Teil I Grundlagen und Konzepte 1. Kapitel 1 Alltagswissen versus Wissenschaft: Beispiel Psychologie 3

Transkript

1 Inhaltsübersicht Vorwort zur 2. Auflage Vorwort zur 1. Auflage XXIII XXIV Teil I Grundlagen und Konzepte 1 Kapitel 1 Alltagswissen versus Wissenschaft: Beispiel Psychologie 3 Kapitel 2 Wissenschaftstheorie, Theorien und Hypothesen 21 Kapitel 3 Messen und Testen 51 Kapitel 4 Datenerhebung: Befragung und Beobachtung 81 Kapitel 5 Experimentelle Designs 119 Teil I Deskriptive und explorative Datenanalyse 175 Kapitel 6 Lage- und Streuungsmaße 177 Kapitel 7 Korrelation 197 Kapitel 8 Lineare Regression 235 Kapitel 9 Effektgrößen 279 Teil III Inferenzstatistik 297 Kapitel 10 Grundlagen der Inferenzstatistik 299 Kapitel 11 Konfidenzintervalle 331 Kapitel 12 Signifikanztests 357 Kapitel 13 t-tests 395

2 Der F-Test in der einfaktoriellen Varianzanalyse Weitere F-Tests Kontrastanalyse Verfahren zur Analyse nominalskalierter Daten: Chi-Quadrat Ot 2 -)Tests Verfahren zur Analyse ordinalskalierter Daten Inferenzstatistik: Erweiterungen und Ergänzungen Das Allgemeine Lineare Modell Das Allgemeine Lineare Modell Regressionsrechnung: Ergänzungen und Erweiterungen Indirekte Effekte, latente Variablen und multiple Analyseebenen Weitere Verfahren der Datenerhebung und Datenanalyse Explorative Datenanalyse (EDA): Weitere Verfahren Effektgrößen: Erweiterungen und Ergänzungen Metaanalyse Besonderheiten der Datenerhebung Computermodellierung als Forschungsmethode Qualitative Methoden

3 Teil VI Reflexion 873 Kapitel 29 Methode und Inhalt 875 Anhang 887 Anhang A: Tabellen 888 Anhang B: Bibliografie 907 Anhang C: Register 927

4 ntaltsverseächmäs Vorwort zur 2. Auflage Vorwort zur 1. Auflage XXIII XXIV Teil I Grundlagen und Konzepte 1 Kapitel 1 Alltagswissen versus Wissenschaft: Beispiel Psychologie Die Fallstricke der Alltagspsychologie Fehler beim Wahrnehmen Fehler beim Erinnern Fehler beim logischen Denken Fehler beim Umgang mit Wahrscheinlichkeiten Sprachgebrauch in Alltag und Wissenschaft Missverständnisse beim Verstehen von Sprache im Alltag Präzisierung der Sprache in der Wissenschaft Die wissenschaftliche Methode Theorien, Hypothesen und ihre Präzisierung Design Durchführung von Studien Datenanalyse und -interpretation Was gewinnen wir durch die wissenschaftliche Vorgehensweise? 18 Kapitel 2 Wissenschaftstheorie, Theorien und Hypothesen Was ist die Wirklichkeit und wie können wir sie erkennen? Das Leib-Seele-Problem Induktion vs. Deduktion Wissenschaftstheoretische Ansätze im Überblick Konventionelle Ansätze Wirklichkeit als Konstruktion Spezialprobleme der Psychologie Latente Variablen Verhältnis zwischen Forscher und Erforschten" Woher kommen Theorien? Bed, Bathroom and Bicycle Die systematische Suche nach Theorien Von Theorien zu Hypothesen Wie sehen Theorien in der Psychologie aus? Von der Theorie zur Hypothesenprüfung: Grundlegende Vorgehensweise Von der Theorie zur Hypothesenprüfung: Beispiele Hypothesenprüfung und Wissenschaftstheorie 48

5 Kapitel 3 Messen und Testen Was ist Messen? Messtheorie Messtheoretische Probleme Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala Absolutskala Tests Gütekriterien beim Testen und Messen Objektivität Reliabilität Validität 75 Kapitel 4 Datenerhebung: Befragung und Beobachtung Befragung: Unterschiedliche Perspektiven Mündlich oder schriftlich? Freie oder festgelegte Antwortmöglichkeiten? Einzel-oder Gruppenbefragung? Wie sehr standardisieren? Befragung: Fehlermöglichkeiten und Gegenmaßnahmen Potenzielle Probleme bei der Gestaltung und Anordnung von Items Potenzielle Probleme bei der Durchführung der Befragung Befragung: Ein kurzes Resümee Wann welche Art von Befragung? Einige abschließende Hinweise Beobachtung: Unterschiedliche Perspektiven Beobachtimg: Fehlermöglichkeiten und Gegenmaßnahmen Beobachtung: Ein kurzes Resümee Wann welche Form von Beobachtung? Einige abschließende Hinweise Generalisierbarkeit von Befragungs-und Beobachtungsergebnissen Auswahl der Situation Auswahl der Studienteilnehmer 117 Kapitel 5 Experimentelle Designs Warum werden Experimente durchgeführt? Die Logik des Experiments Grundlage für Kausalschlüsse Interne Validität Kontrolltechniken Kontrolle personengebundener Störvariablen Kontrolle von Störvariablen in der Versuchssituation 134

6 5.4 Externe Validität Wie wichtig ist die externe Validität? Wie kann die externe Validität erhöht werden? Within-Subjects-Designs Warum werden Within-Subjects-Designs eingesetzt? Positionseffekte und ihre Kontrolle Carry-Over-Effekte Mehrfaktorielle Designs Haupteffekte und Interaktionen in 2 x 2-Designs Komplexere Designs Interaktionen und externe Validität Quasi-Experimente 169 Teil I Deskriptive und explorative Datenanalyse 175 Kapitel 6 Lage- und Streuungsmaße Warum brauchen wir Streuungsmaße? Lage und Streuung auf einen Blick Stamm-Blatt-Diagramme Box-Plots Lagemaße im Detail Arithmetisches Mittel Median und Quantile Modalwert Weitere Lagemaße Streuungsmaße im Detail Standardabweichung und Varianz Interquartilsabstand und andere Quantilsabstände Weitere Streuungsmaße Wann welches Maß? Skalenniveau Form der Verteilung Standardisierung: z-werte Population vs. Stichprobe 195 Kapitel 7 Korrelation Die grafische Darstellung von Korrelationen: Streudiagramme Korrelationsmuster Lineare und kurvilineare Zusammenhänge Richtung und Stärke von Zusammenhängen Die Bedeutung des Korrelationsmusters für die weitere Analyse Der Produkt-Moment-Korrelationskoeffizient z-werte und der Produkt-Moment-Korrelationskoeffizient 214

7 7.4 Verzerrungen des Produkt-Moment-Korrelationskoeffizienten Ausreißerwerte Einschränkungen der Variabilität Zusammenfassung von heterogenen Untergruppen Korrelation und Kausalität Partialkorrelation Andere Zusammenhangsmaße Korrelation zweier dichotomer Merkmale - der Phi-Koeffizient Korrelation zweier ordinalskalierter Merkmale - Kendalls Tau Kapitel 8 Lineare Regression Grundbegriffe der Regressionsrechnung Prädiktor und Kriterium Deterministische Zusammenhänge und die Geradengleichung Stochastische Zusammenhänge und die Regressionsgerade Das Kriterium der kleinsten Quadrate Bestimmung der Regressionsgeraden Die Beziehung zwischen der Korrelation und dem Regressionsgewicht b Regression mit z-standardisierten Variablen Der Regressionseffekt Die Vorhersage von X aus Y Die Güte der Vorhersage Varianzzerlegung Der Determinationskoeffizient r Der Standardschätzfehler Probleme und Verzerrungen in der Regressionsrechnung Ein Ausblick auf die multiple Regression Multiple Regression mit z-standardisierten Variablen Eine Illustration mit zwei Prädiktoren Gütemaße in der multiplen Regression 272 Kapitel 9 Effektgrößen Was sind Effektgrößen? Abstandsmaße Zusammenhangsmaße Effektgrößen aus Effektgrößen Abstandsmaße aus Abstandsmaßen Korrelationen aus Abstandsmaßen Abstandsmaße aus Korrelationen Wie bedeutsam ist eine Effektgröße? Weitere Effektgrößen-Maße Relatives Risiko Odds Ratio Mehr zu Effektgrößen in diesem Buch 296

8 Teil III Inferenzstatistik 297 Kapitel 10 Grundlagen der Inferenzstatistik Wahrscheinlichkeiten, kurz gefasst Was ist Wahrscheinlichkeit? Wahrscheinlichkeit von Konjunktionen und bedingte Wahrscheinlichkeiten Von der Population über Stichproben zur Stichprobenverteilung Simulationsbeispiel für Anteile Simulationsbeispiel für Mittelwerte Die tatsächliche Vorgehensweise: Von der Stichprobe zur Population Stichprobenverteilung für Anteile Binomialverteilung per Hand" Binomialverteilung mit Binomialformel Lage- und Streuungsmaße von Stichprobenverteilungen Binomialverteilung Stichprobenverteilungen für Mittelwerte Der Einfluss der Stichprobengröße auf die Stichprobenverteilung Empirisches Gesetz der großen Zahlen Zentraler Grenzwertsatz Rekapitulation und Ausblick 328 Kapitel 11 Konfidenzintervalle Was ist ein Konfidenzintervall? Wahrscheinlichkeitsintervalle: Ein Gedankenexperiment Konfidenzintervalle für Anteile Auswirkungen der Höhe der Konfidenz und der Stichprobengröße Die Berechnung von Konfidenzintervallen Konfidenzintervalle für Mittelwerte Konfidenzintervalle für Mittelwertsunterschiede Unabhängige Messungen Abhängige (gepaarte) Messungen Die Interpretation von Konfidenzintervallen 353 Kapitel 12 Signifikahztests Wie funktioniert ein Signifikanztest? Vorgehensweise nach R. A. Fisher Beispiel 1: Vorzeichentest Beispiel 2: f-test für Mittelwert Probleme mit der Vorgehensweise nach Fisher 365

9 12.3 Neymans & Pearsons Verbesserungsvorschläge Warum braucht man die Alternativhypothese und wie wird sie bestimmt? Fehler erster und zweiter Art [a undß) Die Verhaltensinterpretation" des Signifikanztestergebnisses Welche Faktoren beeinflussen das Ergebnis eines Signifikanztests? Populations-Effektgröße Stichprobengröße Abwägung der Fehler erster und zweiter Art Minimierung des experimentellen Fehlers" Homogenität der Population(en) Poweranalyse Die Suche nach der Stichprobengröße: A priori-analyse" Die Suche nach einem Kompromiss zwischen a undß Die Suche nach weiteren Interpretationsmöglichkeiten: post hoc-analyse" Vorgehensweise nach Neyman und Pearson Beispiel 1: Vorzeichentest nach Neyman und Pearson Beispiel 2: t-test nach Neyman und Pearson Akzeptanz des Ansatzes in Psychologie und Sozialwissenschaften Das konventionelle Verfahren: Der Hybrid" Bestandteile Vorgehensweise und Ergebnisinterpretation Signifikanztests: Was man noch wissen sollte Spezifikation von Null- und Alternativhypothese Wie man p-werte nicht interpretieren sollte Signifikanztest und Konfidenzintervall Allgemeine Hinweise und Empfehlungen 391 Kapitel 13 f-tests Unterschied zwischen zwei Mittelwerten Unabhängige Stichproben Abhängige Stichproben Weitere t-tests Korrelation Regression Effektgrößenberechnung aus Testergebnissen von f-tests Generelle Idee Eine Stichprobe (Mittelwert vs. vorgegebener Wert) Zwei unabhängige Stichproben Zwei abhängige Stichproben Korrelation und Regression 414

10 Kapitel 14 Der F-Test in der einfaktoriellen Varianzanalyse Warum nicht mehrere t-tests? Die Logik der Varianzanalyse Zwei Wege zu einer Schätzung der Populationsvarianz Varianzzerlegung Voraussetzungen der einfaktoriellen Varianzanalyse Post-hoc-Tests Effektgrößen in der einfaktoriellen Varianzanalyse Power in der einfaktoriellen Varianzanalyse : 446 Kapitel 15 Weitere F-Tests Mehrfaktorielle Varianzanalyse Varianzzerlegung in der zweifaktoriellen Varianzanalyse ANOVA-Tabelle Varianzanalysen mit mehr als zwei Faktoren Voraussetzungen der mehrfaktoriellen Varianzanalyse Mehrfaktorielle Varianzanalysen mit ungleichen Stichprobengrößen Effektgrößen in der mehrfaktoriellen Varianzanalyse Power in der mehrfaktoriellen Varianzanalyse Varianzanalyse mit abhängigen Stichproben Varianzzerlegung in der einfaktoriellen Varianzanalyse mit abhängigen Stichproben ANOVA-Tabelle Voraussetzungen der Varianzanalyse mit abhängigen Stichproben Effektgrößen in der Varianzanalyse mit abhängigen Stichproben Power in der Varianzanalyse mit abhängigen Stichproben Erweiterungen zur Varianzanalyse mit abhängigen Stichproben Der F-Test in der Regressionsrechnung Weitere Varianten der Varianzanalyse 492 Kapitel 16 Kontrastanalyse Kontraste vs. Omnibus-Hypothesen" Die Problematik von Omnibus-Hypothesen Kontraste als präzise Hypothesen Kontrastanalyse für unabhängige Stichproben fk on ( ras { und fjcontrast Orthogonale Kontraste Effektgrößen bei der Kontrastanalyse für unabhängige Stichproben Poweranalyse bei der Kontrastanalyse für unabhängige Stichproben 516

11 16.3 Kontrastanalyse für unabhängige Stichproben bei komplexen Fragestellungen Haupteffekte" und Interaktionen" Beliebige Fragestellungen Kontrastanalyse für abhängige Stichproben Bestimmen der zusammengefassten Werte t-test für die Kontrastanalyse bei abhängigen Stichproben Effektgrößen bei der Kontrastanalyse für abhängige Stichproben Poweranalyse bei der Kontrastanalyse für abhängige Stichproben Vergleich zweier Hypothesen mithilfe der Kontrastanalyse Unabhängige Stichproben Abhängige Stichproben 533 Kapitel 17 Verfahren zur Analyse nominalskalierter Daten: Chi-Quadrat (j; 2 -)Tests Der x 2 -Test für eine Variable Die Gleichverteilungsannahme als Nullhypothese Der% 2 -Wert x 2 -Verteilung und Freiheitsgrade Andere Verteilungsannahmen als Nullhypothese Effektgrößen Power Der x 2 -Test für zwei Variablen Die Unabhängigkeitsannahme als Nullhypothese Berechnimg des # 2 -Werts Freiheitsgrade und Signifikanzprüfung Effektgrößen Power Voraussetzungen der % 2 -Tests 563 Kapitel 18 Verfahren zur Analyse ordinalskalierter Daten Voraussetzungsverletzungen in parametrischen Tests Der [/-Test Zuordnung der Rangplätze Null- und Alternativhypothese Der U-Wert Signifikanzprüfung in kleinen Stichproben Signifikanzprüfung in großen Stichproben Rangbindungen Der Wilcoxon-Test Durchführimg des Wilcoxon-Tests Eine Voraussetzung des Wilcoxon-Tests Powerbestimmung im [/-Test und Wilcoxon-Test 580

12 Kapitel 19 tnferenzstatistik: Erweiterungen und Ergänzungen Der Bootstrap: Inferenz nach Münchhausen-Art Grundlegende Idee und Vorgehensweise Vorteile des Bootstrap Anwendungsbeispiele Praktische Vorgehensweise Der Bayesianische Ansatz: Hypothesen erhalten Wahrscheinlichkeiten Illustration der grundlegenden Idee und Vorgehensweise Signifikanztesten vs. Bayesianisches Hypothesentesten Test mehrerer Hypothesen Auswirkung der Priorverteilung Wiederholtes Testen: Die Replikation von Studien Einfluss der Stichprobengröße Komplexere Verfahren Bayes-Statistik in der Praxis Inferenzstatistik in Psychologie und Sozialwissenschaften Klassisch vs. Bayesianisch Was kann Inferenzstatistik nicht? 605 Teil IV Das Allgemeine Lineare Modell 607 Kapitel 20 Das Allgemeine Lineare Modell Was ist das Allgemeine Lineare Modell? Der t-test als Spezialfall der einfachen Regression Varianzanalyse mit zwei Gruppen als Spezialfall der einfachen Regression Varianzanalyse mit mehr als zwei Gruppen als Spezialfall der multiplen Regression 624 Kapitel 21 Regressionsrechnung: Ergänzungen und Erweiterungen Multiple Regression: Ergänzungen Schrittweise Regression Effektgrößen bei der multiplen Regression Inferenzstatistik bei der multiplen Regression Analyse nichtlinearer Beziehungen Kovarianzanalyse mittels Regressionsrechnung Moderatoranalyse: Die generelle Behandlung von Interaktionen Interaktion als multiplikative Komponente Zentrieren der Prädiktorvariablen Interaktion zwischen zwei nominalskalierten Variablen Interaktion zwischen einer nominal- und einer intervallskalierten Variable Interaktion zwischen zwei intervallskalierten Variablen Interaktion in komplexeren Fällen 657

13 Kapitel 22 Indirekte Effekte, latente Variablen und multiple Analyseebenen Pfadanalyse Zusammenhang zwischen Regressionsrechnung und Pfadanalyse Pfadanalyse mit Mediatorvariable Strukturgleichungsmodelle Identifizierbarkeit Mess-und Strukturmodelle Schätzen der freien Parameter Die Überprüfung des Modells: Gütemaße Anwendungsvoraussetzungen Exploratorische Faktorenanalyse Datenbeispiel Fundamentaltheorem der Faktorenanalyse Extraktionsverfahren Ladungen, Kommunalitäten, Eigenwerte Faktorauswahl Rotation und Interpretation Mehrebenenanalyse Warum Mehrebenenanalyse? Regressionsgleichung für ein einfaches Mehrebenenmodell Feste versus zufällige Effekte Analysemöglichkeiten: einige Beispiele Möglichkeiten und Grenzen der Mehrebenenanalyse 701 Teil V Weitere Verfahren der Datenerhebung und Datenanalyse 703 Kapitel 23 Explorative Datenanalyse (EDA): Weitere Verfahren Robustheit von EDA-Verfahren: Box-Plots Varianten von Streuungsdiagrammen Streuimgsdiagramme mit Box-Plots Influence-Plot Bubble-Plot Aufspüren" und Geradebiegen" nichtlinearer Zusammenhänge Lowess Potenzleiter Multivariate Zusammenhänge auf einen Blick: Die Streuungsdiagramm-Matrix 718

14 23.5 Mehrdimensionale grafische Klassifikation von Personen oder Objekten Rechteck-Icons Histogramm- und Profilplots Star-Plots Chernoff-Gesichter EDA im Kontext 723 Kapitel 24 Effektgrößen: Erweiterungen und Ergänzungen Populations- versus Stichprobeneffektgrößen Effektgrößenschätzung bei unvollständigen Angaben Nur p-werte und Stichprobengröße(n) angegeben Nur globale" Angaben Die Vergleichbarkeit von Effektgrößen Effektgrößen aus Rohdaten vs. Signifikanztestergebnissen Die Vergleichbarkeit von unterschiedlichen korrelativen Maßen Abstandsmaße vs. korrelative Maße Unabhängige vs. abhängige Stichproben Signifikanztest auf Unterschied zweier Effektgrößen Konfidenzintervalle für r und g , Approximative Konfidenzintervalle für r und g Bootstrap-Konfidenzintervalle Exakte Konfidenzintervalle Konfidenzintervalle für weitere Effektgrößen Konfidenzintervalle für Anteile Konfidenzintervalle für Relative Risiken (RR) und Odds Ratios (OR) 751 Kapitel 25 Metaanalyse Metaanalyse in Grundzügen Empirische Stichprobenverteilungen als Ausgangsbasis Metaanalyse vs. Signifikanzen-Zählen" Fixed effects" versus random effects" Wichtige Einflussgrößen Praktische Durchführung Suche nach passenden Studien Auswahl von Studien: Kriterien Berechnung und Kombination von Effektgrößen Analyse potenzieller Moderatorvariablen Potenzielle Probleme und Möglichkeiten zu ihrer Kontrolle Selektive Auswahl von Studien: Funnel-Plot Äpfel und Birnen": Psychometrische Metaanalyse Metaanalyse im Kontext Varianten von Metaanalysen Verhältnis von Einzelstudien und Metaanalysen Die Aussagekraft von gemittelten Effektgrößen 776

15 Kapitel 26 Besonderheiten der Datenerhebung Die Problematik fehlender Daten (missing data) Fehlende Daten: drei unterschiedliche Fälle Diagnosemöglichkeiten: Fehlen die Daten zufällig? Traditioneller" (suboptimaler) Umgang mit fehlenden Daten Empfehlenswerte Ersetzungsverfahren Der Umgang mit fehlenden Daten: Rekapitulation Verfälschte Stichproben Selektive Stichproben Nonsampling Error": Verfälschung durch Nichtziehen" Ziehen nach Ergebnis Unverfälschte Antworten bei sensiblen Fragen: Randomized Response Randomized Response für Anteile I Randomized Response für Anteile II Randomized Response für Mittelwerte 800 Kapitel 27 Computermodellierung als Forschungsmethode Warum Computermodellierung? Reichere" Modelle Präzisere Vorhersagen Aufhebung künstlicher Trennungen Was kann man wie modellieren? Art der Repräsentation: Symbolisch vs. subsymbolisch Art der modellierten Prozesse: Kognition, Sozialverhalten und Evolution Produktionssysteme Architektur und Funktionsweise Ein spezifisches Modell: ACT-R Wofür sind Produktionssystem-Modelle geeignet? Verteilte Modelle Architektur und Funktionsweise Beispiele Wofür sind einfache verteilte Modelle geeignet? Neuronale Netzwerke Architektur und Funktionsweise Beispiele Wofür sind neuronale Netzwerke geeignet? Genetische Algorithmen Architektur und Funktionsweise Beispiele Wofür sind genetische Algorithmen geeignet? Praktische Vorgehensweise Bewertung von Simulationsergebnissen Programmierung Simulationsumgebungen Möglichkeiten und Grenzen der Computermodellierung 837

16 Kapitel 28 Qualitative Methoden Qualitative Methoden im Überblick Zielstellung qualitativer Forschung: Drei Sichtweisen Die wissenschaftliche Methode: Qualitative Version Die Vielfalt qualitativer Ansätze Spezifische Ansätze: Eine Auswahl Qualitative Inhaltsanalyse.' Grounded Theory Diskursanalyse Der qualitative Forschungsprozess Datensammlung Datenanalyse Gütekriterien Qualitative Methoden: Eine kritische Bewertung Qualitative Messung" Qualitative Methoden und Falsifizierbarkeit Wie man qualitative Forschung nicht betreiben sollte Wann sind qualitative Methoden nützlich? 870 Teil VI Reflexion 873 Kapitel 29 Methode und Inhalt Bewährte Methoden und neue Ansätze Inferenzstatistik: Erweiterte Perspektiven Die Rolle von Simulationen Die Rolle der qualitativen Methoden Forschungsmethoden und Statistik als Argument Die zwei Funktionen von Forschungsmethoden und Statistik Überzeugende Argumente: Die MAGIC-Kriterien Die Rolle des Signifikanztests in der statistischen Argumentation Die Methodenbrille: Sehhilfe oder Sehbehinderung? 884 Anhang 887 Anhang A: Tabellen 888 Anhang B: Bibliografie 907 Anhang C: Register 927