MLS1 an der Universität Salzburg

- Signifikanzniveau wird a priori als Grenze festgelegt, unter der eine H1 angenommen und die H0 verworfen wird

- p-Wert ist tatsächlich errechneter Wert

- wenn Korrelation ohnehin schon klein war nur kleiner Unterschied

- wenn Korrelation ohnehin schon groß ist Unterschied größer

- Fisher-Z-Transformation gewichtet größere Korrelationen stärker als kleinere

- Intervallskaliertheit

- Normalverteilung

- wenn sich die Werte nach unten ändern, liegt eine Scheinkorrelation vor (Korrelation, die eigentlich durch andere Variable erklärt wird)

- bei Änderung nach oben liegt Suppressionseffekt vor (andere Variable konfundiert die bivariate Korrelation)

- wenn sich nichts ändert, hat die zusätzliche Variable keinen Einfluss auf die bivariate Korrelation

Eine andere Variable konfundiert eine bivariate Korrelation so, dass die Korrelation zwischen den beiden Variablen sinkt.

- bei Herauspartialisieren der Variable steigt Korrelation

Korrelation, bei der zwar zwei Werte korrelieren, aber eigentlich keinen kausalen Zusammenhang haben.

Das Kriterium für y ist epsilon=0, also idealerweise eine punktgenaue Vorhersage.

- Differenzialrechnung versucht, Differenzen zwischen Werten so gering wie möglich zu halten

- Bei Berechnung einer Regressionsgeraden will man die Gerade so genau wie möglich (so kleine Differenzen wie möglich) durch die Werte ziehen

Varianzen verschiedener Gruppen sind für alle Prädiktorwerte gleich

- Linearität

- Homoskedastizität

- Normalität

- Unabhängigkeit

yi=b0+b1*xi+epsilon i

geschätztes Modell: ohne epsilon i

Mit einer Wahrscheinlichkeit von [p] ist die Arbeitshypothese H1 falsch.