7. Hypthesenprüfende Untersuchungsformen

Question 1

Hypotheseprüfende Untersuchungen

Answer 1

überprüfen Annahmen über Zusammenhänge, Unterschiede oder Veränderungen von Merkmalen bei spezifischen Populationen

Variablenbeziehungen, prognostische oder erklärende Annahmen

nicht nur Stichproben, auch Einzelfälle

kausale Variablenbeziehungen (nicht in korrelativen Studien möglich)

Question 2

Annahmen und Erkenntnisse sind nötig um Hypothesen zu formulieren

Answer 2

1. begründet (Untersuchungsaufwand)
2. nachvollziehbar (Notwendigkeit der Untersuchung)
3. präzise (zweifelsfreie Entscheidung)

Question 3

Forschungshypothese

Answer 3

Die fragen dir abgeleitet aus Beobachtungen, Voruntersuchungen oder Theorien bezüglich eines Untersuchungsgegenstands formuliert werden

Allgemeine

operationale

Statistische

Gerichtete vs. ungerichtete

Spezifische vs. unspezifische

Question 4

Allgemeine Forschungshypothesen

Answer 4

Zusammenhangs-, Unterschieds- und Veränderungshypothesen

Question 5

Operationale Hypothese

Answer 5

empirische Vorhersage bz.w. Prognose zum Ausgang der Untersuchung

sind Forschungshypothesen nachgeordnet

UV und AV sind festgelegt

müssen besonders präzise formuliert sein

Question 6

Statistische Hypothese

Answer 6

Null- und Alternativhypothese

sind durch den jeweiligen Signifikanztest definiert und nehmen BEzug auf ddie Populationsparameter

Question 7

Gerichtete vs. ungerichtete Hypothese

Answer 7

Differenzierung statistischer Hypothesen

ungerichtet = wenn keine Richtung für einen Zusammenhang oder Unterschied angegeben wird

gerichtet = wenn Vorzeichen die Richtung angiebt

Question 8

Zusammengesetzte vs. Punkt- einfache Hypothesen

Answer 8

zusammengesetzte Hypothesen p< 0

Punkt- oder einfacher Hypothese p=0

Question 9

Spezifische vs. unspezifische Hypothesen

Answer 9

Differenzierung statistischer Hypothesen

spezifische Hypothese = Mindestbetrag oder Mindestgröße (Effektgröße) wird spezifiziert die erreicht werden muss (zumeist mit gerichteter Hypothese kombiniert) mü1>mü2+x

unspezifische Hypothese = wenn Höhe oder Betrag ungenannt bleiben

Question 10

Signifikanztests

Answer 10

werden eingesetzt, wenn die Populationsparameter unbekannt sind

vor Untersuchung Hypotheseart und alpha Nivau festlegen (im Nachhinein unzulässig, inhaltliche nicht statistische Überlegungen)

Question 11

Alpha-Fehler

Answer 11

Fehler 1. Art : Ablehnung der Nullhypothese, obwohl diese wahr ist

Konventionell festgelegt (Signifikanzniveau 5% oder 1%)

Question 12

Beta-Fehler

Answer 12

Fehler 2. Art: Annahme der Nullhypothese obwohl die Alternativhypothese wahr ist.

wird nur bei spezifischer Hypothese festgelegt

konventionelle Grenzwerte nicht festgelegt obwohl besser wäre

Entscheidung bei welchem Fehler die Konsequenzen verhängnisvoller wären schwierig

Praktisch schwierig zu betimmen, weil man dazu die H1-Verteilung kennen müsste. In zusammengesetzten Hypothesen einfacher, weil mehrere Parameterausprägungen möglich sind (Mindestwerte, Effektgrößen)

Question 13

Univariate Zusammenhangshypothesen (schlussfolgernd aus Interdependenzhypothesen)

Answer 13

Cross-Sectional-Designs

Question 14

AV Intervall - Bivariate Zusammenhangshypothesen

Answer 14

UVIntervall: Pearson r

UVOrdinal: Spearman rho, Kendalls tau b und c

UVKünstlich dichotom: Biseriale Korrelation

UVNatürlich dichotom: Punktbiserieale Korrelation

UV: Nominal: Eta, Kontingenzkoeffizient

Question 15

AV Ordinal - bivariate Zusammenhangshypothesen

Answer 15

UVOrdinal: Kendalls Tau b und c, Gamma, Somers D

UVKünstlich dichotom: Biseriale Rangkorrelation

UVNatürlich dichotom: Biseriale Rangkorrelation

UVnominal: Kontingenzkoeffizient

Question 16

AV künstlich dichotom - bivariate Zusammenhangshypothese

Answer 16

UV künstlich dichotom: Tetrachorische Korrelation

UV Natürlich dichotom: Phi-Koeffizient, Lambda, Unsicherheitskoeffizient

UV nominal: Kontingenzkoeffizient, Lambda, Unsicherheitskoeffizient

Question 17

AV Nominalskala - bivariate Zusammenhangshypothese

Answer 17

UV Nominalskala: Kontingenzkoeffizient, Cramers V, Lambda, Unsicherheitskoeffizient

Question 18

Kappa-Koeffizient

Answer 18

Interrater-Reliailität

Question 19

Relative Risiko

Answer 19

Maß zur Messung des Zusammenhangs zwischen dem Eintreten eines Ereignisses und dem Vorligen eines Sachverhalts

Question 20

Unterschieds- und Zusammenhangshypothesen

Answer 20

sind grundsätzlich ineinander überführbar

bivariate Zusammenhangshypothesen: wenn es für die Skalenkombination keinen geeigneten Test gibt > Transformation oder multivariate Zusammenhangshypothese (in linearen Zusammenhängen, wenn nicht dann exponentiell, log. log-linear, sigmoid)

repräsentative Stichproben sind nötig: bei einzelnem Merkmalsausschnitt Unterschätzung, bei Extremwerten Überschätzung

Question 21

Multivariate Zusammenhangshypothesen

Answer 21

Partialkorrelation, multiple Korrelation, multiple Regressionsanalyse, kanonische Korrelation, Faktorenanalyse

Überprüfung von Abhängigkeit von Faktoren: zusätzliche konfirmatorische Faktorenanalyse und Strukturgleichungsmodelle

nominale Merkmale: Dummykodierung

Question 22

Partialkorrelationen - Multivariate Zusammenhangshypothesen

Answer 22

Zusammenhang zweier intervallskalierter Merkmale wird durch mit en beiden korrelierte Drittvariable erklärt

Gemeinsamkeiten in Drittvariable rauspartialisiert

ohne Drittvariable = Korr. nullter Ordnung

mit einer Korr. = Korr. erster Ordnung

etc.

Semi-Partialkorrelationen (Partkorrelationen): Einfluss von Drittvariable wird nur aus einer Hauptvariable rauspartialisiert

Question 23

multiple Zusammenhänge - Multivariate Zusammenhangshypothesen

Answer 23

multiple Korrelation und multiple Regression

mehrere Prädiktoren (nominal oder intervall) und ein Kriterium (intervall)

nominal: Prädiktoren werden in Indikatorvariablen transformiert

Dummykodierung: 0 Referenz , 1 Merkmal(k-1 Dummyvariablen) b0 ist Durchschnitt, b1 ist Abweichung

Effektkodierung: - 1 Referenz, b0 ist Gesamtmittelwert der AV und b1 Abweichungen Gruppewerte von Gesamtmittelwert (Treatmenteffekte)

Kontrastkodierung: Summe muss 0 ergeben, b0 ist Gesamtmittelwert der AV und b1 der Indikatorvariablen Funktion der Kontrastkoeffizienten die den jeweiligen Kontrast kodieren (Summe der Indikatorvariable ist 0)

Question 24

kanonische Korrelation - Multivariate Zusammenhangshypothesen

Answer 24

wenn es mehrere Prädiktor- und mehrere Kriteriumsvariablen gibt

ähnelt Hauptkomponentenanalyse

Prädiktor- und Kriteriumsvariablen getrennt faktorisiert und rotiert

aus beiden Variablensätzen jeweils der Faktor extrahiert die am besten korrelieren der Rest wird auch zusammengelegt Paare orthogonal. Solang rotiert bis erschöpft

Determinationskoeffizient und Redundanzmaße

Question 25

Faktorenanalyse - Multivariate Zusammenhangshypothesen

Answer 25

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)

Question 26

interne Validität - Korrelationen

Answer 26

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

Question 27

Pfadanalysen - Multivariate Zusammenhangshypothesen

Answer 27

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

Question 28

Strukturgleichungsmodelle - Multivariate Zusammenhangsanalysen

Answer 28

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

Question 29

randomisierte Zwei-Gruppen-Pläne - Unterschiedshypothesen für zwei Gruppen

Answer 29

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

Question 30

Mehr-Gruppen-Pläne - Unterschiedshypothesen für mehr als zwei Gruppen

Answer 30

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

Question 31

Mehrfaktorielle Pläne - Unterschiedshypothesen für mehr als zwei Gruppen

Answer 31

neben Haupteffekten werden auch Interaktionen überprüft

damit sich Gruppen nicht wesentlich unterscheiden (interne Validität): Parallelisierung, Matching, Konstanthaltung

Question 32

Interaktionen und Haupteffekte - Mehrfaktorielle Pläne - Unterscheidungshypothesen für mehr als zwei Gruppen

Answer 32

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

Question 33

kovarianzanalytische Auswertung - Merkfaktorielle Pläne

Answer 33

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

Question 34

multivariate Pläne

Answer 34

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)

Question 35

Veränderungshypothesen

Answer 35

Fragen aus Grundlagen- Interventions- und Evaluationsforschung

Treatment bewirkt Veränderung einer AV

Pretest-Posttest-Design

zwei Gruppen-Design

Question 36

Pretest-Posttest-Design - Veränderungshypothesen

Answer 36

Prätest-Posttest-Differenz auf der AV

multiple oder multivariate Varianzanalysen für Messwiederholungen

setzt gleichförmige Korrelationen zwischen allen Messwiederholungen voraus

Question 37

Problematik Pretest-Posttest-Design

Answer 37

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)

Question 38

Streuung der Differenzwerte- Problematik Pretest-Posttest-Design

Answer 38

Indikator für Reliabilität von Differenzmaßen

je geringer die Streuung desto geringer die Reliabilität

Bei mehr als zwei Messungen keine Differenz sonder Regression

Question 39

Reliabilität der Messungen - Problematik Pretest-Posttest-Design

Answer 39

Mit zunehmendem Messfehler der Messwerte sinkt die Reliabilität der Differenzwerte

kann auch an heterogenen Veränderungsraten liegen nicht zwangsläufig niedrige Reliabilität der Differenzen

Question 40

Verteilung der Anzahl der Messzeitpunkte - Problematik Pretest-Posttest-Design

Answer 40

gleichabstädnig verteilte Messzeitpunkte über gesamte Erhebungsspanne

besser Anfangs und Ende engere Zeitabstände

Question 41

Regressionseffekt - Regression zu Mitte

Answer 41

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

Question 42

Solomon-Vier-Gruppen-Plan

Answer 42

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)

Question 43

Quasi-experimentelle Untersuchungen bei Veränderungshypothesen

Answer 43

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

Question 44

Zeiteffekte - Veränderungshypothesen über Zeit

Answer 44

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

Question 45

Epochale Effekte - Veränderungshypothese über Zeit

Answer 45

Verhaltensbesonderheiten in verschiedenen Zeitabschnitten

gekoppelt an spezifische gesellschaftliche Erscheinungen

Querschnitt: Alter konstanthalten (vernachlässigen), Generation variieren

Längsschnitt: Alter variieren, Generation konstanthalten

Tim-Sequential-Method

Cross-Sequential Method

Question 46

Generations- und Kohorteneffekte - Veränderungshypothese über Zeit

Answer 46

bedingt durch Geburtszeitpunkt

Vorkriegs- vs. Nachkriegsgeneration

Querschnitt: konstanthaltung Epoche

Längsschnitt: Konstanthaltung Alter

Cohort-Sequential-Method

Cross-Sequential-Method

Question 47

Cohort-Sequential-Method

Answer 47

Messwiederholungsdesign

versch. Generationen werden mit versch. Altersstufen untersucht
versch. Erhebungszeitpunkte

Epochale konstant, vernachlässigt, ignoriert

Question 48

Time-Sequential-Method

Answer 48

Messwiederholungsdesign

verschiedene Epochen und Alter systematisch variiert

in jeder Faktorstufenkombination wird eine andere Zufallsstichprobe gezogen

Generations konstant, vernachlässigt

Question 49

Cross-Sequential-Method

Answer 49

Messwiederholungsdesign

Epochen- und Generationsfaktor wird variiert

Alterseffekt konstant, ignoriert, vernachlässigt

Question 50

Zeitreihenanalyse (z.B. ARIMA-Modelle) - Veränderungshypothesen für Zeitreihen

Answer 50

Vorhersagemodelle - wiederauftretende Regelmäßigkeiten

Interventionsmodelle - Veränderungen in Zeitreihen durch spezifische Ereignisse

Transferfunktionsmodelle - Veränderungen in Zeitreihen durch andere Zeitreihen

Question 51

indirekte Veränderungsmessungen

Answer 51

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

Question 52

Reliabilität Differenzen

Answer 52

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)

Question 53

festgelegter Stichprobenumfang - Power

Answer 53

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)

Question 54

Effektgrößen

Answer 54

vor der Untersuchung und nach der Untersuchung (ex-post Bestimmung)

wenn keine sicheren Größen festliegen - Klassifikationstabellen von Effektgrößen (klein, mittel, stark)

Question 55

Effektgrößen - Standardisierte Differenzen

Answer 55

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.

Question 56

Effektgrößen - Indizes für Varianzaufklärung

Answer 56

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

Question 57

Power

Answer 57

abhängig vom statistischen Test

abhängig von der Stichprobengröße - großes n= große Power

abhängig vom Ausmaß experimenteller Effekte

abhängig vom Ausmaß des Fehlers

Question 58

Metaanalyse

Answer 58

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,

Question 59

Probleme - Metaanalysen

Answer 59

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)

Question 60

Metaanalysen vergleich andere Analysen

Answer 60

umfassender und abstrakter besonders UVs