7. Hypthesenprüfende Untersuchungsformen Flashcards

Question

Faktorenanalyse - Multivariate Zusammenhangshypothesen

Answer 1

faktorielle Zusammenhänge: Merkmale (bzw. Items) könnten in weniger Faktoren oder Dimensionen zusammenschließen lassen Zugehörigkeit der einzelnen Items wird durch Faktorladungen ausgedrückt (Korrelation zwischen Item und Faktoren)

Answer 2

Korrelationen haben Problem interner Validität, keine Kausalität nicht-signifikante Korrelationen können Kausalmodelle falsifizieren Längsschnittstudien (Cross-lagged Panel Design) können konkurrierende Kausalmodelle einschränken und durch Pfadanalysen (unter Berücksichtigung manifester Variablen) sowie Strukturgleichungsmodelle (mit manifesten und latenten Variablen) verglichen werden empirische Validierung nur über Replikation Aus metaanalytischem Vergleich von Ergebnissen vergleicharere Untersuchungen Stärke der Kausaleffekte und Übertragbarkeit abschätzen

Answer 3

Kausale Annahmen widerlegen sich aber lassen sich nicht eindeutig bestätigen vor der Überprüfung müssen spezifische Modelle über Ürsache-Wirkungs-Sequenzen vorliegen dient der Bestätigung ob ein spezifiziertes Modell mit den empirischen Daten überein

Answer 4

Kausale Annahmen widerlegen sich aber lassen sich nicht eindeutig bestätigen gehen im vergl. zu Pfadanalysen über den schritt wechselseitiger Beziehungen hinaus, Annahmen über latente Merkmale (mit Beziehungen untereinander und anderen Merkmalen) vor der Überprüfung müssen spezifische Modelle über Ürsache-Wirkungs-Sequenzen vorliegen dient der Bestätigung ob ein spezifiziertes Modell mit den empirischen Daten überein

Answer 5

Treatment und Kontrollgruppe nur ranomisierte Zuweisung Erfolge nur in experimentellem Setting richtig zu interpretieren t-test für unabhängige Stichproben oder matched Samples t-test für abhängige Stichproben oder nicht-parametrischer Test Extremgruppenvergleich: nur äußerste Probanden - besitzt UV Erklärungswert von AV (Überschätzung der UV häufig, Vorraussetzung nicht erfüllt d.h. non-paramentrische

Answer 6

Unterscheidet sich im Vorgehen nicht von zwei-Gruppen-Plan Varianzanalyse, Post-Hoc, Kontrasttests Kontraste (A priori): allein wenn vorher Einzelvergleichshypothesen formuliert wurden. Treatments zusammenfassen und mit anderen zu vergleichen. Trendtests: lineare, quadratische, kubische etc. Post-Hoc (a posteriori): im Nachheinein feststellen welche Treatments sich signifikant unterscheiden

Answer 7

neben Haupteffekten werden auch Interaktionen überprüft damit sich Gruppen nicht wesentlich unterscheiden (interne Validität): Parallelisierung, Matching, Konstanthaltung

Answer 8

ordinale Interaktion = Graphen verlaufen gleichsinnig, Haupteffekte bleiben interpretierbar hybride Interaktion = Graphen verlaufen im einen gleichsinnig und im anderen nicht, nur einer der Haupteffekte bleibt interpretierbar disordinale Interaktion = Graphen verlaufen nicht gleichsinnig, kein Haupteffekt ist interpretiertbar, Interpretation geht nur auf Basis einzelner Zellen Interpretation solang deskriptiv wenn keine spez. Hypothese formuliert wurde

Answer 9

Kontrollvariable wird erfasst und bei Auswertung möglicher Einfluss entfernt ähnlich der Partialkorrelation Ziel ist auch Fehlervarianz der AV zu reduzieren Auch nominalskalierte Kontrollvaraiblen können als Dummy-Variablen kovarianzanalytisch ausgewertet werden

Answer 10

wenn mehr als eine abhängige Variable vorliegt gehen faktiorielle in multivariate Pläne über hiermit können auch wechselseitige Beziehungen zwischen mehreren abhängigen Variablen aufgedeckt werden für komplexe Konstrukte - mehrere Indikatorvaraiblen (steigerung der externen Validität)

Answer 11

Fragen aus Grundlagen- Interventions- und Evaluationsforschung Treatment bewirkt Veränderung einer AV Pretest-Posttest-Design zwei Gruppen-Design

Answer 12

Prätest-Posttest-Differenz auf der AV multiple oder multivariate Varianzanalysen für Messwiederholungen setzt gleichförmige Korrelationen zwischen allen Messwiederholungen voraus

Answer 13

bei kleinem n Pretests um personenbedingte Störvariablen zu kontrollieren Sequenzeffekte kontrollieren: verschiedene Abfolge je einer Zufallsstichprobe zuweisen Positionseffekte: entstehen, wenn durch Messwiederholungen gleichartige Veränderungen (z.B. Ermüdung, Gewöhnung etc. ausgelöst werden) bei quasi-experimentellen Untersuchungen zur Steigerung der internen Validität sollten mehr als zwei Messzeitpunkte vorgesehen werden (Anfang und Ende konzentrierter)

Answer 14

Indikator für Reliabilität von Differenzmaßen je geringer die Streuung desto geringer die Reliabilität Bei mehr als zwei Messungen keine Differenz sonder Regression

Answer 15

Mit zunehmendem Messfehler der Messwerte sinkt die Reliabilität der Differenzwerte kann auch an heterogenen Veränderungsraten liegen nicht zwangsläufig niedrige Reliabilität der Differenzen

Answer 16

gleichabstädnig verteilte Messzeitpunkte über gesamte Erhebungsspanne besser Anfangs und Ende engere Zeitabstände

Answer 17

extreme Pretestwerte tendieren bei einer Wiederholung zur Mitte Besonders kritisch bei der Überprüfung differentieller Wirkungen von Treatments an Personengruppen mit extremen Merkmalsausprägungen - kann nur durch Zufallsstichproben aus vergl. Populationen gelöst werden

Answer 18

dient dazu mögliche Pretest-Effekte aus Vortests zu kontrollieren vier randomisierte Gruppen 1. Pretest - Treatment - Posttest 2. Kontrolle: Prestest - Posttest 3. One-Shot-Case-Design: Treatment - Posttest 4. Posttest Kontrolle von Treatment-Effekten (1+3), Pretesteffekte (1+2), Zeiteffekte (1+2+3+4)

Answer 19

Problematisch wenn Unterschiede zwischen Gruppen in der AV auf andere unkontrollierte Abweichungen zwischen Gruppen zurückgeführt werden können konfundierte Merkmale ermitteln mehrere abhängige Variablen wiederholte Treatmentphasen Parallelisierung der Gruppen wenn Matching durch stabile Merkmale erzielt wrden kann \> beachte Regressionseffekte

Answer 20

neurophysiologische Reifungsprozesse gekoppelt am Verhalten Gedächtnis, Wahrnehmung, Denken **Querschnitt:** Epochale und Generationsunterschiede konstanthalten, Abhängigkeit der Validität des Messinstruments von Alter **Längsschnitt:** Generation variieren, epochale Effekte konstanthalten, Ausfall von Probanden, Übungseffekte, Veränderung der Validität der Messinstrumente Cohort-Sequential-Method Time-Sequential-Method

Answer 21

Verhaltensbesonderheiten in verschiedenen Zeitabschnitten gekoppelt an spezifische gesellschaftliche Erscheinungen **Querschnitt:** Alter konstanthalten (vernachlässigen), Generation variieren **Längsschnit**t: Alter variieren, Generation konstanthalten Tim-Sequential-Method Cross-Sequential Method

Answer 22

bedingt durch Geburtszeitpunkt Vorkriegs- vs. Nachkriegsgeneration **Querschnitt**: konstanthaltung Epoche **Längsschnitt:** Konstanthaltung Alter Cohort-Sequential-Method Cross-Sequential-Method

Answer 23

Messwiederholungsdesign versch. Generationen werden mit versch. Altersstufen untersucht versch. Erhebungszeitpunkte Epochale konstant, vernachlässigt, ignoriert

Answer 24

Messwiederholungsdesign verschiedene Epochen und Alter systematisch variiert in jeder Faktorstufenkombination wird eine andere Zufallsstichprobe gezogen Generations konstant, vernachlässigt

Answer 25

Messwiederholungsdesign Epochen- und Generationsfaktor wird variiert Alterseffekt konstant, ignoriert, vernachlässigt

Answer 26

Vorhersagemodelle - wiederauftretende Regelmäßigkeiten Interventionsmodelle - Veränderungen in Zeitreihen durch spezifische Ereignisse Transferfunktionsmodelle - Veränderungen in Zeitreihen durch andere Zeitreihen

Answer 27

mehr als zwei Messungen um da Ausmaß von Veränderungen und deren Stabilität abzuschätzen Veränderungen können sein: Zufallseffekte (Merkmalsoszillationen) statistische Effekte (Regressionseffekte) Folge eines Treatments oder Intervention

Answer 28

Paradoxon: Reliabilität der Differenzen ist umso geringer, je höher die Reliabilität der Einzeltestungen ist Eignet sich nicht für Interpretation bei Einzelfällen Probleme: Regression zur Mitte Ausgangswertgesetz: Die Höhe des Anfangswertes ist negativ mit dem Zuwachs korreliert Physikalismus - Subjektivismus - Dilemma: Numerisch gleiche Differenzen stehen nicht selbstverständlich für gleiche Merkmalsveränderungen (Noten)

Answer 29

wenn n groß genug, kann jede Nullhypothese verworfen werden Weil alpha-Fehler nach Cohen viermal so schwer wie beta (s. Kapitel 8. nur für Wissenschaftler nicht Diagnostiker) kann alpa 5% und beta 2% sein bei Effektgrößen beachten: beta-fehler \< alpha-fehler für n, erwartete Differenzen müssen zusätzlich an Streuung relativiert sein. 1. verwendeter stat. Test 2. Angabe alpha-Fehler 5% 3. Angabe Teststärke 80% bis 95% 4. Angabe Effektstärke 5. Art der Testung einseitig kleines n zweiseitig großes n zwei Tests mit gleicher H1 vergleichen (paramterische BEdingungen) = relative Effizienz, Asymptotische relative Effizienz (nicht von alpha und Effektgröße abhängig)

Answer 30

vor der Untersuchung und nach der Untersuchung (ex-post Bestimmung) wenn keine sicheren Größen festliegen - Klassifikationstabellen von Effektgrößen (klein, mittel, stark)

Answer 31

**Unkorrigiert**: **Glass g' oder Delta**: relativiert Mittelwertdifferenz auf Standardabweichung einer Kontrollgruppe, positivitätsbias **Cohens d**: typisch bei t-Tests für unabhängige Stichproben, gepoolte Standardabweichung beider Gruppen, positivitätsbias, kann in R² rückkonvertiert werden **Korrigiert:** **Thomsons korrigiertes d\***: Effekgrößen können zur Verhinderung des Positivitäsbias um den Stichprobenfehler korrigiert werden.

Answer 32

wenn Mittelwerte nicht von Interesse sind, sondern Variabilität von Werten besonders im nicht-experimentellen Setting **Unkorrigiert**: **R²**: Regressionsanalysen, Explaind Quadratsumme **eta²(n²)**: Varianzanalysen, Between Quadratsumme **Korrigiert**: Kelleys epsilon²: gleich wie omega², andere Berechnung, äquivalent zu Eta² Hays omega²: bei fixed effect models, nominalvariable ICC: bei random effects, einzelne Kategorien in Zufallsstichprobe Adjustiertes R²

Answer 33

abhängig vom statistischen Test abhängig von der Stichprobengröße - großes n= große Power abhängig vom Ausmaß experimenteller Effekte abhängig vom Ausmaß des Fehlers

Answer 34

homogene Primäruntersuchungen mit gemeinsamer Thematik anhand statistischer Indikatoren aggregieren und komprimieren wichtig: Effektgröße Zusammenfassung Forschungsergebnisse, Vorbereitung Evaluationsstudien (Kosten-Nutzen) basiert auf einer Gesamtstichprobe die sich additiv aus den Einzelstichproben der Studienergibt Delta: zur vereinheitlichung von Effektgrößen, Schätzung wahrer Merkmalszusammenhänge,

Answer 35

Qualitätskriterien der einzelnen Studien berücksichtigen und anhand objektiver Kriterien nachvollziehbar machen interne Validität lässt sich empirisch methodisch kontrollieren methodisch gute und schlechte Studien anhand von Effektstärken nicht zu erkennen (evtl. Variabilität) transparenz in Darstellung UVs umfassender und abstrakter: homogene Untergruppen bilden AVs Definition strengere Regeln Effektgrößen müssen Homogen sein (chi-Quadrat Homogenitätstest, kleine Power erst bei 4 Studien und n= 50) 75% Regel: Streuung des Delta, 75% der Varianz von Delta muss durch Unterschiedlichkeit der Untersuchungen erklärbar sein (auch kleine Power, alpha-Fehler, trotzdemb esser als Homogenitätstest) bei heterogenen Deltamaßen: Moderatoren, multiple Korrelationen, wenn sig. aufteilung in homogene Gruppen (Clusteranalyse)

Answer 36

umfassender und abstrakter besonders UVs