Edited, memorised or added to reading list

on 10-Apr-2021 (Sat)

Do you want BuboFlash to help you learning these things? Click here to log in or create user.

Flashcard 6319025294604

Tags
#Auswertung #Interpretation #amp
Question
Empfehlungen für Erhebungen
Answer
  • Pilotstudie, um eventuelle Probleme vor den eigentlichen Erhebungen identifizieren zu können
    • Z.B. Vortests, Expertenurteile
  • Durchführung der Untersuchung unter Berücksichtigung der geplanten Schritte (z.B. Stichprobenziehung, Design, Verfahren/Instrumente)
  • Instruktionen für MitarbeiterInnen bzgl. der Erhebung, Kodierung und Dateneingabe vorbereiten (z.B. Kodierschemata, Checklisten)
  • Datensicherung (Backups)
  • Bei langfristigen Aufträgen ist ggf. eine Anpassung der Erhebungsmethoden und Strategien zur Non-response-Reduktion möglich/notwendig
    • Ggf. Ergänzungen (z.B. neue Fragestellungen, Instrumente bzw. Geräte)
  • Ggf. Vorläufige Auswertung (z.B. nach zwei Messzeitpunkten)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319028178188

Tags
#Auswertung #Interpretation #amp
Question
Datenbereinigung: 1. Datensichtung
Answer

Vor der Beantwortung der Fragestellung muss die Datenqualität überprüft werden (z.B. Häufigkeitstabellen , Histogramme, Range von Werten nutzen)

  • Kommen nur plausible Werte vor?
    • Beispiele für unplausible Werte: Alter = 201, Einkommen = Weiblich
  • Gibt es fehlende Daten
    • Z.B. Item non response, Personen Dropout in Längsschnittstudien
    • Unterschiedliche Umgangsstrategien
      • Z.B. Ignorieren, multiple Imputation
      • Der optimale Umgang hängt davon ab, wie die fehlenden Werte zustande gekommen sind

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319409597708

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Werten (Überblick)
Answer

Umgang mit fehlenden Werten

  • ggf . auf fehlende Werte hinweisen und um Vervollständigung bitten Individualdiagnostik)
  • Entfernung von Personen aus dem Datensatz
  • Ignorieren fehlender Werte
  • Datenimputation

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319478017292

Tags
#Auswertung #Interpretation #amp
Question
Entstehungsmechanismen fehlender Werte (Überblick)
Answer
  • MCAR bzw. Missing completely at random
    • Die Daten fehlen zufällig
  • MAR bzw. missing at random
    • Das Fehlen der Daten ist durch beobachtete Variablen bedingt (in diesem Fall Untersuchungsbedingung), aber innerhalb von diesen Gruppen fehlen die Daten zufällig
  • NMAR bzw. not missing at random
    • Das Fehlen der Daten ist durch unbeobachtete Daten bedingt. In diesem Fall weiß man nicht, dass kleine Werte fehlen

In der Regel gibt es keine Möglichkeit herauszufinden, welcher Entstehungsmechanismus in einer bestimmten Untersuchung gilt


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319489289484

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Daten: Datenlöschung
Answer
  • auch: Complete Case Analysis
  • Personen mit Missing data werden in den Analysen nicht berücksichtigt
  • Man geht von MCAR aus. Die verfügbaren Daten unterscheiden sich nicht von den fehlenden Daten (oft unrealistisch)
  • Wird durch manche Auswertungstechniken erzwungen (z.B. ANOVA)
    • Unter Umständen wird die Analysestichprobe sehr klein sein (Reduktion von Power und Präzision)
    • Verzerrung der Ergebnisse möglich (MCAR wird angenommen)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319491124492

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Daten: Ignorieren
Answer
  • Die Auswertung (Hypothesentestung) wird mit fehlenden Werten durchgeführt
    • Alle verfügbaren Daten werden genutzt, d.h. auch Informationen über Personen, die nicht an allen Messungen teilgenommen haben oder nicht alle Fragen beantwortet haben
    • Vorteil likelihoodbasierter Methoden (Strukturgleichungsmodellierung, Mehrebenenmodellierung) gegenüber ANOVA
  • Ggf. kann eine Obergrenze festgelegt werden
    • Bsp. Der Skalenmittelwert wird nur dann bestimmt, wenn höchstens 30% der Daten einer Person fehlen

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319492959500

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Daten: Imputation (Überblick)
Answer
  • Einzelimputation (single imputation): Ersetzung des fehlenden Wertes durch einen Wert
  • Multiple Imputation
    • Die Ersetzung der fehlenden Werte wird mehrmals durchgeführt
    • Es entstehen mehrere Datensätze
    • Die Auswertung (Hypothesenüberprüfung) wird mit allen Datensätzen durchgeführt. Betrachtet werden
      • Ergebnisse der Einzelanalysen mit getrennten Datensätzen
      • Gepoolte Ergebnisse
    • R-Pakete: mice, mi, mitml
    • Auch in SPSS möglich, aber die imputierten Daten können nicht immer in weiteren Analysen verwendet werden

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319494794508

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Daten: Einzelimputation
Answer
  • Einfache Techniken werden nicht empfohlen, z.B.
    • Ersetzung der fehlenden Werte durch den Mittelwert, Median oder Modalwert, der anhand der verfügbaren Werte berechnet wurde
    • Einfache regressionsbasierte Imputation: Die fehlenden Werte werden anhand von anderen Variablen (z.B. andere Items, andere Konstrukte) „vorhergesagt“ (vgl. multiple Regression)
    • Probleme:
      • Vorhergesagte Werte sind nicht unbedingt plausibel, z.B. Negative Werte bei Items mit einem Antwortformat 1-5
      • Varianz wird unterschätzt (Lösung: Rauschen kann künstlich hinzugefügt werden)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319496629516

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Daten: Multiple Imputation (Überblick)
Answer
  • Wenn die Hypothesentestung mehrere Variablen involviert (z.B. multiple Regression), die fehlende Werte aufweisen, dann werden zwei komplexere Ansätze empfohlen
    • Joint Modelling (JM): Die fehlenden Werte werden für alle Variablen (z.B. Extraversion, Neurotizismus, Gewissenhaftigkeit) basierend auf der multivariaten Variablenverteilung simultan geschätzt. In der Regel geht man von einer multivariaten Normalverteilung aus (unrealistisch?)
    • Fully conditional specification (FCS): Die fehlenden Werte werden separat für jede Variable anhand ausgewählter Variablen (=conditional) geschätzt
  • Imputation kann/soll auch auf solchen Variablen basieren, die nicht zur Hypothesentestung gehören (z.B. demografische Daten)
  • Für stabile Ergebnisse werden i.d.R. 5-20 Imputationen benötigt
  • Die ergänzten Datensätze können zur Hypothesentestung verwendet werden
  • Zunächst wird die Analyse separat mit jedem imputierten Datensatz durchgeführt.
  • Die Ergebnosse der separaten Analysen werden auf Schwankungen untersucht

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319500037388

Tags
#Auswertung #Interpretation #has-images
Question
Umgang mit fehlenden Daten: Multiple Imputation Beispielvorgehen (FCS Ansatz)


Answer
  • Muster der fehlenden Daten untersuchen (welche Art von Daten fehlen?)
  • Darstellung imputierter Werte:
    • Zeile: Person
    • Spalte: Imputationsdurchgang
  • Darstellung der Daten:
    • x-Achse: Imputationsnummer (0 = ohne Imputation)
    • y-Achse: Variablenwert (zB Alter = 20)
    • Blau: verfügbare Daten
    • Rot: imputierte Daten
  • Plausibilitätsprüfung: sind die Kombinationen der Variablen in den imputierten Daten sinnvoll (zB Kinder mit Dr = unplausibel)
    • Verwendung von Einschränkungen möglich: zB Bildungsniveau = 5 erst ab Alter = 20 möglich

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319501348108

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Daten: Fazit
Answer
  • Multiple Imputation ist häufig (MAR) besser als andere Methoden, aber auch sie kann u.U. (z.B. NMAR, viele fehlende Werte) die Ergebnisse verzerren
  • Plausibilität der imputierten Werte muss überprüft werden (ggfs. kann bei der Imputation der zulässige Wertebereich festgelegt werden)
  • In der Praxis gibt es keine Garantie, dass die MAR-Annahme korrekt ist
    • Erhöhung der Plausibilität von MAR durch Berücksichtigung mehrerer Prädiktoren,die fehlende Daten gut erklären können (nicht alle Variablen im Datensatz sind nützlich)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319503183116

Tags
#Auswertung #Interpretation #amp
Question
Umgang mit fehlenden Daten: Sensitivitätsanalysen
Answer
  • Z.B. unterschiedliche Strategien des Umgangs mit fehlenden Werten ausprobieren (Imputation, Ignorieren, Löschen) und die Ergebnisse der Hauptanalysen (Hypothesenüberprüfung) miteinander vergleichen
  • Ggf. kann der NMAR-Mechanismus modelliert werden
    • Eher schwierig und kann u.U. zu stärkeren Verzerrungen als MAR-Annahmen führen
    • Einfache Variante:
      • Die imputierten Werte anpassen (erhöhen/reduzieren)
      • Beispielsweise könnte man bei Interventionsstudien vermuten, dass v.a. hohe/niedrige Werte fehlen und die imputierten Werte entsprechend anpassen
      • Ändern sich die Ergebnisse stark, wenn solche Modifikationen vorgenommen werden?
  • Selbst bei perfekter Übereinstimmung zwischen den angewendeten Strategien keine Garantie, dass die Ergebnisse richtig sind
    • Möglicherweise sind die Annahmen über das Zustandekommen der fehlenden Werte nicht angemessen
    • Replikationsstudien notwendig
  • Leider wird der Umgang mit fehlenden Werten nur selten in Forschungsarbeiten adäquat beschrieben

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319506590988

Tags
#Auswertung #Intepretation #has-images
Question
Auswertung: Normwerte


Answer

Manchmal kann es sinnvoll sein, die Ergebnisse der Diagnostik/Evaluation in Normwerte (z, T, IQ, Stanine etc.) umzuwandeln, um die Interpretation der Untersuchungsergebnisse zu erleichtern

  • Bsp. Auftraggeber/Leser/Gutachter mit einem Psychologie Abschluss, die mit einem konkreten Verfahren nicht vertraut sind, können eher den IQ Wert = 96 als einen Testrohwert 23 interpretieren
  • Problem: Welche Ausprägungen sind normal/gut/schlecht/auffällig?
    • Abhängigkeit von der Fragestellung (z.B. was ist wichtiger? Identifikation potentieller Probleme oder Vermeidung unnötiger Interventionen)
    • Z.B. Normale Werte: M+-1SD? 2SD ?
  • Rohwerte bzw. Normwerte können bei annähernd normalverteilten metrischen Variablen einfach transformiert werden (alte Skala --> neue Skala):
  • Keine Normalverteilung? --> Prozentränge angeben
    • z.B. PR 65: 65% der Population haben diesen oder einen kleineren Testwert

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319507901708

Tags
#Auswertung #Interpretation #amp
Question
Auswertung: Cut-Off Werte (Überblick)
Answer
  • Entweder getrennt für einzelne Skalen bzw. Merkmale oder für zusammengesetzte Maße, die auf mehreren Merkmalen/Instrumenten basieren
  • Anhand von Cut off Werten wird die Klassifikation vorgenommen
    • Bsp. 1: Kranke vs. gesunde Personen
    • Bsp. 2: Geeignete vs. ungeeignete BewerberInnen
    • Bsp. 3: Gute vs. schlechte Maßnahmen
  • Bsp. Beck Depressionsinventar (BDI): 8 Als Cut off Wert (Werte 0-8 unproblematisch; 9-63 verschiedenschwere Depressionen)
  • Cut-off-Werte können theoretisch oder empirisch bestimmt werden
    • Bei der theoretischen Bestimmung wird willkürlich festgelegt, wann ein Kriterium erfüllt is
      • Bsp. 1: 20 000 verkaufte Exemplare des Produktes als Erfolg
      • Bsp. 2: Verbesserung der sozialen Kompetenz um mindestens 20 Punkte als Trainingserfolg
      • Es kann vorkommen, dass die Kriterien sehr streng sind und von keiner Person erfüllt werden
      • Eine subjektive Bewertung durch die untersuchte Person (z.B. Messung der Therapiefortschritte) ist ebenfalls möglich
        • Zielerreichungsskalen (goal attainment scaling)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319511309580

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Empirische Bestimmung von Cut-Off Werten


Answer
  • Empirische Cut off Werte basieren auf Vergleichen zwischen Untersuchungsergebnissen und tatsächlichen Zuständen
  • Tabelle enthält vier Häufigkeiten mit den möglichen Klassifikationsergebnissen in einer Stichprobe. Sie hängen vom gewählten Cut off Wert ab, d.h. für jeden potentiellen Cut off Wert (z.B. BDI = 8) lässt sich eine Tabelle generieren
    • Richtige Klassifikation beim gewählten BDI Cut off Wert: Richtig Positive, Richtig Negative
    • Falsche Klassifikation: Falsch Positive, Falsch Negative
  • Bei der Interpretation individueller Untersuchungsergebnisse wird die Basisrate (Prävalenz) häufig ignoriert
    • Ein positives bzw. negatives Untersuchungsergebnis bedeutet nicht automatisch, dass eine konkrete Person krank bzw. gesund ist (geeignet bzw. ungeeignet usw.)
      • Bsp. Perfekte Sensitivität (= 1) bedeutet lediglich, dass kranke Personen als solche identifiziert werden. Wenn die Spezifität nicht perfekt ist, dann werden gesunde Personen u.U. fälschlicherweise eine Krankheitsdiagnose erhalten
        • Sensitivität soll also nicht mit dem positiven prädiktiven Wert (PPW) gleichgesetzt werden
        • Bei geringer Prävalenz (seltene Störungen, wenig geeignete Personen etc.) wird der positive prädiktive Wert (Erfolgsquote) deutlich schlechter als Sensitivität sein
  • Die berechneten Kennwerte können unterschiedlich gewichtet werden, um die optimalen Cut off Werte zu finden
    • Häufig werden Sensitivität und Spezifität gleich gewichtet
    • Prinzipiell sind ungleiche Gewichte möglich (z.B. Sensitivität wichtiger als Spezifität), z.B. Berücksichtigung der Kosten von falschen Entscheidungen (Kosten für die Gesellschaft oder spezifische Interessengruppen:Fehlzeiten , Behandlungskosten, Stigmatisierung
    • Üblicherweise werden Cut Off Werte anhand von ROC Kurven identifiziert (Receiver Operator Characteristic Curve )

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319514979596

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Empirische Bestimmung von Cut-Off Werten anhand einer ROC Kurve


Answer
  • ROC Kurve : Rote Kurve
  • AUC (Area under the curve ): Fläche unter der ROC Kurve (.66) --> Wahrscheinlichkeit, dass eine Person mit dem gesuchten Merkmal (z.B. Depression) eher eine positive Diagnose (= krank) als eine Person ohne dieses Merkmal (Gesund) erhält
  • Diagonale: Zufallsniveau (line of no discrimination). Die Klassifikation anhand des Tests wäre genauso schlecht wie Zufall (AUC = .5)
  • AUC > .5 --> Test besser als Zufall; AUC < .5 --> Test schlechter als Zufall (unbrauchbar)
  • Bestimmung des optimalen Cut Offs: Youden Index: Sensitivität + Spezifität 1
    • Cut off Wert für den größten Youden Wert ablesen
    • Grafische Bestimmung des optimalen Cut off Wertes: größte vertikale Distanz zwischen der Diagonalen und der ROC Kurve (grauer Pfeil)
    • Geringste Entfernung zur linken oberen Ecke : Koordinaten (1,1) [oder 0,1 wenn 1 Spezifität auf der x Achse steht]
    • Youden Index und (1,1) Methode führen nicht immer zu denselben Vorschlägen für die Cut Off Werte
    • Sensitivität + Spezifität 1
    • Größter Wert beim optimalen Cut Off Wert - Youden = 1 + 0.55 1= 0.55 --> Cut Off = 8.5

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319516290316

Tags
#Auswertung #Interpretation #amp
Question
Auswertung: p-Werte
Answer
  • Statistische Signifikanz (z.B. p < .05) als Bedeutsamkeitsmaß (z.B. Ist die Intervention wirksam?)
  • Probleme
    • Abhängigkeit von der Stichprobengröße: Bei großen Stichproben (z.B. N = 5000) werden selbst sehr schwache Zusammenhänge (z.B. r = .03) statistisch signifikant sein
    • Dichotomes Denken: p = .049 bedeutsam und p = .051 nicht mehr?
  • Isoliert als Entscheidungskriterium wenig geeignet

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319519698188

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Konfidenzintervalle


Answer
  • Bestimmung statist . Signifikanz für unterschiedliche Parameter möglich
    • Z.B. Mittelwert , Mittelwertdifferenz, Varianz, Effektstärken
      • Z.B. Mittelwert (95% CI) = M 1.96 * SE; M = 5 [0.03; 9.97]  Statist. signifikant, weil 0 nicht imcKonfidenzintervall liegt
  • Vermeintliches Unsicherheitsmaß
    • Breite Intervalle als Zeichen dafür, dass der wahre Wert deutlich kleiner/größer als der berechnete Wert sein kann
      • Nicht unbedingt… (vgl. Morey et al., 2016)
  • Konfidenzintervalle werden selbst von Experten (Lehrbücher etc.) falsch interpretiert
  • Korrekte Interpretation: Bsp. 95% CI = Hätte man die Untersuchung unendlich häufig wiederholt, dann würde der wahre Wert in 95% der Fälle in den Konfidenzintervallen liegen
    • Die Pluralform ist entscheidend: In jeder Untersuchung könnte man nämlich ein völlig anderes Konfidenzintervall bekommen
    • Es gibt nur zwei Möglichkeiten: entweder befindet sich der wahre Wert im Konfidenzintervall ( p = 1) oder nicht p = 0). Die Wahrscheinlichkeit kann also nicht 95%, 99% etc. betragen
      • Leider wissen wir nicht, ob der wahre Wert in einem konkreten Intervall liegt. Wenn man Pech hat, dann liegen sogar völlig unplausible Werte im Konfidenzintervall
        • Die Nützlichkeit der Konfidenzintervalle sehr umstritten
        • Alternative: Bayessche Statistik, z.B. 95% Credibility interval --> In welchem Bereich liegen die plausibelsten Werte?

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319521008908

Tags
#Auswertung #Interpretation #amp
Question
Auswertung: Effektstärken Übersicht
Answer

= Quantifizierung der Stärke des untersuchten Phänomens

  • Mögliche Effektstärkemaße
    • Mittelwertdifferenz
    • Korreltionskoeffizienten
    • risk ration (RR), odds ration (OR) (häufig bei gesundheitspolitischen Fragestellungen; Wertebereich 0; unendlich)
    • Andere Maße: Regressionskoeffizienten (β), Prävalenzrate usw.
  • Berechnung der Effekstärken kann über Webseiten oder Softwarepakete erfolgen
  • Interpretation:
    • Vorsicht, es gibt unterschiedliche Konventionen zur Deutung der praktischen Bedeutsamkeit (z.B. Wirksamkeit der Maßnahme)
      • Konventionen im Bereich Psychologie (Cohen, 1992)
        r d
        Kleiner Effekt .10 .20
        Mittelgroßer Effekt .30 .50
        Großer Effekt .50 .80
    • Die Konventionen von Cohen sind u.U. zu wohlwollend/streng
      • Gignac und Szodorai (2016) analysierten die Verteilung der Effektstärken in 87 Metaanalysen und schlugen die folgenden Cut Off Werte für r im Bereich differentielle Psychologie vor: .10, .20, .30
      • Abhängigkeit von der Fragestellung und vom Forschungsbereich
        • Welche Arten von Variablen werden untersucht? (viele Korrelationen sind <= .33)
        • Die übliche Grenze für große Effekte (r = .50) wird sehr selten erreicht
        • Daher kann es sinnvoll sein, die Effektstärken mit anderen Effekten aus demselben Forschungsbereich zu vergleichen (relative Bewertung)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319525465356

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Effektstärke: Mittelwertsdifferenz


Answer
  • Wertebereich: Minus Unendlich; Unendlich
  • g als korrigiertes d
    • In kleinen Stichproben |g| < |d|. In großen Stichproben g ungefähr gleich d
    • Glass Delta oft größer als g und d, weil die Streuung der KG häufig kleiner als Streuung der EG ist

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill






Flashcard 6319526776076

Tags
#Auswertung #Interpetation #amp
Question
Auswertung: Effektstärken: Korrelationskoeffizienten
Answer
  • zB Produkt-Moment-Korrelation(r), Spearmans rho, Phi-Koeffizient, Distanzkorrelation etc.
  • Wertebereich: meistens -1; +1

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319533067532

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Effektstärke: Risk Ration


Answer
  • auch "Relatives Risiko" (RR)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319535951116

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Effektstärken: Odds Ratio


Answer
  • auch Quotenverhältnis, Chancenverhältnis (OR)
  • Odds: Erfolgswahrscheinlichkeit (p)/ Misserfolgswahrscheinlichkeit (1-p)
  • Odds Ratio: zwei Gruppen werden miteinander verglichen
    • Analog zum RR-Maß: 1 = keine Unterschiede zwischen den Gruppen, die Chancen sind gleich
    • RR und OR sind (fast) gleich bei geringer Prävalenzrate (<10%)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319539096844

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Informationskriterien (Probability vs Likelihood)



statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319541980428

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Informationskriterien: Exkurs zur Likelihood (Beispiel)


Answer

Prävalenz von Depression:

  • Daten (D): N = 200, 29 Personen sind depressiv z = 29
  • Die Prävalenzrate θ theta ) ist unbekannt und soll geschätzt werden
  • Likelihood Funktion : Plausibilität der verfügbaren Daten (D) bei unterschiedlichen Parametervorschlägen θ (Prävalenzrate)
  • Für jeden Parametervorschlag ( Prävalenzrate, x Achse) erhält man einen Likelihoodwert (y Achse)
  • --> Bild
  • In diesem Fall ist es nicht notwendig die Likelihood Werte von mehreren Parameter Vorschlägen zu bestimmen
  • Der Maximum Likelihood Vorschlag lässt sich einfach bestimmen 𝑧/𝑁= 29/200= 0.145
  • Bei relativ einfachen Auswertungsmethoden (Prävalenzrate, t test etc.) muss die Likelihood Funktion nicht untersucht werden, weil die Lösung (Maximum Likelihood ) eindeutig ist
  • Bei komplexen Methoden (z.B. Logistische Regression) müssen unterschiedliche Parametervorschläge ausprobiert werden

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319544601868

Tags
#Auswertung #Interpretation #amp
Question
Auswertung: Informationskriterien: Überblick
Answer

Bei komplexen Modellen (z.B. mehr als 2 Gruppen, mehrere Prädiktoren, mehrere AVen , mehrere Messzeitpunkte) können die Ergebnisse (p Werte, Effektstärken etc.) stark zwischen den Modellen variieren und 𝑅2 liegt nicht immer vor (vgl. Pseudo 𝑅2). Welches Modell soll interpretiert werden?

Lösung: Modellvergleiche anhand von Informationskriterien

  • Informationskriterien als Quantifizierung der Abweichung eines Modells von der Realität
  • Berechnung von Informationskriterien : Üblicherweise werden Likelihood Werte (L) und Modellkomplexität (k) berücksichtigt , z.B
    • Akaike Information Criterion: AIC = 2ln(L) + 2k
    • Bayesian Information Criterion: BIC = 2ln(L) + k*ln(n)
    • Bestrafung komplexer Modelle z.B . viele Prädiktoren im Modell
    • Wertebereich : --∞, ∞ (negative Werte sind besser )

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319546436876

Tags
#Auswertung #Interpretation #amp
Question
Auswertung: Vergleich von Informationskriterien
Answer
  • Likelihood-Ratio-Tests
    • Likelihoods von zwei Modellen werden verglichen
    • Interpretation problematisch (z.B. Vergleich statistisch signifikant, obwohl keine praktisch bedeutsamen Unterschiede vorhanden)
  • Modellgewichte (z.B. wAIC)
    • Die Informationskriterien mehrerer Modelle können verglichen werden
    • Unterschiedlich komplexe Modelle können verglichen werden (z.B. 3 vs. 5 Prädiktoren)
    • Modelle mit unterschiedlichen Sets von Prädiktoren können verglichen werden (z.B. 5 Prädiktoren vs. 5 andere Prädiktoren)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6319550369036

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Informationskriterien: Modellgewichte



statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill






Flashcard 6319943585036

Tags
#Auswertung #Interpretation
Question
Auswertung: Metaanalyse
Answer

= Zusammenfassung der Ergebnisse mehrerer Untersuchungen zu einem bestimmten Thema

  • Berechnung der durchschnittlichen Effektstärke
    • Ergebnisse sind generell aussagekräftiger als bei einzelnen Studien
  • Quantifizierung und Erläuterung der Unterschiede zwischen den Studien
    • Z.B. wann ist die Intervention (Training interkultureller Kompetenzen, Psychotherapie etc.) besonders wirksam? --> Moderatoranalysen (z.B. Psychotherapierichtung, Kulturkreis)
  • Metaanalyse als Entscheidungsgrundlage für wichtige Auftraggeber

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320005188876

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Frequentistische vs. Bayessche Statistik



statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320006499596

Tags
#Auswertung #Interpretation #amp
Question
Auswertung: Bayessche Statistik: Vorteile
Answer
  • Im Gegensatz zu frequentistischen Verfahren kann bei der bayesschen Modellierung das Vorwissen der Diagnostiker/Evaluatoren berücksichtigt werden
    • z.B. welche Ergebnisse sind plausibel (Vorzeichen, Wertebereich usw.)?
    • --> Diese Annahmen werden als Priors bezeichnet
    • Priors werden mit Daten kombiniert und beeinflussen die Ergebnisse
  • Weitere Vorteile: Häufig kleinere Stichproben ausreichend, weniger Konvergenzprobleme bei komplexen Modellen (z.B. logistische Regression, multilevel modelling), Mehr intuitive Interpretation der Ergebnisse (z.B. credibility interval)
  • Problem: Wie wird das Vorwissen begründet? • Z.B. „default priors“, Empfehlungen der Experten, frühere Befunde, metaanalytische Ergebnisse

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320009907468

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Statistik: Priors


Answer
  • Das Vorwissen von Diagnostikern/ Evaluatoren wird in Priors umgewandelt
  • Priors können für verschiedene Modellparameter spezifiziert werden, z.B.
    • Regressionskoeffizienten
    • Konstante (Intercept)
    • Varianz
  • Priors werden mit Hilfe von Verteilungen dargestellt
    • z.B . Normalverteilung, uniforme Verteilung, t Verteilung
    • Der Verteilung kann entnommen werden, welche Werte laut den Forschern plausibel sind (z.B. eher positive Korrelationskoeffizienten)
  • Uniforme Verteilungen werden für Priors nicht empfohlen, weil solche Annahmen unrealistisch sind
    • Bsp. 1: I st ein Korrelationskoeffizient von 1 genauso plausibel wie r = .25?
    • Bsp. 2: Sind negative Varianzwerte genauso plausibel wie positive Varianzwerte?
  • Priors haben v.a. in kleinen Stichproben einen großen Einfluss auf die Ergebnisse
    • In größeren Stichproben ist der Einfluss nur bei absurden Annahmen groß (z.B. r = 1, keine anderen Werte kommen in Frage), was meistens schnell auffällt, z.B.
      • langsame Auswertung
      • schlechte Diagnostikwerte
      • Vergleich der Auswirkungen unterschiedlicher Priorannahmen

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320017771788

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Statistik: Auswertung


Answer

Die Annahmen werden mit Daten kombiniert, um die endgültigen Ergebnisse zu erzielen --> Posterior Verteilung (welche Parameterwerte z.B. Prävalenz sind bei diesen Daten plausibel?)

  • Posterior als Kompromiss zwischen Likelihood & Priors (Evidence unwichtig, nur bei bayesschen Modellvergleichen von Bedeutung)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320020655372

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayes: Schätzung der Prävalenz (θ) von Depressionen


Answer

Beispiel:

  • 3 verschiedene Priors
    • 1 (rot): Uniforme Verteilung: alle Prävalenzwerte (0 1) sind plausibel
    • 2 (blau): Prävalenzrate ≈ 0 wird angenommen
    • 3 (grün): Prävalenzwerte um .50 werden postuliert (etwas niedrigere oder höhere Werte sind aber möglich)
  • Die Likelihood Funktion (mittleres Diagramm) basiert auf denselben Daten und sieht somit in allen drei Fällen gleich aus (29 von 200 Personen sind depressiv)
  • Eventuelle Unterschiede in den Posterior Verteilungen sind also auf die Priors zurückzuführen
  • --> Bild
  • Ähnlich zu frequentistischer Statistik lassen sich Intervalle um den geschätzten Parameter (z.B. Prävalenzrate) bilden --> Credibility interval (highest density interval bzw. HDI)
  • Im Gegensatz zu Konfidenzintervallen können credibility intervals intuitiv interpretiert werden
    • Bsp Unter Berücksichtigung der Daten und Prior Annahmen liegen 95.1% der plausibelsten Werte für die Prävalenz im Bereich .13 -.23
      • Quantifizierung der Unsicherheit möglich (breite Intervalle = mehr Unsicherheit) --> Häufig sinnvoll bei Interventionen/Maßnahmen

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320023538956

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Statistik: Markov Chain Monte Carlo (MCMC)


Answer
  • Analytische Bestimmung der Posterior Verteilung ist selten möglich, sodass Stichproben aus der Posterior Verteilung gezogen werden (vgl. MCMC)
  • Die Form der Posterior Verteilung muss nicht bekannt sein, um aus ihr Stichproben ziehen zu können. Nur die Prior-Likelihood Beziehung muss bekannt sein (vgl. Puppies Folie)
  • Markov Chain Monte Carlo (MCMC)
    • Kette von Werten wird generiert. Es handelt sich um Vorschläge für die gesuchten Parameterwerte (z.B. Regressionskoeffizienten b)
    • Bei jeder Durchführung wird eine neue Stichprobe gezogen, sodass eine neue Kette anders aussehen wird
  • Die Form der Posterior Verteilung hängt davon ab, wie oft die einzelnen Parametervorschläge besucht wurden (siehe Bild)
  • Gute Repräsentation der Posterior Verteilung wird dadurch erreicht, dass Sprünge zwischen Parametervorschlägen erzwungen werden
  • Nicht alle Parametervorschläge müssen akzeptiert werden. Plausible Vorschläge für die gesuchten Parameterwerte werden häufiger als schlechtere Vorschläge durch die Algorithmen angenommen

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320026684684

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Multiple Regression: Beispiel Neurotizismus


Answer
  • Kriterium: Neurotizismus
  • Präiktoren: Geschlecht (1=m, 2=w) und Alter
  • Priors für Regressionsgewichte b:
    • Geschlecht: NV; M=0.2, SD=0.1 -> Es wird angenommen, dass Frauen im Schnitt höhere Werte als Männer haben (Streuung um 0.2)
    • Alter: NV; M=0, SD=0.1 -> Es fehlt Vorwissen zu dem Zusammenhang Neurotizismus und Alter (Streuung um 0)
    • Auch für die Konstante (Intercept) wird eine Prior-Verteilung formuliert
  • Mit Hilfe von MCMC werden die Daten und Priors miteinander kombiniert, um die Posterior Verteilung zu schätzen
  • Estimate: Punktschätzung für den Parameter (z.B. 𝑏𝑎𝑔𝑒= 0.01). In der Regel der Mittelwert oder der Median der Posteriorverteilung
    • Intercept : Durchschnittliche Neurotizismusausprägung von Männern (gender = 1) im Alter von 0 J. (3.33)
    • age: Neurotizismus „nimmt mit dem Alter ab“ (-0.01 pro Jahr)
    • gender : Frauen (2) haben im Durchschnitt höhere Neurotizismuswerte (um 0.31) als Männer (1)
    • CI: Grenze des Credibility intervals (in welchem Bereich liegen die plausibelsten Parameterwerte
    • R2: 𝑅^2(durch das Modell erklärte Varianz)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill






Flashcard 6320027995404

Tags
#Auswertung #Interpretation #amp
Question
Sensitivitätsanalysen: Forking paths: Einführung
Answer

Im Rahmen der Untersuchung müssen Diagnostiker/Evaluatoren viele Entscheidungen treffen, was manchmal mit der forking paths Analogie veranschaulicht wird (verzweigte Pfade)

  • Wahl der Stichprobenziehungsmethode
  • Wahl des Designs
  • Wahl der Operationalisierungen
  • Wahl der Ausschlusskriterien
  • Wahl der Strategie zum Umgang mit fehlenden Werten
  • Wahl der Auswertungsmethoden usw.

Diagnostiker/Evaluatoren können also an mehreren Stellen die Ergebnisse der Untersuchung mehr oder weniger bewusst verzerren

--> Transparanz (Dokumentation der Schritte, Open Data etc.) sehr wichtig

Neuerdings werden s.g. Sensitivitätsanalysen oder Multiverse Analysen durchgeführt, um die Robustheit der Ergebnisse zu kontrollieren

  • Erhält man ähnliche Ergebnisse bei unterschiedlichen Strategien (z.B. andere Operationalisierungen oder Ausschlusskriterien)?
  • Falls die Ergebnisse sehr stark von der gewählten Analysestrategie abhängig sind, dann sind sie nicht robust und diese Unsicherheit muss berichtet werden
  • Oft gibt es deutlich mehr als „nur“ ca. 200 Szenarien, aber es ist nicht empfehlenswert/möglich alle Szenarien zu analysieren
  • Man soll sich nur auf sinnvolle Szenarien (Operationalisierungen etc.) konzentrieren. Wenn man keine Effekte mit komischen Szenarien findet, dann wird dadurch nichts widerlegt
  • Empfehlung: Nicht nur p Werte der Analysen vergleichen, sondern auch andere Informationen (z.B. Effektstärken, Vorzeichen der Effekte)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320031403276

Tags
#Auswertung #Interpretation #has-images
Question
Sensititvitätsanalyse: Beispiel für eine Multiverse-Auswertung


Answer
  • Theoretische Überlegung: Wo hätte man etwas anders machen können?
    • Verschiedene Variablen Operationalisierungen
    • Verschiedene Methoden
    • Verschiedene Auschlussmethoden
  • Bild:
    • Zellen: p-Werte
    • Abhängigkeit der statistischen Signifikanz von 5 (R, F, EC, ECL, NMO) untersuchungsbezogenen Entscheidungen (grau = p ≤ .05)
    • Man sieht, dass die Ergebnisse sehr stark von den gewählten Strategien abhängig sind (z.B. R2 oder NM03 führen selten zu kleinen p Werten)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320181611788

Tags
#Entscheidungsfindungs
Question
Warum Entscheidungsfindung?
Answer

Diagnostik/Evaluation erfordert oft eine Integration der Befunde (Testwerte, Effekte), z.B.

  • Mehrere Konstrukte sind relevant (z.B. positive und negative Merkmale/Effekte)
  • Doppelbelegregel: Verschiedene Methoden wurden verwendet um ein Konstrukt zu erfassen (z.B. Selbstbericht vs. Fremdbericht, Fragebogen vs. Beobachtung)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320185019660

Tags
#Entscheidungsfindung #has-images
Question
Klinische vs. statistische Urteilsfindung (Überblicktabelle)



statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320186330380

Tags
#Entscheidungsfindung
Question
Kompensatorische vs. non-kompensatorische Strategien (Überblick)
Answer

Im Rahmen von Auswahlverfahren (Personen, Produkte, Maßnahmen) ist eine Unterscheidung zwischen kompensatorischen und non- kompensatorischen Entscheidungsstrategien sinnvoll

  • Kompensatorisch
    • Schlechte Ausprägungen bestimmter Merkmale können durch gute Ausprägungen anderer Merkmale kompensiert werden
    • Bsp. Eine relativ niedrige Intelligenzausprägung kann durch hohe Gewissenhaftigkeit kompensiert werden
  • Non-kompensatorisch
    • Kompensation durch andere erfasste Merkmale ist nicht möglich
      • Disjunktives Vorgehen = Min. eine Anforderung musst erfüllt sein
      • Konjunktives Vorgehen = Alle Anforderungen müssen erfüllt sein
      • Lexikographische Ordnung
        • Die Wichtigkeit der Merkmale wird festgelegt
        • Vergleich der Kandidat:innen in Bezug auf das wichtigste Merkmal
        • Wenn Ausprägungen im wichtigsten Merkmal gleich, dann zweitwichtigstens Merkmal
  • Individuelle Ausprägungen können mit Hilfe von tabellen und Radar plots veranschaulicht werden

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320189738252

Tags
#Entscheidungsfindung
Question
Nutzenbestimmung (Überblick)
Answer

Sowohl bei der diagnostischen Veränderungsmessung (z.B. 1. Therapie Sitzung vs. 15. Therapiesitzung) als auch bei der Evaluation von Maßnahmen/Interventionen ist man oft an Effekten interessiert

  • Problem: Konzepte wie Wirkung , Wirksamkeit Erfolg und Effekt werden oft austauschbar verwendet
    • Am ehesten wird zwischen Wirksamkeit und Wirkung differenziert
      • Wirksamkeit als Nachweis intendierter erwünschter Effekte
      • Wirkungen können beabsichtigte und unbeabsichtigte positive und negative Effekte umfassen
  • Bei der Nutzenbestimmung von Maßnahmen soll man möglichst viele relevante Aspekte berücksichtigen (z.B. psychisches Wohlbefinden, körperliche Konsequenzen, monetäre Vorteile)
  • Idealerweise soll die Entscheidungsfindung auf Kosten-Nutzen-Vergleichen basieren, z.B.
    • Netto-Nutzen: 𝑁𝑢𝑡𝑧𝑒𝑛 - 𝐾𝑜𝑠𝑡𝑒𝑛
    • Nutzen-Quote: 𝑁𝑢𝑡𝑧𝑒𝑛 / 𝐾𝑜𝑠𝑡𝑒𝑛
    • Profitrate: (𝑁𝑒𝑡𝑡𝑜−𝑁𝑢𝑡𝑧𝑒𝑛) / 𝐾𝑜𝑠𝑡𝑒𝑛
  • Der Nutzen kann z.B. auf mehreren Effektstärken basieren, die sich auf unterschiedliche Outcomes beziehen (z.B. psychisches Wohlbefinden, Reduktion körperlicher Symptome). Ggfs. eine Umrechnung in finanzielle Ersparnisse (z.B. für das Gesundheitssystem, den Steuerzahler usw.)
  • Kosten können ebenfalls auf Effektstärken basieren (z.B. negative Wirkungen) oder monetär betrachtet werden (z.B. Behandlungskosten, Fehlzeiten, erforderliche Umstrukturierungen im Unternehmen)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320191573260

Tags
#Entscheidungsfindung
Question
Nutzenbestimmung: Datenbanken
Answer

In manchen Bereichen gibt es Datenbanken, die zur Nutzenbestimmung genutzt werden können

  • Whatworksgrowth.org: Bewertung von wirtschaftlichen Maßnahmen
  • Crime Reduction Toolkit: Bewertung von kriminalitätsbezogenen Maßnahmen
  • Education Endowment Foundation: Bewertung von Interventionen im Bildungsbereich

Die verfügbare Evidenz wird manchmal anschaulich zusammengefasst, z.B.

  • Effektgröße
  • Sicherheit
  • Kosten

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320193670412

Tags
#Entscheidungsfindung
Question
Probleme von Kosten-Nutzen.Analysen
Answer
  • Wann ist eine Analyse vollständig? Welche Informationen werden benötigt?
  • Die monetäre Umrechnung der Wirkungen ist oft arbiträr (z.B. wie viel ist eine hohe Lebenszufriedenheit wert?)
  • Für manche Schätzungen gibt es keine Quellen/Studien, sodass die Annahme nicht unbedingt plausibel ist

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320195505420

Tags
#Entscheidungsfindung
Question
Kommunikation der Ergebnosse (warum? wie?)
Answer
  • Auftraggeber bzw. Geldgeber verlangen meistens, dass die Untersuchungsergebnisse intern und/oder öffentlich kommuniziert werden
  • Die Richtlinien variieren dabei sehr stark (Umfang/Dauer, Sprache etc.)
    • Oral: z.B. Vorträge, Workshops, Persönliche Gespräche
    • Schriftlich: Evaluationsbericht, Gutachten, Fachzeitschriftenartikel
  • Verwendung von Tabellen und Diagrammen sinnvoll
    • Begründung: Manche Leser lesen die Texte nicht gründlich

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320197340428

Tags
#Entscheidungsfindung
Question
Kommunikation der Ergebnisse: Evaluationsberichte
Answer
v.a. bei öffentlichen Berichten soll einfache Sprache verwendet werden (Laien als Leser)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320199175436

Tags
#Entscheidungsfindung
Question
Kommunikation der Ergebnisse: Gutachten
Answer
  • • Unterschiedliche Anforderungen (Krankenkassen, Gericht usw.):
    • Umfang, Aufbau etc.
  • Häufig wird der Konjunktiv verwendet, z.B. „Der Patient berichtete mehrfach, dass er depressiv sei
  • Kenntnis der relevanten Gesetze wichtigz.B. § 20 (Strafgesetzbuch) Schuldunfähigkeit wegen seelischer Störungen:
    • "Ohne Schuld handelt, wer bei Begehung der Tat wegen einer krankhaften seelischen Störung, wegen einer tiefgreifenden Bewußtseinsstörung oder wegen Schwachsinns oder einer schweren anderen seelischen Abartigkeit unfähig ist, das Unrecht der Tat einzusehen oder nach dieser Einsicht zu handeln"
      • Krankhafte seelische Störung: Psychosen (z.B. durch Alkohol oder Schizophrenie)
      • Tiefgreifende Bewusstseinsstörung: akute Belastungsreaktion (z.B. Erschöpfung, Ermüdung)
      • Schwachsinn: Intelligenzminderung
      • Schwere andere seelische Abartigkeit: Persönlichkeitsstörungen, Drogenabhängigkeit

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 6320201010444

Tags
#Entscheidungsfindung
Question
Kommunikation der Ergebnisse: Fachzeitschriftenartikel
Answer
  • Fachsprache, d.h. Vorwissen in bestimmten Bereichen wird vorausgesetzt
    • Vgl. designspezifische Empfehlungen der APA
      • Z.B. Experimente, Längsschnittstudien, Einzelfallstudien, Metaanalysen, Qualitative Analysen, Mixed methods Studien

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Like land (lithosphere) and water (hydrosphere), the atmosphere is an integral part of the earth.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
file Atmosphere Our planet earth is enveloped by a deep blanket of gases extending several thousands of kilometres above its surface. This gaseous cover of the earth is known as the atmosphere. <span>Like land (lithosphere) and water (hydrosphere), the atmosphere is an integral part of the earth. Compared to the earth’s radius, the atmosphere appears to be only a very thin layer of gases. However, because of the force of gravity, it is inseparable from the earth. Atmospheric pre




The atmospheric pressure at sea level is 1034 gm per square centimeter.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
ospheric pressure: The air exerts pressure on earth’s surface by virtue of its weight. This pressure is called atmospheric pressure. Atmospheric pressure is the most important climatic element. <span>The atmospheric pressure at sea level is 1034 gm per square centimeter. Role of Earth’s Atmosphere The atmosphere contains various gases like oxygen, carbon dioxide, nitrogen etc. Plants require carbon dioxide to survive while animals and many other organis




the atmosphere regulates the entry of solar radiation.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
f frequencies of solar radiation to carry out their biophysical processes. The atmosphere absorbs certain frequencies and lets through some other frequencies of solar radiation. In other words, <span>the atmosphere regulates the entry of solar radiation. The atmosphere also keeps the temperature over the earth’s surface within certain limits. In the absence of the atmosphere extremes of temperature would exist between day and night over




The atmosphere also keeps the temperature over the earth’s surface within certain limits. In the absence of the atmosphere extremes of temperature would exist between day and night over the earth’s surface.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
physical processes. The atmosphere absorbs certain frequencies and lets through some other frequencies of solar radiation. In other words, the atmosphere regulates the entry of solar radiation. <span>The atmosphere also keeps the temperature over the earth’s surface within certain limits. In the absence of the atmosphere extremes of temperature would exist between day and night over the earth’s surface. Harmful ultraviolet radiation would find its way through, if the atmosphere (ozone in stratosphere to be specific) were absent. The atmosphere also takes care of extra-terrestrial objec




Harmful ultraviolet radiation would find its way through, if the atmosphere (ozone in stratosphere to be specific) were absent
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
e also keeps the temperature over the earth’s surface within certain limits. In the absence of the atmosphere extremes of temperature would exist between day and night over the earth’s surface. <span>Harmful ultraviolet radiation would find its way through, if the atmosphere (ozone in stratosphere to be specific) were absent. The atmosphere also takes care of extra-terrestrial objects like meteors which get burnt up while passing through the atmosphere (mesosphere to be precise) due to friction. Weather is




The atmosphere is a mixture of many gases. In addition, it contains huge numbers of solid and liquid particles, collectively called ‘aerosols’.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
ber of natural and man-made processes like plant growth, agriculture, soil-formation, human settlements, etc. Various climatic factors join together to create weather. Composition of Atmosphere <span>The atmosphere is a mixture of many gases. In addition, it contains huge numbers of solid and liquid particles, collectively called ‘aerosols’. Some of the gases may be regarded as permanent atmospheric components which remain in fixed proportion to the total gas volume. Other constituents vary in quantity from place to place a




oxygen will be almost in negligible quantity at the height of 120 km.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
tmosphere, then the dry air is very stable all over the earth up to an altitude of about 80 kilometres. The proportion of gases changes in the higher layers of the atmosphere in such a way that <span>oxygen will be almost in negligible quantity at the height of 120 km. Similarly, carbon dioxide and water vapour are found only up to 90 km from the surface of the earth. Nitrogen and oxygen make up nearly 99% of the clean, dry air. The remaining gases ar




carbon dioxide and water vapour are found only up to 90 km from the surface of the earth.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
f about 80 kilometres. The proportion of gases changes in the higher layers of the atmosphere in such a way that oxygen will be almost in negligible quantity at the height of 120 km. Similarly, <span>carbon dioxide and water vapour are found only up to 90 km from the surface of the earth. Nitrogen and oxygen make up nearly 99% of the clean, dry air. The remaining gases are mostly inert and constitute about 1% of the atmosphere. Besides these gases, large quantities of wa




Nitrogen and oxygen make up nearly 99% of the clean, dry air. The remaining gases are mostly inert and constitute about 1% of the atmosphere.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
ere in such a way that oxygen will be almost in negligible quantity at the height of 120 km. Similarly, carbon dioxide and water vapour are found only up to 90 km from the surface of the earth. <span>Nitrogen and oxygen make up nearly 99% of the clean, dry air. The remaining gases are mostly inert and constitute about 1% of the atmosphere. Besides these gases, large quantities of water vapour and dust particles are also present in the atmosphere. These solid and liquid particles are of great climatic significance. Differe




oxygen can combine with other elements to form important compounds, such as, oxides.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
tics, are discussed below. Oxygen Oxygen, although constituting only 21% of total volume of atmosphere, is the most important component among gases. All living organisms inhale oxygen. Besides, <span>oxygen can combine with other elements to form important compounds, such as, oxides. Also, combustion is not possible without oxygen. Nitrogen Nitrogen accounts for 78% of total atmospheric volume. It is a relatively inert gas, and is an important constituent of all org




The main function of nitrogen is to control combustion by diluting oxygen
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
ombustion is not possible without oxygen. Nitrogen Nitrogen accounts for 78% of total atmospheric volume. It is a relatively inert gas, and is an important constituent of all organic compounds. <span>The main function of nitrogen is to control combustion by diluting oxygen. It also indirectly helps in oxidation of different kinds. Carbon Dioxide The third important gas is Carbon Dioxide which constitutes only about 03% of the dry air and is a product of c




Being an efficient absorber of heat, carbon dioxide is considered to be of great climatic significance.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
y air and is a product of combustion. Green plants, through photosynthesis, absorb carbon dioxide from the atmosphere and use it to manufacture food and keep other bio-physical processes going. <span>Being an efficient absorber of heat, carbon dioxide is considered to be of great climatic significance. Carbon dioxide is considered to be a very important factor in the heat energy budget. With increased burning of fossil fuels – oil, coal and natural gas – the carbon dioxide percentage




More carbon dioxide in the atmosphere means more heat absorption. This could significantly raise the temperature at lower levels of the atmosphere thus inducing drastic climatic changes.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
t factor in the heat energy budget. With increased burning of fossil fuels – oil, coal and natural gas – the carbon dioxide percentage in the atmosphere has been increasing at an alarming rate. <span>More carbon dioxide in the atmosphere means more heat absorption. This could significantly raise the temperature at lower levels of the atmosphere thus inducing drastic climatic changes. Ozone (03) Ozone (03) is another important gas in the atmosphere, which is actually a type of oxygen molecule consisting of three, instead of two, atoms. It forms less than 0.00005% by




20 km and 25 km altitude that the greatest concentrations of ozone are found. It is formed at higher altitudes and transported downwards.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
phere, which is actually a type of oxygen molecule consisting of three, instead of two, atoms. It forms less than 0.00005% by volume of the atmosphere and is unevenly distributed. It is between <span>20 km and 25 km altitude that the greatest concentrations of ozone are found. It is formed at higher altitudes and transported downwards. Ozone plays a crucial role in blocking the harmful ultraviolet radiation from the sun. Other gases found in almost negligible quantities in the atmosphere are neon, helium, hydrogen, xe




Ozone plays a crucial role in blocking the harmful ultraviolet radiation
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
e atmosphere and is unevenly distributed. It is between 20 km and 25 km altitude that the greatest concentrations of ozone are found. It is formed at higher altitudes and transported downwards. <span>Ozone plays a crucial role in blocking the harmful ultraviolet radiation from the sun. Other gases found in almost negligible quantities in the atmosphere are neon, helium, hydrogen, xenon, krypton, methane etc. Water Vapour Water Vapour is one of the most v




Water Vapour is one of the most variable gaseous substances present in atmosphere – constituting between 02% and 4% of the total volume (in cold dry and humid tropical climates respectively).
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
locking the harmful ultraviolet radiation from the sun. Other gases found in almost negligible quantities in the atmosphere are neon, helium, hydrogen, xenon, krypton, methane etc. Water Vapour <span>Water Vapour is one of the most variable gaseous substances present in atmosphere – constituting between 02% and 4% of the total volume (in cold dry and humid tropical climates respectively). 90% of moisture content in the atmosphere exists within 6 km of the surface of the earth. Like carbon dioxide, water vapour plays a significant role in the insulating action, of the atm




90% of moisture content in the atmosphere exists within 6 km of the surface of the earth.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
r Water Vapour is one of the most variable gaseous substances present in atmosphere – constituting between 02% and 4% of the total volume (in cold dry and humid tropical climates respectively). <span>90% of moisture content in the atmosphere exists within 6 km of the surface of the earth. Like carbon dioxide, water vapour plays a significant role in the insulating action, of the atmosphere. It absorbs not only the long-wave terrestrial radiation (infrared or heat emitted




It absorbs not only the long-wave terrestrial radiation (infrared or heat emitted by earth during nights)
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
90% of moisture content in the atmosphere exists within 6 km of the surface of the earth. Like carbon dioxide, water vapour plays a significant role in the insulating action, of the atmosphere. <span>It absorbs not only the long-wave terrestrial radiation (infrared or heat emitted by earth during nights), but also a part of the incoming solar radiation. Water vapour is the source of precipitation and clouds. On condensation, it releases latent heat of condensation —the ultimate driving




The solid particles are, consequently, responsible for the orange and red colours at sunset and sunrise and for the length of dawn (the first appearance of light in the sky before sunrise) and twilight (the soft glowing light from the sky when the sun is below the horizon, caused by the reflection of the sun’s rays by the atmosphere. Dusk: the darker stage of twilight.)
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
yers of the atmosphere may even have fragments of meteors which got burnt up in the atmosphere. These solid particles perform the function of absorbing, reflecting and scattering the radiation. <span>The solid particles are, consequently, responsible for the orange and red colours at sunset and sunrise and for the length of dawn (the first appearance of light in the sky before sunrise) and twilight (the soft glowing light from the sky when the sun is below the horizon, caused by the reflection of the sun’s rays by the atmosphere. Dusk: the darker stage of twilight.). The blue colour of the sky is also due to selective scattering by dust particles. Some of the dust particles are hygroscopic (i.e. readily absorbing moisture from air) in character, an




Some of the dust particles are hygroscopic (i.e. readily absorbing moisture from air) in character, and as such, act as nuclei of condensation.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
he horizon, caused by the reflection of the sun’s rays by the atmosphere. Dusk: the darker stage of twilight.). The blue colour of the sky is also due to selective scattering by dust particles. <span>Some of the dust particles are hygroscopic (i.e. readily absorbing moisture from air) in character, and as such, act as nuclei of condensation. Thus, dust particles are an important contributory factor in the formation of clouds, fog and hailstones. Major Greenhouse Gases Carbon dioxide Carbon dioxide is meteorologically a very




On condensation, it releases latent heat of condensation —the ultimate driving force behind all storms.
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

Atmosphere: Role, Structure &amp; Composition | PMF IAS
y the long-wave terrestrial radiation (infrared or heat emitted by earth during nights), but also a part of the incoming solar radiation. Water vapour is the source of precipitation and clouds. <span>On condensation, it releases latent heat of condensation —the ultimate driving force behind all storms. The moisture – carrying capacity of air is directly proportional to the air temperature. Solid Particles The Solid Particles present in the atmosphere consist of sand particles (from we