ISBN (Print); (PDF)

Transkript

1

2 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar. Die Informationen in diesem Buch werden ohne Rücksicht auf einen eventuellen Patentschutz veröffentlicht. Warennamen werden ohne Gewährleistung der freien Verwendbarkeit benutzt. Bei der Zusammenstellung von Texten und Abbildungen wurde mit größter Sorgfalt vorgegangen. Trotzdem können Fehler nicht ausgeschlossen werden. Verlag, Herausgeber und Autoren können für fehlerhafte Angaben und deren Folgen weder eine juristische Verantwortung noch irgendeine Haftung übernehmen. Für Verbesserungsvorschläge und Hinweise auf Fehler sind Verlag und Autor dankbar. Alle Rechte vorbehalten, auch die der fotomechanischen Wiedergabe und der Speicherung in elektronischen Medien. Die gewerbliche Nutzung der in diesem Produkt gezeigten Modelle und Arbeiten ist nicht zulässig. Fast alle Produktbezeichnungen und weitere Stichworte und sonstige Angaben, die in diesem Buch verwendet werden, sind als eingetragene Marken geschützt. Da es nicht möglich ist, in allen Fällen zeitnah zu ermitteln, ob ein Markenschutz besteht, wird das Symbol i. d. R. nicht verwendet ISBN (Print); (PDF) 2013 by Pearson Deutschland GmbH Martin-Kollar-Straße 10-12, D München/Germany Alle Rechte vorbehalten A part of Pearson plc worldwide Lektorat: Kathrin Mönch, kmoench@pearson.de Tim Schönemann, München Korrektorat: Ruth Schneider, München Einbandgestaltung: Thomas Arlt, tarlt@adesso21.net Herstellung: Claudia Bäurle, cbaeurle@pearson.de Satz: mediaservice, Siegen ( Druck und Verarbeitung: Drukarnia Dimograf, Bielsko-Biala Printed in Poland

3 Forschungsmethoden und Statistik für Psychologen und Sozialwissenschaftler - PDF Inhaltsverzeichnis Forschungsmethoden und Statistik Impressum Inhaltsübersicht Inhaltsverzeichnis Vorwort zur 2. Auflage Vorwort zur 1. Auflage Teil I Grundlagen und Konzepte 1 Alltagswissen versus Wissenschaft: Beispiel Psychologie 1.1 Die Fallstricke der Alltagspsychologie Fehler beim Wahrnehmen Fehler beim Erinnern Fehler beim logischen Denken Fehler beim Umgang mit Wahrscheinlichkeiten 1.2 Sprachgebrauch in Alltag und Wissenschaft Missverständnisse beim Verstehen von Sprache im Alltag Präzisierung der Sprache in der Wissenschaft 1.3 Die wissenschaftliche Methode Theorien, Hypothesen und ihre Präzisierung Design Durchführung von Studien Datenanalyse und -interpretation 1.4 Was gewinnen wir durch die wissenschaftliche Vorgehensweise? 2 Wissenschaftstheorie, Theorien und Hypothesen 2.5 Von Theorien zu Hypothesen 2.1 Was ist die Wirklichkeit und wie können wir sie erkennen? Das Leib-Seele-Problem Induktion vs. Deduktion 2.2 Wissenschaftstheoretische Ansätze im Überblick Konventionelle Ansätze Wirklichkeit als Konstruktion 2.3 Spezialprobleme der Psychologie Latente Variablen Verhältnis zwischen Forscher und Erforschten 2.4 Woher kommen Theorien? Bed, Bathroom and Bicycle Die systematische Suche nach Theorien 2.5 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 3 Messen und Testen

4 3.1 Was ist Messen? 3.2 Messtheorie Messtheoretische Probleme 3.3 Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala Absolutskala 3.4 Tests 3.5 Gütekriterien beim Testen und Messen Objektivität Reliabilität Validität 4 Datenerhebung: Befragung und Beobachtung 4.1 Befragung: Unterschiedliche Perspektiven Mündlich oder schriftlich? Freie oder festgelegte Antwortmöglichkeiten? Einzel- oder Gruppenbefragung? Wie sehr standardisieren? 4.2 Befragung: Fehlermöglichkeiten und Gegenmaßnahmen Potenzielle Probleme bei der Gestaltung und Anordnung von Items Potenzielle Probleme bei der Durchführung der Befragung 4.3 Befragung: Ein kurzes Resümee Wann welche Art von Befragung? Einige abschließende Hinweise 4.4 Beobachtung: Unterschiedliche Perspektiven 4.5 Beobachtung: Fehlermöglichkeiten und Gegenmaßnahmen 4.6 Beobachtung: Ein kurzes Resümee Wann welche Form von Beobachtung? Einige abschließende Hinweise 4.7 Generalisierbarkeit von Befragungs- und Beobachtungsergebnissen Auswahl der Situation Auswahl der Studienteilnehmer 5 Experimentelle Designs 5.1 Warum werden Experimente durchgeführt? 5.2 Die Logik des Experiments Grundlage für Kausalschlüsse Interne Validität 5.3 Kontrolltechniken Kontrolle personengebundener Störvariablen Randomisieren Kontrolle von Störvariablen in der Versuchssituation Konstanthalten und Eliminieren 5.4 Externe Validität Wie wichtig ist die externe Validität?

5 5.4.2 Wie kann die externe Validität erhöht werden? 5.5 Within-Subjects-Designs Warum werden Within-Subjects-Designs eingesetzt? Positionseffekte und ihre Kontrolle Carry-Over-Effekte 5.6 Mehrfaktorielle Designs Haupteffekte und Interaktionen in Komplexere Designs Interaktionen und externe Validität 5.7 Quasi-Experimente Teil II Deskriptive und explorative Datenanalyse 6 Lage- und Streuungsmaße 6.1 Warum brauchen wir Streuungsmaße? 6.2 Lage und Streuung auf einen Blick Stamm-Blatt-Diagramme Box-Plots 6.3 Lagemaße im Detail Arithmetisches Mittel Median und Quantile Modalwert Weitere Lagemaße 6.4 Streuungsmaße im Detail Standardabweichung und Varianz Interquartilsabstand und andere Quantilsabstände Weitere Streuungsmaße 6.5 Wann welches Maß? Skalenniveau Form der Verteilung 6.6 Standardisierung: z-werte 6.7 Population vs. Stichprobe 7 Korrelation 7.1 Die grafische Darstellung von Korrelationen: Streudiagramme 7.2 Korrelationsmuster Lineare und kurvilineare Zusammenhänge Richtung und Stärke von Zusammenhängen Die Bedeutung des Korrelationsmusters für die weitere Analyse 7.3 Der Produkt-Moment-Korrelationskoeffizient z-werte und der Produkt-Moment-Korrelationskoeffizient 7.4 Verzerrungen des Produkt-Moment- Korrelationskoeffizienten Ausreißerwerte Einschränkungen der Variabilität Zusammenfassung von heterogenen Untergruppen 7.5 Korrelation und Kausalität 7.6 Partialkorrelation

6 7.7 Andere Zusammenhangsmaße Korrelation zweier dichotomer Merkmale - der Phi-Koeffizient Korrelation zweier ordinalskalierter Merkmale - Kendalls Tau 8 Lineare Regression 8.1 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 Regression mit z-standardisierten Variablen Der Regressionseffekt Die Vorhersage von X aus Y 8.2 Die Güte der Vorhersage Varianzzerlegung Der Determinationskoeffizient Der Standardschätzfehler 8.3 Probleme und Verzerrungen in der Regressionsrechnung 8.4 Ein Ausblick auf die multiple Regression Multiple Regression mit z-standardisierten Variablen Eine Illustration mit zwei Prädiktoren Gütemaße in der multiplen Regression 9 Effektgrößen 9.1 Was sind Effektgrößen? 9.2 Abstandsmaße 9.3 Zusammenhangsmaße 9.4 Effektgrößen aus Effektgrößen Abstandsmaße aus Abstandsmaßen Korrelationen aus Abstandsmaßen Abstandsmaße aus Korrelationen 9.5 Wie bedeutsam ist eine Effektgröße? 9.6 Weitere Effektgrößen-Maße Relatives Risiko Odds Ratio Mehr zu Effektgrößen in diesem Buch Teil III Inferenzstatistik 10 Grundlagen der Inferenzstatistik 10.1 Wahrscheinlichkeiten, kurz gefasst Was ist Wahrscheinlichkeit? Wahrscheinlichkeit von Konjunktionen und bedingte Wahrscheinlichkeiten 10.2 Von der Population über Stichproben zur Stichprobenverteilung Simulationsbeispiel für Anteile Simulationsbeispiel für Mittelwerte Die tatsächliche Vorgehensweise: Von der Stichprobe zur Population

7 10.3 Stichprobenverteilung für Anteile Binomialverteilung per Hand Binomialverteilung mit Binomialformel 10.4 Lage- und Streuungsmaße von Stichprobenverteilungen Binomialverteilung Stichprobenverteilungen für Mittelwerte 10.5 Der Einfluss der Stichprobengröße auf die Stichprobenverteilung Empirisches Gesetz der großen Zahlen Zentraler Grenzwertsatz 10.6 Rekapitulation und Ausblick 11 Konfidenzintervalle 11.1 Was ist ein Konfidenzintervall? Wahrscheinlichkeitsintervalle: Ein Gedankenexperiment Konfidenzintervalle für Anteile Auswirkungen der Höhe der Konfidenz und der Stichprobengröße Die Berechnung von Konfidenzintervallen 11.2 Konfidenzintervalle für Mittelwerte 11.3 Konfidenzintervalle für Mittelwertsunterschiede Unabhängige Messungen Abhängige (gepaarte) Messungen 11.4 Die Interpretation von Konfidenzintervallen 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? 12.2 Vorgehensweise nach R. A. Fisher Beispiel 1: Vorzeichentest Beispiel 2: t-test für Mittelwert Probleme mit der Vorgehensweise nach Fisher 12.3 Neymans & Pearsons Verbesserungsvorschläge Warum braucht man die Alternativhypothese und wie wird sie bestimmt? Fehler erster und zweiter Art ( und ) Die Verhaltensinterpretation des Signifikanztestergebnisses 12.4 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) 12.5 Poweranalyse Die Suche nach der Stichprobengröße: A priori-analyse Die Suche nach einem Kompromiss zwischen und Die Suche nach weiteren Interpretationsmöglichkeiten: post hoc-analyse 12.6 Vorgehensweise nach Neyman und Pearson Beispiel 1: Vorzeichentest nach Neyman und Pearson Beispiel 2: t-test nach Neyman und Pearson

8 Akzeptanz des Ansatzes in Psychologie und Sozialwissenschaften 12.7 Das konventionelle Verfahren: Der Hybrid Bestandteile Vorgehensweise und Ergebnisinterpretation 12.8 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 13 Tests 13.1 Unterschied zwischen zwei Mittelwerten Unabhängige Stichproben Abhängige Stichproben 13.2 Weitere t-test Korrelation Regression 13.3 Effektgrößenberechnung aus Testergebnissen von Generelle Idee Eine Stichprobe (Mittelwert vs. vorgegebener Wert) Zwei unabhängige Stichproben Zwei abhängige Stichproben Korrelation und Regression 14 Der F-Test in der einfaktoriellen Varianzanalyse 14.1 Warum nicht mehrere t-tests? 14.2 Die Logik der Varianzanalyse Zwei Wege zu einer Schätzung der Populationsvarianz Varianzzerlegung 14.3 Voraussetzungen der einfaktoriellen Varianzanalyse 14.4 Post-hoc-Tests 14.5 Effektgrößen in der einfaktoriellen Varianzanalyse 14.6 Power in der einfaktoriellen Varianzanalyse 15 Weitere F-Tests 15.1 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 15.2 Varianzanalyse mit abhängigen Stichproben Varianzzerlegung in der einfaktoriellen Varianzanalyse mit abhängigen Stichproben ANOVA-Tabelle Voraussetzungen der Varianzanalyse mit abhängigen Stichproben

9 Effektgrößen in der Varianzanalyse mit abhängigen Stichproben Power in der Varianzanalyse mit abhängigen Stichproben Erweiterungen zur Varianzanalyse mit abhängigen Stichproben 15.3 Der F-Test in der Regressionsrechnung 15.4 Weitere Varianten der Varianzanalyse 16 Kontrastanalyse 16.1 Kontraste vs. Omnibus-Hypothesen Die Problematik von Omnibus-Hypothesen Kontraste als präzise Hypothesen 16.2 Kontrastanalyse für unabhängige Stichproben F Kontrast und t Kontrast Orthogonale Kontraste Effektgrößen bei der Kontrastanalyse für unabhängige Stichproben Poweranalyse bei der Kontrastanalyse für unabhängige Stichproben 16.3 Kontrastanalyse für unabhängige Stichproben bei komplexen Fragestellungen Haupteffekte und Interaktionen Beliebige Fragestellungen 16.4 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 16.5 Vergleich zweier Hypothesen mithilfe der Kontrastanalyse Unabhängige Stichproben Abhängige Stichproben 17 Verfahren zur Analyse nominalskalierter Daten: Chi-Quadrat (2-)Tests 17.1 Der 2-Test für eine Variable Die Gleichverteilungsannahme als Nullhypothese Der 2-Wert Verteilung und Freiheitsgrade Andere Verteilungsannahmen als Nullhypothese Effektgrößen Power 17.2 Der 2-Test für zwei Variablen Die Unabhängigkeitsannahme als Nullhypothese Berechnung des 2-Werts Freiheitsgrade und Signifikanzprüfung Effektgrößen Power 17.3 Voraussetzungen der 2-Tests 18 Verfahren zur Analyse ordinalskalierter Daten 18.1 Voraussetzungsverletzungen in parametrischen Tests 18.2 Der U-Test Zuordnung der Rangplätze Null- und Alternativhypothese

10 Der U-Wert Signifikanzprüfung in kleinen Stichproben Signifikanzprüfung in großen Stichproben Rangbindungen 18.3 Der Wilcoxon-Test Durchführung des Wilcoxon-Tests Eine Voraussetzung des Wilcoxon-Tests 18.4 Powerbestimmung im U-Test und Wilcoxon-Test 19 Inferenzstatistik: Erweiterungen und Ergänzungen 19.1 Der Bootstrap: Inferenz nach Münchhausen-Art Grundlegende Idee und Vorgehensweise Vorteile des Bootstrap Anwendungsbeispiele Praktische Vorgehensweise 19.2 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 19.3 Inferenzstatistik in Psychologie und Sozialwissenschaften Klassisch vs. Bayesianisch Was kann Inferenzstatistik nicht? Teil IV Das Allgemeine Lineare Modell 20 Das Allgemeine Lineare Modell 20.1 Was ist das Allgemeine Lineare Modell? 20.2 Der t-test als Spezialfall der einfachen Regression 20.3 Varianzanalyse mit zwei Gruppen als Spezialfall der einfachen Regression 20.4 Varianzanalyse mit mehr als zwei Gruppen als Spezialfall der multiplen Regression 21 Regressionsrechnung: Ergänzungen und Erweiterungen 21.1 Multiple Regression: Ergänzungen Schrittweise Regression Effektgrößen bei der multiplen Regression Inferenzstatistik bei der multiplen Regression Analyse nichtlinearer Beziehungen 21.2 Kovarianzanalyse mittels Regressionsrechnung 21.3 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

11 Variable Interaktion zwischen zwei intervallskalierten Variablen Interaktion in komplexeren Fällen 22 Indirekte Effekte, latente Variablen und multiple Analyseebenen 22.1 Pfadanalyse Zusammenhang zwischen Regressionsrechnung und Pfadanalyse Pfadanalyse mit Mediatorvariable 22.2 Strukturgleichungsmodelle Identifizierbarkeit Mess- und Strukturmodelle Schätzen der freien Parameter Die Überprüfung des Modells: Gütemaße Anwendungsvoraussetzungen 22.3 Exploratorische Faktorenanalyse Datenbeispiel Fundamentaltheorem der Faktorenanalyse Extraktionsverfahren Ladungen, Kommunalitäten, Eigenwerte Faktorauswahl Rotation und Interpretation 22.4 Mehrebenenanalyse Warum Mehrebenenanalyse? Regressionsgleichung für ein einfaches Mehrebenenmodell Feste versus zufällige Effekte Analysemöglichkeiten: einige Beispiele Möglichkeiten und Grenzen der Mehrebenenanalyse Teil V Weitere Verfahren der Datenerhebung und Datenanalyse 23 Explorative Datenanalyse (EDA): Weitere Verfahren 23.1 Robustheit von EDA-Verfahren: Box-Plots 23.2 Varianten von Streuungsdiagrammen Streuungsdiagramme mit Box-Plots Influence-Plot Bubble-Plot 23.3 Aufspüren und Geradebiegen nichtlinearer Zusammenhänge Lowess Potenzleiter 23.4 Multivariate Zusammenhänge auf einen Blick: Die Streuungsdiagramm-Matrix 23.5 Mehrdimensionale grafische Klassifikation von Personen oder Objekten Rechteck-Icons Histogramm- und Profilplots Star-Plots Chernoff-Gesichter 23.6 EDA im Kontext 24 Effektgrößen: Erweiterungen und Ergänzungen 24.1 Populations- versus Stichprobeneffektgrößen

12 24.2 Effektgrößenschätzung bei unvollständigen Angaben Nur p-werte und Stichprobengröße(n) angegeben Nur globale Angaben 24.3 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 24.4 Konfidenzintervalle für r und g Approximative Konfidenzintervalle für r und g Bootstrap-Konfidenzintervalle Exakte Konfidenzintervalle 24.5 Konfidenzintervalle für weitere Effektgrößen Konfidenzintervalle für Anteile Konfidenzintervalle für Relative Risiken (RR) und Odds Ratios (OR) 25 Metaanalyse 25.1 Metaanalyse in Grundzügen Empirische Stichprobenverteilungen als Ausgangsbasis Metaanalyse vs. Signifikanzen-Zählen Fixed effects versus random effects Wichtige Einflussgrößen 25.2 Praktische Durchführung Suche nach passenden Studien Auswahl von Studien: Kriterien Berechnung und Kombination von Effektgrößen Analyse potenzieller Moderatorvariablen 25.3 Potenzielle Probleme und Möglichkeiten zu ihrer Kontrolle Selektive Auswahl von Studien: Funnel-Plot Äpfel und Birnen : Psychometrische Metaanalyse 25.4 Metaanalyse im Kontext Varianten von Metaanalysen Verhältnis von Einzelstudien und Metaanalysen Die Aussagekraft von gemittelten Effektgrößen 26 Besonderheiten der Datenerhebung 26.1 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 26.2 Verfälschte Stichproben Selektive Stichproben Nonsampling Error : Verfälschung durch Nichtziehen Ziehen nach Ergebnis 26.3 Unverfälschte Antworten bei sensiblen Fragen: Randomized Response

13 Randomized Response für Anteile I Randomized Response für Anteile II Randomized Response für Mittelwerte 27 Computermodellierung als Forschungsmethode 27.1 Warum Computermodellierung? Reichere Modelle Präzisere Vorhersagen Aufhebung künstlicher Trennungen 27.2 Was kann man wie modellieren? Art der Repräsentation: Symbolisch vs. subsymbolisch Art der modellierten Prozesse: Kognition, Sozialverhalten und Evolution 27.3 Produktionssysteme Architektur und Funktionsweise Ein spezifisches Modell: ACT-R Wofür sind Produktionssystem-Modelle geeignet? 27.4 Verteilte Modelle Architektur und Funktionsweise Beispiele Wofür sind einfache verteilte Modelle geeignet? 27.5 Neuronale Netzwerke Architektur und Funktionsweise Beispiele Wofür sind neuronale Netzwerke geeignet? 27.6 Genetische Algorithmen Architektur und Funktionsweise Beispiele Wofür sind genetische Algorithmen geeignet? 27.7 Praktische Vorgehensweise Bewertung von Simulationsergebnissen Programmierung Simulationsumgebungen 27.8 Möglichkeiten und Grenzen der Computermodellierung 28 Qualitative Methoden 28.1 Qualitative Methoden im Überblick Zielstellung qualitativer Forschung: Drei Sichtweisen Die wissenschaftliche Methode: Qualitative Version Die Vielfalt qualitativer Ansätze 28.2 Spezifische Ansätze: Eine Auswahl Qualitative Inhaltsanalyse Grounded Theory Diskursanalyse 28.3 Der qualitative Forschungsprozess Datensammlung Datenanalyse Gütekriterien

14 28.4 Qualitative Methoden: Eine kritische Bewertung Qualitative Messung Qualitative Methoden und Falsifizierbarkeit Wie man qualitative Forschung nicht betreiben sollte Wann sind qualitative Methoden nützlich? Teil VI Reflexion 29 Methode und Inhalt 29.1 Bewährte Methoden und neue Ansätze Inferenzstatistik: Erweiterte Perspektiven Die Rolle von Simulationen Die Rolle der qualitativen Methoden 29.2 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 29.3 Die Methodenbrille: Sehhilfe oder Sehbehinderung? Anhang Anhang A: Tabellen Anhang B: Bibliografie Anhang C: Register Ins Internet: Weitere Infos zum Buch, Downloads, etc. Copyright

15 Copyright Daten, Texte, Design und Grafiken dieses ebooks, sowie die eventuell angebotenen ebook-zusatzdaten sind urheberrechtlich geschützt. Dieses ebook stellen wir lediglich als persönliche Einzelplatz-Lizenz zur Verfügung! Jede andere Verwendung dieses ebooks oder zugehöriger Materialien und Informationen, einschließlich der Reproduktion, der Weitergabe, des Weitervertriebs, der Platzierung im Internet, in Intranets, in Extranets, der Veränderung, des Weiterverkaufs und der Veröffentlichung bedarf der schriftlichen Genehmigung des Verlags. Insbesondere ist die Entfernung oder Änderung des vom Verlag vergebenen Passwortschutzes ausdrücklich untersagt! Bei Fragen zu diesem Thema wenden Sie sich bitte an: Zusatzdaten Möglicherweise liegt dem gedruckten Buch eine CD-ROM mit Zusatzdaten bei. Die Zurverfügungstellung dieser Daten auf unseren Websites ist eine freiwillige Leistung des Verlags. Der Rechtsweg ist ausgeschlossen. Hinweis Dieses und viele weitere ebooks können Sie rund um die Uhr und legal auf unserer Website herunterladen: