Forschungsmethoden der Psychologie (Fach) / Veränderungsmessung (Lektion)

I + II

Diese Lektion wurde von Jewelzy erstellt.

Lektion lernen

Diese Lektion ist leider nicht zum lernen freigegeben.

zurück  |  weiter 1 / 1

• Experimentelle Untersuchungen = Untersuchungen mit randomisierter Zuweisung der Untersuchungsteilnehmer Beispiel: Wirken Informationen über die Risiken von Nikotin auf das Rauchverhalten? ein Treatment: Experimentalgruppe (Infos über Risiken), Kontrollgruppe (keine Infos) mehrere Treatments: differenzielle Wirkung mehrerer Treatments Auswertung t-Test für unabhängige Stichproben Varianzanalyse
• Randomisierung In experimentellen Untersuchungen mit großen Stichproben ist durch die Randomisierung die Äquivalenz der zu vergleichenden Gruppen gewährleistet. Man kann deshalb auf Pretestmessungen verzichten und hypothesenkonforme Posttestunterschiede als Bestätigung der Veränderungshypothese interpretieren
• Mehrere Messungen es genügt oft nicht, veränderne Wirkung eines Treatments mit nur einer Postmessung nachzuweisen long-term effects von Rauchertherapie als Beispiel Hypothesen, die sich auf langfristige Veränderungen beziehen oder die Veränderungen erst nach mehrerer Anwendung eines Treatments beinhalten, sollten durch mehrere Messungen der AV untersucht werden Auswertung: Varianzanalyse mit Messwiederholung
• Unterschied zwischen zweifaktoriellen Plan ohne und mit Messwiederholung ohne Messwiederholung untersucht für jede Faktorstufenkombination eine andere Stichprobe, während im Messwiederholungsplan dieselbe Stichprobe mehrfach untersucht wird
• Was muss man bei wiederholten Messungen einer AV beachten? Transfereffekte (z.B. Ermüdung, Lerneffekte, Motivationsverlust etc) z.B. bei Rauchverhalten "Zigarettentagebuch", könnte veränderter Zigarettenkonsum alleine schon mit dem Tagebuchführen zutun haben deshalb: Blockplan
• Was ist ein 'Blockplan'? Wenn bei wiederholter Untersuchung der Untersuchungsteilnehmer mit Transfereffekten zu rechnen ist, sollte ein Blockplan eingesetzt werden. Die k-fache Messung eines Untersuchungsteilnehmers wird hierbei durch Einzelmessungen von k Untersuchungsteilnehmer ersetzt, die zusammen einen Block bilden. Die Untersuchungsteilnehmer eines Blocks müssen in Bezug auf wichtige Störvariablen komogen sein (Matched Samples) und werden zufällig den k Messzeitpunkten zugeordnet. Die k-fache Untersuchung von n Untersuchungsteilnehmern wird also auch durch die einmalige Untersuchung von k x n Untersuchungsteilnehmern ersetzt. Beispiel Messwiederholungsplan: 50 Raucher Experimentalgruppe, 50 Raucher Kontrollgruppe 10 Wochen lang 1 x pro Wohce Analoger Blockplan: 2 x 50 Blöcke à 10 Personen 10 Personen eines jeden Blockes sollten bzgl untersuchungsrelevanter Störvariablen paralellisiert sein (= Matched Samples) Für jede Person eines jeden Blockes wird per Zufall entschieden, in welcher Woche die AV gemessen wird und welcher Bedingung der Block zugeordnet wird Jede Person wird nur einmal untersucht und nicht 10 mal wie im Messwiederholungsplan
• Wie wird die statistische Auswertung eines Blockplans oder Messwiederholungsplans durchgeführt? Spezielle Variante der Varianzanalyse: Varianzanalyse mit Messwiederholung (Repeated Measurements Analysis)
• Kontrolle von Sequenzeffekten Bei Untersuchungen, in denen von einer Stichprobe unter mehreren Untersuchungsbedingungen Messungen erhoben werden, kann die Abfolge der U.bedingungen von ausschlaggebender Bedeutung sein = Kontrolle solcher Sequenzeffekte wichtig Empfehlung: zweifaktorieller Messwiederholungsplan zur Kontrolle von Sequenzeffekten = es wird der Einfluss von verschiedenen Abfolgen ermittelt Jeder Abfolge wird eine Zufallsstichprobe zugewiesen,die die Untersuchungsbedingungen in der entsprechenden Reihenfolge enthält wenn Unterschiede im "Abfolgefaktor" nicht signifikant --> Reihenfolge der U.bedingungen unerheblich wenn signifikant: Hinweis auf Positionseffekte (z.B. durch Ermüdung) Abfolgefaktor kann als Fixed Factor oder Random Factor konzipiert werden Fixed Factor: bestimmte Abfolgen werden systematisch ausgewählt Random Factor: aus allen möglichen Abfolgen werden einige zufällig ausgewählt
• Quasiexperimentelle Untersuchungen Untersuchungen mit natürlichen bzw in der Praxis vorgefundenen gruppen. Da die U. gruppen nicht neu zusammengestellt werden, kann auch keine Randomisierung efolgen. Um natürliche Gruppen in Hinblick auf Störvariablen dennoch vergleichbar zu halten, kann mit der Methoden der Parallelisierung oder Matched Samples gearbeitet werden. Natürliche Gruppen entstehen wenn es sich bei der UV um eine Personenvariable handelt (z.B. Nationalität) oder um eine Umweltvariable, die z.B. aus ethischen Gründen nicht aktiv zugeordnet werden kann, z.B. Vergleich von Kindern mit und ohne Misshandlungserfahrungen. Quasi-Exmp. U. haben eine geringere interne Validität als experimentelle Untersuchungen. --> Will man überprüfen, ob eine Maßnahme in verschiedenen Populationen unterschiedlich wirkt, muss die AV in den entsprechenden Stichproben vorgetestet werden. Die treatmentbedingte Veränderung ermittelt man durch Vergleich von Pre-und Posttestmessungen
• Klassische Probleme der Veränderungsmessung nach Rost (2004) niedrige Reliabilität von Differenzwerten Das Problem der Regression zur Mitte Messen Vor- und Nachtest dasselbe?
• Problem von Veränderungsmessungen: niedrige Reliabilität von Differenzwerten Allgemein gilt: in den Messfehler von Differenzwerten zweier Variablen X und Y gehen sowohl Messfehler von X als auch von Y ein (Auffassung überholt, man geht davon aus dass die Reliabilität von Differenzmaßen insgesamt von 4 Einflussgrößen abhängt) 4 Einflussgrößen Unterschiedlichkeit der wahren individuellen Veränderungen Genauigkeit der Messung Verteilung der Messzeitpunkte Anzahl der Messzeitpunkte
• Problem der Veränderungsmessung: Regression zur Mitte Bei Quasiexperimentellen Untersuchungen: Gefahr der Verfälschung durch Regressionseffekte Extreme Pretestwerte haben die Tendenz, sich bei einer wiederholten Messung zur Mitte der Merkmalsverteilung hin zu verändern (= Regression zur Mitte) bzw. zur größten Dichte der Verteilung --> diese Veränderung erfolgt unabhängig vom Treatment (Erklärung: Beispiel Weitspringer) Mangelnde Stabilität eines Merkmals --> wiederholte Messungen korrelieren nicht perfekt miteinander Regerssion zur Mitte (Definition): Personen, die bei der ersten Messung einheitlich einen bestimmten Wert erzielen, der deutlich vom Gesamtmittel aller Erstmessungen abweicht, haben bei der zweiten Messung beliebige Werte, deren Mittelwert allerdings weniger vom Stichprobenmittelwert aller Zweitmessungen abweicht Die Regression extremer Werte zur Mitte der Verteilung nimmt mit abnehmender Retestreliabilität des Merkmals zu Regressionseffekte treten auf, wenn anhand von Pretestergebnissen selektiert wird Regressionseffekte können umso stärker auftreten, je niedriger die Reliabilität der Messwerte ist (je kleiner R., desto größer unsystematische, zufällige Varianz; zufällige Varianz ist immer mit dem Phänomen der Regression zur Mitte behaftet) negtaive Korreltaion zwischen t1 und d höheren Pretestwerten folgen häufiger kleine Posttestwerte --> niedrige Zuwächse kleineren Pretestwerten folgen häufiger höhere Posttestwerte --> höhere Zuwächse --> Regressionseffekte führen häufig zu negativen Korrelationen zwischen Pretest und Zuwachs/Veränderung
• Nenne Sie eine historische Alternative zur Differenz als Veränderungsmaß. Ist diese sinnvoll? Regressionsresiduent als Alternative Aber: keine gute Alternative, dadurch bildet sich eine niedrigere Reliabilität in einer stärkeren Verzerrung der Veränderungsschätzung ab
• Messen Pre- und Posttests dasselbe? Möglichkeit der Kontrlle der Messvarianz, z.B. mit Testmodellen der Item-Response-Theorie
• Allgemeine Designempfehlung für eine Quasiexperimentelle Untersuchung Einsatz mehrerer abhängiger Variablen oder Wirkkriterien Wiederholte Treatmentphasen Wiederholte Pretestmessungen: Baseline Mehr als 2 Vergleichsgruppen Abgestufte Treatmentintensität Parallelisierung (Vorsicht mit Regressionseffekten) Analyse der Gruppenselektion Konfundierte Merkmale
• Untersuchungspläne für Quasiexperimentelle Untersuchungen Eingruppen-Pre-Posttest-Design Zweigruppen-Pre-Posttest-Design (Experimentalgruppe vs. Kontrollgruppe; Treatmenteffekt errechnet aus E= E1-E2 und K= K1-K2; Nettoeffekt = E-K) Solomon-Viergruppen-Plan Gruppe 1: Pretest - Treatment - Posttest Gruppe 2: Pretest - Posttest Gruppe 3: Treatment - Posttest Gruppe 4: Posttest
• Eingruppen-Pretest-Posttest-Pläne = eine repräsentative Stichprobe der interessierenden Zielpopulation wird einmal vor und einmal nach dem Treatment untersucht die durchschnittliche Differenz auf der AV gilt als Indikator für die Treatmentwirkung (obwohl viele mögliche Störeinflüsse die (Nicht-)Veränderung bewirkt haben können) interne Validität daher gering Möglichkeit der nachträglichen Kontrolle der Störeinflüsse, durch zusätzliche Erhebung zeitabhängiger Variablen (=Partialkorrelation) --> Verbesserung der inernen Validität Wann wird ein solcher Plan eingesetzt? bei Fragestellungen, bei denen ein Treatment interessiert, von dem praktisch alle Personen betroffen sind, sodass auf die Bildung einer KG verzichtet werden muss (z.B. Wirkung einer neuen Fernsehwerbung) ethische Gründe können den Einsatz einer KG unmöglich machen
• Zweigruppen-Pre-Posttest-Pläne zusätzliche Prüfung einer KG unbedingt Vortest, da bei Quasiexperimentellem Design eine Randomisierung nicht möglich ist Auswertung durch zweifaktorielle Varianzanalyse mit Messwiederholung Ermittlung des Treatment-Effekts Experimentalgruppe: E1 (= Wert für Pretest) und E2 (Wert für Posttest) --> E (Differenz) KG: K1 (=Wert für Pretest) und K2 (Wert für Posttest) --> K (Differenz) Nettoeffekt des Treatments = E - K Beispiel Evaluation von computergestützem Unterricht in Mathe; Randomisierung nicht möglich weil Schulleitung abgelehnt --> deswegen Schulklassen als natürliche Gruppen
• Solomon-Viergruppen-Plan Plan erfordert 4 Gruppen: Gruppe 1: klassische Experimentalgruppe (Pretest, Treatment, Posttest) Gruppe 2: klassische Kontrollhruppe (Pretest, Posttest) Gruppe 3: One-Shot-Case Design (nach appliziertem Treatment wird nur eine Postmessung durchgeführt) Gruppe 4: nur Posttest Spezielle Probleme beim Quasiexperimentellen Design Einebziehung von Gruppe 3 und 4 kann Probleme bereiten da sie nicht vorgestestet werden, muss man davon ausgehen, dass sie zu den anderen äquivalent sind --> keine Randomisierung als Problem!
• Regressions-Diskontinuitäts-Analyse (RDA) = Bewusste Herbeiführung von Unterschieden zwischen EG und KG Personen, die einen bestimmten Wert (sog. Cut-off-Point) einer kontinuierlichen Zuweisungsvariablen unterschreiten, zählen zur KG, Personen oberhalb zur EG Es liegt dann eine Treatmentwirkung vor, wenn die Regressionsgerade zur Beschreibung des Zsh. zwischen Zuweisungsvariablen und AV am Cut-Off Point diskontinuierlich verläuft und gleichzeitig die entsprechende Regression ohne Treatment einen kontinuierlichen Verlauf hat  
• Veränderungshypothesen für Entwicklungen: Effekte (UVn) in Veränderungsstudien Alter Epoche Generation (Kohorte)
• Untersuchungspläne für Veränderungshypothesenb für Entwicklungen Querschnittstudie Längsschnittstudie Zeitwandelstudie
• Einfaktorielle Studien bei Veränderungshypothesen für Entwicklungen Ausgangslage: dreifaktorieller Untersuchungsplan (Untersuchung der 3 UVn Alter, Epoche, Generation und deren Kombi) wäre theoretisch am besten, aber praktisch nicht realisierbar (z.B. gehören 20 und 40 jährige zu einem bestimmten zeitpunkt zwei verschiedenen Generationen an) Welche Möglichkeiten hat man stattdessen? --> einfaktorieller Plan als Untersuchungsvariante = systematische Variation eines Faktors, während die beiden anderen konstant gehalten werden Veränderungen in der AV könnten auf den variierten Faktor zurückzuführen sein Einfaktorielle Studien: Alterseffekte, Generationseffekte, Epocheneffekte Aber: Mit den 3 "klassischen" entwicklungspsychologischen Untersuchungsansätzen (Quer, Längs- Zeitwandel) ist es nicht möglich, Effekte des Alters, der Generation oder der Epoche isoliert zu erfassen
• Zweifaktorielle Studien bei Veränderungshypothesen für Entwicklungen = systematische Variation zweier UVs --> sequenzielle Untersuchungspläne 3 verschiedene Untersuchungstypen denkbar: cohort-sequential (Generation x Alter variiert), time-sequential (Epoche x Alter variiert), cross-sequential (Epoche x Generation variiert) Zweifaktorielle entwicklungspsychologische Pläne (z.B. Alter x Generation) sind eindeutig zu interpretieren, wenn der jeweils dritte Faktor keinen Einfluss auf die AV ausübt

zurück  |  weiter 1 / 1