Lernziele Experimentelles Praktikum

Ähnliche Dokumente
Einführung ins Experimentieren. Methodenpropädeutikum II Allgemeine Psychologie. Überlegungen zum exp. Design. Adrian Schwaninger & Stefan Michel

Das psychologische Experiment: Eine Einführung

Kapitel 7: Varianzanalyse mit Messwiederholung

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

5. Wie wird im Experiment die interessierende, vom Versuchsleiter gemessene Variable bezeichnet?

Vorwort zur 6. Auflage 11 Einleitung 13. Kapitel 1 Psychologie als Wissenschaft 15

V A R I A N Z A N A L Y S E

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Leitfaden zur Erstellung von Experimentalberichten

Basiswissen Statistik und Versuchsplanung. Moritz Körber

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)

Im Modell der Varianzanalyse (mit festen Effekten) ist das. aus dem Durchschnittsmesswert für y plus dem Effekt des.

Beispiel für eine multivariate Varianzanalyse (MANOVA) Daten: POKIV_Terror_V12.sav

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Varianzanalyse * (1) Varianzanalyse (2)

Interventionsstudien Designprinzipien und mögliche Probleme aus methodischer Sicht

Florian Frötscher und Demet Özçetin

Varianzanalyse (ANOVA: analysis of variance)

Auswertung mit dem Statistikprogramm SPSS:

Nichtparametrische statistische Verfahren

Lernziele Experimentelles Praktikum

Gestaltungsempfehlungen

Anhang A: Fragebögen und sonstige Unterlagen

Einfache Varianzanalyse für abhängige

Multivariate Statistik

Grundlagen von Versuchsmethodik und Datenanalyse

Gestaltungsempfehlungen

Kommentierter SPSS-Ausdruck zur logistischen Regression

Einfache statistische Auswertungen mit dem Programm SPSS

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Faculty of Computer Science. Kontrollierte Experimente

Datenanalyse mit SPSS spezifische Analysen

(2) Mittels welcher Methode ist es im ALM möglich kategoriale Variablen als Prädiktoren in eine Regressionsgleichung zu überführen?

Studiendesign/ Evaluierungsdesign

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

Auswertung und Darstellung wissenschaftlicher Daten (1)

Quantitative Methoden der Bildungsforschung

Christian FG Schendera. Regressionsanalyse. mit SPSS. 2. korrigierte und aktualisierte Auflage DE GRUYTER OLDENBOURG

1. Biometrische Planung

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen

Universität Zürich Institut für Informatik


Etwas positive Tendenz ist beim Wechsel der Temperatur von 120 auf 170 zu erkennen.

5. Untersuchungsdesigns

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS (ab V. 11.0)

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen

PASW Advanced Statistics 18

Einleitung 19. Teil I Datenanalyse und Modellbildung Grundlagen 25

3 Zusammenhangsmaße Zusammenhangshypothesen

2. Korrelation, lineare Regression und multiple Regression

Inhaltsverzeichnis TABELLENVERZEICHNIS. Nagengast, Liane Kunden erfolgreich binden 2011

Ausgewählte Kapitel der Statistik: Regressions- u. varianzanalytische Modelle Lösung von Grundaufgaben mit SPSS Statistics 20.0

Die Clusteranalyse Clusteranalyse. Grundidee Mögliche Anwendungsgebiete gg Vorgehensweise Beispiele. methodenlehre ll Clusteranalyse

Wie man leicht erkennen kann, steigt die Anzahl notwendiger Versuche zur Basis 2 bei jeder Modellerweiterung um einen weiteren Faktor.

A Focus Theory of Normative Conduct: When Norms Do and Do Not Affect Behavior

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Parametrische Statistik

Statistische Auswertung der Daten von Blatt 13

Empirische Softwaretechnik

Fortgeschrittene Statistik Logistische Regression

Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke

Praxisorientierte. Weiterbildung KURSE dynelytics AG SCHNECKENMANNSTRASSE 25 CH-8044 ZÜRICH

EINFÜHRUNG IN DIE STATISTISCHE VERSUCHSPLANUNG

Einführung in statistische Testmethoden

Standardab er des. Testwert = % Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere

Das Psychologische Experiment

Willkommen zur Vorlesung Statistik (Master)

Ästhetik von Websites

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

Forschungsmethoden und Statistik in der Psychologie

Methodenlehreklausur 2/02 Name: 1. Bearbeitungszeit: 2 Stunden 30 Minuten. Teil I: Offenes Beispiel

Praktikumsbericht zum Experimentalpraktikum I

5.2 Optionen Auswahl der Statistiken, die bei der jeweiligen Prozedur zur Verfügung stehen.

Statistische Datenanalyse mit SPSS

Einführung in die Statistik mit EXCEL und SPSS

Business Value Launch 2006

Kontingenzkoeffizient (nach Pearson)

1 Statistische Grundlagen

Physica-Lehrbuch. Ein anwendungsorientiertes Lehr- und Arbeitsbuch. von Christine Duller

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

Gütekriterien für evaluative Messinstrumente in der Rehabilitation

Experimentelle Hypothesenprüfung

Mensch Technisch. Fallstudien

Modul G.1 WS 07/08: Statistik Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Gemischte Lineare Modelle

Datenanalyse mit Excel. Wintersemester 2013/14

Datenanalyse mit SPSS erste Schritte

SPSS 20 für Dummies. Bearbeitet von Felix Brosius

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27

Log-lineare Analyse I

Grundlagen der Datenanalyse am Beispiel von SPSS

Methoden der empirischen Forschung

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Transkript:

Lernziele Experimentelles Praktikum Inhaltsverzeichnis 1. Theoretischer Hintergrund des Artikels 2. Grundlagen des Experimentierens 3. Schritte der allgemeinen Versuchsplanung 4. Unabhängige Variablen und Abhängige Variablen (und Kovariablen) 5. Fehlervariablen 6. Versuchsmaterial/Durchführung eines Experiments 7. Statistik 8. Wissenschaftliche Berichterstellung 1. Theoretischer Hintergrund des Artikels Folgende Kenntnisse über den Artikel von Roediger und McDermott (1995) werden erwartet: Verstehen der theoretischen Modelle und Argumente. Verstehen der Ziele und Hypothesen. Verstehen von möglichen Einflussfaktoren 2. Grundlagen des Experimentierens Abgrenzung von echten Experimenten zu anderen Ansätzen Veränderung der Ausgangsbedingungen mit Erfassung der Folgezustände Zufällige Zuordnung der Versuchspersonen auf die experimentellen Bedingungen Wiederholbarkeit von Experimenten Definition von interner und externer Validität Max-Min-Kon-Prinzip: Effekt maximieren, Fehlervarianz minimieren, Fehlervariablen konstant halten 1

3. Schritte der allgemeinen Versuchsplanung Die aufgelisteten Punkte stellen die allgemeinen Schritte bei der Planung eines Experimentes dar. Es wird erwartet, dass die Kenntnis davon haben, welches diese Planungsschritte sind. Präzisierung der Fragestellung (beobachtete Merkmale, Einflussgrössen und Störgrössen) Wahl des statistischen Modells; Konstruktion der geeigneten Versuchsanordnung; Wahl der Auswertungsmethode; Wahl der Versuchsgrösse 4. Unabhängige Variablen und Abhängige Variablen (und Kovariablen) 1. Definition von abhängigen Variablen und unabhängigen Variablen Unterscheidung zwischen theoretischen Konstrukten und deren Operationalisierung Worin besteht der Unterschied zwischen Gruppierungs- vs. Wiederholungsfaktoren Kombination von unabhängigen Variablen Auf welche Arten können unabhängige Variablen kombiniert werden Worin besteht eine vollständige Kreuzung von Faktoren und wieso stellt sie üblicherweise den Idealfall dar? Welche Vor- und Nachteile weisen Wiederholungs- resp. Gruppierungsfaktoren auf? Nicht immer sind beide Varianten implementierbar Interferenzen zwischen Bedingungen bei Wiederholungsfaktoren Verständnis einer vollständigen Kreuzung und ihrer Vorteile 5. Fehlervariablen 1. Definition von Fehlervariablen Definition nicht-konfundierende Fehlervariablen (Rauschvariablen) 2. Kontrolle von Störvariablen Definition konfundierende Fehlervariable (Störvariablen); Fehlervariablen der VP: Positionseffekte, Carry-Over-Effekte, (un-)vollständiges Ausbalancieren, Randomisieren, Lateinische Quadrate Fehlervariablen der Untersuchungssituation: Elimination, Konstanthaltung, Zufallsvariation, Kontrollgruppen Versuchsleiter(-erwartungs)effekte: Elimination des Versuchsleiters [VL], Training des VL, Blind- und Doppelblindversuche 2

6. Versuchsmaterial/Durchführung eines Experiments Verfassen brauchbarer Instruktionen: Verständlichkeit, Vollständigkeit, exakte Anweisungen, Prüfung des Verständnisses durch die Versuchsperson, Vortesten der Instruktionen Standardisierung der Untersuchungsbedingungen (insbesondere auch das Verhalten des Versuchsleiters) Randomisierung von Versuchsmaterial mithilfe von Excel: Erstellen einfacher Funktionen, Generierung von Zufallszahlen, Randomisieren durch Generierung von Zufallszahlen mit anschliessender Sortierung Pflege der VPn: Transparenz, faire Vorabinformation, ausführliches Debriefing, Zumutbarkeit der experimentellen Prozeduren, Datenschutzbestimmungen, informierte Zustimmung. 7. Statistik Eingabe und Kontrolle von Daten mittels eines Tabellenkalkulationsprogrammes (z.b. Microsoft Excel) Benutzung/Erstellung von Funktionen im Excel Überprüfen der Korrektheit von Daten in Excel Einlesen von Daten in IBM SPSS und Manipulation der Daten (Benennung von Variablen, Vergabe von Werte-Labels, Transformationen, Berechnung neuer Variablen etc.) Berechnung und Interpretation deskriptiver Statistiken mit SPSS, insbes. mit gruppierten Daten. Darstellung der Verteilung der Rohwerte (durch Boxplots und Histogramme) Berechnung von deskriptiven Statistiken (für Subgruppen) Tabellen und Konfidenzintervalle Erstellung von Mittelwertsdiagrammen mit Konfidenzintervallen/Standardfehlern Kreuztabellen für kategoriale Variablen (Durchführung eines -Tests zur Überprüfung der Unabhängigkeit zweier dichotomer Merkmale) T-Tests Was ist ein t-test und welche Unterarten gibt es? Was ist der Unterschied zwischen t-tests für gepaarte/ungepaarte Stichproben und wie werden sie in SPSS durchgeführt? SPSS Auswahl und Durchführung der unten aufgeführten Verfahrens und der notwendigen 3

Optionen in SPSS Mögliche Zusatzoptionen (z.b. Schätzer für Effektstärken) Mehrfaktorielle Varianzanalysen Grundlegende Vorzüge der Varianzanalyse Globale F-Test helfen die global Wirksamkeit einer UV zu überprüfen und die Anzahl an Tests Die Varianzanalyse ermöglicht das Aufdecken komplexer Wirkungsgefüge (Interaktionen) Haupteffekte und Interaktionen: Definition und Interpretation Interpretation von Haupteffekten beim Vorliegen von Interaktionen Interpretation von Interaktionen bei 2 und 3 UVs. Darstellung von Interaktionen mit Mittelwertsdiagrammen Between und Within subject Faktoren identifizieren können Post-hoc Tests für Haupteffekte: Wie lassen sich die verschiedenen Stufen eines signifikanten Faktors statistisch vergleichen, wenn der globale F-Test signifikant geworden ist? Wie nehme ich eine Bonferroni-Korrektur vor und was bedeutet sie? Was ist Fishers-LSD Verfahren und wie wird es angewendet? Kontraste: Was ist ein Kontrast und wann sollten Kontraste verwendete werden? Welche Vorteile bieten sie ggü. anderen Methoden, z.b. einzelnen t-tests? Sphärizitätsannahme für Messwiederholungsfaktoren: Worin besteht die Sphärizitätsannahme und wie lässt sie sich überprüfen? Die Varianzen unter allen Stufen der messwiederholten Faktoren müssen identisch sein, ebenso die Korrelationen zwischen den Stufen der messwiederholten Faktoren. Überprüfung mit Mauchly s Sphärizitätstest, Berechnung der Korrelationen zwischen Messwiederholungen. Warum ist die Überprüfung nötig und wie soll vorgegangen werden, wenn sie verletzt ist? SPSS Für messwiederholte Faktoren sind die Tests of Within-Subjects Effects zu berichten.wenn Mauchly s Sphärizitätstest nicht signifikant wird, werden die Testresultate unter Spericity Assumed berichtet. Wenn Mauchly s Sphärizitätstest signifikant wird: o Wenn epsilon >.75 ist, werden die mit der Huynh-Feldt-Methode korrigierten Werte berichtet. 4

o Ansonsten werden die mit der Greenhouse-Geisser-Methode korrigierten Werte berichtet. Varianzanalysetabellen Was die unterschiedlichen Spalten bedeuten sollte für alle Tabellen verstanden werden. Die Unterschiede zwischen Within Subjects Effects/Contrasts müssen klar verstanden werden. Tabelle der gewählten Kontraste verstehen (Simple Contrasts) 8. Wissenschaftliche Berichterstellung 1. Verfassen eines Experimentalberichtes nach den in der Wissenschaft üblichen Konventionen. 2. Als Richtschnur dient der Leitfaden zur Erstellung von Experimentalberichten 3. Kleiner Bericht: Fokus auf Methoden und Resultaten, nur kurze Einleitung und 2-3 Sätze zu den Schlussfolgerungen 4. Korrekte Beschreibung des Versuchsaufbaus, Methoden und Durchführung 5. Korrekte Darstellung der statistischen Ergebnisse 5