VL4: Korrelativer Forschungsansatz

Question 1

Zusammenhang zwischen zwei metrischen Variablen

Answer 1

• graphisch: Streudiagramm (Scatterplot) ->Punkteschwarm:-wolke
• lineare Zusammenhänge
• Form des Punkteschwarms entscheidet über Stärke des Zusammenhangs (Strich, Krei, Ellipse)
• mathematisch ausgedrückt durch den Produkt-Moment-Korrelationskoeffizienten r

Question 2

Produkt-Moment-Korrelationskoeffizient

Answer 2

• gibt Art und Stärke des Zusammenhangs an
• r<0: negativer Zusammenhang
• r=0: kein zusammenhang
• r>0: positiver Zusammenhang
• r=1: perfekter Zusammenhang

Question 3

Quadratischer Zusammenhang

Answer 3

• zB bei Zufriedenheit über Anforderung
• nicht durch r quantifizierbar
• > Regressionsanalysen nötig
• graphisch: umgekehrt u

Question 4

Zusammenhang zwischen zwei kategorialen Variablen

Answer 4

• graphisch: bivariates Säulendiagramm
• > wenn Verteilungen gleich, dann kein Zusammenhang
• > wenn Verteilungen eindeutig (100% Anteile), dann perfekter Zusammenhang
• Quantifizierung des Zusammenhangs über Assoziationsmaße
• ->Assoziationsmaß für kategoriale Variablen mit ungeordneten Kategorien: Cramérs V ([0;1])
• ->Assoziationsmaß für kategoriale Variablen mit geordneten Kategorien: y-Koeffizient (gamma)
• ->weitere Assoziationsmaße je nach Kombi aus Variablen + bei dichotomen (2 Ausprägungen) Variablen

Question 5

Beispiele korrelativer Ansätze

Answer 5

• Andersen und Diol (200, study 1): Korrelation Gewaltspielnutzung und aggressives Verhalten
• nationale Verzehrsstudie 2, Max Rubner Institut (2008) (Zusammenhang zwischen sozialer Schicht und Gewicht)

Question 6

Kovariation und Kausalität

Answer 6

• nicht dasselbe
• Kausalität lässt auf Kovariation schließen, aber Kovariation nicht direkt auf Kausalität
• Kovariation hat keine konkrete Richtung (Kausalität) (lässt offen, ob unidirektional oder bidirektional oder über eine dritte Variable)

Question 7

Voraussetzungen für kausale Schlussfolgerungen

Answer 7

1) Kovariation
2) Zeitliche Vorgeordnetheit der UV
3) Ausschluss von Alternativerklärungen (durch Drittvariablen)

Question 8

Problem bei der zweiten Voraussetzung für kausale Schlussfolgerung (Vorgeordnetheit)

Answer 8

-nicht möglich, wenn UV und AV simultan gemessen (=querschnittliches Design)
Lösung: -experimentelles Design
-Ausbau zu längsschnittlichem Design (zB Crossed-lagged Panel Design)
–>Vergleich der kreuzverzögerten Zusammenhänge zwischen zwei Variablen

Question 9

Scheinkorrelation

Answer 9

Zusammenhang zwischen zwei Variablen, der durch die Abhängigkeit beider Variablen von einer dritten Variable entsteht und nicht kausal interpretiert werden darf

Question 10

Lösung von Scheinkorrelationen

Answer 10

Statistische Kontrolle von gemessenen Drittvariablen (im Falle von simultan erhobenen AV und UV durch Analyse von Partialkorrelationen oder von multiplen Regressionen)
–>getestet wird, ob Zusammenhang zwischen UV und AV auch besteht, wenn Drittvariable konstant bleibt (nur Personen mit gleicher Ausprägung der Drittvariable)