43

Psychologie (Subject) / Forschungsmethoden (Lesson)

This lesson was created by RahelMauss.

Learn lesson

back  |  next 1 / 1

• Ablauf inhaltliche & statistische Hypothese 1. Formulierung der Hypothese (inhaltlich) 2. Empirische Vorhersage 3. Realisierung 4. Vergleich Vorhersage - Beobachtung 5. Ergebnis
• Aus der empirischen Vorhersage wird folgendes statistisches Aussagenpaar abgeleitet: (Übersetzung der) inhaltlichen Hypothese ≙ Alternativhypothese das logische Gegenteil dieser Hypothese ≙ Nullhypothese
• Statistische Hypothesen - Fazit statistischen Aussagen beziehen sich auf Populationsparameter Rückschlusse auf Population anhand der Ergebnisse von Stichproben (Inferenzstatistik) Teststatistiken: Wahrscheinlichkeitsaussage über Gültigkeit der getesteten Hypothese Hierbei können wir Fehler machen!
• POWER Die Power (Teststärke) eines statistischen Tests ist die Wahrscheinlichkeit 1-β , die Alternativhypothese H1 anzunehmen (=H0 abzulehnen), wenn H1 tatsächlich zutrifft
• Teststatistiken alpha-Fehlerwahrscheinlichkeit: Wahrscheinlichkeit H0 irrtümlich abzulehnen beta-Fehlerwahrscheinlichkeit: Wahrscheinlichkeit H1 fälschlicherweise nicht anzunehmen Power (Teststärke): Wahrscheinlichkeit beta-1, dass H1 angenommen wird und richtig ist
• Zentraler Grenzwertsatz Stammen verschiedene Stichproben vom Umfang N aus der gleichen Population, so werden die zufälligen Unterschiede zwischen den Mittelwerten bei wachsendem Stichprobenumfang N grundsätzlich immer kleiner.
• Teststatistiken Stichprobendaten werden normiert folgen einer Wahrscheinlichkeitsverteilung Wahrscheinlichkeits-Aussagen über Gültigkeit der Hypothese in der Population treffbar
• α-Fehlerwahrscheinlichkeit Die α-Fehlerwahrscheinlichkeit eines statistischen Tests ist die Wahrscheinlichkeit, die H0 irrtümlich abzulehnen, d.h. einen Stichprobenkennwert zu erhalten, der im Ablehnungsbereich der H0 liegt, obwohl sie zutrifft.
• β -Fehlerwahrscheinlichkeit Die β -Fehlerwahrscheinlichkeit ist die Wahrscheinlichkeit, eine definierte H1 beim statistischen Hypothesentesten fälschlicherweise nicht anzunehmen, d.h. einen Stichprobenkennwert im Annahmebereich der H0 zu erhalten, obwohl H1 zutrifft.
• Einflussfaktoren auf die Power 1) Irrtumswahrscheinlichkeit je größer das alpha-Niveau, desto größer die Power 2) Effektstärke je größer der Effekt, desto größer die Power 3) Stichprobenumfang N Präzision der Schätzung (Gesetz der großen Zahlen) je größer die Stichprobe, desto kleiner der Schätzfehler H1 entfernt sich von H0
• Advertisement
• Einfluss auf die Power, Stichprobenumfang „Je größer die Stichprobe, desto leichter werden die Ergebnisse signifikant.“
• Konsequenzen von Alpha- und Beta-Fehler H0: µEG≤µKG <> µEG − µKG ≤ 0 (Gruppen unterscheiden sich nicht)H1: µEG >µKG <> µEG − µKG > 0 (Gruppen unterscheiden sich) TABELLE Diskussion zur angemessenen Power: Power von .80 als „erstrebenswert“ Ausgleich von α- und β-Fehlerwahrscheinlichkeiten oft nicht möglich, große Stichproben zu erheben --> Kompromiss-Poweranalyse bei Erwartung kleiner Effekte: realisierbare Stichprobenumfänge können u.U. nur mit sehr großen Fehlerwahrscheinlichkeiten zu einer Entscheidung führen
• Poweranalse A PRIORI ES, alpha, beta Ziel: ermittle erforderlichen Stichprobenumfang N, um eine gewünschte Mindesteffektstärke (ES) mit Fehlerwahrscheinlichkeiten alpha und beta zu testen
• Poweranalyse POST HOC ES, alpha, N Ziel: Ermittle für eine Untersuchung mit gegebenem N und alpha, wie groß die Teststärke war, um einen Effekt der Größe ES zu entdecken
• Poweranalyse KOMPROMISS ES, N, beta/alpha-Verhältnis Ziel: Ermittle für ein realisierbares N und eine Effektstärke ES, welche alpha & beta Fehler resultieren, wenn beide Fehler in einem bestimmten Verhältnis stehen sollen.
• Poweranalyse SENSITIVITÄT N, alpha, beta Ziel: Ermittle bei gegebenem N, alpha und beta, wie groß der Effekt ES ist, den man damit entdecken kann.
• a priori Poweranalyse, Vorgehen nach Neyman und Pearson H0 formulieren (Nullhypothese) H1 formulieren (spezifische Alternativhypothese) Irrtumswahrscheinlichkeit festlegen Stichprobenumfang berechnen Untersuchung durchführen Test signifikant: H1, nicht signifikant: H0 beibehalten
• Forschungsethik Schutz von Mensch & Tier
• Wissenschaftsethik Erkenntnisgewinn soll in Praxis eingebracht werden Forschungsergebnisse sollen nicht gestohlen / unkritisch erfunden sein
• Grundregeln der Forschungsethik 1. psychische und physische Unversehrtheit und Integrität der Vpn2. Transparenz3. Vermeidung von Täuschung4. Freiwilligkeit der Teilnahme (participation bias) -> Aufklärung der VP vorbereiten
• Grundregeln der Wissenschaftsethik Prinzipien wissenschaftlicher Integrität und Redlichkeit Arbeit nach den Regeln der Wissenschaft selbstkritische Reflexion und Peer-Review-Prozess Sicherung von Primärdaten (10 Jahre) Beiträge von anderen kenntlich machen(≠ Plagiarismus)
• Versuchsplan - Zusammenfassung standardisiertes, routinemäßig anwendbares Schema (Strukturschema) liegt dem Aufbau, der Kontrolle und der Bewertung einer empirischen Untersuchung zugrunde erleichtert spätere Datenanalyse erheblich Entscheidungen, die vor Durchführung der Studie getroffen werden = extrem wichtiges Stadium im Forschungsprozess!
• Operationalisierung Übersetzung eines abstrakten Konstrukts in ein konkret messbares Merkmal (mit einem bestimmten Skalenniveau)
• Instruktionen "Zweck" der Studie Beschreibung der Reize & geforderten Reaktionen Fragen einplanen Checkliste: kurz, prägnant, verständlich + "Teilnehmerin" "wissenschaftl. Studie" "neutrale Sätze" - "VP" "Experiment" "Hypothese andeuten"
• Pilotstudien: Pilotierungsphase = Voruntersuchung anhand von einigen potentiellen Vpn, bevor geplante Studien anlaufen1. Erprobung der Abläufe, Instrumente und Infrastruktur2. Schulung der Testleiter/innen3. bisher unbedachte Fehlerquellen in den Instrumenten und in der Planung der Studie aufdecken -> Vpn können in die Reflektion eingebunden werden (z.B. Befragung)
• Pilotierung: Ablaufplan Zeitplan über den ganzen Zeitraum der Studie
• 10 Stufen der Testentwicklung 1. Anforderungsanalyse und Problemstellung2. Planung und Literaturrecherche3. Eingrenzung des Merkmals und Arbeitsdefinition4. Testentwurf5. Überprüfung des Testentwurfs6. Verteilungsanalyse7. Bestimmung der Gütekriterien8. Item(=Aufgaben)-Analyse und –Selektion9. Revision des Tests10. Eichung (Normierung)
• Versuchsdurchführung systematische Beobachtung des interessierenden Sachverhalts muss möglich sein, ohne dass dabei systematische Störeffekte auftreten Sorgfalt und Umsicht des Versuchsleiters!
• Situation Versuchsdurchführung Randbedingungen (Atmosphäre...) -> nicht direkt mit Fragestellung verbunden, trotzdem wichtig!
• Versuchspersoneneffekte (Versuchsdurchführung) Orientierungsbedürfnis (Demand-Effekt) Objektentgleisung: andere psychische Prozesse laufen bei VP ab Demand Characteristics gute Versuchsperson (möchte Erwartungen der Untersuchung erfüllen) um Bewertung bemühte VP (guter Eindruck, soziale Erwünschtheit) negativistische Versuchsperson (möchte absichtlich Hypothese durch Sabotage widerlegen) ehrliche VP, Idealtyp (verlässt sich auf Befolgen der Instruktion)
• Advertisement
• Reaktivität Verzerrung der Daten durch Kenntnis der VP, dass sie Beobachtungsgegenstand ist = "Hawthorne-Effekt" Maßnahmen: Coverstory nichtreaktive Messverfahen indirekte Messverfahren
• Exploration der VP nachträgliche Erfassung von Störquellen im Experiment Grundregel: VL darf VP nicht zu bestimmter Antwort drängen
• Versuchsleitereffekte Beeinflussung der VP durch Verhalten Rosenthaleffekt / Pygmalioneffekt Kontrolle: Blindstudie, Doppelblindstudie
• Datenmanagement … alle Maßnahmen, die die bestmögliche Nutzung erhobener Daten sicherstellen sollen.Data Preservation:Vorgehensweisen zur langfristigen Erhaltung von ForschungsdatenData Sharing/OpenData:Zugänglichmachung von Daten für die wissenschaftl. Forschungsgemeinschaft / ÖffentlichkeitData Curation:aktives Management von Datenarchiven (Auswahl der Daten, Erhaltung, Zugänglichmachung, Entfernung)
• Datenüberprüfung: 5-Punkte-Zusammenfassung gründliche Datenüberprüfungen vor Durchführung einer Datenanalyse notwendig Erster Schritt: Jede Variable wird mit der 5-Punkte-Zusammenfassung überprüft: 1) Minimum (kleinster Datenwert des Datensatzes)2) unteres Quartil (die kleinsten 25% der Datenwerte sind ≤ diesem Kennwert)3) Median (die kleinsten 50%...)4) oberes Quartil (die kleinsten 75%...)5) Maximum kategoriale Variablen: Häufigkeitsauszählung quantitative Variablen: Boxplot Eventuelle Ausreißer sind zu überprüfen und ggf. zu korrigieren!
• Datenüberprüfung: Ausreißer (=Werte, die sich weit vom Datenkollektiv unterscheiden) Wenn theoretisch begründbar, sollte man Ausreißer (insbesondere Extremwerte) aus dem Datensatz entfernen sonst Verfahren der Datenanalyse, die gegen Ausreißer robust sind
• Datenüberprüfung: Missing Data (fehlende Werte) "Drop-Out" (Langzeitstudien) Klassifikation: MCAR (missing completely at random): für die meisten Datensätze nicht haltbar MAR (Missing at random) MNAR (Missing not at random): Annahme nicht testbar
• Definition: Statistischer Test Regel, die erlaubt anhand einer Teststatistik Entscheidungen über behalten / ablehnen der H0 zu treffen. Signifikanztest zum Signifikanzniveau α (0< α <1), wenn gilt: P(H0 ablehnen | H0 wahr) < α Unterscheidung von ein-/zweiseitigen Tests α häufig .05, .01 oder .001
• Haupteffekt & Interaktion Haupteffekt: Zeigt sich im Vergleich der Mittelwerte der Stufen des Faktors Interaktion: kombinierte Wirkung der UV auf die AV ordinale Interaktion: UV hat unterschiedliche Wirkung auf versch. Stufen der anderen UV disordinale Interaktion: Rangfolge der Werte der AV für eine UV kehrt sich auf den Stufen der anderen UV um (-> Änderung von Betrag&Richtung)
• Schlussfolgerungen & Bericht Ergebnisse werden in größere theoretische Zusammenhänge eingeordnet Nachdenken über weitere Studien wissenschaftliche Kommunikation Zusammenfassung für Untersuchungsteilnehmer Arbeitstagungen, Konferenzen, Fachkongresse Publikationen: Fachzeitschriften/-bücher Publikationen in Fachjournals hierarchy of journals impact factor: Jahr X = Z(itationen) : P(ublikationen) submission & peer review process
• klassische Struktur eines Forschungsberichts TitelblattVorwortVerzeichnisse (Gliederung, Tabellen, Abbildungen, Abkürzungen) 1. Zusammenfassung/Abstract2. Einleitung3. Methode4. Ergebnisse5. Diskussion6. Literaturverzeichnis Anhang
• Unabhängige Variable   variiert systematisch in einem Experiment (wird manipuliert) ist die beeinflussende Größe einfaktoriell vs. mehrfaktoriell
• Abhängige Variable Merkmal, das in einem Experiment erfasst wird ist die beeinflusste Größe univariat vs. multivariat

back  |  next 1 / 1