Für Psychologie-Studenten im Bachelor: Statistik-Nachhilfe für die Humboldt Universität Berlin

Klausurvorbereitung

Die ersten beiden Aufgaben im statistischen Teil drehen sich um die Lage-, Streuungs- und Zusammenhangsmaße. Mit Hilfe einer klaren Übersicht und mit einfachen Rezepten trainieren wir mit dir die drei Schritte: 1. Erkennen des geeigneten Maßes – 2. Berechnen des Zusammenhangsmaßes – 3. Interpretieren (und zwar genau so, wie es Professor Eid von dir lesen will).

Das theoretisch anspruchsvollste Thema ist die multiple Regression. Neben den nötigen Berechnungen (Aufstellen der Regressionsgleichungen – Berechnen des Determinationskoeffizienten – Nützlichkeit eines Prädiktors) möchte Professor Eid in der Klausur dein theoretisches Verständnis überprüfen. Es gibt zwar einige theoretische Sätze, die du einfach auswendig lernen kannst, aber es wird auch nötig sein, „um die Ecke zu denken“ und bei einem neu gestellten Problem eine selbstständige Lösungen zu finden.

Wenn du kein (großer) Mathecrack bist, dann ist die Wahrscheinlichkeitsrechnung vermutlich die größte Herausforderung. Es kommt darauf an, dass du in den oft schwierigen Formulierungen die Schlüsselwörter heraus liest, damit du das richtige Modell anwendest. Wir trainieren mit dir zu erkennen, welche Schubladen du jeweils ziehen musst. Das Rechen ist dann kein großes Problem mehr.

Kurz vor der Klausur bieten wir dir ein kompaktes R-Training. Dieser R- Teil enthält nur wenige Berechnungen. Es wird geprüft, wie gut du die Grundlagen des Programmes kennst und zum Beispiel den Unterschied von Faktor und numerischer Variablen verstehst. In vielen Klausuraufgaben üben mit dir die Grundfertigkeiten in R (Importieren von Daten – Umcodieren einer Variablen – ..) Für das Training brauchst du keine Voraussetzungen, es ist auch nicht wichtig, ob du schon mit dem Programm arbeiten kannst.

Themenübersicht

• Lage- & Streuungsmaße
  Gundbegriffe, Häufigkeitsverteilungen, Quantile, Boxplot, Mittelwerte, Varianz, klassierte Daten, Histogramme, z Standardisierung, Schiefe
• Zusammenhangsmaße
  Kovarianz – Korrelation – Kendalls Ƭ – ɣ Koeffizient – Kreuztabellen – X² Koeffizient- Cramers V – Yules Q – Odds Ratio – ȹ Koeffizient
• Korrelation & Regression
  Theorie der Korrelation – Regressionskoeffizienten – Methode der kleinsten Quadrate – Varianzzerlegung – Varianzaufklärung – Residuen – Partialkorrelation
• Multiple Regression
  Modell, Output SPSS, standardisierte Koeffizienten, multiple Korrelation, Partialregressionsgewichte, Modellvergleich, Nützlichkeit eines Prädiktors
• Wahrscheinlichkeitsrechnung
  bedingte Wahrscheinlichkeiten – Satz von Bayes – Baumdiagramme – Normalverteilung – Binomialverteilung – Exponentialverteilung – Kombinatorik
• Klausurtraining und Training für den R-Teil

Klausurvorberietung

Der statistische Teil hat in Statistik II zwar mehr Einzelthemen als in Statistik I, dafür haben die Themen aber viel mehr Gemeinsamkeiten. Es geht immer um das Testen und Schätzen. Gleich zu Beginn des Kurses lernst du den Entscheidungsbaum kennen, mit dem du immer schnell entscheiden kannst, welches statistische Verfahren das richtige ist. Außerdem trainierst du den Testaufbau, hast du den einmal verstanden, dann kommst du mit fast allen Aufgaben zurecht, zwar haben die vielen Test jeweils ihre Besonderheiten, aber der Grund-Testaufbau ist immer gleich.

Es gibt 3 thematische Schwerpunkte: Tests, Varianzanalysen und die Regressionsanalysen.

Auf einigeTests, kannst du dich gut vorbereiten, denn du kannst sie schnell und eindeutig erkennen und sie haben nur wenige Varianten. Da diese Tests immer viele Punkte bringen, legen wir viel Wert darauf, dass du diese Punkte sicher bekommst. Der einfache t-Test und z-Test wird selten gerechnet, aber sie haben viele Varianten von abgeleiteten Aufgaben, wie das Berechnen vom KI um Mittelwert oder um cohens d, die apriorie-Poweranalyse, die Bestimmung des p-Wertes oder des betta-Fehlers. Diese Themen ziehen sich bis zum abschließenden Training durch, das sind die anspruchvollsten Aufgaben.

Varianzanalyse mit den vielen kleinen Aufgabenvarianten zu den Kontrasten.

Und die Regressionsanalyse, die sich auf Statistik 1 aufbaut. Im Training die theoretischen Aufgaben, eigentlich zu den in der Vorlesung auch gfrühen Themen, wie KIs, Poweranalyse und Replikationsstudien

Kurz vor der Klausur bieten wir dir ein kompaktes R-Training.

Themenübersicht

• Testaufbau und t Test

Entscheidungsbaum – Regeln für Hypothesen – Einstichproben t Test – t Test für unabhängige Stichproben – Cohens Delta – Freiheitsgrade – Signifikanz und Relevanz – ß Fehler und Teststärke

• Einfaktorielle Varianzanalyse

t Test für abhängige Stichproben – Alpha Fehler Korrektur – Anova und post hoc Test – Quadratsummenzerlegung – Bestimmung der Anova Tabelle- Eta Quadrat – Anova mit Messwiederholung

• Kontrastanalyse

Kontraste als post hoc Analyse – Kontrasthypothesen – Aufstellen von Kontrasten – Kontrastanalyse – Interpretation des numerischen Wertes – orthogonale Kontraste – Bedeutung von Kontrasten – Paarvergleiche – Tukey und Dunnett Test

• Zweifaktorielle Varianzanalyse

Quadratsummerzerlegung – “Mittelwertskasten” –  Haupteffekte und Interaktionseffekte – Liniendiagramme – Interaktionsarten – Effektgrößen – konkrete Effekte

• Multiple Regression

1. Wiederholung einfache Regression, Nützlichkeit und Semipartialkorrelation, Korrelationstest, Test auf multiple Korrelation, Test der Partialregressionsgewichte, Modellvergleich, Outputs zur multiplen Regression

• Moderierte und logistische Regression

Zentrierung der Prädiktoren, Interaktion, Test des Moderatoreffekt, Output und Interpretation, bedingte Wahrscheinlichkeit der logistischen Regression, Wettkoeffizient, ODDS Ratio

• Chi-Quadrat Test und Rangverfahren

eindimensionaler Chi Quadrattest – p x k Felder Test – gerichtete x²-Tests – Pearson Residuum – Wilcoxon Vorzeichen Rangtest – Wilcoxon Rangsummentest – Mann Whitney U Test

• Klausurtraining und Training für den R- Teil