27  Question

Schlüsselwörter

Aufgaben, Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

Die Zielart Erklären hat laut Kapitel zwei unterschiedliche Bedeutungen: Populationsinferenz und Kausalinferenz. Welche der folgenden Forschungsfragen ist ein Beispiel für Populationsinferenz (im Unterschied zu Kausalinferenz)?

27.1 Answerlist

  • “Wie stark ist der (lineare) Zusammenhang \(b\) von Lernzeit und Note im Fach Statistik in der Grundgesamtheit (nicht nur in der Stichprobe)?”
  • “Ist Größe eine Ursache von Gewicht bei deutschen Männern?”
  • “Wenn ich 100 Stunden lerne, welche Note schreibe ich dann deswegen?”
  • “Wie groß ist der Gender-Paygap in der Branche X im Zeitraum Y, gemessen in der vorliegenden Stichprobe?”
  • Populationsinferenz und Kausalinferenz sind exakt dasselbe Konzept mit unterschiedlichem Namen.

28 Solution

Populationsinferenz fragt danach, ob ein in der Stichprobe gefundener Zusammenhang (bzw. Unterschied) auch in der Grundgesamtheit (Population) gilt – ohne notwendigerweise eine kausale Aussage zu treffen. Das Beispiel im Kapitel lautet genau: “Wie stark ist der (lineare) Zusammenhang \(b\) von Lernzeit und Note (im Fach Statistik) in der Grundgesamtheit (nicht in der Stichprobe)?” Die erste Option ist korrekt.

Warum die Distraktoren falsch sind:

  • Die zweite Option (“Ist Größe eine Ursache von Gewicht?”) ist im Kapitel explizit als Beispiel für Kausalinferenz aufgeführt, nicht für Populationsinferenz – hier geht es um eine Ursache-Wirkungs-Beziehung, nicht nur um Verallgemeinerung eines Zusammenhangs auf die Population.
  • Die dritte Option fragt explizit nach einem kausalen Effekt des Lernens (“…deswegen…”), was ebenfalls der Kausalinferenz zuzuordnen ist, nicht der (rein assoziativen) Populationsinferenz.
  • Die vierte Option bezieht sich ausdrücklich nur auf die Stichprobe (“gemessen in der vorliegenden Stichprobe”) und ist damit ein Beispiel für Beschreiben (Deskriptivstatistik), nicht für Populationsinferenz, die gerade über die Stichprobe hinausgeht.
  • Die fünfte Option widerspricht der zentralen Unterscheidung des Kapitels: Populationsinferenz (Verallgemeinerung auf die Population) und Kausalinferenz (Identifikation von Ursache-Wirkung) sind zwei unterschiedliche Bedeutungen von “Erklären”, die im Kapitel explizit getrennt behandelt werden.

28.1 Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

29 Meta-information

exname: erklaeren-population-vs-kausal-schoice extype: schoice exsolution: 10000 exshuffle: 5 excategory: statistik-grundlagen