image
imagewidth (px) 42
4.28k
| text
stringlengths 2
128
⌀ |
---|---|
- Skalenniveaus / Messniveaus der Variablen
|
|
latenten Variable konstruiert werden.
|
|
- Indikatoren/Indikatorvariable: Variable mit der die Werte einer
|
|
- latente Variablen: können nur indirekt gemessen werden.
|
|
- Manifeste Variablen: Auf direkter Weise operationalisierbar
|
|
- Variablen = Vektor von Messungen
|
|
- Typen von Variablen
|
|
Messinstrumenten.
|
|
- Die Messung eines theoretischen Konstruktes mit mindestens zwei unterschiedlichen
|
|
(Bei etablierten Messinstrumenten üblich)
|
|
- Operationale Definition: Validität per Definition
|
|
- Kommunikative Validierung: Absprache mit betroffenen Akteuren, ob sie Messung
|
|
einer anderen Messungsart?
|
|
- Inhaltsvalidität: Messung aller Dimensionen des Phänomens, die aus interessieren
|
|
ihrer Messungen untereinander
|
|
Teilinstrumente und Untersuchung der Beziehungen
|
|
- Testhalbierung: Unterteilung vorhandener Testinstrumente in
|
|
- Problem: nicht immer möglich
|
|
- Parallel-Test: zwei unterschiedliche Messinstrumente für dasselbe Konstrukt
|
|
- Problem: wahrer Wert kann sich verändern
|
|
- Test-Retest: gleiche Messung wiederholen
|
|
- Problemlösung für schlechte Reliabilität:
|
|
- Reliabilität: Genauigkeit & Zuverlässigkeit des Messinstruments
|
|
- Auswertungsobjektivität: regelgeleitete, nachvollziehbare Auswertung
|
|
- Durchführungsobjektivität: Leitfaden
|
|
- Objektivität: Unabhängigkeit der Messung vom Messenden
|
|
- Kriterien des Messqualität
|
|
Beobachtungen systematisch verteilt
|
|
- Systematische Messfehler: Systematische Messfehler über verschiedenen
|
|
- liegt zwischen 0 und 1
|
|
- Qualität der Gottman-Skala bewertet mit Reproduzierbarkeitsindex
|
|
unterschiedlicher Schwierigkeit
|
|
- Guttman-Skala: Ordinale Variable aus hierarchischen Variablen
|
|
zusammenhängt, das mich interessiert.
|
|
- Jedes Element der SP wird kontrolliert zufällig gezogen
|
|
- Einfache Zufallsauswahl
|
|
- Auswahlverfahren
|
|
- 3a, 3b: Overcoverage
|
|
=> empirisch mögliche Grundgesamtheit der gegebenen Datenlage
|
|
- 2, 3a & 3b = Auswahlgesamtheit
|
|
ausgewählten Primäreinheiten herum.
|
|
Klumpen: Bündel von untersuchten Einheiten um die
|
|
die Stichprobe.
|
|
=> Alle Elemente in der Zwischenstichprobe kommen in
|
|
Totalerhebung zum Schluss ausgeführt wird.
|
|
- Mehrstufige Zufallsstichprobe, mit dem Unterschied das eine
|
|
- Klumpenauswahl
|
|
wie eine einfache Stichprobe.
|
|
-> Dadurch verhält sich die Mehrstufige Zufallsauswahl
|
|
die gleiche Wahrscheinlichkeit haben, ausgewählt zu werden.
|
|
- Vorteil: Keine spätere Gewichtung nötig, da alle Elemente
|
|
kleine Gemeinden -> kleine Auswahlwahrscheinlichkeit
|
|
Bsp. Große Gemeinden -> hohe Auswahlwahrscheinlichkeit
|
|
Auswahleinheiten.
|
|
-> Auswahlwahrscheinlichkeit proportional zur Größe der
|
|
- Lösung: PPS (Probability Proportional to Size)
|
|
Elemente der endgültigen SP zur Folge.
|
|
- Dies hätte eine unterschiedliche Auswahlwahrscheinlichkeit für
|
|
groß sind
|
|
- Problematisch wenn Elemente der "Zwischen-SP" unterschiedlich
|
|
=> Kosten & Zeit sparen
|
|
SP kommen
|
|
eine weitere Zufallsauswahl die Merkmalsträger bestimmt, die in die
|
|
- Aus den übrigen Gruppen in der Zwischenstichprobe wird durch
|
|
-> Dadurch hat die Zwischenstichprobe alle zu untersuchenden Elemente
|
|
- Erste Zufallsauswahl reduziert Elemente aus AG
|
|
dies aber nicht umzusetzten ist.
|
|
- Wird nur ausgeführt, wenn man eine einfache SP machen will,
|
|
- Mehrstufige Zufallsauswahl
|
|
=> Umgang mit fehlenden Werten, abhängig von ihrer Struktur
|
|
-> MAR, NMAR
|
|
2. Problem (oft da) = Verzerrung der Interpretation steigt
|
|
-> NMAR, MAR, MCAR
|
|
1. Problem (immer da) = Unsicherheit der Analyse steigt
|
|
- Fehlende Werte sind immer ein Problem
|
|
- NMAR auf 5 anwendbar
|
|
- MAR auf 4, 5 anwendbar
|
|
- MCAR auf 1, 2, 3, 4, 5 anwendbar
|
|
Imputationen und Analyse aller Datensätze
|
|
5. Multiple Imputation: Erstellung mehrerer Datensätze mit unterschiedlichen
|
|
in einer Regression
|
|
4. Berechnung des wahrscheinlichsten Wertes anhand von Drittvariablen
|
|
2. Paarweiser Ausschluss: Ausschluss eines Merkmalsträger, bei dem für
|
|
1. Listenweiser Ausschluss: kompletter Ausschluss von den Merkmalsträgern
|
|
- Vorgehensweise bei fehlenden Werten
|
|
- Unterform: historisch-vergleichend
|
|
- Messung über mehrere Zeitpunkte möglich
|
|
- Häufig von einem Merkmalsträger viele Messungen
|
|
der Analyse bestimmt.
|
|
- Größe der Stichprobe während der Erhebung und während
|
|
- Anzahl der Merkmalsträger zwischen 1 und etwa 70-100
|
|
- Theorie testen: deduktiv, kausale Inferenz
|
|
- Theorie formulieren oder verbessern: induktiv, Beschreibung
|
|
- Ziele der theoretisch geleiteten, bewussten Auswahl:
|
|
- Ergebnisoffenes Vorgehen -> Ergebnis darf Vorwissen für Unnütz machen
|
|
- Nutzen von Vorwissen für Auswahl ("theoretisch geleitet")
|
|
- Typische Eigenschaften
|
|
- Theoretisch bewusste Auswahl
|
|
- hoher Aufwand bei kombinierten Quoten
|
|
- Ausfälle verdeckt (-> Ausschöpfung)
|
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.