Altklausurfragen B Flashcards
(30 cards)
Ist es immer sinnvoll, ein experimentelles Design anzustreben?
Nein
1) aus ethischen Gründen nicht möglich
z.B schwerkranke Menschen darf man kein wichtiges Treatment verweigern
• Bedarf der Probanden steht immer über der Randomisierung!
2) versuchsplanerisch kein Sinn
z.B beim Vergleich von Gruppen mit
spezifischen Prä-Werten -> nach Cut-off Werten geordnet
•NUR wo es möglich und sinnvoll ist, sollte experimentelle Design angestrebt werden
Praktische Probleme an einem Beispiel diskutieren! (Quasi-Experimentelle Designs)
Mehr alternative Erklärungen als bei Experiment -> geringere interne Validität
• Müssen benannt, bewertet und ausgeschlossen werden
. Beschreiben Sie den Versuchsplan und den idealen Verlauf eines verzögerten Treatments
NR 01 X 02 03
NR 01 02 X 03
Welche verschiedenen Effekte können durch eine Intervention in einer Zeitreihe auftreten?
Niveauänderung, Trendänderung, Variabilitätsänderung, temporäre oder dauerhafte Effekte, unmittelbare oder verzögerte Effekte
Was sind häufige Probleme bei der Untersuchung unterbrochener Zeitreihen?
- Langsame und graduelle Implementierung: Diffusion (Interventionen können nur schrittweise eingeführt werden)
- Unbekanntes Intervall zwischen Ursache und Effekt (Effekte treten erst mit langer zeitlicher Verzögerung auf)
- Zu kurze Zeitreihen (N<100) (für statistische Behandlung mind. 100 Beobachtungen/50 vor 50 nach)
- Beschränkung von Archivdaten (Datenqualität nur sehr schwer zu bewerten/Grad der Datenaggregation hoch)
Nennen Sie ein Beispiel für eine Untersuchung mit unterbrochenem Zeitreihendesign und skizzieren
Sie eine Ergebnisgrafik, die den Erfolg der Untersuchung belegt.
Einführung einer Helmpflicht für Fahrradfahrer -> Auswirkungen auf
Verletzte
• Intervention löst Niveauänderung aus
Unterschied zwischen streng stationär und schwach stationär.
Streng stationär:
wenn die Verteilungskennwerte in allen möglichen Teil-SP identisch sind -> Kennwerte sind unabhängig von der Zeit
• Schwach stationär: Mittelwert und Kovarianzen innerhalb der SP sollten unabhängig von der Zeit
sein
Warum macht man die Differenzbildung bei Zeitreihen und wofür steht der Parameter d beim ARIMAModell?
Mathematische Voraussetzung für die Berechnung des ARIMA Modells -> Stationaritaet
- Einfluss aktuellerer Werte würde sonst für die Vorhersage im Vergleich zu älteren Werten überschätzt werden
- d = Anzahl der notwendigen Differenzierungen, um Stationaritaet der Zeitreihe zu erreichen
Was ist eine ARIMA?
ARIMA-Modelle versuchen die Systematik einer Zeitreihe anhand von drei Parametern zu
beschreiben:
o p = Anzahl der autoregressiven Anteile der ZR
o d = Anzahl der notwendigen Differenzierungen, um eine ZR stationär zu machen
o q = Anzahl der moving-average Komponenten der ZR
• Mithilfe der ARIMA können zyklische Phänomene der Zeitreihe ermittelt werden und Vorhersagen
über zukünftige Ereignisse/Verläufe gemacht werden
Was wird im Rahmen einer Zeitreihenanalyse als Trend bezeichnet?
Wenn sich der Mittelwert von Stichproben aus der Zeitreihe sich systematisch veraendert
Was ist Stationarität und warum ist diese wichtig für die Analyse von Zeitreihen?
• Eine Zeitreihe ist stationär, falls Verteilungsmerkmale von (Teil-)Stichproben aus der Zeitreihe nicht
vom absoluten Zeitpunkt ihrer Ziehung abhängen
• Viele Verfahren der Zeitreihenanalyse basieren auf Annahme der Stationarität
Was sind Autokorrelationen?/Was versteht man unter Autokorrelation?
Korrelationen zwischen zwei Zeitpunkten mit Abstand k (lag)
Was ist ein Interaktionseffekt bei einem diskontinuierlichen Regressionsdesign?
Verlauf der Regressionsgeraden nicht parallel
• Aenderung in der Steigung
Bsp. je höher die Belastung zum Prä-Messzeitpunkt, desto effektiver das Treatment
Was sind die Vorteile des diskontinuierlichen Regressionsdesigns?
- fast so gute interne Validitaet wie be randomisierte Experimente
- grosse FLEXIBILITAET in der Auswahl der Zuweisungsvariablen
- Beduerftigkeit/Vedienst kann beruecksichtigt werden
Welches sind die Hauptgefährdungen der internen Validität bei diskontinuierlichen Regressionsdesigns?
Reifung oder Instrumentation –> Verletzung der Linearitaet
Linearitaet als Voraussetzung fuer Regressionsmodelle
Was kennzeichnet diskontinuierliche Regressionsdesigns und was sind die Voraussetzungen?
Zuordnungsvariablen mit Cut-off-wert –> VPN in Gruppen geteilt nach Leistung/Bedarf
Zuweisungsvariable: intervallskaliert, grosse Streuung,
nicht dichotom, nicht vom Treatment beeinflussbar
- Zuweisung vor dem Treatment
- zeitlich stabil z.B Geburtstag
VPN muessen aus gleicher Population kommen –> Teilnehmer haetten prinzipiell das Treatment bekommen koennen
Warum sollte auch bei randomisierter Zuweisung nicht auf eine Prä-Messung verzichtet werden?
eine perfekte randomisierte Zuordnung ist keine Garantie dafür, dass sich die Gruppen bei der PräMessung nicht doch unterscheiden
Ist die Voraussetzung für eine randomisierte Zuweisung eine Zufallsstichprobe?
Nein, randomisierte Zuweisung bedeutet nur die zufällige Zuweisung zu den Experimentalbedingungen -> Stichprobe nicht zwangsläufig eine Zufallsstichprobe
Wodurch wirkt Randomisierung?
Alternative Ursachen sind mit der Gruppenzugehörigkeit nicht konfundiert
• Validitätsgefährdungen werden nach Zufall auf die Gruppen verteilt
• Gruppen vor Treatmentgabe auf allen Variablen gleichverteilt (im Rahmen von Zufallsschwankungen)
• Selektionsprozess ist bekannt und kann modelliert werden
• Fehler und Treatmentbedingung sind nicht korreliert
Welchen unterschiedlichen Zielen dienen Zufallsstichproben und Zufallszuweisung zu experimentellen
Bedingungen?
Zufallsstichproben garantieren, dass derselbe durchschnittliche Effekt in allen anderen Zufallsstichproben aus der Population und in der Gesamtpopulation erwartet werden darf -> erhöht Ähnlichkeit
von Stichprobe und Population und damit externe Validität
• Zufällige Zuweisung = Zufallszuweisung zu einer Untersuchungsbedingung (SP liegt bereits vor) ->
erhöht Ähnlichkeit verglichener Gruppen und damit interne Validität
Warum ist im Rahmen eines diskontinuierlichen Regressionsdesigns die Interpretation eines
Interaktionseffekts ohne Haupteffekt eher schwierig? Begründen Sie Ihre Antwort.
Veränderungen in der Steigung alternativ durch
zunehmende Reifung oder Instrumentation verursacht sein könnten
. Nennen Sie 3 weitere Formen der Randomisierung.
Einfache Randomisierung
Blockrandomisierung
Adaptive Randomisierung
Nennen und charakterisieren Sie Formen der Verblindung.
Einfachverblindung: Unkenntnis der Teilnehmer über Gruppenzugehörigkeit
• Doppeltverblindung: Unkenntnis Teilnehmer und Versuchsleiters über Gruppenzugehörigkeit
• Dreifachverblindung: Unkenntnis der VP, des VL und des Auswertenden über Gruppenzugehörigkeit
Was ist eine hybride Interaktion zweier Faktoren bei einem faktoriellen Design und was bedeutet sie
für die Interpretierbarkeit der Haupteffekte?
Eine Kreuzung, einmal gegenläufiger Trend, nicht paralleler Verlauf
• Einer der beiden Hauptfaktoren ist signifikant und möglicherweise
interpretierbar
