Übungsklausur Quantitative Forschungsmethoden

Aufgabe 1: (6 Punkte)
Beschreiben Sie den quantitativen Forschungsprozess.

Aufgabe 2: (4 Punkte)
In wie fern hilft das Falsifikationsprinzip beim wissenschaftlichen Schliessen?

Aufgabe 3: (4 Punkte)
Neben den ethischen Aspekten, welche vier weiteren Gütekriterien gibt es für die
Forschung?

Aufgabe 4: (4 Punkte)
Nennen Sie die katergorialen Skalenniveaus und geben Sie jeweils ein Beispiel dafür an.

Aufgabe 5: (6 Punkte)
Geben Sie drei Stichprobenverfahren an.

Aufgabe 6: (3 Punkte)
Ist die Aussage: “Studierende, die sich nicht vorbereitet haben, bestehen nicht die Klausur”
im Sinne Poppers eine wissenschaftliche Hypothese? (max. 1 Antwort ist richtig)
A. Ja.
B. Nein.

Aufgabe 7: (3 Punkte)
Ist “gut vorbereitet” eine manifeste Variable? (max. 1 Antwort ist richtig)
A. Ja.
B. Nein.
Aufgabe 8: (3 Punkt)
Ein Autokindersitzverkäufer hat wiederholt beobachtet, dass seine Kunden immer nach
Gütesiegeln (Stiftung Warentest etc.) fragen. Welche wissenschaftliche Schlusstechnik liegt
vor? (max. 1 Antwort ist richtig)
A. Induktion
B. Deduktion
C. Abduktion

Aufgabe 9: (3 Punkte)
Welche Art der Datenanalyse würde einen Kausalschluss zwischen Gütesiegeln und
Abverkäufen ermöglichen? (max. 1 Antwort ist richtig)
A. Eine zufällige Stichprobe von Kindersitzen mit und ohne Gütesiegel mit 𝑛 > 1000.
B. Ein Vergleich aller Abverkäufe von Kindersitzen mit und ohne Gütesiegel.
C. Eine zufällige Etikettierung von Kindersitzen mit und ohne Gütesiegel.
D. Eine zufällige Etikettierung von Kindersitzen mit und ohne Gütesiegel.
E. Eine lineare Regression der Abverkäufe auf die Variable Gütesiegel.

Aufgabe 10: (3 Punkte)

Ein Nullhypotesen-Test für unabhängige Stichproben ergab für 𝐻! : 𝜇Gü tesiegel = 𝜇kein Gü tesiegel
der Abverkäufe einen p-Wert von 0.01. Was ist die korrekte Interpretation des Ergebnisses?
(max. 1 Antwort ist richtig)
A. Die Wahrscheinlichkeit, dass die Abverkäufe gleich sind, liegt bei 0.01.
B. Die Wahrscheinlichkeit, dass die Abverkäufe ungleich sind, liegt bei 0.01.
C. Die Wahrscheinlichkeit, dass die Abverkäufe gleich sind, liegt bei 0.99.
D. Die Wahrscheinlichkeit, dass die Abverkäufe ungleich sind, liegt bei 0.99.
E. Keine der obigen Aussagen (A-D) trifft zu.


Fallstudie
Simulierter Datensatz der Abverkäufe von Autokindersitzen in 400 verschiedenen Läden.

inspect(Kindersitze)

##
## categorical variables:
## name class levels n missing
## 1 Region factor 2 400 0
## 2 POS factor 3 400 0
## distribution
## 1 Stadt (70.5%), Land (29.5%)
## 2 Mittel (54.8%), Schlecht (24%) ...
##
## quantitative variables:
## name class min Q1 median Q3 max mean
## ...1 Abverkauf numeric 0 5.39 7.49 9.32 16.27 7.496325
## ...2 Preis numeric 24 100.00 117.00 131.00 191.00 115.795000
## ...3 Werbeausgaben numeric 0 0.00 5.00 12.00 29.00 6.635000
## ...4 Einwohner numeric 10 139.00 272.00 398.50 509.00 264.840000
## sd n missing
## ...1 2.824115 400 0
## ...2 23.676664 400 0
## ...3 6.650364 400 0
## ...4 147.376436 400 0

Aufgabe 11: (6 Punkte)
Gehen wir davon aus, dass die Abverkäufe (in Tausend) von Kindersitzen normalverteilt
sind mit 𝜇 = 7,5 und 𝜎 = 2,5.
In einem Laden seien die Abverkäufe bei 𝑥 = 12,5 (in Tausend).
xpnorm(12.5, mean=7.5, sd=2.5)

##

## If X ~ N(7.5, 2.5), then

## P(X <= 12.5) = P(Z <= 2) = 0.9772

## P(X > 12.5) = P(Z > 2) = 0.02275

##

## [1] 0.9772499

Kreuzen Sie für jede Aussage an, ob sie zutrifft (ja) oder nicht (nein):

Aufgabe 12: (3 Punkte)
Welche Skalenniveau hat die Variable Preis? (max. 1 Antwort ist richtig)
A. Kategorial, nominal
B. Kategorial, ordinal
C. Numerisch, Intervallskala
D. Numerisch, Verhältnisskala

Aufgabe 13: (4 Punkte)

Was können Sie dem Histogramm der Werbeausgaben entnehmen?
gf_histogram( ~ Werbeausgaben, binwidth = 3, data = Kindersitze)

Aufgabe 14: (3 Punkte)
Mit welchem Verfahren können Sie die Verteilung der Variable Position im Regal (POS)
sinnvoll darstellen? (max. 1 Antwort ist richtig)
A. Balkendiagramm
B. Boxplot
C. Mosaikplot
D. Streudiagramm
E.

Aufgabe 15: (3 Punkte)

Welches Gütekriterium einer Messung ist verletzt, wenn ein andere Person eine andere
Einschätzung der Güte der Position im Regal vornimmt? (max. 1 Antwort ist richtig)
A. Objektivität
B. Reliabilität
C. Validität

Aufgabe 16: (2 Punkte)

Welche Aussage zum p-Wert trifft zu? (max. 1 Antwort ist richtig)
A. Der p-Wert gibt die Wahrscheinlichkeit an, dass die Nullhypothese stimmt.
B. Der p-Wert gibt die Wahrscheinlichkeit an, dass die Alternativhypothese stimmt.
C. Der p-Wert gibt die (Rand-)Wahrscheinlichkeit der Daten unter der Nullhypothese
an.
D. Der p-Wert gibt die (Rand-)Wahrscheinlichkeit der Daten unter der
Alternativhypothese an.

Aufgabe 17: (3 Punkte)

Was gilt bei einem p-Wert > 95%? (max. 1 Antwort ist richtig)
A. Die Nullhypothese wird bestätigt.
B. Die Nullhypothese wird verworfen.
C. Die Nullhypothese wird nicht bestätigt.
D. Die Nullhypothese wird nicht verworfen.

Aufgabe 18: (3 Punkte)

Was gilt bei einem Korrelationskoeffizienten von 𝑟 = 0? (max. 1 Antwort ist richtig)
A. Es kann kein Zusammenhang vorliegen.
 B. Es liegt ein positiver, linearer Zusammenhang vor.
C. Es liegt ein negativer, linearer Zusammenhang vor.
D. Es kann ein nicht linearer Zusammenhang vorliegen.

Aufgabe 19: (2+4=6 Punkte)

Im Mittelwert der Stichprobe wohnen im Einzugsgebiet auf dem Land im Mittelwert 277
Tausend Einwohner, in der Stadt im Mittelwert 260 Tausend Einwohner.
mean(Einwohner ~ Region, data = Kindersitze)

## Land Stadt
## 276.6780 259.8865

diffmean(Einwohner ~ Region, data = Kindersitze)

## diffmean
## -16.79144

A. Formulieren Sie das formale Hypothesenpaar, um zu überprüfen, in wieweit sich der

Mittelwert in der Population unterscheidet.

Ein Permutationstest ergibt folgendes Ergebnis:
Nullvtlg <- do(10000) *
diffmean(Einwohner ~ shuffle(Region), data = Kindersitze)
gf_histogram( ~ diffmean, data = Nullvtlg) %>%
gf_vline(xintercept = ~ diffmean(Einwohner ~ Region, data = Kindersitze))

qdata( ~ diffmean, data = Nullvtlg, p = c(0.025, 0.975))

## 2.5% 97.5%
## -31.76980 30.87084

B. Wie lautet die Testentscheidung zum Niveau 𝛼 = 5%? Begründen Sie kurz Ihre
Entscheidung.

Aufgabe 20: (6 Punkte)
Eine Analyse des Zusammenhangs zwischen Regalposition und Abverkäufen ergibt
folgendes Ergebnis:
gf_boxplot(Abverkauf ~ POS, data = Kindersitze)

favstats(Abverkauf ~ POS, data = Kindersitze)

## POS min Q1 median Q3 max mean sd n missing

## 1 Schlecht 0.37 4.0525 5.21 7.4625 11.67 5.522917 2.356349 96 0
## 2 Mittel 0.00 5.6250 7.38 8.7750 13.36 7.306575 2.266373 219 0
## 3 Gut 3.58 8.3300 10.50 11.9600 16.27 10.214000 2.501243 85 0

linmod <- lm(Abverkauf ~ POS, data = Kindersitze)

summary(linmod)

## Call:
## lm(formula = Abverkauf ~ POS, data = Kindersitze)
##
## Residuals:
##
## Min 1Q Median 3Q Max
## -7.3066 -1.6282 -0.0416 1.5666 6.1471
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 5.5229 0.2388 23.131 < 2e-16 ***
## POSMittel 1.7837 0.2864 6.229 1.2e-09 ***
## POSGut 4.6911 0.3484 13.464 < 2e-16 ***
## ---
## Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
##
## Residual standard error: 2.339 on 397 degrees of freedom
## Multiple R-squared: 0.3172, Adjusted R-squared: 0.3138
## F-statistic: 92.23 on 2 and 397 DF, p-value: < 2.2e-16

Kreuzen Sie für jede Aussage an, ob sie zutrifft (ja) oder nicht (nein):

Aufgabe 21: (3 Punkte)

Welche Art der Datenanalyse wü rde einen Kausalschluss zwischen Gü tesiegeln und
Abverkäufen ermöglichen? (max. 1 Antwort ist richtig

A. Eine zufällige Stichprobe von Kindersitzen mit und ohne Gü tesiegel mit n > 1000.
B. Ein Vergleich aller Abverkäufe von Kindersitzen mit und ohne Gü tesiegel.
C. Eine zufällige Etikettierung von Kindersitzen mit und ohne Gü tesiegel.
D. Eine lineare Regression der Abverkäufe auf die Variable Gü tesiegel.