Psychologische Methodenlehre 1 (Subject) / Psychologie (Lesson)

This lesson was created by FloWi.

Learn lesson

This lesson is not released for learning.

back  |  next 2 / 2

• Bestimmung des Konfidenzintervalls für einen Anteil (Wahrer Anteil ist nicht bekannt) Stichprobe ziehen und Anteil berechnen Stichprobenverteilung zu diesem Anteil konstruieren Von den Rändern der Stichprobenverteilung jeweils so weit zur Mitte "gehen" bis an den Rändern ein Flächenanteil von der Hälfte aus 100 % minus Konfidenz übrigbleibt die entsprechenden Werte auf der X-Achse sind Endpunkte des Konfidenzintervalls
• Was ist ein Konfidenzintervall? Ein X% Konfidenzintervall für einen Kennwert (Anteil, Mittelwert, etc.) überdeckt die mittleren X% der entsprechenden Stichprobenverteilung d.h. wenn unendlich oft Stichproben gezogen und daraus Konfidenzintervalle berechnet würden, dann würden X% dieser Konfidenzintervalle den wahren Wert überdecken) ermöglicht Wahrscheinlichkeitsaussage über Intervall (ist aber nicht der tatsächliche Wert in der Population) "Genauigkeit" drückt sich in Länge des Konfidenzintervalls aus: je kürzer, desto genauer
• Berechnung eines Konfidenzintervalls mit Hilfe der Standardnormalverteilung Stichprobe ziehen und Anteil (oder Mittelwert) berechnen Standardnormalverteilungswerte für gesuchtes Konfidenzintervall bestimmen Standardabweichung der Stichprobenverteilung (=SE; Standardfehler) berechnen Standardabweichung der Stichprobenverteilung mit Standardnormalverteilungswerten multiplizieren Entsprechende Werte (Abweichungen der Ergebnisse aus 4. von Anteil oder Mittelwert) auf X-Achse der Stichprobenverteilung sind Endpunkte des Konfidenzintervalls
• Einflussfaktoren Konfidenzintervall Einfluss der Höhe der Konfidenz auf Länge des Konfidenzintervalls: meist 90, 95 oder 99%, da kleinere Werte zu wenig Aussagekraft besitzen größere Werte implizieren, dass jeder Wert auftreten könnte (uninformativ) Einfluss der Stichprobengröße auf Länge des Konfidenzintervalls: je kleiner die Stichprobe, desto größer das Konfidenzintervall: Gesetz der großen Zahl!
• Signifikanztesten nach R. A. Fisher Nullhypothese H0 aufstellenbezieht sich immer auf Population und besagt i.d.R., dass kein Effekt vorhanden ist, Effekt 0 beträgt Konstruiere entsprechende Stichprobenverteilung (zur Überprüfung der Frage, ob Abweichung eines empirisch ermittelten Effekts D von H0 noch zufällig ist Ermitteln der bedingten Wahrscheinlichkeiten für Effekt, wenn H0 zutrifft: p(D/H0), p-Wert oder p Ist p kleiner als festgelegte Wahrscheinlichkeit α, dann verwerfe H0; Testergebnis ist signifikantist p größer als α sind keine Schlüsse möglich
• Probleme mit der Vorgehensweise nach Fisher keine Aussage darüber möglich, wie groß die Chance war, einen Effekt mit Hilfe eines Signifikanztests zu entdecken (evtl. zu viel Aufwand) keine Aussage möglich, wenn Testergebnis nicht signifikant ist was bedeutet es, wenn Ergebnis signifikant ist? (Interpretation: Hat man etwas bewiesen? Ist p-Wert Evidenz gegen H0?)
• Power (Was ist Power; Einflussfaktoren) Wahrscheinlichkeit einen Effekt zu entdecken, wenn er wirklich auftritt Effekt in der Population je größer, desto eher signifikant Stichprobengröße je größer, desto eher signifikant (bei konstantem Effekt), da Messungen sind (und der Standardfehler sinkt) Teststärke stiegt, weil Schätzungen genauer sind Abwägung von α und β (komplementär) α: je größer, desto eher signifikant β: je kleiner, desto eher signifikant
• Hypothesentesten nach Neyman & Pearson Was ist p-Wert? H0 formulieren (und entsprechende Stichprobenverteilung konstruieren, falls Stichprobengröße vorgegeben) H1 formulieren (und entsprechende Stichprobenverteilung konstruieren, falls Stichprobengröße vorgegeben) α oder β, Abwägen der relativen Wichtigkeit, Stichprobenverteilungen aus daraus ermittelten Stichprobengröße konstruieren Prüfen, ob p-Wert > oder </= α ist ist p-Wert nicht größer als α, dann ist Ergebnis signifikant, sonst nicht ist Ergebnis signifikant verhalte dich so, wie wenn H1 wahr wäre, ansonsten so, wie wenn H0 wahr wäre p-Wert ist die Wahrscheinlichkeit des Stichprobenergebnisses unter der Annahme, dass H0 zutrifft
• Poweranalyse (Warum, Arten) um sich über Einflussgrößen vor der Testdurchführung bewusst zu sein a priori: Suche nach passender Stichprobengröße: vor Erhebung der Daten und vor Signifikanztest n=f(1-β, α, ESPop) Wie groß ist Mindesteffekt, den ich entdecken möchte?/ Was ist H1? Wie groß α setzen oder Irrtumswahrscheinlichkeit (=Fehler der 1. Art)? Wie groß sollte Teststärke sein? Kompromiss-Analyse: Abwägung zwischen α und β, bei vorgegebener Stichprobengröße, Verhältnis zwischen α und β α=f(1-β, ESPop, n) Post hoc: nach Studie, vor allem beim Interpretieren nicht signifikanter Ergebnisse 1-β=f(n, α, ESminimal) Ergebnis ist nur dann interpretierbar, wenn gewährleistet war, dass die Chance groß genug war einen kleinen Effekt zu entdecken
• Vorgehensweise "Hybrid" α nahezu immer bei 5% oder 1% immer Alternativhypothese neuerdings oft Hinweis auf Teststärke oder Power keine Kosten-Nutzen Analyse und keine Verhaltensinterpretation oft bei nicht signifikantem Ergebnis: "keine Aussage möglich"
• Advertisement
• Anwendungsvoraussetzungen für t-Tests (bei unabhängigen Mittelwertsunterschieden) Variablen müssen Intervallskala besitzen Stichproben müssen aus normalverteilter Population stammen (zumindest ähnlich) Stichproben müssen unabhängig sein Stichproben müssen aus Population mit gleicher Varianz stammen
• Was sind Effektgrößen und wozu benötigt man sie? EG sind standardisierte Maße, die Effekte (Unterschiede, Zusammenhänge) ausdrücken Vorteil (gegenüber Effekten in Rohwerten): allgemein verwendbares Maß: Unterschiedliche Skalen und Designs können miteinander verglichen werden Wozu: Populationseffekte: Annahmen/Schätzungen zur Durchführung von Signifikanztests (zum Aufstellen der H1) Stichprobeneffekte: Bewertung/Vergleich von empirischen Ergebnissen, sowie deren kumultative Analyse (Metaanalyse)
• Interpretation von Effektgrößen, Konventionen d = 0,2; r = 0,1: klein d = 0,5; r = 0,3: mittel d = 0,8; r= 0,5: groß
• Metaanalyse (Grundidee, Psychometrische Metaanalyse, Probleme) Grundidee: empirische Stichprobenverteilung als Grundlage für die Schätzung des wahren Wertes Psychometrische Metaanalyse: Haben Studien denselben Populationseffekt erfasst? σ²r=σ²p+σ²e ; Varianz d. gefundenen EG=Varianz der Pop.EG (d. wahren Werte) + Fehlervarianz wenn alle r aus einer Population stammen, sollte σ²p= σ²r - σ²e ungefähr 0 sein Probleme: Müll rein, Müll raus; zur Vermeidung: Ausschlusskriterien Kodierung nach methodischer Qualität (getrennte Analyse) unterschiedliche Gewichtung Äpfel und Birnen (nicht vergleichbare Studien) getrennte Analyse (UV und AV) Abhängigkeit (Mehrere Effekte aus derselben Stichprobe) jeweils ein aggregierter Wert pro Studie

back  |  next 2 / 2