Suchen und Finden
Autorenverzeichnis
6
Inhaltsverzeichnis
8
1. Kapitel Übersicht
18
1. Zur Prüfung sog. Kausalhypothesen
18
2. Zum Problem der Validität des statistischen Schlusses
31
3. Dynamische Modelle
35
Literatur
39
2. Kapitel Planung und Auswertung von Experimenten
41
1. Einleitung
43
1.1 Einige Begriffsbestimmungen
43
1.2 Das Experiment als Methode zur Prüfung von Kausalaussagen
44
1.3 Die Validität eines Experiments
46
2. Variablenvalidität ( VV)
50
2.1 Mangelnde Eindeutigkeit der Zuordnung als Störfaktor (VV)
51
2.2 Mangelnde konzeptuelle Replikation als Störfaktor (VV)
52
2.4 Zu geringes Skalenniveau als Störfaktor (VV)
55
2.5 Konfundierung von theoretischen Begriffen als Störfaktor ( VV)
59
Zusammenfassung
63
3. Interne Validität
63
3.1 Variation personaler und situationaler Merkmale als Störfaktoren ( IV)
64
3.1.1 Variation situationaler Merkmale
64
3.1.2 Variation personaler Merkmale
65
3.2 Störfaktoren (IV) bei Meßwiederholung
65
3.3 Zur Kontrolle der Störfaktoren (IV) bei interindividueller Bedingungsvariation
67
3.3.1 Konstanthaltung und Elimination
68
3.3.2 Randomisierung
69
3.3.3 Einführung eines Kontrollfaktors
72
3.4 Zur Kontrolle der Störfaktoren (IV) bei intraindividueller Bedingungsvariation ( Meßwiederholung)
73
3.5 Versuchspläne mit interindividueller Bedingungsvariation und Vortest
75
3.6 Zur Definition des Experiments und anderer Untersuchungsmethoden
76
4. Populations- und Situationsvalidität
77
4.1 Populationsvalidität (PV)
77
4.2 Situationsvalidität (SV)
80
4.3 Zur Kontrolle der Störfaktoren (PV und SV)
81
5. Beziehungen zwischen den Validitätsarten
82
6. Statistische Validität
84
7. Eine Strategie zur Entscheidung zwischen statistischen Hypothesen: Der Signifikanztest
87
7.1 Überblick über verschiedene alternative Strategien
87
7.2 Kurzer Abriß einiger Charakteristika von Signifikanztests
90
7.3 Mögliche Fehler beim statistischen Testen
93
7.3.1 Fehler unter Gültigkeit der Null- Hypothese ( Fehler 1. Art)
93
7.3.2 Fehler unter Gültigkeit der Alternativhypothese ( Fehler 2. Art)
95
7.4 Die Determinanten eines Signifikanztests
98
7.4.1 Forschungs- und Publikationspraxis 1: Signifikanzniveau und p-Werte
100
7.4.2 Forschungs- und Publikationspraxis II: Experimentelle Effekte und Teststärke
102
7.4.3 Forschungs- und Publikationspraxis III: Entwicklung einer vorläufigen Zielvorstellung
103
7.5 Arten statistischer Hypothesen und ihre Prüfung
105
7.5.1 Gerichtete und ungerichtete Hypothesen und ihre Prüfung
105
7.5.2 Parametrische und nicht- parametrische Hypothesen und ihre Prüfung
106
7.5.3 Zur Wahl zwischen parametrischen und nicht- parametrischen Verfahren
108
7.5.4 Zur Frage der relativen Effizienz
112
7.6 Zusammenfassung
113
8. Störfaktoren der statistischen Validität und ihre Ausschaltung
114
8.1 Falsche statistische Hypothesen und Verfahren
114
8.1.1 Die wichtigsten Beziehungen zwischen
114
8.1.2 Falsche Umsetzung der wissenschaftlichen in eine statistische Hypothese als Störfaktor ( StatV)
118
8.1.3 Falsche Auswahl der zu prüfenden statistischen Hypothese
119
8.1.4 Falsche statistische Analyse
119
8.2 Verletzung der Annahmen bei statistischen Tests als Störfaktor ( StatV)
120
8.2.1 Das Allgemeine
120
8.2.2 Additivität
123
8.2.3 Normalverteilung der Modellresiduen ( Fehler)
125
8.2.4 Homogenität der Fehlervarianzen in den Populationen
128
8.2.5 Unabhängigkeit der Fehlerterme
132
8.2.6 Problem der Zufallsstichproben
136
8.3 Kumulierung der Wahrscheinlichkeiten für Fehler erster und zweiter Art
137
8.3.1 Multiple Mittelwertsvergleiche
140
8.3.2 Monotone Trendhypothesen
143
8.4 Mangelnde Präzision
144
8.4.1 Parallelisierung als Kontrolltechnik ( StatV)
145
8.4.2 Kovarianzanalyse als Kontrolltechnik ( StatV)
147
8.4.3 Homogenisierung als Kontrolltechnik ( StatV)
148
8.4.4 Konstanthaltung und Elimination als Kontrolltechniken ( StatV)
148
8.4.5 Eingenistete Faktoren als Kontrolltechnik ( StatV)
149
8.4.6 Wiederholte Messungen als Kontrolltechnik (StatV)
150
8.4.7 Zur Beziehung zwischen der Präzision und den anderen Aspekten der experimentellen Validität
160
8.5 Falsche Analyse und Interpretation statistischer Interaktionen
161
8.6 Zusammenfassung
172
9. Maße der statistischen Assoziation: Die experimentellen Effekte
174
9.1 Einleitung
174
9.2 Experimentelle Effekte und praktische Bedeutsamkeit
175
9.3 Experimentelle Effekte bei parametrischen Hypothesen
175
9.3.1 Maße der Nicht-Zentralität
176
9.3.2 Korrelationskoeffizienten und - quotienten
177
9.4 Experimentelle Effekte bei nicht-parametrischen Hypothesen
183
9.4.1 Experimentelle Effekte bei ordinalen Daten
183
9.4.2 Experimentelle Effekte bei nominalen Daten
184
9.5 Zur Kritik der Maße der statistischen Assoziation
185
9.6 Zusammenfassung
186
10. Bestimmung des Stichprobenumfanges
187
10.1 Überblick
187
10.2 Allgemeine Prinzipien der Stichprobengrößenbestimmung
189
10.3 Bestimmung des Stichprobenumfanges bei univariaten Varianz- und Regressionsanalysen
191
10.3.1 Bei Kenntnis
191
10.3.2 Bei prä- experimenteller Schätzung der Varianz 0,’
192
10.3.3 Ohne Kenntnis der Populationsvarianz 0,’
194
10.4 Hinweise zur Stichprobenumfassungsbestimmung bei weiteren Gruppen von parametrischen Testverfahren
197
10.4.1 Varianzanalyse mit zufälligen und gemischten Effekten
197
10.4.2 Nicht- orthogonale Varianzanalysen
198
10.4.3 Multivariate Varianz- und Regressionsanalysen
199
10.5 Hinweise zur Stichprobenumfangsbestimmung bei nicht- parametrischen Verfahren
200
10.5.1 Nominale Daten
200
10.5.2 Ordinale Daten
200
10.6 Abschließende Bemerkungen zur Stichprobengrößenbestimmung
201
11. Eine Strategie zur Entscheidung über wissenschaftliche Hypothesen mittels Signifikanztests
202
11.1 Stadium der Planung des Experiments
202
11.1.1 Überblick
202
11.1.2 Zur Festlegung der beiden Fehlerwahrscheinlichkeiten
203
11.1.3 Zur Festlegung des experimentellen Mindesteffektes EEM
205
11.1.4 Zur Frage der Willkür bei der Planung von Experimenten
205
11.2 Stadium der Entscheidung über die Kausalhypothese
205
3. Kapitel Messung, Analyse und Prognose von Veränderungen
256
1. Einleitung
256
2. Univariate Zeitreihenanalyse
260
2.1 Integrierte Prozesse der Ordnung d: ARIMA(0,d,0)-Modelle
263
2.2 Autoregressive Prozesse der Ordnung p: ARIMA(p,0,0) u. ARIMA(p,d,0)-Modelle
265
2.3 Moving-average Prozesse der Ordnung q: ARIMA(0,0,q)-Modelle
268
2.4 Das allgemeine ARIMA (p,d,q)-Modell
270
2.5 Autokorrelations- und partielle Autokorrelationsfunktion
273
2.6 Saisonale Einflüsse
280
2.7 Modellidentifikation
281
2.8 Multiple Zeitreihenanalyse : Transferfunktionsmodelle
285
2.9 Multivariate Zeitreihenanalyse
296
2.10 Multiple und multivariate Transfermodelle
299
2.10.1 Multiple Transfermodelle
299
2.10.2 Multivariate Transfermodelle
300
3. Zeitreihenexperimente
301
3.1 N = 1-Experimente
302
3.1.1 Verteilungsfreie Prüfmethoden: Randomisierungs- bzw. Permutationstests
304
3.1.2 Verteilungsgebundene Prüfverfahren: Lineares Modell
310
3.1.3 Verteilungsgebundene Prüfverfahren: Interventionsanalyse mit dem Transfermodell von Box & Tiao (1975)
321
3.2 N > 1 Quasiexperimentelle Zeitreihendesigns (univariater Fall für eine Gruppe)
332
3.2.1 N > T, M = 1, G = 1
332
3.2.2 G > 1 Quasiexperimentelle Zeitreihendesigns bei mehreren Gruppen
344
3.2.3 M > 1 Quasiexperimentelle Zeitreihendesigns mit mehreren abhängigen Variablen
344
4. Veränderungsmessung mit Hilfe von Differenzenwerten
345
4.1 Korrelation zwischen Anfangswert und Differenzwert
346
4.2 Schätzung individueller Veränderungswerte
347
4.3 Der Differenz- bzw. Endwert in der Regressionsanalyse
350
4.4 Kovarianz- bzw. Regressionsmodell bei zeitbezogenen Daten
355
4.5 Reliabilität - Stabilität
360
5. Wachstumskurven- und Varianzanalyse
361
5.1 Der Eingruppenfall
361
5.1.1 Der ,,wiederholte Messungen“-Ansatz (T z 2, G = 1, N > 1)
361
5.1.2 Zur Identifikation und Interpretation der Effektparameter
366
5.2 Berücksichtigung von gruppenspezifischen Faktoren
374
5.3 Schätzung des Modells
381
5.4 Hypothesentests
383
5.5 Mehrfachantwort (echt multivariate) -Analyse*
386
6. Pooling von ,,Querschnitt“- mit ,,Zeitreiben “-Analyse
387
6.1 Modellüberlegungen
387
6.2 Schätzprobleme
392
7. Strukturgleichungsmodelle
392
7.1 Kovarianz- und korrelationsorientierte Analysen von Zeitreihen von Querschnitten: Stabilität von Konstrukten
393
7.2 Wachstumskurvenanalyse als Strukturgleichungsmodell
398
7.3 Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Zeitbezogene Hypothesen für diskrete Zeitpunkte
401
7.4 Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Schereneffekte bei Mittelwertsverläufen auf latenten Variablen
407
8. Markoff-Modelle für qualitative Variable bei diskreter Zeit
412
8.1 Markoffketten 1. Ordnung mit einer Variablen
418
8.2 Markoffketten 2. Ordnung (1 Variable)
424
8.3 Markoffketten mit mehreren Variablen
426
8.4 Schätzung der Übergangswahrscheinlichkeiten
427
8.4.1 bei Zeitinhomogenität
428
8.4.2 bei Zeithomogenität
428
8.5 Tests
429
8.6 Spezielle Probleme und Lösungen bei der Anwendung von Markoffketten
429
8.7 Einführung unabhängiger Variablen
432
8.7.1 Subgruppenmodelle
432
8.7.2 Übergangswahrscheinlichkeiten als Funktionen von unabhängigen Variablen
432
8.7.3 Interaktive Markoffketten
433
8.8 Einführung latenter Klassen
433
8.8.1 Mover-Stayer-Modell
433
8.8.2 Generelles Modell latenter Zustände
434
8.9 Weitere Modelle: zeitkontinuierliche Markoffprozesse
434
9. Multivariate ,,Zeitreiben“- und Panelanalyse mit zeitkontinuierlichen Modellen
436
9.1 ,,Zeitreihenanalyse“ (N=1, T >> M, M > 1)
436
9.1.1 Stochastische Systeme
447
9.1.2 Diskrete Approximation des stochastischen zeitkontinuierlichen Modells
450
9.1.3 Identifikation und Schätzung des zeitkontinuierlichen Systems
453
9.2 Panelanalyse (repeated-measurements) (N > M, TL 2, M > 1)
460
9.2.1 Zeitkontinuierliches Modell
460
9.2.2 Diskrete Approximation des stochastischen zeitkontinuierlichen Panelmodells mit LISREL
466
9.2.3 Identifikation und Schätzung der zeitkontinuierlichen Panelmodelle
467
10. Schlußbemerkungen
469
4. Kapitel Statistische Entscheidungstheorie und Bayes-Statistik
488
1. Einleitung: Problemstellung
488
1.1 Exkurs über Meßtheorie und Skalierung
489
1.2 Schema des Erkenntnisgewinns in einer empirischen Wissenschaft
491
2. Klassische Statistik
493
2.1 Vorgehensweise der klassischen Statistik
493
2.2 Eigenschaften klassischer Tests
501
2.3 Zur Frage der Stichprobengröße
503
2.4 Zur Effektstärke
507
2.5 Zusammenfassung des klassischen Signifikanztests
508
3. Sequentielle Testverfahren
511
4. Likelihood-Quotienten-Test
516
5. Bayes-Statistik
517
5.1 Vorgehensweise der Bayes-Statistik
517
5.2 Robustheit der Schätzung (principle of stable estimation)
518
5.3 Vergleich mit der klassischen Statistik
520
5.4 Integration von Daten aus verschiedenen Quellen
521
6. Parameter-Schätzung
522
6.1 Lösung der kleinsten Quadrate
522
6.2 Maximum-Likelihood-Schätzung
523
6.3 Konjugierte Verteilungen
524
6.4 Das Principle of Stable Estimation bei der Parameterschätzung
524
7. Die Erhebung von a-priori- Wahrscheinlichkeiten
524
8. Die Bewertung der Ausgänge von Entscheidungen
527
8.1 Bewertung multiattributiver Ausgänge
532
9. Entscheidungskriterien
536
10. Schlußbemerkung
540
5. Kapitel Computer-Simulation
547
1. Einleitung
547
2. Das Paradigma der Computer-Simulation in der Psychologie
550
2.1 Zur Klassifikation von Simulationsmodellen
550
2.2 Programmbeispiel: ,,Simple Concept Attainment“
553
2.2.1 Flußdiagrammdarstellung
553
2.2.2 Das Hauptprogramm (Versuchsablaufprogramm)
555
2.2.3 Zur ,,Binnenstruktur“ der Informationsverarbeitung
559
2.2.4 Die Modellvarianten
561
2.2.5 Abschließende Funktionsdefinitionen
564
2.3 Diskussion des Programmbeispiels
566
2.3.1 Modellcharakteristika
566
2.3.2 Nicht-numerisches Programmieren
567
2.3.3 ,,Listenverarbeitung”
568
2.3.4 Modulares Programmieren
571
3. Simulationsmodelle und psychologische Theorienbildung
572
3.1 Empirische Grundlagen psychologischer Simulationsmodelle
573
3.1.1 Methoden der Datengewinnung
573
3.1.2 Möglichkeiten der Datenauswertung
575
3.2 Informationelle Produktionssysteme
580
3.2.1 Die Modellarchitektur von Produktionssystemen
581
3.2.2 Beispiel eines Produktionssystems als Simulationsmodell
582
3.2.3 Transparenz und Abbildtreue von Produktionssystemen
588
3.3 Das Interpreterproblem von Produktionssystemen
592
3.3.1 Lesarten von Produktionsregeln
593
3.3.2 Konfliktlösungsstrategien (,,conflict resolution“)
594
3.3.3 Adaptivität (Lernfähigkeit) von Produktionssystemen
595
3.3.4 ,,Bewußtseinsfunktionen” des Interpreters
596
3.4 ,,Künstliche Intelligenz“ oder: Wie man dem Rechner das Rechnen beibringen kann
597
4. Validierung und Anwendbarkeit von Simulationsmodellen
604
4.1 Wirklichkeitsbezug und Modellrelationen
605
4.1.1 Modellbildung als homomorphe Abbildung
605
4.1.2 Kommutatives Diagramm
608
4.2 Das Eindeutigkeitstheorem von Anderson
610
4.3 Empirische Tests von Simulationsmodellen
612
4.3.1 Turing-Test
613
4.3.2 Protokoll-Trace-Vergleich
614
4.4 Nicht-Falsifizierbarkeit von KI-Systemen
615
4.4.1 Der strukturalistische Theoriebegriff
616
4.4.2 Die logische Komponente der Theorie der Informationsverarbeitung
618
4.4.3 Die empirische Komponente der Theorie der Informationsverarbeitung
624
4.4.4 Der instrumentelle Gebrauch der Theorie der Informationsverarbeitung
626
5. Kommentiertes Literaturverzeichnis
627
Autoren-Register
634
Sach-Register
647
Alle Preise verstehen sich inklusive der gesetzlichen MwSt.