Enzyklopädie der Psychologie

Transkript

1

2 Enzyklopädie der Psychologie

3 ENZYKLOPÄDIE DER PSYCHOLOGIE In Verbindung mit der Deutschen Gesellschaft für Psychologie herausgegeben von Prof. Dr. Carl F. Graumann, Heidelberg Prof. Dr. Theo Herrmann, Mannheim Prof. Dr. Hans Hörmann, Bochum Prof. Dr. Martin Irle, Mannheim Prof. Dr. Dr. h.c. Hans Thomae, Bonn Prof. Dr. Franz E. Weinert, München Themenbereich B Methodologie und Methoden Serie I Forschungsmethoden der Psychologie Band 5 Hypothesenprüfung Verlag für Psychologie Dr. C. J. Hogrefe Göttingen Toronto Zürich

4 Hypothesenprüfung Herausgegeben von Prof. Dr. Jürgen Bredenkamp, Trier und Prof. Dr. Hubert Feger, Hamburg Verlag für Psychologie Dr. C. J. Hogrefe Göttingen Toronto Zürich

5 by Verlag für Psychologie Dr. C.J. Hogrefe, Göttingen 1983 Alle Rechte, insbesondere das der Übersetzung in fremde Sprachen, vorbehalten. Gesamtherstellung: Allgäuer Zeitungsverlag GmbH, 8960 Kempten (Allgäu) Printed in Germany ISBN

6 Autorenverzeichnis Prof. Dr. Jürgen Bredenkamp Fachbereich I - Psychologie der Universität Trier Schneidershof D Trier Dr. Willi Nagl Universität Konstanz Turnerstraße 6 D Konstanz Dr. Willi Hager Institut für Psychologie der Universität Göttingen Dr. Hans Ueckert Psychologisches Institut II der Universität Hamburg Goßlerstraße 12 Von-MeIle-Park 5 D Göttingen D Hamburg 13 Prof. Dr. Claus Möbus Fachbereich Math./Informatik der Universität Oldenburg Ammerländer Heerstraße D Oldenburg Prof. Dr. Dirk Wendt Institut für Psychologie der Christian-Albrechts-Universität Olshausenstraße 40/60 D Kiel Dr. Rainer Westermann Institut für Psychologie der Universität Göttingen Goßlerstraße 12 D Göttingen

7

8 Inhaltsverzeichnis 1. Kapitel: Übersicht. Von Jürgen Bredenkamp 1. Zur Prüfung sog. Kausalhypothesen Zum Problem der Validität des statistischen Schlusses Dynamische Modelle Kapitel: Planung und Auswertung von Experimenten. Von Willi Hager und Rainer Westermann Vorbemerkungen Einleitung Einige Begriffsbestimmungen Das Experiment als Methode zur Prüfung von Kausalaussagen Die Validität eines Experiments Variablenvalidität (VV) Mangelnde Eindeutigkeit der Zuordnung als Störfaktor (VV) Mangelnde konzeptuelle Replikation als Störfaktor (VV) Mangelnde Entsprechung im Variationsbereich von theoretischen und empirischen Variablen als Störfaktor (VV) Zu geringes Skalenniveau als Störfaktor (VV) Konfundierung von theoretischen Begriffen als Störfaktor (VV) Zusammenfassung Interne Validität Variation personaler und situationaler Merkmale als Störfaktoren (IV)

9 VIII Inhaltsverzeichnis Variation situationaler Merkmale Variation personaler Merkmale Störfaktoren (IV) bei Meßwiederholung Zur Kontrolle der Störfaktoren (IV) bei interindividueller Bedingungsvariation Konstanthaltung und Elimination Randomisierung Einführung eines Kontrollfaktors Zur Kontrolle der Störfaktoren (IV) bei intraindividueller Bedingungsvariation (Meßwiederholung) Versuchspläne mit interindividueller Bedingungsvariation und Vortest Zur Definition des Experiments und anderer Untersuchungsmethoden Populations- und Situationsvalidität Populationsvalidität (PV) Situationsvalidität (SV) Zur Kontrolle der Störfaktoren (PV und SV) Beziehungen zwischen den Validitätsarten Statistische Validität Eine Strategie zur Entscheidung zwischen statistischen Hypothesen: Der Signifikanztest Überblick über verschiedene alternative Strategien Kurzer Abriß einiger Charakteristika von Signifikanztests Mögliche Fehler beim statistischen Testen Fehler unter Gültigkeit der Null-Hypothese (Fehler 1. Art) Fehler unter Gültigkeit der Alternativhypothese (Fehler 2. Art) Die Determinanten eines Signifikanztests Forschungs- und Publikationspraxis I: Signifikanzniveau und p-werte Forschungs- und Publikationspraxis II: Experimentelle Effekte und Teststärke Forschungs- und Publikationspraxis III: Entwicklung einer vorläufigen Zielvorstellung Arten statistischer Hypothesen und ihre Prüfung Gerichtete und ungerichtete Hypothesen und ihre Prüfung Parametrische und nicht-parametrische Hypothesen und ihre Prüfung Zur Wahl zwischen parametrischen und nicht-parametrischen Verfahren

10 Inhaltsverzeichnis Auswertung von Häufigkeitsdaten (Nominal-Niveau) Auswertung von Rangdaten (Ordinal-Niveau) Auswertung von Intervalldaten (Intervall-Niveau) Zur Frage der relativen Effizienz Zusammenfassung Störfaktoren der statistischenvalidität und ihre Ausschaltung Falsche statistische Hypothesen und Verfahren Die wichtigsten Beziehungen zwischen psychologischen und statistischen Hypothesen Falsche Umsetzung der wissenschaftlichen in eine statistische Hypothese als Störfaktor (StatV) Falsche Auswahl der zu prüfenden statistischen Hypothese Falsche statistische Analyse Verletzung der Annahmen bei statistischen Tests als Störfaktor (StatV) Das Allgemeine Lineare Modell (ALM) und die Annahmen Additivität Normalverteilung der Modellresiduen (Fehler) Homogenität der Fehlervarianzen in den Populationen Zur Frage des Prüfverfahrens bei Varianzheterogenität Zur Bedeutung von Transformationen Unabhängigkeit der Fehlerterme Zur Residuenanalyse; Ausreißerwerte Problem der Zufallsstichproben Kumulierung der Wahrscheinlichkeiten für Fehler erster und zweiter Art Multiple Mittelwertsvergleiche Monotone Trendhypothesen Mangelnde Präzision Parallelisierung als Kontrolltechnik (StatV) Kovarianzanalyse als Kontrolltechnik (StatV) Homogenisierung als Kontrolltechnik (StatV) Konstanthaltung und Elimination als Kontrolltechniken (StatV) Eingenistete Faktoren als Kontrolltechnik (StatV) Wiederholte Messungen als Kontrolltechnik (StatV) Analyse von Zeitreihen und Veränderungsmessungen Univariate und multivariate Analysen Exakte und approximative univariate Tests Multivariate Tests Nicht-parametrische Tests Zur Beziehung zwischen der Präzision und den anderen Aspekten der experimentellen Validität IX

11 X Inhaltsverzeichnis 8.5 Falsche Analyse und Interpretation statistischer Interaktionen Das Konzept der statistischen Interaktion Definition verschiedener Typen der Interaktion Disordinale Interaktion Ordinale Interaktion Zur graphischen Darstellung von Interaktionen Ein Verfahren zur Unterscheidung zwischen den Interaktionstypen 8.6 Zusammenfassung Maße der statistischen Assoziation: Die experimentellen Effekte. 9.1 Einleitung Experimentelle Effekte undpraktische Bedeutsamkeit Experimentelle Effekte beiparametrischen Hypothesen Maße der Nicht-Zentralität: h, cp2 und fa Korrelationskoeffizienten und -quotienten Populationsmaße: r12, u.r2 und R$.x Stichprobenmaße: R:,x, E2, UI Korrekturformeln für R$.x Experimentelle Effekte bei nicht-parametrischen Hypothesen Experimentelle Effekte bei ordinalen Daten Experimentelle Effekte bei nominalen Daten Zur Kritik der Maße der statistischen Assoziation Zusammenfassung Bestimmung des Stichprobenumfanges Überblick Allgemeine Prinzipien der Stichprobengrößenbestimmung Bestimmung des Stichprobenumfanges bei univariaten Varianz- und Regressionsanalysen Bei Kenntnis der Populationsvarianz oe2 (,,Klassischer Ansatz ) Bei prä-experimenteller Schätzung der Varianz oc2 (,,Two-Stage- Sampling -Verfahren nach Stein und Rodger) Ohne Kenntnis der Populationsvarianz oe Festlegung von cp Festlegung von fz oder R$.x (Verfahren nach Cohen) Hinweise zur Stichprobenumfassungsbestimmung bei weiteren Gruppen von parametrischen Testverfahren Varianzanalyse mit zufälligen und gemischten Effekten Nicht-orthogonale Varianzanalysen Multivariate Varianz- und Regressionsanalysen

12 Inhaltsverzeichnis XI 10.5 Hinweise zur Stichprobenumfangsbestimmung bei nicht-parametrischen Verfahren Nominale Daten Ordinale Daten Abschließende Bemerkungen zur Stichprobengrößenbestimmung Eine Strategie zur Entscheidung über wissenschaftliche Hypothesen mittels Signifikanztests Stadium der Planung des Experiments Überblick Zur Festlegung der beiden Fehlerwahrscheinlichkeiten Zur Festlegung des experimentellen Mindesteffektes EEM Zur Frage der Willkür bei der Planung von Experimenten Stadium der Entscheidung über die Kausalhypothese Kapitel: Messung, Analyse und Prognose von Veränderungen. Von Claus Möbus und Willi Nagl 1. Einleitung Univariate Zeitreihenanalyse Integrierte Prozesse der Ordnung d: ARIMA(0,d,0)-Modelle Autoregressive Prozesse der Ordnung p: ARIMA(p,0,0) und ARIMA(p,d,0)-Modelle Moving-average Prozesse der Ordnung q: ARIMA(0,0,q)-Modelle. 2.4 Das allgemeine ARIMA(p,d,q)-Modell Autokorrelations- undpartielle Autokorrelationsfunktion Saisonale Einflüsse Modellidentifikation Multiple Zeitreihenanalyse: Transferfunktionsmodelle Multivariate Zeitreihenanalyse Multiple und multivariate Transfermodelle Multiple Transfermodelle Multivariate Transfermodelle Zeitreihenexperimente N = 1-Experimente Verteilungsfreie Prüfmethoden: Randomisierungs-bzw. Permutationstests

13 XII Inhaltsverzeichnis Verteilungsgebundene Prüfverfahren: Lineares Modell Verteilungsgebundene Prüfverfahren: Interventionsanalyse mit dem Transfermodell von Box & Tiao (1975) N > 1 Quasiexperimentelle Zeitreihendesigns (univariater Fall für eine Gruppe) N>T, M=1, G= G > 1 Quasiexperimentelle Zeitreihendesigns bei mehreren Gruppen M > 1 Quasiexperimentelle Zeitreihendesigns mit mehreren abhängigen Variablen Veränderungsmessung mit Hilfe von Differenzenwerten Korrelation zwischen Anfangswert und Differenzwert Schätzung individueller Veränderungswerte Der Differenz- bzw. Endwert in der Regressionsanalyse Kovarianz- bzw. Regressionsmodell bei zeitbezogenen Daten 4.5 Reliabilität-Stabilität Wachstumskurven- und Varianzanalyse Der Eingruppenfall Der,,wiederholte Messungen -Ansatz (T 2 2, G = 1, N > 1) Zur Identifikation und Interpretation der Effektparameter. 5.2 Berücksichtigung von gruppenspezifischen Faktoren Schätzung des Modells Hypothesentests Mehrfachantwort (echt multivariate) -Analyse Pooling von,,querschnitt - mit,,zeitreihen -Analyse Modellüberlegungen Schätzprobleme Strukturgleichungsmodelle Kovarianz- und korrelationsorientierte Analysen von Zeitreihen von Querschnitten: Stabilität von Konstrukten Wachstumskurvenanalyse als Strukturgleichungsmodell Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Zeitbezogene Hypothesen für diskrete Zeitpunkte Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Schereneffekte bei Mittelwertsverläufen auf latenten Variablen Markoff-Modelle für qualitative Variable bei diskreter Zeit. 8.1 Markoffketten 1. Ordnung mit einer Variablen Markoffketten 2. Ordnung (1 Variable)

14 Inhaltsverzeichnis XIII 8.3 Markoffketten mit mehreren Variablen Schätzung der Übergangswahrscheinlichkeiten bei Zeitinhomogenität bei Zeithomogenität Tests Spezielle Probleme und Lösungen bei der Anwendung von Markoffketten 8.7 Einführung unabhängiger Variablen Subgruppenmodelle Übergangswahrscheinlichkeiten als Funktionen von unabhängigen Variablen Interaktive Markoffketten Einführung latenter Klassen Mover-Stayer-Modell Generelles Modell latenter Zustände Weitere Modelle: zeitkontinuierliche Markoffprozesse Multivariate,,Zeitreihen - und Panelanalyse mit zeitkontinuierlichen Modellen ,,Zeitreihenanalyse (N = 1, T % M, M > 1) Stochastische Systeme Diskrete Approximation des stochastischen zeitkontinuierlichen Modells Identifikation und Schätzung des zeitkontinuierlichen Systems Panelanalyse (repeated-measurements) (N > M, T 2 2, M > 1) Zeitkontinuierliches Modell Diskrete Approximation des stochastischen zeitkontinuierlichen Panelmodells mit LISREL Identifikation und Schätzung der zeitkontinuierlichen Panelmodelle Schlußbemerkungen Kapitel: Statistische Entscheidungstheorie und Bayes-Statistik. Von Dirk Wendt 1. Einleitung: Problemstellung Exkurs über Meßtheorie und Skalierung Schema des Erkenntnisgewinns in einer empirischen Wissenschaft Klassische Statistik Vorgehensweise der klassischen Statistik

15 XIV Inhaltsverzeichnis 2.2 Eigenschaften klassischer Tests Zur Frage der Stichprobengröße Zur Effektstärke Zusammenfassung des klassischen Signifikanztests Sequentielle Testverfahren Likelihood-Quotienten-Test Bayes-Statistik Vorgehensweise der Bayes-Statistik Robustheit der Schätzung (principle of stable estimation) Vergleich mit der klassischen Statistik Integration von Daten aus verschiedenen Quellen Parameter-Schätzung Lösung der kleinsten Quadrate Maximum-Likelihood-Schätzung Konjugierte Verteilungen Das Principle of Stable Estimation bei der Parameterschätzung Die Erhebung von a-priori-wahrscheinlichkeiten Die Bewertung der Ausgängevon Entscheidungen Bewertung multiattributiver Ausgänge Entscheidungskriterien Schlußbemerkung Kapitel: Computer-Simulation. Von Hans Ueckert 1. Einleitung Das Paradigma der Computer-Simulation in der Psychologie. 2.1 Zur Klassifikation von Simulationsmodellen Programmbeispiel:,,Simple Concept Attainment Flußdiagrammdarstellung Das Hauptprogramm (Versuchsablaufprogramm) Zur,,Binnenstruktur der Informationsverarbeitung Die Modellvarianten Abschließende Funktionsdefinitionen

16 Inhaltsverzeichnis XV 2.3 Diskussion des Programmbeispiels Modellcharakteristika Nicht-numerisches Programmieren ,,Listenverarbeitung Modulares Programmieren Simulationsmodelle und psychologische Theorienbildung Empirische Grundlagenpsychologischer Simulationsmodelle Methoden der Datengewinnung Möglichkeiten der Datenauswertung Informationelle Produktionssysteme Die Modellarchitektur von Produktionssystemen Beispiel eines Produktionssystems als Simulationsmodell Transparenz und Abbildtreue von Produktionssystemen Das Interpreterproblem von Produktionssystemen Lesarten von Produktionsregeln Konfliktlösungsstrategien (,,conflict resolution ) Adaptivität (Lernfähigkeit) von Produktionssystemen ,,Bewußtseinsfunktionen des Interpreters ,,Künstliche Intelligenz oder: Wie man dem Rechner das Rechnen beibringen kann Validierung und Anwendbarkeit von Simulationsmodellen Wirklichkeitsbezug und Modellrelationen Modellbildung als homomorphe Abbildung Grundprobleme der Modellrelationen Kommutatives Diagramm Das Eindeutigkeitstheorem von Anderson Empirische Tests von Simulationsmodellen Turing-Test Protokoll-Trace-Vergleich Nicht-Falsifizierbarkeit von KI-Systemen Der strukturalistische Theoriebegriff Die logische Komponente der Theorie der Informationsverarbeitung Die empirische Komponente der Theorie der Informationsverarbeitung Der instrumentelle Gebrauch der Theorie der Informationsverarbeitung Kommentiertes Literaturverzeichnis

17 XVI Inhaltsverzeichnis Autoren-Register Sach-Register

18 1. Kapitel Übersicht Jürgen Bredenkamp 1. Zur Prüfung sog. Kausalhypothesen Selten begnügt man sich in der Psychologie, wie in anderen empirischen Wissenschaftszweigen auch, damit, die korrelativen Beziehungen zwischen verschiedenen Variablen zu konstatieren, ohne zu prüfen, welche Variablen auf andere einwirken. Man intendiert Aussagen wie z.b.,,x wirkt sich auf Y aus. Derartige Interpretationen sind bekanntlich nicht einfach aus den korrelativen Beziehungen zu erschließen. Entweder stellt man aufgrund experimenteller Planungen sicher, daß die Variation von Y als Folge der Variation von X interpretiert werden kann, oder es wird, falls experimentelles Handeln nicht möglich ist, ein Modell über die Beeinflussungsrichtung zwischen den Variablen aufgestellt, das auch dann prüfbar ist, wenn es sich um reine Korrelationsforschung handelt. Dem Experiment, dessen Planung und Auswertung ausführlich durch Hager und Westermann in diesem Band behandelt werden, kommt unter den verschiedenen Methoden zur Überprüfung sog. Kausalhypothesen - dieser Begriff wird noch präzisiert werden - eine Sonderstellung zu. Der Experimentator selbst stellt verschiedene Bedingungen her (er,,manipuliert eine Variable) und beobachtet die Auswirkungen dieser,,unabhängigen auf eine andere,,abhängige Variable. Dadurch wird eine zeitliche Abfolge unabhängige Variable,,X + abhängige Variable,,Y hergestellt, und die korrelative Beziehung zwischen beiden Größen kann nicht derart interpretiert werden, daß sich Y auf X auswirkt. Allerdings reicht das bisher geschilderte Vorgehen noch nicht aus, um behaupten zu können, daß X auf Y einwirkt. Mit X könnten eine oder mehrere Störvariablen,,St korreliert sein, die,,in Wirklichkeit für den beobachteten Zusammenhang zwischen X und Y verantwortlich sind. Um die Möglichkeit einer derartigen Scheinbeziehung zwischen X und Y, wie sie in Abb. 1 dargestellt ist, zu reduzieren, bedient man sich in der experimentellen Psychologie verschiedener Kontrollverfahren; in der Terminologie Campbells und Stanleys (1963) kommt einem Experiment um so größere interne

19 2 Jürgen Bredenkamp Validität zu, je geringer die Möglichkeit zu derartigen Scheinbeziehungen ist. Wichtig ist vor allem die zufällige Zuweisung der Probanden auf die experimentellen Bedingungen (Randomisierung), die unerläßlich ist, um den Erwartungswert der Korrelation zwischen Personmerkmalen und X Null werden zu lassen. Neben der Randomisierung kommen vor allem die Konstanthaltung und die von X unabhängige systematische Variation bekannter Störgrößen in Frage. Durch diese Variation wird eine zweite,,unabhängige Variable zur Kontrolle eingeführt, und es ist jetzt prüfbar, ob X auf allen Stufen von St denselben Einfluß auf Y ausübt (die statistische Interaktion zwischen X und St ist Null) oder ob dieser Einfluß von St abhängig ist (X und St interagieren). In der experimentellen Psychologie wird, wie gesagt, meistens so verfahren, daß X und St nicht korrelieren. Unterstellt man seinen Daten das lineare Modell einer multiplen Regression (vgl. dazu Schubö et al. in Band 4 dieser Enzyklopädie), so läßt sich das zugrundeliegende Beeinflussungsmodell wie in Abb. 2 darstellen, wobei vorausgesetzt ist, daß X, St und die Interaktionsvariable XSt wechselseitig nicht miteinander korrelieren (diese Variablen sind deshalb in Abb. 2 nicht durch Pfeile verbunden). Abb. 1: Der gekrümmte Doppelpfeil weist auf eine korrelative Beziehung zwischen X und St hin, die nicht daraufhin analysiert werden kann, welche Variable unabhängig in bezug auf die andere ist. St beeinflußt Y direkt, während der Zusammenhang zwischen X und Y zum Schein besteht: X und Y korrelieren nur deshalb, weil X mit einer Variablen korreliert, die einen direkten Einfluß auf Y ausübt. Abb. 2:

20 Übersicht 3 In diesem Graphen symbolsieren a, b, c die Einflußgrößen der Variablen X, St und XSt auf Y. Meistens wird mittels der Varianzanalyse geprüft, ob a, b und c Null sind (die Varianzanalyse ist ein Spezialfall der multiplen Regressionsanalyse, und a, b, c sind die (multiplen) Korrelationen zwischen X und Y, St und Y sowie XSt und Y). Ist c #O und a =0, spricht man von einer für X disordinalen Interaktion (vgl. Bredenkamp, 1980): Die Richtung der Beeinflussung von X auf Y hängt von dem Wert der Störvariablen ab. Wenn c #O und a #O, ist für die experimentelle Variable X aus diesen Informationen nicht ableitbar, ob X mit St derart interagiert, daß die gleiche Beeinflussungsrichtung von X auf Y unter allen Werten von St vorliegt (Interaktion für X ist ordinal). Sollte die Interaktion für X disordinal sein, kann nicht von einer Kausalbeziehung zwischen X und Y gesprochen werden. Diese kann nur dann vorliegen, wenn a #O und c =0, oder wenn a #O und c #O, zusätzlich aber gezeigt worden ist, daß die Interaktion an der Beeinflussungsrichtung von X auf Y nichts ändert (vgl. dazu Bredenkamp, 1982). Mit der Nennung dreier Techniken ist das Reservoir notwendiger Kontrollen, damit das Experiment dem Anspruch als Prüfexperiment von Kausalhypothesen gerecht werden kann, nicht ausgeschöpft. Ausführlich hierüber informieren Hager und Westermann in diesem Band (vgl. auch Bredenkamp, 1980). Später werden wir noch auf einen Aspekt der Kontrolle zu sprechen kommen, welche die Validität des statistischen Schlusses sichern soll. In Abb. 1 und Abb. 2 sind sog. rekursive Systeme dargestellt, die dadurch ausgezeichnet sind, daß in den Graphen keine Zyklen auftreten. Es gibt keinen Pfad von einer Variablen zu einer anderen Variablen, von der aus man wieder zum Ausgangspunkt zurückkommt. Der Doppelpfeil in Abb. 1 besagt nur, daß die Richtung der Beziehung zwischen X und St nicht analysiert wird. In einem nicht-rekursiven System würde dagegen in Abb. 1 ein Pfeil von X nach St und ein anderer Pfeil von St nach X laufen. Derartige Systeme werden hier nicht betrachtet (vgl. dazu Hummell und Ziegler, 1976). In rekursiven Systemen heißen solche Variablen, von denen nur Pfeile ausgehen, exogen, während Variablen, bei denen wenigstens ein Pfeil ankommt, endogen genannt werden. Üblicherweise sind also die unabhängigen Variablen eines Experiments exogene, die abhängigen Variablen endogene Variablen innerhalb eines rekursiven Systems; allerdings finden sich, wie noch gezeigt wird, auch Beispiele, in denen manche unabhängige Variable endogen ist. Ein rekursives System soll nur dann kausal heißen, wenn es entweder keine Interaktionsvariablen enthält, oder wenn gezeigt werden kann, daß die Interaktionsvariablen die Beeinflussungsrichtung der interessierenden Variablen auf andere nicht modifizieren. Die Formulierung rekursiver Systeme ist selbstverständlich nicht auf die experimentelle Psychologie beschränkt, sondern auch in der Korrelationsforschung möglich, wobei unter Korrelationsforschung die Analyse korrelativer Bezie-