Sie sind auf Seite 1von 7

Gedächtnisprotokoll: Klausur „Multivariate Analyseverfahren“

SS2012 Prof. Dr. Michael Schneider 21.08.2012

1. Liste mit 10 möglichen Untersuchungen und man sollte jeweils eine passende
Analysemethode dazu nennen, dabei sollte keine Methode zweimal genannt werden. (10
Punkte)
2. MC-Aufgabe zur Multiple Regression anhand eines Beispiel
3. Beschreibung eines SEM: Man sollte das Pfaddiagramm zeichnen (inkl. Beschriftung), die
freien Parameter nennen (inkl. Gesamtanzahl) und die Syntax (nur den Teil unter „Model“ in
MPlus) schreiben.

(Modell war wie dieses hier, allerdings gab es auch noch einen Regressionspfad von X0 auf
den zweiten (auf dem Bild exogenen) latenten Faktor.)
4. Modellvergleich: Die Modellfitindizes im MPlus Output waren für zwei Modelle gegeben. Diese
sollte in einer Tabelle gegenübergestellt werden. Dann sollten die Modelle in max. 5 Sätzen
verglichen und eine Empfehlung abgegebenen werden (ohne Chi2-Differenztest).
5. Chi2-Differenztest: In drei Sätzen erklären warum Modelle mit mehr Freiheitsgerade einen
höheren Chi2-Wert haben und MC-Aufgabe zum Chi2-Differenztest.
6. Latent-State-Trait-Modell: Pfaddiagramm mit einer zusätzlichen manifesten Variablen war
gegeben. Hierzu musste ein Lückentext ausgefüllt werden (z.B. welche Hauptaussage macht
das hierarchische Faktorenmodell).

Multivariate Verfahren SS 2015


1. Gegeben war eine Input-Syntax, in der 7 Fehler eingearbeitet waren. Fehler waren z.B. Man sollte die
Fehler unterstreichen und unpassende Textzeichen durchstreichen.
 Buchstabendreher, z.B. statt Pro_A_T1 Por_A_T1
 Semikolon hat gefehlt
 Bei Variablenauflistung nach jeder Zeile ein Semikolon
 Unterstrich vergessen, z.B. ProA_T1
 „Mathenote“ hat mehr als 8 Zeichen

2. Ein Intelligenztest mit drei Skalen (Verbal, numerisch, figural) wurde an drei Messzeitpunkten mit den
gleichen Personen durchgeführt. Es soll mithilfe eines hierarchischen Faktormodells überprüft werden ob
schwache faktorielle Messinvarianz vorliegt und wie stabil der g Faktor über die drei Messzeitpunkte ist.
2.1. Zeichnen Sie das Pfaddiagramm, dabei auch die Symbole eintragen.
2.2. Schreiben Sie die MPlus-Syntax für dieses Modell (Nur Abschnitt Model)
3. Gegeben war ein MPlus Output. Ungefähr so:
Dep by
DepA
DepB

Int by
Int A
Int B

Int on
Dep

Mathe with
Int
Dep

R² für
DepA
DepB
IntA
IntB
Int

Alle estimates waren standardisiert und hochsignifikant.

3.1. Zeichne das Pfaddiagramm


3.2. Wie viele freie Parameter gibt es?
3.3. Listen Sie die Strukturgleichungen auf.
3.4. Gehen Sie davon aus dass das Modell einen guten Modellfit hat. Interpretieren Sie die Ergebnisse
inhaltlich. Gehen Sie dabei auf mindestens 4 Aspekte ein und schreiben sie maximal 6 Sätze.

Außerdem kamen folgende Fragen aus dem „Gedächtnisprotokoll“ auch dran:


- Statistische Verfahren nennen
- Multiple Choice zu multiple Regression, Chi²-Tests
- Die letzte Aufgabe, wo man aus einem MPlus Output ein Pfaddiagramm ableu

Gedächtnisprotokoll: Klausur „Multivariate Analyseverfahren“


SS2017Prof. Dr. Michael Schneider 08.08.2017

Bitte gebt dieses Dokument an niemanden weiter. Klausurfragen dürfen nicht während der Klausur
mitgeschrieben und somit gestohlen werden, sonst droht die Exmatrikulation. Gedächtnisprotokolle können
nach der Klausur angefertigt werden. Es kann keine Garantie auf Richtigkeit und Vollständigkeit gegeben
werden. Euer FSR

Insgesamt 10 Aufgaben und insgesamt 80 Punkte

1. Aufgabe
MC zu Kovarianz/Varianz/Korrelation

Eher richtig Eher falsch


Wenn beide Variablen kaum von ihren Mittelwerten abweichen,
ist die Kovarianz klein
Verlaufen zwei Kurven spiegelbildlich, ist die Kovarianz kleiner 0
Kovarianzen sind unabhängig von der Metrik und über
unterschiedliche Skalen hinweg vergleichbar
Die Varianz entspricht der Kovarianz eines Wertes mit sich selbst
Die Korrelation ist die standardisierte Varianz zweier Variablen
2. Aufgabe
MC zu weiteren Verfahren

Eher richtig Eher falsch


Die latente Klassenanalyse verwendet eine latente AV, die
nominalskalliert ist
Bei Nicht-Berücksichtigung der hierarchischen Struktur von Daten
werden die Standardmessfehler und der p-Wert unterschätzt
sowie das Signifikanzniveau überschätzt
Bei Wachstumskurven werden die Intercepts fixiert und sind
deshalb nicht interpretierbar
Beim Bootstrapping wird aus der Form der Verteilung der
Stichprobendaten die Form der Verteilung der Populationsdaten
geschätzt
Die Stichprobengröße für SEM kann mithilfe von Monte Christo-
Simulationen geschätzt werden
Zur Berechnung einer Diskriminanzanalyse müssen die
Kategorien, die Kategorienzugehörigkeit und die Merkmale
bekannt sein.

3. Aufgabe
Regression
Gegeben war ein Output aus SPSS, in dem die Schulnote die AV war und IQ, Motivation und Prüfungsangst
als Prädiktoren angegeben waren. Es waren die Konstante, die b und  ersichtlich.
3.1 Wie lautet die Regressionsgleichung für die Schulnote?
3.2. Was bedeutet der Intercept inhaltlich? (bei der Aufgabe lag der Intercept bei -0.075 und es sollte
angegeben werden, dass eine inhaltliche Interpretation nicht sinnvoll ist)
3.3 Was bedeutet das b des Prädiktors IQ inhaltlich?
3.4 Was bedeutet das  des Prädiktors IQ inhaltlich?

4. Aufgabe
²-Test
4.1 Beschreibe in 3 Sätzen, wie man den ²-Wert berechnet und was er inhaltlich bedeutet.
4.2 MC zum ²-Test

5. Aufgabe
5.1 Pfaddiagramm zeichnen
Sie haben Stress zu 3 Messzeitpunkten mithilfe des Summenscores der Perceived Stress Scale (PSS) und
dem Cortisol-Index (CI) erfasst. Sie möchten die Kovarianzbeziehungen der manifesten Variablen mithilfe
eines Latent-State-Trait-Modells spezifizieren. Um die Residuen zu minimieren modulieren Sie so viele
Methodenfaktoren wie möglich.
5.2 Syntax schreiben
Schreiben sie für das in 5.1 gezeichnete Pfaddiagramm den Teil MODEL der MPlus-Input Datei. Vergessen
Sie dabei nicht, dass die exogen latenten Variablen nicht korrelieren sollen.

6. Aufgabe
Sie sehen zwei Mplus-Outputs, die den Fit zweier Modelle auf denselben Datensatz angeben.
6.1 Beurteilen Sie die Korrektheit der Aussagen zur Güte der beiden Modelle
Eher richtig Eher falsch
Im Zuge der Modellschätzung kann Modell A flexibler an die Daten
angepasst werden als Modell B
Modell A beinhaltet weniger zu schätzende Parameter als
Modell B.
Da der Chi²-Anpassungstest für beide Modelle nicht signifikant
wird, kann man die anderen Modellfitindizes ignorieren und
einfach das sparsamere der beiden Modelle akzeptieren
Dass der Chi²-Anpassungstest des Baselinemodells in beiden
Fällen signifikant wird, deutet darauf hin, dass keines der beiden
geschätzten Modelle gut auf die Daten passt.
Die deskriptiven Modell-Fit-Indizes von Modell B zeigen
ausnahmslos, dass es gut auf die Daten passt.
Die relativen Modell-Fit-Indizes sprechen eher für eine bessere
Passung von Modell B auf die Daten als für eine bessere Passung
von Modell A.
Die deskriptiven Modell-Fit-Indizes von Modell A zeigen
ausnahmslos, dass es gut auf die Daten passt.
Die Summe der Residuen ist höher für Modell A als für
Modell B.

7. Aufgabe
MC zu MANOVA
Eher richtig Eher falsch
Statistisch gesehen sind eine Moderation und eine Interaktion das
gleiche
Moderatoren sind meist Prozessvariablen
Eine ²-Verteilung und eine F-Verteilung lassen sich durch
Transformationen der Normalverteilung bilden
In der ANOVA gilt die Additivität der Quadratsummen. Die
Matrizen der MANOVA hingegen sind nicht additiv.
Eine MANOVA untersucht mit mehreren nominalskallierten UVs
mehrere intervallskallierte AVs
Pillai’s trace entspricht dem Anteil aufgeklärter Varianz in der
ANOVA
Hotelling’s T² entspricht dem F-Wert der ANOVA
Roy’s largest Root nimmt nur den Faktor, der die meiste Varianz
der AVs erklärt
Eine statistische Vorausstetzung der MANOVA ist die paarweise
Unabhängigkeit der AVs

8. Aufgabe
Sie haben folgenden Mplus-Output. In dem Modell geht es um den Zusammenhang von Depression,
Intelligenz und Mathematikleistung.

Estimate S.E. Est./S.E. Two-Tailed P-


Value
DEP BY
DEP_A xXx xXx xXx 0.000
DEP_B xXx xXx xXx 0.000

INT BY
INT_A xXx xXx xXx 0.000
INT_B xXx xXx xXx 0.000

INT ON
DEP xXx xXx xXx 0.000

MATHE WITH
INT xXx xXx xXx 0.000
DEP xXx xXx xXx 0.000

Intercepts
DEP_A xXx xXx xXx 0.000
DEP_B xXx xXx xXx 0.000
INT_A xXx xXx xXx 0.000
INT_B xXx xXx xXx 0.000

Varianzces
DEP xXx xXx xXx 0.000
INT xXx xXx xXx 0.000

Residual Varianzces
DEP_A xXx xXx xXx 0.000
DEP_B xXx xXx xXx 0.000
INT_A xXx xXx xXx 0.001
INT_B xXx xXx xXx 0.000
Int xXx xXx xXx 0.000

R-SQUARE
Observed Variable

DEP_B xXx xXx xXx 0.000


INT_A xXx xXx xXx 0.000
INT_B xXx xXx xXx 0.000
Int xXx xXx xXx 0.000

8.1
Zeichnen Sie das Pfaddiagramm des Modells. Beschriften Sie die Variablen mit den Namen aus dem Mplus-
Output. Tragen Sie die geschätzten Werte der Modellparameter in das Diagramm ein soweit üblich.
8.2
Stellen Sie die Strukturgleichungen des Modells auf. Schreiben Sie dabei anstatt der Modellkoeffizienten (α,
β etc) die von Mplus geschätzten standardisierten Werte der Koeffizienten. Residuen brauchen Sie in die
Gleichung nicht mit aufzunehmen.
8.3
Wie viele Parameter müssen frei geschätzt werden?

Aufgabe 9
MC zu MPlus
Eher richtig Eher falsch
MPlus kann nur Dezimalzahlen lesen, die mit Komma geschrieben
sind
Variablennamen dürfen in MPlus nicht länger als 8 Zeichen sein
Befehle dürfen nicht über mehrere Zeilen gehen
Alle Worte, die mit einem ! beginnen, werden von MPlus ignoriert
Der Satz „Input reading terminated normally“ im Output
bedeutet, dass das Modell gut auf die Daten passt
Der Teil „Sample Statistics“ im Output kann ignoriert werden

Aufgabe 10

Gedächtnisprotokoll Multi WS 17/18 (Schneider)


Generelle Anmerkungen: Die drei Übungen, bei denen man Stukturgleichungsmodelle zeichnen musste,
waren aus Altklausuren und Tutoriumsaufgaben bekannt wenn man viele, viele Übungen vor der Klausur
macht, klappt das sehr gut.
Schwieriger sind meiner Meinung nach die MC-Fragen, da hier oft Details und schwierigere Inhalte abgefragt
werden. Es kamen viele aus Altklausuren bekannte MCs dran, allerdings gab es hier und da eine neue
Aussage, die man als richtig oder falsch bewerten musste.
Die Zeit hat gut gereicht, wenn man nicht trödelt, hat man am Ende gut 10 Minuten zum kontrollieren. Alles
musste mit Kuli/Füller geschrieben sein (ich habe die Strukturzeichnungen erst mit Bleistift gemacht und dann
mit Kuli). Taschenrechner war nicht erlaubt, brauchte man auch nicht.
Zu mindestens 80% haben sich die Inhalte aus Altklausuren wiederholt, 10-20% waren etwas umformuliert,
bzw .neue Aufgaben.

1. MC-Aufgabe zu Varianz, Kovarianz


Viele bekannte Aussagen aus Altklausuren
Neu:
Kovarianz / Z-Standardisierung?
2. MC zu Mplus

3. MC Manova
- Bei einer MANOVA werden zwei Uvs und mindestens eine AV untersucht (irgendwie so, auf jeden Fall
spielte das auf die VierfelderTabelle mit ANOVA/MANOVA an -> man sollte wissen, welches Verfahren
wie viele UVS/AVS misst)

4. Offene Fragen zu Regressionsoutput aus SPSS, in dem die Schulnote die AV war und IQ, Motivation und
Prüfungsangst als Prädiktoren angegeben waren. Es waren die Konstante, die b und  ersichtlich.
4.1 Wie lautet die Regressionsgleichung für die Schulnote?
3.2. Was bedeutet der Intercept inhaltlich? (bei der Aufgabe lag der Intercept bei -0.075 und es sollte
angegeben werden, dass eine inhaltliche Interpretation nicht sinnvoll ist)
3.3 Was bedeutet das b des Prädiktors IQ inhaltlich?
3.4 Was bedeutet das  des Prädiktors IQ inhaltlich?

5. Zwei Outputs von Modellen miteinander vergleichen, bei welchem Modell ist der Fit besser? (diese Aufgabe
kam in Altklausuren schon mal)

6. Ein Latent State Trait Modell für Depression zeichnen mit einem Methodenfaktor (Beachten, dass die
latenten Faktoren nicht miteinander korrelieren sollen). Man sollte selbst geeignete Maße finden (z.B.
Cortisol und PSS-Stressfragebogen).

7. Offene Frage: Was wird beim Chi²Test gerechnet? Was sagt der Chi²-Wert aus? (irgendwie so) man sollte
auf jeden Fall die Formel für den Chi²-Wert kennen und wissen, wie er mit Freiheitsgraden zusammenhängt

Multiprüfung 31.08.2018
Gedächtnisprotokoll

1. MC Fragen zu:
- Manova, MPlus (beides ähnelt stark den vorigen Altklausuren)
- 2 Modelle zum Thema Modelfit vergleichen (siehe Altklausur Aufg. 6, SoSe 2016). Dazu kam ein MPlus
Output dran mit den gängigen Indizes und MC Fragen dazu

2. Regressionsgleichung aufstellen (Motivation, IQ, Prüfungsangst) sollten die Schulnote vorhersagen (siehe
Altklausur bzw. Tut oder VL Folien)

Es gab einen negativen Intercept und dieser sollte interpretiert werden (weil negativ kann er in diesem ZSH
nicht interpretiert werden).
Bei dieser Klausur musste man (leider) sehr kreativ sein, was Pfaddiagramm zeichnen und Syntax schreiben
anging. Sprich es gab keine Aufgabenstellung, sondern musste sich zu den Vorgaben selbst was ausdenken.

3. Latente Wachstumskurve in ein Modell übertragen (musste sich dieses selbst ausdenken). An 5 MZP.
4. Hierarchisches Faktormodell, selbst eins ausdenken mit einer manifesten endogenen und eine manifesten
exogenen Variable und Syntax dazu schreiben
5. In drei Sätzen die Likelihood Schätzung definieren

6. a) Welche Variable steht im Pfaddiagramm wird dennoch nicht mitgezählt


b) Was steht nicht im Pfaddiagramm wird aber mitgezählt
c) Warum sollte man immer zuerst die Freiheitsgrade im Pfaddiagramm zählen und sie dann
nochmal mit dem MPlus Output vergleichen