Strukturgleichungsmodelle (SEM) sind ein mächtiges Werkzeug, um komplexe Zusammenhänge zwischen beobachtbaren und latenten Variablen zu analysieren. Das R-Paket lavaan (latent variable analysis) bietet eine benutzerfreundliche und zugleich leistungsstarke Umgebung für SEM in R. In diesem Beitrag zeige ich dir, wie du mit lavaan durchstartest – von der Installation bis zur Modellinterpretation.
Das Cross-Lagged Panel Model (CLPM) ist eine statistische Methode, die in Längsschnittstudien verwendet wird, um die Richtung und Stärke von Beziehungen zwischen Variablen über die Zeit hinweg zu analysieren. Es ermöglicht Forschenden, potenzielle Kausalzusammenhänge zu identifizieren, indem es die wechselseitigen Einflüsse zweier Variablen zu verschiedenen Zeitpunkten untersucht.
Inhalt Angabe Abstract Datenerhebung R-Skript zur Datenanalyse Output des R-Skripts (Auszug) Prüfungsfragen Lösungsschema Angabe Abstract In der vorliegenden Studie wurde untersucht, ob ein Zusammenhang zwischen der täglichen Bildschirmzeit und der subjektiv wahrgenommenen Schlafqualität bei Studierenden besteht. Dazu wurden 30 Studierende…
Inhalt Einfache Regression Multiple lineare Regression Interaktionen (Moderation Multikollinearität Häufige Stolperfallen Die R-Befehle in der Übersicht Mini-Projekt: mtcars-Daten Fazit Stell Dir vor, Du möchtest auf Basis einer einzigen Zahl, z. B. Lernzeit in Stunden, deine Prüfungsnote abschätzen. Oder Du hast…
Inhalt Pearson-Korrelation ($r$) Rangkorrelation (Spearman $\rho$) Kendall-Tau ($\tau$) Visualisierung Vergleich & Entscheidungshilfe Beispielstudie In vielen Forschungsprojekten willst Du herausfinden, ob und wie stark zwei Merkmale zusammenhängen – etwa Körpergröße ↔ Gewicht, Lernzeit ↔ Prüfungsnote oder CO₂-Ausstoß ↔ Einkommen. Dafür liefern…
Inhalt Angabe Fallbeschreibung Informationen zur Datenerhebung R-Skript mit Datenanalyse R-Output (Auszug) Prüfungsfragen Musterlösung Angabe Fallbeschreibung In einer experimentellen Studie wurde untersucht, ob ein vierwöchiges Achtsamkeitstraining die Stressbewältigungskompetenz von Studierenden verbessert. Drei Gruppen wurden verglichen: eine Achtsamkeitsgruppe, eine Entspannungsgruppe und eine…
Inhalt Angabe Fallbeschreibung R-Skript Output Fragen Interpretation des Outputs Theoretische und methodische Grundlagen Reflexion und Anwendung Musterlösung Interpretation des Outputs Theoretische und methodische Grundlagen Reflexion und Anwendung Angabe Fallbeschreibung Ziel dieser Studie war es zu untersuchen, ob ein zweiwöchiges Achtsamkeitstraining…
Wenn Daten nicht normalverteilt sind, bietet der Kruskal-Wallis-Test in SPSS eine robuste Alternative zur einfaktoriellen ANOVA. In dieser Übung untersuchst du Reaktionszeiten unter drei Bedingungen und lernst, wie du die Voraussetzungen prüfst, den Kruskal-Wallis-Test korrekt anwendest und die Ergebnisse interpretierst – inklusive eines geeigneten Post-hoc-Tests. Ideal zum Wiederholen und Festigen deiner Kenntnisse in SPSS oder PSPP.
In dieser Übung lernst du, wie du mit der einfaktoriellen Varianzanalyse (One-Way-ANOVA) in R prüfst, ob sich die durchschnittliche Arbeitszufriedenheit zwischen drei Abteilungen signifikant unterscheidet. Du wirst die Daten manuell aufbereiten, die Voraussetzungen der ANOVA überprüfen und die Analyse inklusive eines Tukey-Post-hoc-Tests durchführen. Diese praxisnahe Aufgabe hilft dir, statistische Methoden gezielt auf reale Fragestellungen anzuwenden
Inhalt Beispiel: Achtsamkeitstraining und Stress 1. Daten in SPSS eingeben 2. Repeated Measures ANOVA durchführen a) Faktor definieren b) Zuordnen der Messzeitpunkte c) Optionen einstellen 3. Ergebnisse interpretieren a) Mauchly-Test auf Sphärizität b) ANOVA-Tabelle (Within-Subjects-Effekte) 4. Post-hoc-Tests (Zeitpunkte vergleichen) 5.…