Universitätslehrgang Sports Physiotherapy Einführung in die Statistik. Inhaltsangabe. Inhaltsangabe. Einführung und Definition

Transkript

1 Department of Sport Science and Kinesiology Block 1 Universitätslehrgang Sports Physiotherapy Einführung in die Statistik Gerda Strutzenberger Block I Mittwoch :00 bis 14:50 Grundlagen, Skalenniveau 15:05 bis 17:00, Hypothese, Wiss. Arbeit Donnerstag ( ) 08:00 bis 09:50 zentrale Tendenz, Streumaße, Grafiken 10:05 bis 12:00 Normalverteilung, z-transformation, 13:00 bis 14:50 Korrelation 15:05 bis 17:00 Regression/partielle Regression Inhaltsangabe 1. Definitionen Wissenschaft, Statistik, Begriffsbestimmungen 2. Skalenniveaus Hauptgütekriterien 2. Nebengütekriterien 4. Hypothesen 5. Gliederung einer wissenschaftlichen Arbeit Inhaltsangabe 1. Definitionen Wissenschaft, Statistik, Begriffsbestimmungen 2. Skalenniveaus Hauptgütekriterien 2. Nebengütekriterien 4. Hypothesen 5. Gliederung einer wissenschaftlichen Arbeit Einführung und Definition Einführung und Definition Definition von Wissenschaft Wissenschaftliche Forschung ist die systematische, kontrollierte, empirische und kritische Prüfung von hypothetischen Lehrsätzen über die angenommene Beziehung zwischennatürlichen Phänomenen (Kerlinger, 1964). Etymologie aus lateinischen statisticum ( den Staat betreffend ) und dem italienischen statista ( Staatsmann" oder Politiker ). Die deutsche Statistik, eingeführt von Gottfried Achenwall (1749), bezeichnete ursprünglich die Lehre von den Daten über den Staat, also Staatstheorie. Im 19. Jahrhundert hatte der Engländer Sir John Sinclair das Wort erstmals in seiner heutigen Bedeutung des allgemeinen Sammelns und Auswertens von Daten benutzt. Grundmerkmale des wissenschaftlichen Ansatzes Empirische Überprüfbarkeit keine Gedankenspielereien, keine Spekulationen Öffentliche Überprüfbarkeit Wiederholbarkeit (Bös et al., 2004) 1

2 Einführung und Definition Einführung und Definition Hauptziel von Wissenschaft Beschreiben: Angaben über die Erscheinungsformen und Merkmale eines Sachverhalts: - Sammlung von Tatsachenwissen a) Benennung b) Definition c) Angaben zu Häufigkeit bzw. Ausprägungsgrad Erklären: Zusammenhängen wird eine Richtung gegeben; ein Sachverhalt wird als ursächlich für einen anderen angesehen - Erforschung von Gesetzmäßigkeiten z.b. Frustration erzeugt Aggression Definition Statistik Statistik umfasst alle quantitativen Analysetechniken, mit denen empirische Daten zusammenfassend beschrieben werden können (deskriptive Statistik) bzw. mit denen aufgrund empirischer Daten Aussagen über die Brauchbarkeit von überprüften Hypothesen formuliert werden können (Inferenzstatistik, schließende Statistik) (in Anlehnung an Bortz, 1989, 1993). Vorhersagen: Sind vorwärts gerichtete Erklärungen (Hussy & Jain, 2002) Warum Statistik? Statistik im wissenschaftlichen Prozess Planung und Auswertung eigener Untersuchungen Bewertung fremder Studien Bewertung von Theorien und Hypothesen Statistik in der praktischen Arbeit Berichte verfassen und lesen Bewertung von Studien Evaluation von Therapiemaßnahmen Statistikkenntnisse als Basisqualifikation Statistik im Alltag Einführung und Definition Wozu brauchen wir Statistik? Massenmedien Wahlprognosen Meinungsumfragen DSDS-Quoten Verkehrszählungen Wehrpflicht Glücksspiele Schulpflicht BMI-Gruppen Volkszählungen Diagnostik Forschungsfragen Grenzwerte Gesundheit Leistungssport Wahrscheinlichkeitsrechnung Einführung und Definition Was ist Statistik also? Statistik ist die Gesamtheit der Methoden, die für die Untersuchung von Massendaten angewendet werden können. Ziel der Statistik ist es also, Massendaten zu reduzieren und zu komprimieren, um Gesetzmäßigkeiten und Strukturen in den Daten sichtbar zu machen. Von Statistiken wird gefordert, dass sie objektiv (unabhängig vom Standpunkt des Statistikerstellers), reliabel (verlässlich), valide (überkontextuell gültig), signifikant (bedeutend) und relevant (wichtig) sind. Einführung und Definition Die deskriptive Statistik (auch beschreibende Statistik oder empirische Statistik): - Beschreibung & Zusammenfassung vorliegender Daten in geeigneter Weise. Mit ihren Methoden verdichtet man quantitative Daten zu Tabellen, grafischen Darstellungen und Kennzahlen (Mittelwert, Standardabweichung). Auf wissenschaftliche Aussagen wird verzichtet. Die Inferenzstatistik (auch mathematische Statistik, schließende Statistik oder analytische Statistik): Herleiten aus den Daten einer Stichprobe Eigenschaften einer Grundgesamtheit ab. Die Wahrscheinlichkeitstheorie liefert die Grundlagen für die erforderlichen Schätz- und Testverfahren. Die Empirie ist wissenschaftlich, d.h. auf methodischem Weg gewonnene Erfahrung. Mit Hilfe der Hypothese wird ein Vorschlag für die Lösung eines Problems aufgestellt. 2

3 Systematik der Methoden Wissenschaftliche Grundlagen des Forschens Problemstellung - Forschen ist notwendig, wenn: 1. im vorhandenen Wissen eine Lücke besteht 2. widersprüchliche Befunde vorliegen 3. schon vorhandene Daten erklärt werden müssen Wissenschaftliche Problemlösung: Eine Theorie (ein System von aufeinander bezogene Aussagen, die Gesetzmäßigkeiten zwischen Variablen spezifizieren) wird aufgebaut. Theorie wird empirisch überprüft (keine Spekulationen), sie muss öffentlich überprüfbar sein (auch von anderen Personen durchführbar) und die Überprüfung muss wiederholbar sein. Man kann auf der Basis von Theorien Ereignisse beschreiben, erklären, vorhersagen und beeinflussen. Hussy & Jain, 2002 Die Ethik des Forschens (Vermeiden von Beeinträchtigung, Freiwilligkeit, Aufklärung und Anonymität) muss beachtet werden. Wissenschaftliche Grundlagen des Forschens Literatur Forschungsethik Vermeiden von Beeinträchtigung Freiwilligkeit Aufklärung Anonymität Bortz, J. (1999). Statistik für Sozialwissenschaftler (5.vollst. überarb. Aufl.). Huber. Bös, K., Hänsel, & Schott, N. (2000). Empirische Untersuchungen in der Sportwissenschaft. Hamburg: Czwalina Verlag. Diehl, J. M. & Kohr, U. K. (1994). Deskriptive Statistik (11. Auflage). Frankfurt: Verlag Dietmar Klotz. Häcker, H. & Stapf, K.H. (1998). Dorsch psychologisches Wörterbuch. Göttingen: Verlag Hans Huber. Huber, O. (1995). Das psychologische Experiment: Eine Einführung (2. Auflage). Bern: Verlag Hand Huber Messen - Naturwissenschaftliche Definition: Unter Messung (oder auch Quantifizieren) versteht man die Bestimmung eines Messwerts einer realen Größe als Vielfaches oder Teil einer Maßeinheit (z.b. Gewichts- oder Längenmessung) Messen - Sozialwissenschaftliche Definition: Unter Messung versteht man die Zuordnung von Zahlen zu Objekten oder Ereignissen gemäß Regeln (Bsp.: Geschlecht). Dabei sollen sich in den zugeordneten Zahlen die Relationen, die zwischen den Objekten bestehen widerspiegeln. Grundgesamtheit: Ist die Menge aller theoretisch erfassbaren Objekten für eine Fragestellung (z.b. alle 12-jährigen Kinder Österreichs) Stichprobe: Ist eine repräsentativer Teil aus der Grundgesamtheit (z.b jährige aus Österreich Versuchspersonen: Die Menschen, die an wissenschaftlichen Untersuchungen teilnehmen Merkmal, Variabel, Eigenschaft: Personen können nicht in ihrer Gesamtheit erfasst werden, darum werden nur einzelne Merkmale erfasst (z.b. Körpergröße, Geschlecht, Alter ). Ein Merkmal muss mindestens zwei Ausprägungen haben. 3

4 Merkmalsausprägung: Werte, die ein Merkmal annehmen kann (z.b. 1,76m bei dem Merkmal Körpergröße) Merkmalsträger: Ist das Objekt der Untersuchung. Z.B Personen, Gruppen oder Objekte. Empirisches Relativ: Bezeichnet den Gegenstandsbereich der Objekte (Ereignisse, Körpergröße ), die gemessen und erfasst werden. Numerisches Relativ: Bezeichnet die entsprechenden zugeordneten Zahlenwerte ( cm ). Naturwissenschaften Sozialwissenschaften Systematik Grundgesamtheit (Population) Merkmalsträger (Untersuchungseinheit Proband) Merkmal (statistische Variable Geschlecht) Merkmalsausprägung (Wert männlich, weiblich) Quantitative Variable: (metrische Variable) Intervall- oder Verhältnisskalen mit Zahlen erfassbar Bsp.: Größe, Gewicht, Sprungweite, Zeit (Maßeinheiten: cm, kg, sec) Qualitative Variable: (kategoriale Variable) Nominal- oder Ordinalskalen nicht mit Zahlen erfassbar, nur benennung möglich Bsp.: Konfession, Geschlecht, Farbe, Nationalität, Diskrete Variablen Unter diskreten Variablen versteht man Merkmale, die nur endlich viele ( abzählbare ) Merkmalsausprägungen besitzen. Bsp.: Geschlecht, Würfelergebnis, Stetige Variablen Stetige Variablen können unendlich viele Ausprägungen besitzen. Bsp.: Alter, Zeit, Größe. Oft findet eine Umwandlung in diskrete Variablen statt (Bsp. Alter in Jahren, Größenmessung in ganzen cm) Die Genauigkeit hängt von der Genauigkeit der Messinstrumente ab Manifeste Variablen Manifeste Variablen sind direkt erfassbare/beobachtbare Variablen z.b. Körpergröße.. Latente Variablen Latente Variablen sind nicht direkt erfassbare/beobachtbare Variablen z.b. Koordination, Intelligenz Operationalisieren Operationalisieren Begriffe sind nicht direkt beobachtbar Begriffe einer Hypothese müssen beobachtbaren Phänomenen zugeordnet werden Indikator für den Begriff Eine schlechte Operationalisierung macht die Hypothesenprüfung wertlos 4

5 Gruppenaufgabe (3-4 Personen) Operationalisieren Je abstrakter und theoretischer ein Begriff ist, desto indirekter ist auch seine Operationalisierung. Überlegen Sie sich mindestens 5 Möglichkeiten, wie man Behandlungserfolg operationalisieren könnte! Je indirekter eine Operationalisierung ist, desto reicher und detaillierter muss das Hintergrundwissen sein. Unabhängige Variable Die unabhängige Variabel ist das Merkmal bzw. der Prädiktor, dessen Einfluss auf die Zielgröße festgestellt werden soll. Wird vom Experimentator aktiv geändert. Abhängige Variable Unter der abhängigen Variable versteht man die Zielgröße bzw. das Kriterium, das untersucht werden soll. Der Effekt der UV wird beobachtet. z.b. Wie hängt die Weitsprungleistung von der Körpergröße ab Moderatorvariable: Die moderierende Variable verändert den Einfluss der unabhängigen auf die abhängige Variable. Kontrollvariable: Die Kontrollvariable ist eine Moderatorvariable, die vorsorglich zur Kontrolle des Resultats erhoben wird. Störvariable: Die Störvariable ist eine Moderatorvariable, die nicht kontrolliert wird, weil nicht beachtet oder übersehen wird. Grundprinzipien der Kontrolle von Störvariablen Kontrollvariable Moderatorvariable Störvariable AV Einbeziehen als UV Kontrollieren: 1. konstant halten (z.b. alle gleiche Intelligenz bei Lernexperiment; gleiche Tageszeit) Neutralisierung der Wirkung 2. Mehrere Stufen der Störvariable zufällig mit den Stufen der UV kombinieren (z. B. zufällige Aufteilung der ProbandInnen) UV 5

6 Kontrolle der Störvariablen Parallelisieren (matching) Störvariablen der Versuchsperson Parallelisieren Randomisieren Eine Störvariable wird bei jeder Vp gemessen. Entsprechend den gemessenen Werten werden die Vpn dann so in die Gruppen eingeteilt, dass die Durchschnittswerte möglichst ähnlich sind. Störvariablen der Untersuchungssituation Randomisieren (randomizing) Parallelisieren vs. Randomisieren Beim Randomisieren wird die Stichprobe nach dem Zufallsprinzip aufgeteilt. Lose Münzwurf Zufallszahlen Keinesfalls den Zufall im Kopf erzeugen!!! Vorteil: Die Störvariable muss weder bekannt sein, noch muss sie operationalisiert und gemessen werden. Parallelisieren (Matching): Vorteil: sehr effektive Kontrolltechnik Nachteil: potentielle Störvariable(n) muss/müssen bekannt sein Alternative: Statistische Kontrolle im Nachhinein (z.b. Kovarianzanalyse) Randomisieren: wichtigste Kontrolltechnik für Zwischengruppen-Designs Vorteil: Störvariablen müssen nicht bekannt sein Nachteil: bei sehr kleinen Stichproben ineffektiv Störvariablen der Untersuchungssituation 1. Elimination (Schalldichter Raum) 2. Konstanthalten (z. B. Tageszeit, Lichtquelle) 3. Zufallsvariation (z. B. mehrere Versuchsleiter) 4. Einführung einer Kontrollgruppe Veränderungen und Einflüsse zwischen den Zeitpunkten (z. B. man wird müde, unaufmerksam) Reaktiver Effekt der Vorhermessung (Messung könnte einen Denkprozess in Gang gesetzt haben) Erwartung des Vl als Störvariable Versuchsleiter- Erwartungseffekt (Rosenthaleffekt) 6

7 Kontrolle des Vl-Erwartungseffektes Doppelblindversuch 1. Standardisierung der Versuchsbedingungen 2. Ausschalten des Vl 3. Training des Vl 4. Manipulation der Erwartung des Vl 5. Blindversuch und Doppelblindversuch UV und AV (Gruppe) Lösungen Entscheiden Sie, welche Variable die UV und welche Variable die AV ist. Überlegen Sie, welche Moderatorvariablen zu beachten wären. 1. In einem Experiment werden zwei Gruppen gebildet. Die eine Gruppe trainiert eine Zielwurfbewegung (Basketball) rein physisch, die andere außerdem mental. Gemessen wird die Anzahl der Treffer. 2. Es soll die Wirkung eines Einsatztrainings gegenüber einem Mehrsatztraining auf die Explosivkraft untersucht werden. 3. Dreizehn Lehrer, von denen jeder eine 5. und eine 10. gemischtgeschlechtliche Klasse unterrichtet, wollen wissen, ob ihre Schüler sie mit lässiger Jeanskleidung oder mit korrektem Anzug sympathischer finden. Dazu ziehen sie in einer ihrer Klassen stets Jeans, in der anderen den Anzug an. Die Messung der Variablen "Sympathiebezeugung" nehmen sie so vor, dass sie am Ende des Schuljahres durch Handzeichen ermitteln, wie vielen Schülern sie "sympathisch" sind. Aufgrund eines Vergleichs der Prozentsätze von "Sympathie - Meldungen in ihren beiden Klassen wollen sie dann die Kleidung auswählen, mit der man bei Schülern besser ankommt". 1. UV = Trainingsform, AV = Trefferzahl bei einer Zielwurfbewegung, Mod. =Vorerfahrung mit der Bewegungsform 2. UV = Trainingsform, AV = Explosivkraft, Mod. = Maximalkraft 3. UV = Art der Bekleidung, AV = Sympathie, Mod. = Alter, Geschlecht, gute vs. schlechte Schüler, Messfehler: Handheben, um Lehrer zu gefallen Hänsel,? Skalenniveau Inhaltsangabe Warum verschiedene Skalenniveaus? Skalenniveaus sind abhängig von: der Art der Messung (z.b. kategorial, metrisch) und der Anzahl der geltenden Relationen (z.b. =/ ; / ) In Abhängigkeit von den Skalenniveaus werden entsprechende statistische Auswertungsverfahren verwendet Die Art der Messung bestimmt also bereits welche Auswertungsverfahren gewählt werden. Die Auswerteverfahren unterscheiden sich hinsichtlich ihrer Güte. Verfahren mit höchster Effizienz setzen mindestens Intervallskalenniveau voraus. 1. Definitionen Wissenschaft, Statistik, Begriffsbestimmungen 2. Skalenniveaus Hauptgütekriterien 2. Nebengütekriterien 4. Hypothesen 5. Gliederung einer wissenschaftlichen Arbeit 7

8 Skalenniveaus Skalenniveaus Rationalskala Intervallskala Ordinalskala Nominalskala Rationalskala Intervallskala Ordinalskala Nominalskala Skalenniveau Skalenniveaus Nominalskala Bsp.: Geschlecht, Haarfarbe, Parteizugehörigkeit... Klassifikation je nach Existenz bestimmter Merkmale Keine Information über die Reihenfolge oder Größe von Unterschieden Nominale Daten lassen sich nur anhand der Auftretenshäufigkeiten interpretieren, da keine weiteren quantitativen Eigenschaften vorhanden sind. Rationalskala Intervallskala Ordinalskala Nominalskala Skalenniveau Skalenniveaus Ordinalskala Bsp.: groß > normal > klein, erster > zweiter > dritter Klassifikation bzgl. der Ausprägung eines qualitativen Merkmals Unterscheidung zwischen Ordnungsbeziehungen (z.b. größer als.. ) Klassifikationen bestimmter Merkmale (z.b. ist besser als..) Rationalskala Intervallskala Ordinalskala Nominalskala Keine Information über die Größe von Unterschieden 8

9 Skalenniveau Skalenniveaus Intervallskala Bsp.: Celsius Skala, Schuhgröße... Weitere bedeutungsvolle und nützliche Eigenschaft: Intervallkonstanz Wegen der eindeutig definierten Abstände zwischen den Datenpunkten lassen sich basale arithmetische Operationen ausführen (Addition, Subtraktion) Rationalskala Intervallskala Ordinalskala Nominalskala Differenzen zw. Objekten feststellbar Skalenniveau Skalenniveaus - Transformation Rationalskala Bsp.: Kelvinskala, Körpergröße, Körpergewicht... Wie Intervallskala; allerdings existiert hier ein absoluter Nullpunkt Vergleich der Daten durch Quotientenbildung möglich(2:1, 1:5) Rasch et al., 2006 Skalenniveaus je höher das Skalenniveau, desto mehr Information Skalenniveaus Vgl Diskuswurfleistung A 20 m, B 40 m Daten höherer Ordnung können immer auf ein niedrigeres Skalenniveau abgebildet werden nicht aber umgekehrt!! Jede Transformation auf ein niedrigeres Skalenniveau bedeutet einen Informationsverlust Rationalskala Intervallskala Ordinalskala Nominalskala B wirft doppelt so weit B wirft um 20 m weiter als A B wirft weiter als A A ist von B verschieden 9

10 Um welches Skalenniveau handelt es sich? Inhaltsangabe Bewertung beim Eiskunstlauf Mündliche Bewertung in der Schule 100m Sprintzeit Religionszugehörigkeit Antwort in einem Fragebogen auf einer 5- stufigen Skala Zielankunft in einem Langstreckenschwimmwettbewerb 1. Definitionen Wissenschaft, Statistik, Begriffsbestimmungen 2. Skalenniveaus Hauptgütekriterien 2. Nebengütekriterien 4. Hypothesen 5. Gliederung einer wissenschaftlichen Arbeit Hauptgütekriterien Objektivität (Genauigkeit) Reliabilität (Zuverlässigkeit) Validität (Gültigkeit) Nebengütekriterien Ökonomie Nützlichkeit Normierung Vergleichbarkeit Objektivität ist das Ausmaß, in dem die Testergebnisse vom Testanwender unabhängig sind. Aspekte der Objektivität: 1. Durchführungsobjektivität 2. Auswertungsobjektivität 3. Interpretationsobjektivität Objektivität Durchführungsobjektivität: Ist dann nicht gegeben, wenn die Probanden/innen bei einem Test je verschieden antworten je nachdem, wer den Test durchführt. Die Durchführungsobjektivität lässt sich erhöhen, indem die Vorgehensweise bei der Anwendung eines Verfahrens standardisiert wird, d.h. indem die Interaktionen von Forscher/in und erforschter Person möglichst genau festgelegt werden. 10

11 Objektivität Auswertungsobjektivität:..Ist nicht gegeben, wenn zwei Forscher/innen die Antworten einer untersuchten Person auswerten und dabei zu je verschiedenen Ergebnissen kommen. Die Auswertungsobjektivität lässt sich erhöhen, indem das Vorgehen bei der Auswertung genau festgelegt wird indem z.b. bei einem Test genau spezifiziert ist, welche Antworten mit wie vielen Punkten in die Ergebnisse eingehen und wie sich die Punkte zu einem Gesamtergebnis aufsummieren Objektivität Interpretationsobjektivität: Ist gering, wenn zwei verschiedene Forscher/innen dieselben Ergebnisse einer Person unterschiedlich interpretieren bzw. bewerten wenn z.b. die eine Forscherin zu dem Schluss käme, ein Punktwert von 50 stelle ein vergleichsweise gutes Ergebnis dar, während der andere Forscher die Meinung vertreten würde, dass 50 Punkte im Verhältnis zum Bevölkerungsdurchschnitt einen eher unterdurchschnittlichen Wert ergeben. Verbesserung durch Eichung, Normwerte Reliabilität (Zuverlässigkeit) Grad der Genauigkeit, mit dem das geprüfte Merkmal in Abhängigkeit vom Messinstrument gemessen wird. Konzepte der Reliabilität: 1. Messwiederholung (Test-Retest-Reliabilität) 2. Messung paralleler Merkmale (Paralleltest-Reliabilität) 3. Innere Konsistenz (Testhalbierungsmethode) Reliabilität Test-Retest-Reliabilität: Ein Test wird denselben Personen zweimal nacheinander in einem gewissen Abstand vorgegeben; die Reliabilität (im Sinne der Stabilität) ergibt sich als Maß des Zusammenhangs zwischen den beiden Messwertreihen. Problematik: Erinnerungseffekte Reliabilität Paralleltest-Reliabilität: Es werden zwei äquivalente Testformen erstellt, und dieselbe Stichprobe von Personen bearbeitet beide Versionen kurz nacheinander. Die Reliabilität des Verfahrens entspricht wiederum dem Zusammenhang zwischen diesen beiden Messwertreihen. Nachteil: sehr aufwändig; lohnt sich nur, wenn von vornherein zwei Testversionen vorliegen Reliabilität Testhalbierungs-Reliabilität: Ein Test wird in zwei gleichwertige Hälften unterteilt; die Reliabilität ergibt sich als der Zusammenhang zwischen den beiden Werten einer Person (über alle Teilnehmer/innen hinweg). Vorteil: nicht weiter aufwändig; Nachteil: Herstellen zweier äquivalenter Testhälften 11

12 Forderung an die Höhe des Reliabilitätskoeffizienten: ausgezeichnet sehr gut annehmbar mäßig (zu) gering Validität die Gültigkeit einer Messung in Hinblick auf das Messziel, also wie gut ein Test in der Lage ist, genau das zu messen was er zu messen vorgibt. Konzepte der Validität: 1. Inhaltliche Validität 2. Kriteriumsbezogene Validität 3. Konstruktbezogene Validität Validität Inhaltsvalidität (Augenscheinvalidität, face validity): wenn ein Test das interessierende Merkmal direkt und in seinen wesentlichen Aspekten erfasst (z.b. eine Maschinenschreibe-Probe, um zu erfassen, ob jemand auch tatsächlich Schreibmaschine schreiben kann). Die Feststellung dieser Form der Validität erfolgt per Augenschein ; diese Form der Validität lässt sich entsprechend auch nicht in Zahlen ausdrücken. Validität Kriteriumsvalidität: liegt in dem Maß vor, in dem die Messwerte bei dem interessierenden Test mit den Messwerten für ein Kriterium übereinstimmen. Je nachdem, zu welchem Zeitpunkt die Kriteriumswerte erfasst werden, sind zwei Formen der Kriteriumsvalidität zu unterscheiden: -Übereinstimmungsvalidität: Die Messwerte auf dem zu validierenden Instrument und für das Kriterium werden zum selben Zeitpunkt erfasst. - Prognostische Validität: Der zu validierende Test dient als Prädiktor für ein Kriterium, das in der Zukunft liegt. Die Testwerte werden in der Gegenwart erhoben, die Kriteriumswerte zu einem späteren Zeitpunkt. In diesem Sinne wurde beispielsweise die Validität von Schulnoten als Prädiktor für das Kriterium Berufserfolg verwendet. Validität Beispiel für Übereinstimmungsvalidität Man geht beispielsweise davon aus, dass Planungsfähigkeit auch etwas mit Intelligenz zu tun hat und entsprechend Intelligenz als Kriterium für Planungsfähigkeit ansetzen. Ein Test zur Erfassung von Planungsfähigkeit wäre dann valide, wenn die Werte der Probanden/innen in dem Test zur Erfassung der Planungsfähigkeit in einem positiven Zusammenhang mit den Intelligenzwerten derselben Probanden/innen stehen. Validität Konstruktvalidität bezieht sich auf die Zulässigkeit von Aussagen aufgrund der Operationalisierung über das gesamte dahinter liegende Konstrukt Konvergente Validität: Die Messdaten von Testverfahren, die dasselbe Konstrukt abbilden, müssten hoch miteinander korrelieren. Diskriminante Validität: Die Messdaten von Testverfahren, die verschiedene Konstrukte abbilden, sollten nur gering miteinander korrelieren. 12

13 Nebengütekriterien Beispiel der Erfassung von Treffern eines eingespannten Gewehrs Normierung Die Messwerte der Vpn werden in Bezug gesetzt zu Testergebnissen einer ausgewählten Population. Nützlichkeit Ökonomisch bzgl. der Testkonstruktion und anwendung. Praktisches Bedürfnis des Testinhalts. Innerhalb der Testanwendung ist es erlaubt relevante Entscheidungen zu treffen Ökonomie Ein Test soll in der Durchführung, Auswertung und in der generellen Handhabung wenig Aufwand bereiten Vergleichbarkeit Sie verlangt, dass Parallelformen möglich sind und diese auch vergleichbare Ergebnisse liefern. Inhaltsangabe 1. Definitionen Wissenschaft, Statistik, Begriffsbestimmungen 2. Skalenniveaus Hauptgütekriterien 2. Nebengütekriterien 4. Hypothesen 5. Gliederung einer wissenschaftlichen Arbeit Hypothesen Hypothese eine vorläufige Antwort auf eine Forschungsfrage D.h. mit ihr wird ein Vorschlag für die Lösung eines Problems aufgestellt. Frage: Warum ist Frau Müller nicht bereit auf ihr Auto zu verzichten, obwohl Sie Anhängerin einer Umweltschutzbewegung ist? Antwort: Menschen sind weniger bereit, ein persönliches Opfer zugunsten der Allgemeinheit zu bringen, wenn Sie meinen, ihr Beitrag sei für den Erfolg von nur geringer Bedeutung. Hypothesen Wissenschaftliche Hypothesen sind Annahmen über reale Sachverhalte in Form von Konditionalsätzen. weisen über den Einzelfall hinaus (Generalisierbarkeit) durch Erfahrungsdaten widerlegbar (Falsifizierbarkeit) überprüfbare Behauptung einer Beziehung zwischen zwei (oder mehr) Variablen. Hypothesen Nullhypothese (H0) besagt, dass etwas nicht vorliegt oder besteht (z.b. der Zusammenhang zwischen 2 Merkmalen oder der Unterschied zwischen Personen) Alternativhypothese (H1) behauptet den zur Nullhypothese alternativen Sachverhalt (z.b. Vorlage eines Zusammenhangs bzw. Unterschiedes). Die Nullhypothese stellt in der klassischen Prüfstatistik die Basis dar, von der aus entschieden wird, ob die Alternativhypothese akzeptiert werden kann oder nicht. 13

14 Hypothesen Gerichtete bzw. einseitige Hypothese die Richtung des Unterschieds, aber nicht dessen Größe wird spezifiziert. Wenn A eintritt, dann verbessert sich B Ungerichtete bzw. zweiseitige Hypothese weder die Richtung noch die Größe spezifiziert, es wird nur eine Veränderung postuliert. Wenn A eintritt, dann verändert sich B Entstehung von Hypothesen Wichtig ist es die Probleme zu sehen Es geht schon fast ums Erfinden von Problemen Intensive Beschäftigung mit dem Gegenstandsbereich Alltagswissen Erkundungsuntersuchung - man schaut mal was passiert Diskussion mit KollegInnen Bei der Hypothesenprüfung geht es um die Wahrheit oder Falschheit. Untaugliche Methoden der Hypothesenüberprüfung Subjektive Überzeugung ( ich bin zutiefst davon überzeugt, dass ) Bei der Hypothesenprüfung geht es um die Wahrheit oder Falschheit. Untaugliche Methoden der Hypothesenüberprüfung Subjektive Überzeugung ( ich bin zutiefst davon überzeugt, dass ) Berufung auf Autoritäten Bei der Hypothesenprüfung geht es um die Wahrheit oder Falschheit. Untaugliche Methoden der Hypothesenüberprüfung Subjektive Überzeugung ( ich bin zutiefst davon überzeugt, dass ) Berufung auf Autoritäten Nachweis durch Beispiele 14

15 Empirische H. Vergleich mit der Wirklichkeit Vorbedingungen für die Überprüfbarkeit einer H. (Wissenschafts)hypothese Empirische Vorhersage Vergleich Vorhersage - Wirklichkeit Statistik Ergebnis Widerspruchsfreiheit Kritisierbarkeit - Kräht der Hahn auf dem Mist, ändert sich das Wetter, oder es bleibt, wie es ist. Operationalisierbarkeit Grundidee des Experimentierens Aufstellung der Hypothesen vor der Überprüfung Experimentelle Forschung Universelle Hypothesen werden geprüft. 1. Der Experimentator variiert systematisch mindestens eine Variable. 2. Gleichzeitig schaltet er die Wirkung von anderen Variablen aus Ursache-Wirkung Definition eines Experiments Versuchsplan Bei einem Experiment verändert der VL aktiv mindestens eine UV und beobachtet die Wirkung dieser Veränderung an mindestens einer AV. Gleichzeitig schaltet er alle Störvariablen aus. Ursache und Wirkung kann so untersucht werden. Ziel ist es Alternativerklärungen für das Zustandekommen von Ergebnissen auszuschließen Anders ausgedrückt: Die Veränderungen der AV sollen möglichst eindeutig auf die Veränderungen der UV zurückzuführen sein. Bös, Hänsel & Schott,

16 Vorteile der Vorhermessung Versuchsplan für zwei UV s mit jeweils 2 Abstufungen (2x2 Design) Zeitpunkt 1 Vorhermessung Zeitpunkt 2 Zeitpunkt 3 Nachhermessung 1. Es kann festgestellt werden, ob sich die beiden Vpn - Gruppen von Anfang an unterscheiden. Gruppe 1 AV UV (a1) AV Gruppe 2 AV UV (a2) AV 2. Aus der Differenz zwischen der Vorhermessung und Nachhermessung lässt sich feststellen, in welchem Ausmaß sich die AV verändert hat. Nachteile der Vorhermessung Experimentalgruppe - Kontrollgruppe 1. Die Vorhermessung ist mit Kosten verbunden. 2. Die Vorhermessung ist nicht bei jeder Fragestellung möglich. 3. Die Vorhermessung kann sich auf die Nachhermessung auswirken. Experimentalgruppe diejenige Gruppe, bei der diejenige Stufe der UV realisiert wird, die den Forscher interessiert. Kontrollgruppe soll den Vergleich ermöglichen und die Störvariablen kontrollieren. Inhaltsangabe 1. Definitionen Wissenschaft, Statistik, Begriffsbestimmungen 2. Skalenniveaus Hauptgütekriterien 2. Nebengütekriterien 4. Hypothesen 5. Gliederung einer wissenschaftlichen Arbeit 16