Statistik und Forschungsmethoden

Transkript

1 Statistik und Forschungsmethoden Lehrbuch. Mit Online-Material Bearbeitet von Michael Eid, Mario Gollwitzer, Manfred Schmitt 4. Auflage Buch inkl. Online-Nutzung S. Gebunden ISBN Format (B x L): 19,7 x 25,5 cm Gewicht: 2359 g Weitere Fachgebiete > Mathematik > Stochastik > Mathematische Statistik Zu Leseprobe schnell und portofrei erhältlich bei Die Online-Fachbuchhandlung beck-shop.de ist spezialisiert auf Fachbücher, insbesondere Recht, Steuern und Wirtschaft. Im Sortiment finden Sie alle Medien (Bücher, Zeitschriften, CDs, ebooks, etc.) aller Verlage. Ergänzt wird das Programm durch Services wie Neuerscheinungsdienst oder Zusammenstellungen von Büchern zu Sonderpreisen. Der Shop führt mehr als 8 Millionen Produkte.

2 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Danksagung und Vorwort zur 4. Auflage Wegweiser I Forschungsmethoden 33 1 Was sind Methoden, und wozu sind sie gut? Erkenntnismethoden und Interventionsmethoden Methoden der Datengewinnung und der Datenauswertung Warum sind Methodenkenntnisse wichtig? Struktur und Ablauf wissenschaftlicher Untersuchungen Hypothesen, Ebenen wissenschaftlicher Aussagen und die Überbrückungsproblematik Prüfbare und nicht-prüfbare Aussagen Wissenschaftliche Hypothesen Überbrückungsprobleme Schritte im Forschungsprozess Entstehung eines Erkenntnisinteresses Sammlung verfügbaren Wissens Entwicklung einer Fragestellung oder Hypothese Planung einer Untersuchung Durchführung der Untersuchung Auswertung der Daten Schlussfolgerungen aus der Untersuchung Mitteilung der Untersuchung Methoden der Datengewinnung Kriterien für die Wahl einer Erhebungsmethode Ordnungsmöglichkeiten Darstellung einzelner Erhebungsmethoden Verhaltensbeobachtung Gespräch (Interview, Exploration, Anamnese) Schriftliche Befragung und Fragebogen Textanalytische Methoden Tests Computerbasierte Verfahren Apparative Verfahren zur Erfassung psychomotorischer Leistungen Psychobiologische Verfahren Nicht-reaktiv gewonnene Daten

3 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Projektive Verfahren Reaktionszeitgestützte Verfahren Multimethodale Erfassung menschlichen Erlebens und Verhaltens Forschungsansätze und -strategien in der Psychologie Methodologische Grundbegriffe Variablen und Konstanten Merkmale und Merkmalsträger Arten von Variablen in der Psychologie Voraussetzungen für kausale Schlussfolgerungen Experimenteller Ansatz Systematische Störvariablen Unsystematische Störvariablen Kontrolle von Störvariablen Externe Validität Quasi-experimenteller Ansatz Korrelativer Ansatz Sekundär- und Metaanalysen II Messtheoretische und deskriptivstatistische Grundlagen Messtheoretische Grundlagen Skalenniveau Skalenniveaus im Überblick Skalenniveau und andere Variablenarten Messen in der Psychologie: Grundideen am Beispiel der Nominalskala Relation Relativ (relationales System) Homomorphismus Grundlegende Fragen der Messtheorie Definition der Nominalskala Das empirische Relativ der Nominalskala Das numerische Relativ der Nominalskala Nominalskala und Nominalskalenmodell Zulässige Transformationen und Eindeutigkeit Bedeutsamkeit Anwendung von Nominalskalen Das Wesentliche zum Nominalskalenmodell Definition der Ordinalskala Das empirische Relativ der Ordinalskala Das numerische Relativ der Ordinalskala Ordinalskala und Ordinalskalenmodell Zulässige Transformationen und Eindeutigkeit Bedeutsamkeit

4 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Anwendung von Ordinalskalen Das Wesentliche zum Ordinalskalenmodell Kardinalskalierte oder metrische Variablen Definition der Intervallskala Definition der Verhältnisskala Definition der Absolutskala Inklusionsregel zulässiger Transformationen Univariate Deskriptivstatistik Grundbegriffe der Deskriptivstatistik Datenmatrix Häufigkeitsverteilung Deskriptivstatistik für nominalskalierte Variablen Zentrale Tendenz und Modalwert Dispersion und relativer Informationsgehalt Deskriptivstatistik für ordinalskalierte Variablen Häufigkeitsverteilungen Zentrale Tendenz und Median Dispersion und Interquartilsbereich Deskriptivstatistik für metrische Variablen Häufigkeitsverteilungen Kennwerte der zentralen Tendenz Quantile Streuungskennwerte Schiefe und Kurtosis Standardwerte und z-transformation Bivariate und multivariate Deskriptivstatistik III Wahrscheinlichkeitstheorie und inferenzstatistische Grundlagen Wahrscheinlichkeitstheorie und Wahrscheinlichkeitsverteilungen Wahrscheinlichkeiten für Zufallsereignisse Zufallsvorgang, Zufallsexperiment und Ergebnisraum Zufallsereignis Laplace-Wahrscheinlichkeit und Laplace-Experiment Kombinatorik Definition der Wahrscheinlichkeit nach Kolmogorov Bedingte Wahrscheinlichkeiten Das Bayes-Theorem Wahrscheinlichkeitsverteilungen für diskrete Zufallsvariablen Gleichverteilung Bernoulli-Verteilung und Indikatorvariablen Binomialverteilung Multinomialverteilung

5 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Hypergeometrische Verteilung Geometrische Verteilung Poisson-Verteilung Wahrscheinlichkeitsverteilungen für stetige Zufallsvariablen Gleichverteilung Exponentialverteilung Normalverteilung Weitere stetige Wahrscheinlichkeitsverteilungen Grundlagen der Inferenzstatistik Der Nullhypothesentest nach Fisher Binäres Entscheidungskonzept von Neyman und Pearson Effektgrößen Statistisches Testen an Stichproben Parameterschätzung Gütekriterien der Parameterschätzung Konfidenzintervall Schätzung des Standardfehlers bei unbekannter Populationsvarianz Konfidenzintervalle für Effektgrößen Konfidenzintervall für Effektgrößen bei bekannter Populationsstandardabweichung Konfidenzintervall für Effektgrößen bei unbekannter Populationsstandardabweichung Testplanung und Poweranalyse Post-hoc-Poweranalyse A-priori-Poweranalyse Das Überprüfen statistischer Hypothesen in der Psychologie: Zusammenfassung und allgemeine Empfehlungen Schritte beim statistischen Testen Statistisches Testen in der wissenschaftlichen Praxis Empfehlungen der»task Force on Statistical Inference«Replikation von Forschungsergebnissen Notwendigkeit und Vernachlässigung von Replikationen Präferenz für signifikante Befunde Subtile Strategien der Fälschung von Forschungsergebnissen Neue Entwicklungen Die Welt inferenzstatistischer Verfahren: Überblick, Systematik, Auswahlstrategien 279 Warum braucht man verschiedene statistische Tests? Unterscheidungsmerkmale statistischer Tests Exakte vs. asymptotische Tests Parametrische vs. nonparametrische Verfahren Robuste Verfahren Resampling-Verfahren Population, Stichprobe und Repräsentativität: Konsequenzen für inferenzstatistische Verfahren Population (Grundgesamtheit) Stichprobe

6 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Repräsentativität und fehlende Werte Auswahl eines Verfahrens Univariate, bivariate, multivariate Verfahren Gerichtete vs. ungerichtete Zusammenhänge Manifeste vs. latente Variablen Skalenniveau und Variablenart Auswahl eines statistischen Verfahrens Weiterer Aufbau des Buches IV Methoden zum Vergleich von Gruppen Einstichproben- und Anpassungstests Vergleich eines Mittelwerts mit einem fixen Wert Vergleich eines Medians mit einem fixen Wert Vergleich einer Stichprobenvarianz mit einer Populationsvarianz Vergleich einer relativen Häufigkeit mit einer theoretischen Wahrscheinlichkeit (Binomialtest) Vergleich der Häufigkeitsverteilung eines kategorialen Merkmals mit einer theoretisch erwarteten Verteilung 10.6 Überprüfung von Verteilungsannahmen bei stetigen Merkmalen Kolmogorov-Smirnov-Test (KS-Anpassungstest) χ2-anpassungstest Unterschiede zwischen zwei unabhängigen Stichproben Vergleich zweier Stichprobenmittelwerte (Zweistichprobentests) Bekannte Populationsvarianzen: Der Zweistichproben-Gauß-Test Unbekannte Populationsvarianzen: Der t-test für unabhängige Stichproben 11.2 Vergleich zweier Stichprobenmediane (Wilcoxon-Rangsummen-Test bzw. U-Test) 11.3 Vergleich zweier Stichprobenvarianzen (Varianzhomogenitätstests) F-Test auf Varianzhomogenität Levene-Test 11.4 Vergleich von Häufigkeitsverteilungen zwischen zwei unabhängigen Stichproben Vierfelder-χ2-Test Fisher-Yates-Test Der Zweistichproben-χ -Test Unterschiede zwischen zwei abhängigen Stichproben Vergleich der zentralen Tendenz zweier abhängiger Stichproben Parametrischer Test: Der t-test für abhängige Stichproben Nonparametrische Tests 12.2 Vergleich von Häufigkeitsverteilungen zwischen zwei abhängigen Stichproben Dichotome Merkmale: Der McNemar-Test Mehrkategoriale Merkmale: Der Bowker-Test

7 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Unterschiede zwischen mehreren unabhängigen Stichproben: Varianzanalyse und verwandte Verfahren Einfaktorielle Varianzanalyse Grundidee der Varianzanalyse Messwertzerlegung Zerlegung der Bedingungsmittelwerte und Effekte einzelner Bedingungen Quadratsummenzerlegung Populationsmodell der einfaktoriellen Varianzanalyse Schätzung der Populationsparameter Überprüfung der Nullhypothese: Der F-Test der einfaktoriellen Varianzanalyse Verletzungen der Voraussetzungen Effektgrößenmaße und Konfidenzintervall Poweranalyse Varianzanalyse mit zufälligen Effekten Paarvergleiche und Post-hoc-Tests Kontrastanalyse 13.2 Zweifaktorielle Varianzanalyse Grundidee der zweifaktoriellen Varianzanalyse Messwertzerlegung Quadratsummenzerlegung Populationsmodell der zweifaktoriellen Varianzanalyse Schätzung der Populationsparameter Überprüfung der Nullhypothesen Effektgrößenmaße und Konfidenzintervalle Post-hoc-Tests und geplante Kontraste Ungleiche Stichprobengrößen: Nonorthogonale Varianzanalyse Mehrfaktorielle Varianzanalyse 13.3 Test auf Gruppenunterschiede für Rangdaten (Kruskal-Wallis-Test) 13.4 Verfahren für kategoriale abhängige Variablen Unterschiede zwischen mehreren abhängigen Stichproben: Varianzanalyse mit Messwiederholung und verwandte Verfahren Einfaktorielle Varianzanalyse mit Messwiederholung Messwertzerlegung Quadratsummenzerlegung Effektgrößenmaße Populationsmodell der einfaktoriellen Varianzanalyse mit Messwiederholung Schätzung der Populationsparameter Inferenzstatistik der einfaktoriellen Varianzanalyse mit Messwiederholung Sphärizität und Compound Symmetry Effektgrößenmaße und Konfidenzintervalle A-priori-Poweranalyse: Planung des optimalen Stichprobenumfangs Kontrastanalyse 14.2 Zweifaktorielle Varianzanalyse mit Messwiederholung Zweifaktorielle Varianzanalyse mit Messwiederholung auf beiden Faktoren Zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor

8 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Nichtparametrischer Test für Medianunterschiede zwischen abhängigen Stichproben (Friedman-Test) 14.4 Verfahren für kategoriale abhängige Variablen Unterschiede zwischen mehreren Stichproben auf mehreren abhängigen Variablen: Multivariate Varianzanalyse Multivariate vs. univariate Varianzanalysen 15.2 Zielsetzungen und Grundideen der multivariaten Varianzanalyse 15.3 Einfaktorielle multivariate Varianzanalyse Messwertzerlegung Quadratsummenzerlegung Kreuzproduktsummenzerlegung Zusammenfassende Darstellung der Quadrat- und Kreuzproduktsummen Diskriminanzfunktion Effektgröße η mult Λ Populationsmodell der multivariaten Varianzanalyse Überprüfung der Nullhypothese Effektgrößen und Konfidenzintervalle Poweranalyse Post-hoc-Tests und Kontrastanalyse 15.4 Spezialfälle und Erweiterungen V Zusammenhangs- und Regressionsanalyse Zusammenhänge zwischen zwei Variablen: Korrelations- und Assoziationsmaße Erläuterung des Korrelationsprinzips an drei Beispielen 16.2 Tabellarische und grafische Darstellung von bivariaten Messwertreihen 16.3 Korrelationskoeffizienten Zwei metrische Variablen Zwei ordinalskalierte Variablen Zwei dichotome nominalskalierte Variablen Zwei polytome nominalskalierte Variablen Eine dichotome Variable und eine metrische Variable Eine dichotome nominalskalierte Variable und eine ordinalskalierte Variable Weitere Skalenkombinationen Wahl eines Korrelationskoeffizienten 16.4 Inferenzstatistik zu bivariaten Zusammenhangsmaßen Zwei metrische Variablen Assoziationsmaße für ordinale Variablen Assoziationsmaße für dichotome Variablen Assoziationsmaße für nominalskalierte Variablen Andere Assoziationsmaße

9 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Abhängigkeiten zwischen zwei Variablen: Einfache lineare Regression Kleinste-Quadrate-Kriterium Regressionsgleichung Regressionsresiduum Quadratsummenzerlegung und Varianzzerlegung Determinationskoeffizient und Indeterminationskoeffizient Negatives Regressionsgewicht und Regressionsrichtung Negatives Regressionsgewicht Regressionsrichtung 17.7 Regression standardisierter Werte 17.8 Bedeutung der linearen Regression 17.9 Inferenzstatistik der einfachen linearen Regression Populationsmodell der einfachen linearen Regression Inferenzstatistische Schätzung und Testung Schätzung der Residualvarianz und des Standardschätzfehlers Schätzung und Überprüfung des Regressionsgewichts β Schätzung und Überprüfung des Achsenabschnitts β Schätzung der bedingten Erwartungswerte Vorhersage individueller Kriteriumswerte Schätzung und Überprüfung des Determinationskoeffizienten Partialkorrelation und Semipartialkorrelation Aufgaben und Ziele der Partial- und Semipartialkorrelation Partialkorrelation Semipartialkorrelation Inferenzstatistische Absicherung der Partial- und der Semipartialkorrelation 19 Multiple Regressionsanalyse Zielsetzungen der multiplen Regressionsanalyse Berücksichtigung von Redundanzen und Kontrolle von Störvariablen Prognose und Erklärung Analyse komplexer Zusammenhänge 19.2 Notation 19.3 Lineare Regression für zwei metrische unabhängige Variablen Multiple Regression als kompensatorisches Modell Grafische Darstellung Bestimmung der Regressionskoeffizienten 19.4 Bedeutung der Regressionsgewichte Multiple Regressionsgewichte als Regressionsgewichte bedingter einfacher Regressionen Multiple Regressionsgewichte als Regressionsgewichte von Regressionsresiduen Unstandardisierte vs. standardisierte Regressionsgewichte 19.5 Lineare Regression für mehrere metrische unabhängige Variablen 19.6 Multiple Korrelation und Determinationskoeffizient

10 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Inferenzstatistik zur multiplen Regressionsanalyse Populationsmodell der multiplen Regression Inferenzstatistische Schätzung und Testung Schätzung der Residualvarianz und des Standardschätzfehlers Schätzung, Signifikanztest und Konfidenzintervalle für die multiple Korrelation und den Determinationskoeffizienten Schätzung, Signifikanztest und Konfidenzintervalle für einen Partialregressionskoeffizienten βj Schätzung, Signifikanztest und Konfidenzintervalle für einen Satz unabhängiger Variablen Verfahren zur Auswahl unabhängiger Variablen Schätzung und Überprüfung des Achsenabschnitts β Schätzung der bedingten Erwartungswerte und individuell prognostizierter Werte 19.8 Suppressorvariable 19.9 Moderierte Regressionsanalyse Moderierte Regressionsanalyse: Zwei unabhängige Variablen Moderierte Regression mit zentrierten Variablen Inferenzstatistische Absicherung eines Moderatoreffekts Analyse nicht-linearer Zusammenhänge Analyse kategorialer unabhängiger Variablen Dummy-Codierung Effektcodierung Vergleich von Dummy- und Effektcodierung Inferenzstatistische Absicherung der Regressionsparameter Analyse mehrerer kategorialer unabhängiger Variablen Ordinale unabhängige Variablen Gemeinsame Analyse kategorialer und metrischer unabhängiger Variablen Additive Verknüpfung kategorialer und kontinuierlicher Variablen: Kovarianzanalyse Kovarianzanalyse in quasi-experimentellen Designs Interaktionen zwischen kategorialen und kontinuierlichen Variablen Regressionsdiagnostik Korrekte Spezifikation des Modells Messfehlerfreiheit der unabhängigen Variablen Ausreißer und einflussreiche Datenpunkte Multikollinearität Homoskedastizität Unabhängigkeit der Residuen Normalverteilung der Residuen Multivariate Normalverteilung der Variablen Verletzung der Annahmen und Konsequenzen Hierarchische lineare Modelle (Mehrebenenanalyse) Hierarchische Datenstrukturen Risiko falscher Schlüsse bei der Interpretation von Zusammenhängen Verletzung der Unabhängigkeitsannahme Mehrebenenmodelle: Ein Überblick 20.2 Modelle der Mehrebenenanalyse Das Intercept-Only-Modell

11 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Das Random-Intercept-Modell Das Random-Coefficients-Modell Modelle mit festen Level-1- und Level-2-Effekten Analyse von Kontexteffekten Modelle mit Cross-Level-Interaktionseffekt 20.3 Parameterschätzung, inferenzstatistische Absicherung und Varianzaufklärung Schätzung der Modellparameter Inferenzstatistische Absicherung der Modellparameter Passung des Modells auf die Daten Wie viel Varianz klärt ein Prädiktor auf? Poweranalyse und Stichprobenumfangsplanung 20.4 Modelle der Veränderungsmessung Trendmodelle Kontrastanalysen 20.5 Weitere Modelle Log-lineare Modelle und Logit-Modelle Zielsetzungen der log-linearen Analyse Das Simpson-Paradox Ein einführendes Beispiel: Sonnenschutzverhalten 21.2 Log-lineare Modelle für eine Analyse einer 2 2-Kontingenztabelle Das multiplikative Modell Das additive Modell Das Modell mit einer Referenzkategorie Vergleich der verschiedenen Formulierungen des Modells Allgemeiner Fall einer I J-Kontingenztabelle 21.3 Inferenzstatistische Absicherung Populationsmodelle für eine 2 2-Kontingenztabelle Parameterschätzung und Hypothesentestung Standardfehler und Konfidenzintervalle Signifikanztests 21.4 Überprüfung von Modellen Statistische Überprüfung von Modellannahmen Unabhängigkeitsmodell und saturiertes Modell Hierarchische und nicht-hierarchische log-lineare Modelle Modellvergleiche Spezifikation von Modellen beim produkt-multinomialen Erhebungsschema Effektgröße und Konfidenzintervall Bestimmung der optimalen Stichprobengröße 21.5 Log-lineare Modelle für eine Kontingenztabelle Multiplikatives Modell Additives Modell Parameterschätzung und Modelltestung Das log-lineare Modell für eine I J K-Kontingenztabelle 21.6 Logit-Modell

12 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Logistische Regressionsanalyse Grundidee der logistischen Regressionsanalyse für dichotome abhängige Variablen Einfache logistische Regressionsanalyse Multiple logistische Regression 22.2 Parameterschätzung 22.3 Hypothesenprüfung Hypothesentests für einen einzelnen Parameter Hypothesentests für ein Set von unabhängigen Variablen Hypothesentests in Bezug auf alle unabhängigen Variablen Zerlegung der Likelihood-Ratio-Teststatistik 22.4 Effektgrößen 22.5 Klassifikation 22.6 Bestimmung der optimalen Stichprobengröße 22.7 Voraussetzungen der Maximum-Likelihood-Schätzung und Hypothesentestung 22.8 Regressionsdiagnostik Korrekte Spezifikation des Modells und Modellanpassungsgüte Messfehlerbehaftetheit der unabhängigen Variablen und Multikollinearität Identifikation von Ausreißern und einflussreichen Datenpunkten Nullzellenproblem 22.9 Logistisches Regressionsmodell für mehrkategoriale nominalskalierte abhängige Variablen Logistisches Regressionsmodell für ordinalskalierte abhängige Variablen VI Modelle mit latenten Variablen Messfehlertheorie und Klassische Testtheorie Theoretische Konzepte der Klassischen Testtheorie Theoretische Konzeption des Messfehlers Theoretische Konzeption des wahren Wertes Eigenschaften der Messfehler- und der True-Score-Variablen Theoretische Konzeption der Reliabilität 23.2 Messmodelle Modell essenziell τ-äquivalenter Variablen Modell essenziell τ-paralleler Variablen Modell τ-äquivalenter Variablen Modell τ-paralleler Variablen Zwischenfazit Modell τ-kongenerischer Variablen 23.3 Vergleich der verschiedenen Testmodelle 23.4 Funktion von Testmodellen für die Psychodiagnostik Itemselektion und Testkonstruktion Messung latenter Merkmalsausprägungen

13 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Mehrdimensionale Messmodelle und konfirmatorische Faktorenanalyse Ein einführendes Beispiel: Die Konvergenz von Selbst- und Fremdbericht Ein zweidimensionales Modell Ein alternatives Modell: Modell mit Methodenfaktor Verschiedene Darstellungsformen von Multidimensionalität 24.2 True-Score-Modelle vs. Faktormodelle Uniqueness und Kommunalität Faktoren und Ladungen Konfirmatorische vs. exploratorische Faktorenanalyse 24.3 Grundidee der Faktorenanalyse 24.4 Allgemeine Fragen bei der konfirmatorischen Faktorenanalyse Modellspezifikation: Warum Theorie so wichtig ist! Identifizierbarkeit: Können alle Parameter eindeutig bestimmt werden? Grundideen der Parameterschätzung und der Modelltestung 24.5 Schätzmethoden Grundprinzip der Schätzmethoden Maximum-Likelihood-Verfahren Asymptotisch verteilungsfreie Verfahren Andere Schätzmethoden Wahl einer Schätzmethode 24.6 Beurteilung der Modellanpassungsgüte Detailmaße der Anpassungsgüte: Residuen Gesamtanpassung des Modells Modellvergleiche Modellmodifikationen Erwartungswertstrukturen 24.7 Bestimmung der optimalen Stichprobengröße A-priori-Poweranalyse zur Bestimmung der Stichprobengröße Monte-Carlo-Simulationsstudie zur Bestimmung der Stichprobengröße 24.8 Faktorenanalyse für ordinale Variablen Annahme einer itemspezifischen kontinuierlichen Variablen Faktorenanalytisches Modell 24.9 Weitere Messmodelle mit latenten Variablen Exploratorische Faktorenanalyse und Hauptkomponentenanalyse Grundprinzipien der exploratorischen Faktorenanalyse Grundgleichung der Faktorenanalyse Schritte bei der exploratorischen Faktorenanalyse 25.2 Die Maximum-Likelihood-Faktorenanalyse Annahmen der Maximum-Likelihood-Faktorenanalyse Identifizierbarkeit und Anfangslösung Bestimmung der Anzahl der Faktoren und Modellgültigkeit Rotation Interpretation der Ergebnisse Bestimmung von Faktorwerten

14 sverzeichnis aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN Hauptachsenanalyse und Hauptkomponentenanalyse Grundidee der Hauptkomponentenanalyse Kriterien zur Bestimmung der relevanten Hauptkomponenten Rotation und Ergebnisdarstellung Die Hauptachsenanalyse 25.4 Vergleich der Ansätze und praktische Empfehlungen 25.5 Faktorenanalyse für dichotome und ordinale Variablen 25.6 Einzelfall-Faktorenanalyse und dynamische Faktorenanalyse Pfadanalyse und lineare Strukturgleichungsmodelle Pfadanalyse Das pfadanalytische Modell als ein System von Regressionsmodellen Parameterschätzung und Modellüberprüfung Hypothesenüberprüfung 26.2 Lineare Strukturgleichungsmodelle Messmodell und Strukturmodell Parameterschätzung und Hypothesenüberprüfung Latente autoregressive Modelle Latent-State-Trait-Modell Spezielle lineare Strukturgleichungsmodelle Sind Strukturgleichungsmodelle Kausalmodelle? Anhang 979 Glossar 981 Literaturverzeichnis 999 Hinweise zu den Online-Materialien 1017 Anhang A: Tabellen 1 Binominalverteilung 2 Standardnormalverteilung 3 Zentrale t-verteilung 4 Wilcoxon-Vorzeichen-Rangtest 5 Zentrale χ2-verteilung 6 Kritische Werte für den Kolmogorov-Smirnov-Test und den Lilliefors-Test 7 Wilcoxon-Rangsummen-Test 8 Zentrale F-Verteilung 9 Kritische Werte für die Differenz nk nd Anhang B: Matrixalgebra 1 Matrix 2 Vektor 3 Grundlegende Rechenoperationen mit Matrizen 4 Spezielle Matrizen 5 Demonstration der Berechnung einiger statistischer Kennwerte mittels Matrixalgebra Sachwortverzeichnis