Arten-pro-Fläche-Formel

Nach der "Arten-pro-Fläche"-Formel geht man davon aus, daß die Anzahl der verschiedenen Arten von Lebewesen, die in einem Lebensraum existieren, um die Hälfte zurückgeht, wenn dessen Fläche um 90% reduziert wird. [Der Rest der Arten stirbt dann aus, wenn die verbleibenden 10% wegfallen.] Daraus, daß zum Beispiel bedeutende Waldgebiete in den Tropen auf kaum 10% ihrer Fläche reduziert wurden, lassen sich Aussagen ableiten, daß 10-40% der Arten, die darin leben, kurz vor dem Aussterben stehen oder bereits ausgestorben sind (vgl. Wilson et al. 2001, S.3-5).

Elastizität

Hypergeometrische Verteilung

Scheinkorrelation

Lineare Regression / r-Wert

Der Korrelationskoeffizient r zwischen zwei Zufallsvariablen X und Y ist definiert als Quotient aus der Kovarianz dieser beiden Zufallsvariablen und dem Produkt ihrer Standardabweichungen (vgl. Stein+Noack 2006, S.16). Nach den Konventionen gilt ein r-Wert bis 0.1 als schwacher, bis 0.3 als moderater und bis 0.5 als starker Effekt. Der Vorteil von r ist die direkte Interpretierbarkeit. Allerdings sagt r nichts über die Stärke einer Veränderung aus (vgl. Meyer 2006, S.55).

Pfadanalyse / Pfadkoeffizient

Der Korrelationskoeffizient r zwischen zwei Zufallsvariablen X und Y ist die Summe mehrerer Größen, wobei kausale und nicht-kausale Effekte miteinander vermischt werden: Als kausale Effekte werden der direkte und der indirekte Effekt bezeichnet. Der direkte Effekt wird durch den sogenannten Pfadkoeffizienten (auch als p bezeichnet) ausgedrückt. Dieser ist ein standardisierter partieller Regressionskoeffizient (Beta-Wert), der das Maß und die Richtung einer direkten Wirkung zwischen zwei verknüpften Größen angibt. Der indirekte Effekt wird durch einen Koeffizienten i ausgedrückt, der von X aus auf Y über andere Variablen wirkt. Als nicht-kausale Effekte treten die sog. Scheinkomponente und sog. korrelierte Effekte auf. Als Scheinkomponente werden Effekte von Variablen gemeint, die jeweils gemeinsam auf die Variablen X und Y wirken. Als korrelierte Effekte werden Wirkungen von solchen mit X und Y gleichermaßen verknüpften Variablen V und W bezeichnet, die ihrerseits miteinander korreliert sind. Entsprechend wird bei der Berechnung der Wert des Pfades noch mit dem Korrelationskoeffizienten r(V,W) gewichtet (vgl. Köpke 2007, S.4; Langer 2003, S.4).

d-Wert

Cohens d-Wert ist definiert als Quotient aus der Differenz der Mittelwerte einer abhängigen Variable vor und nach einem Versuch und der sog. "gepoolten Streuung von Prä- und Postgruppe" (= Standardabweichung). Im allgemeinen entspricht der d-Wert ungefähr dem Doppelten des r-Wertes. Nach den Konventionen gilt ein d-Wert bis 0.2 als schwacher, bis 0.5 als moderater und bis 0.8 als starker Effekt. d = 1 heißt, der Mittelwert der Post-Verteilung ist um eine Standardabweichung gegenüber der Prä-Verteilung verschoben (vgl. Meyer 2003, S.54f.)

Beta-Wert

Der ß-Wert wird auch als standardisierter Regressionskoeffizient bezeichnet. Er zeigt an, wie groß der Erklärungsbeitrag der jeweiligen Variable ist. Erzeugt wird er mit Hilfe der Methode der kleinsten Fehlerquadrate, wenn alle beteiligten Variablen vor der Analyse z-transformiert werden (vgl. Holzer 2006, S.29). Im Rahmen von multiplen Regressionsanalysen können hohe Beta-Werte, die mit einer Variablen assoziiert sind, darauf hindeuten, daß diese Varianzanteile wichtiger anderer Variablen unterdrückt (sog. Suppressionseffekt) (vgl. ebd., S.32).

LISREL-Methodik / t-Wert

Der t-Wert erlaubt die Überprüfung eines Pfades auf statistische Signifikanz. Ist ein Pfad nicht statistisch signifikant, kann er aus dem Modell entfernt werden, ohne daß dieses dadurch in seiner Güte verschlechtert würde. Im LISREL-Ansatz betrachtet man Pfade ab einem t-Wert von 2 als signifikant (vgl. Satow 1999, S.19). Zusätzlich liefert noch einen Modifikationsindex, der angibt, wie sich die Güte eines Modells verbessern würde, würde ein bisher nicht zugelassener Pfad zusätzlich zugelassen (vgl. Schneider 2001, S.195).

Logistische Regression / Exp(B)-Wert

Ein Exp(B)-Wert drückt das Ausmaß aus, in dem die Wahrscheinlichkeit des Auftretens einer abhängigen Variable zunimmt, wenn die Ausprägung einer unabhängigen Variable um eine Stufe erhöht wird. Alternativ wird auch der B-Wert angegeben, der gerade der natürliche Logarithmus des Exp(B)-Wertes ist.

Effektstärke / z-Wert

Die z-Transformierte der Variablen X ist definiert als Quotient aus (1.) der Abweichung der Ausprägung dieser Zufallsvariablen von deren arithmetischem Mittelwert (Durchschnitt) und (2.) ihrer Standardabweichung. Durch die z-Transformation erhält eine Variable einen neuen Mittelwert von 0 und eine Varianz von 1 (vgl. Stein+Noack 2006, S.16f.). Dadurch werden Meßwerte unterschiedlicher Dimensionen, Maßeinheiten und Verteilungen miteinander vergleichbar (vgl. Holzer 2002, S.5).

Quellen für diesen Abschnitt