](/media/header/writing_math.jpg)
Vorbereitung
Laden Sie zunächst den Datensatz
fb26von der pandar-Website. Alternativ können Sie die fertige R-Daten-Datei hier herunterladen. Beachten Sie in jedem Fall, dass die Ergänzungen im Datensatz vorausgesetzt werden, teils inklusive derer, die erst im Beitrag vorgenommen werden. Die Bedeutung der einzelnen Variablen und ihre Antwortkategorien können Sie dem Dokument Variablenübersicht entnehmen.
Datenaufbereitung
#### Was bisher geschah: ----
# Daten laden
load(url('https://pandar.netlify.app/daten/fb26.rda'))
# Nominalskalierte Variablen in Faktoren verwandeln
fb26$hand_factor <- factor(fb26$hand,
levels = 1:2,
labels = c("links", "rechts"))
fb26$fach <- factor(fb26$fach,
levels = 1:5,
labels = c('Allgemeine', 'Biologische', 'Entwicklung', 'Klinische', 'Diag./Meth.'))
fb26$ziel <- factor(fb26$ziel,
levels = 1:4,
labels = c("Wirtschaft", "Therapie", "Forschung", "Andere"))
fb26$wohnen <- factor(fb26$wohnen,
levels = 1:4,
labels = c("WG", "bei Eltern", "alleine", "sonstiges"))
fb26$fach_klin <- factor(as.numeric(fb26$fach == "Klinische"),
levels = 0:1,
labels = c("nicht klinisch", "klinisch"))
fb26$ort <- factor(fb26$ort, levels=c(1,2), labels=c("FFM", "anderer"))
fb26$job <- factor(fb26$job, levels=c(1,2), labels=c("nein", "ja"))
fb26$unipartys <- factor(fb26$uni3,
levels = 0:1,
labels = c("nein", "ja"))
# Rekodierung invertierter Items
fb26$mdbf4_r <- -1 * (fb26$mdbf4 - 4 - 1)
fb26$mdbf11_r <- -1 * (fb26$mdbf11 - 4 - 1)
fb26$mdbf3_r <- -1 * (fb26$mdbf3 - 4 - 1)
fb26$mdbf9_r <- -1 * (fb26$mdbf9 - 4 - 1)
fb26$mdbf5_r <- -1 * (fb26$mdbf5 - 4 - 1)
fb26$mdbf7_r <- -1 * (fb26$mdbf7 - 4 - 1)
# Berechnung von Skalenwerten
fb26$wm_pre <- fb26[, c('mdbf1', 'mdbf5_r',
'mdbf7_r', 'mdbf10')] |> rowMeans()
fb26$gs_pre <- fb26[, c('mdbf1', 'mdbf4_r',
'mdbf8', 'mdbf11_r')] |> rowMeans()
fb26$ru_pre <- fb26[, c("mdbf3_r", "mdbf6",
"mdbf9_r", "mdbf12")] |> rowMeans()
# z-Standardisierung
fb26$ru_pre_zstd <- scale(fb26$ru_pre, center = TRUE, scale = TRUE)
Untersuchen Sie folgende Fragestellungen anhand des fb26-Datensatzes
Denken Sie dabei an Folgendes:
- Deskriptivstatistische Beantwortung der Fragestellung
- Voraussetzungsprüfungen (Normalverteilung bitte optisch überprüfen und den Test dementsprechend wählen - auch wenn n > 30 gegeben ist)
- Spezifikation der Hypothesen und des Signifikanzniveaus
- Ggf. Berechnung der Effektstärke
- Formales Berichten des Ergebnisses
Aufgabe 1
Unterscheiden sich Studierende, die sich für Allgemeine Psychologie (Variable “fach”) interessieren, im Persönlichkeitsmerkmal Offenheit für neue Erfahrungen (auch Intellekt, Variable “offen”) von Studierenden, die sich für Klinische Psychologie interessieren? Normalverteilung des Merkmals in der Population darf angenommen werden.
Aufgabe 2
Sind Studierende, die außerhalb von Frankfurt wohnen (“ort”), zufriedener im Leben (“lz”) als diejenigen, die innerhalb von Frankfurt wohnen? Nehmen Sie an, dass eine Normalverteilungsannahme nicht haltbar ist.
Aufgabe 3
Ist die Wahrscheinlichkeit dafür, neben dem Studium einen Job (“job”) zu haben, die gleiche für Erstsemesterstudierende der Psychologie, die in einer Wohngemeinschaft wohnen wie für Studierenden, die bei ihren Eltern wohnen (“wohnen”)?