Ergebnisse der Studiengangsevaluation 2024

N gibt die Anzahl der untersuchten Fälle (z. B. befragte Personen) in einer Studie an. Eine größere Stichprobe erhöht die Aussagekraft der Ergebnisse.

Die ordinale Regression wird verwendet, um die Beziehung zwischen einer oder mehreren unabhängigen Variablen und einer ordnungsgemäß kategorisierten abhängigen Variablen zu analysieren, bei der die Kategorien eine natürliche Rangfolge besitzen (z.B. „schlecht“, „mittel“, „gut“). Sie ermöglicht es, die Wahrscheinlichkeit für jede Kategorie der abhängigen Variablen in Abhängigkeit von den unabhängigen Variablen zu schätzen.

R² gibt an, wie viel Prozent der Varianz einer abhängigen Variable durch die unabhängigen Variablen im Modell erklärt werden können. Ein höherer Wert bedeutet eine bessere Modellanpassung.

Der p-Wert zeigt an, wie wahrscheinlich es ist, dass ein beobachteter Effekt zufällig auftritt. Ein p-Wert unter 0,05 wird häufig als Hinweis auf statistische Signifikanz gewertet.

Ein Ergebnis gilt als signifikant, wenn die Wahrscheinlichkeit, dass es durch Zufall zustande gekommen ist, unter einem festgelegten Schwellenwert (z. B. 0,05) liegt. Signifikanz bedeutet, dass ein Zusammenhang oder Unterschied statistisch belegbar ist.

Der Koeffizient B gibt an, wie stark und in welche Richtung eine unabhängige Variable die abhängige Variable beeinflusst. Ein positiver Wert zeigt einen positiven Zusammenhang, ein negativer Wert einen negativen Zusammenhang.

Die logistische Regression untersucht den Einfluss von unabhängigen Variablen auf eine binäre abhängige Variable und schätzt die Wahrscheinlichkeit, dass ein bestimmtes Ereignis eintritt. Die Ergebnisse werden oft als Odds Ratios (Exp(B)) interpretiert, die den Einfluss jeder unabhängigen Variablen auf die Wahrscheinlichkeit des Ereignisses angeben.

Exp(B) gibt an, um welchen Faktor sich die Wahrscheinlichkeit eines Ereignisses ändert, wenn die unabhängige Variable um eine Einheit steigt. Werte über 1 deuten auf eine Erhöhung, Werte unter 1 auf eine Verringerung der Wahrscheinlichkeit hin.

Der Chi-Quadrat-Test prüft, ob ein Zusammenhang zwischen zwei kategorialen Variablen besteht. Ein hoher χ²-Wert weist auf eine stärkere Abweichung von der Zufallsverteilung hin.

Cohen’s f² misst die Stärke des Einflusses einer unabhängigen Variable auf die abhängige Variable in einer Regression. Werte von 0,02 gelten als kleiner, 0,15 als mittlerer und 0,35 als großer Effekt.