzufällig von einer bestimmten Verteilung (hier: einer Gleichverteilung) abweichen. In diesem Fall müssen wir einen eindimensionalen χ2-Test anwenden.

  2. Ein Gesundheitspsychologie vermutet: die Tatsache, dass jemand aufgehört hat zu rauchen vs. nicht, hängt damit zusammen, ob die Person an seinem Entwöhnungstraining teilgenommen hat oder nicht.
    Auch hier liegt eine bivariate Häufigkeitsverteilung vor. Das bedeutet, dass wir uns fragen, ob ein überzufälliger Zusammenhang zwischen zwei Merkmalen (hier: Rauchverhalten und Trainingsteilnahme) besteht. Da n hier groß genug ist (der Gesundheitspsychologe hatte vermutlich genug Kund_innen), können wir davon ausgehen, dass nicht mehr als 20% der Zellen eine erwartete Häufigkeit unter 5 haben und somit einen χ2-Unabhängigkeitstest anwenden.