A. Einführung und Grundlagen 2. Methoden der Differentiellen Psychologie Flashcards
- Klassifikation/Typisierung von Personen
▪ Einteilung auf Nominalskalenniveau (in Kategorien)
▪ Beispiel: Vorliegen einer bestimmten Diagnose oder nicht?
Was ist mit intersubjektiver Objektivität gemeint?
Klassifikationen sind objektiv, wenn unterschiedliche Beurteiler unabhängig voneinander die Klassifikationsregel gleich anwenden
Prüfung der intersubjektiven Objektivität
(= Übereinstimmung der Beurteiler in ihrem Urteil) erfolgt mit bestimmten statistischen Kennwerten, die um die zufällige Übereinstimmung korrigieren (z.B. Cohens κ → Psychologische Diagnostik)
- Verteilung von individuellen Messwerten auf kontinuierlichen Merkmalen
▪ Ziel:
Bestimmung der Unterschiedlichkeit zwischen Individuen
Merkmal → Variable
Empirisches Relativ
Numerisches Relativ
- Verteilung von individuellen Messwerten auf kontinuierlichen Merkmalen
▪ Einteilung auf (zumeist angenommenen) Intervallskalenniveau, z.B.
Zustimmung (Bsp. Freizeitinteressen): Wie gerne?
-2 = gar nicht, -1 = eher nicht, 0 = unentschieden, +1 = eher ja, +2 = voll und ganz
Subjektive Häufigkeit (Bsp. Freizeitaktivitäten): Wie häufig?
- Verteilung von individuellen Messwerten auf kontinuierlichen Merkmalen
▪ Einteilung auf Verhältnis- bzw. Absolutskalenniveau, z.B.
Zeitbezogene Häufigkeit (Bsp. Freizeitaktivitäten): Wie oft in h/Woche?
Body-Mass-Index = Gewicht in kg/(Größe in m)2
Erfahrung seltener Ereignisse
- Verteilung von individuellen Messwerten auf kontinuierlichen Merkmalen
▪ Ab Intervallskalenniveau ?
▪ Ab Intervallskalenniveau → Bestimmung von Varianz und Standardabweichung (Streuung) von individuellen Messwerten
Varianz: Summe der quadrierten Abweichungen der Messwerte von ihrem Mittelwert geteilt durch die Anzahl der Messungen minus 1.
Standardabweichung: Wurzel aus der Varianz
▪ Intervallskalierte Messwerte x lassen sich immer als z-Werte ausdrücken (z-Transformation):
zi = (xi – MX)/SDX
▪ Dadurch lassen sie sich in einer einheitlichen Sprache (Normwerte) beschreiben und zwischen verschiedenen Messverfahren direkt vergleichen.
- Bestimmung von Zusammenhängen zwischen Merkmalen
Cattells Datenwürfel
Cattells Datenwürfel ist ein Forschungsschema, das Personen, Merkmale und Messzeitpunkte miteinander kreuzt und sechs Möglichkeiten bivariater Zusammenhänge veranschaulicht.
- Bestimmung von Zusammenhängen zwischen Merkmalen
Korrelation zwischen zwei Variablen X und Y
Der lineare Zusammenhang zwischen zwel Intervall- oder rationalskalierten Variablen X,Y wird durch ihre Korrelation r beschrieben, die zwischen -1 und 1 variieren kann. r ist umso positiver, je enger der lineare Zusammenhang zwischen
X und Y ist. Es ist
r = 1 genau dann, wenn die z-Werte aller Personen identisch sind,
r = 0, wenn kein linearer Zusammenhang zwischen X und Y besteht,
r= -1, wenn die beiden z-Werte sich nur im Vorzeichen unterscheiden, r wird berechnet, indem für jede Person der z-Wert in X mit dem in Y multipliziert wird; der Mittelwert dieser z-Wert-Produkte über alle Personen ist die Korrelation r.
Den Zusammenhang von zwel ordinalskalierten Variablen kann man messen, indem man die Rangplätze korreliert, auch Spearman-Korrelation p (griech, »rho«) genannt.
4-7 Nur auf Folien verständlich!!
ANGUCKEN!
- Variablenreduktion zum Zwecke der Beschreibungsökonomie
▪ Um die Persönlichkeit eines Menschen möglichst breit, aber auch sparsam abzubilden, wird ein Set aus möglichst wenigen latenten Variablen zur Abbildung komplexer Merkmalsunterschiede benötigt.
- Variablenreduktion zum Zwecke der Beschreibungsökonomie
▪ 3 Strategien:
Rationale Variablenreduktion
Act-Frequency-Approach (Prototypenansatz)
Analytische/Statistische Variablenreduktion (Faktorenanalyse)
7.1. Rationale Variablenreduktion
Zuordnung oder Zusammenfassung verschiedener Eigenschaftswörter (Adjektive) oder Verhaltensweisen nach bestimmten Regeln konzeptueller Ähnlichkeit:
(1)Verhaltensweisen/Eigenschaftszuschreibungenbesitzen inhaltliche Ähnlichkeiten
(2) VerhaltensweisenhabendieselbenKonsequenzen (3) GemeinsameProzessesindanverschiedenen
Verhaltensweisen beteiligt
7.1. Rationale Variablenreduktion
▪ Probleme bei/Kritik an diesem Ansatz:
Resultierende Konstrukte hängen stark vom Sprachverständnis und
den Konstrukten des Konstrukteurs ab
Aggregation von Verhaltensweisen zu Eigenschaftskonstrukten ist sehr subjektiv und schwer zu objektivieren
Eine Verhaltensweise kann indikativ/kennzeichnend für verschiedene Konstrukte sein (Bsp. Schlafstörungen)
7.2. Der Act-Frequency-Approach (Prototypenansatz)
Zuordnung oder Zusammenfassung verschiedener Verhaltensweisen auf der Basis der Analyse von Handlungshäufigkeiten in folgenden Schritten:
(1) Zunächst werden Probanden gebeten, sich drei Personen aus ihrem Bekanntenkreis vorzustellen, bei denen bestimmte Eigenschaften (z.B. Geselligkeit oder Dominanz) besonders ausgeprägt sind.
(2) Dann sollen die Probanden solche Verhaltensweisen aufschreiben, die von ihren Bekannten schon einmal gezeigt worden sind und die jeweilige Eigenschaft besonders gut charakterisieren.
(3) Die Liste der so gesammelten Verhaltensweisen wird schließlich einer anderen Stichprobe von Personen zur Beurteilung danach vorgelegt, wie prototypisch jede genannte Verhaltensweise für eine Eigenschaft ist.
7.2. Der Act-Frequency-Approach (Prototypenansatz)
▪ Probleme bei/Kritik an diesem Ansatz:
Abhängigkeit von der Akkuratheit der retrospektiven Einschätzungen
der Personen (Erinnerungsverzerrungen)
Häufigkeiten von Verhaltensweisen verraten nichts über gemeinsame Prozesse und Konsequenzen des Verhaltens
Aussagekraft der Ergebnisse hängt von der Repräsentativität der Konstruktionsstichprobe ab!
7.3. Analytische/Statistische Variablenreduktion
▪ Zuordnung oder Zusammenfassung verschiedener Eigenschaften oder Verhaltensweisen auf der Basis statistischer Ähnlichkeiten (Variablen-Interkorrelationen)
▪ Durch Hauptkomponentenanalysen / Faktorenanalysen, Clusteranalysen oder Multidimensionale Skalierung lassen sich unterschiedlich interkorrelierende Variablen auf wenige Cluster, Faktoren oder latente Variablen reduzieren
▪ Diese lassen sich als zusammenfassende, übergeordnete Kategorien oder Dimensionen verstehen, die begrifflich zu interpretieren sind
7.3. Analytische/Statistische Variablenreduktion
▪ Nutzen:
Untergliederung/Ausdifferenzierung eines komplexen Merkmalsbereichs in
homogenere Teilbereiche
Hypothesengenerierung (d. h., man kennt die faktorielle Struktur noch nicht und muss erst eine finden): Explorative Faktorenanalyse (exploratory factor analysis, EFA)
Hypothesenprüfung (d. h., man kennt die faktorielle Struktur bereits und muss überprüfen, ob man sie auch in den Daten so vorfindet): Konfirmatorische Faktorenanalyse (confirmatory factor analysis, CFA)
Erstellung von hiearchischen Taxonomien
7.3. Analytische/Statistische Variablenreduktion
▪ Probleme bei/Kritik an diesem Ansatz:
Annahme der (Un-)Abhängigkeit der Variablenklassen bzw. Variablendimensionen beeinflusst die Konstruktbildung
Bedeutung einer Klasse/Dimension muss aus den Variablen geschlossen werden, welche die Klassen/Dimensionen definieren → Repräsentativität der Indikatoren
Aussagekraft faktorenanalytischer Ergebnisse hängt von der Repräsentativität der untersuchten Stichprobe ab!
- Psychometrie
▪ Operationalisierung latenter Variablen zur Abbildung komplexer Persönlichkeits- merkmale:
- Psychometrie
Reflektives Messmodell
Bsp.: Extraversion als theoretisches
Persönlichkeitskonstrukt mit einer großen Breite wird durch sehr viele jedoch eine nicht erschöpfende Anzahl von korrelierenden Indikatoren abgebildet
- Psychometrie
Formatives Messmodell
▪ Bsp.: Attraktivität ist durch eine
erschöpfende Anzahl operationalisierbarer, nicht notwendigerweise korrelierender Indikatoren messbar und intersubjektiv objektivierbar
- Psychometrie
Persönlichkeit lässt sich durch 8 verschiedene Datenquellen anzapfen, welche man mit BIOPSIES abkürzen kann:
Acht Datenquellen der Persönlichkeit
1. Behavior: tatsächliches Verhalten
2. Indirect measures: „verdeckte” Messung
kaum zu verzerrender Erlebens- und
Verhaltensweisen
3. Observation: beobachtetes Verhalten
4. Physiological measures: biophysio-logische Variablen
5. Strangers’ impressions: Einschätzungen
durch Fremde
6. Informants’ knowledge: Einschätzungen
durch Nahestehende
7. Experience sampling: Einblicke in
tagtägliches Leben
8. Self-reports: Selbstbeschreibungen
