Hypothesenprüfung (Enzyklopädie der Psychologie : Themenbereich B : Ser. 1 ; Bd. 5)

Autorenverzeichnis

Inhaltsverzeichnis

1. Kapitel Übersicht

1. Zur Prüfung sog. Kausalhypothesen

2. Zum Problem der Validität des statistischen Schlusses

3. Dynamische Modelle

Literatur

2. Kapitel Planung und Auswertung von Experimenten

1. Einleitung

1.1 Einige Begriffsbestimmungen

1.2 Das Experiment als Methode zur Prüfung von Kausalaussagen

1.3 Die Validität eines Experiments

2. Variablenvalidität ( VV)

2.1 Mangelnde Eindeutigkeit der Zuordnung als Störfaktor (VV)

2.2 Mangelnde konzeptuelle Replikation als Störfaktor (VV)

2.4 Zu geringes Skalenniveau als Störfaktor (VV)

2.5 Konfundierung von theoretischen Begriffen als Störfaktor ( VV)

Zusammenfassung

3. Interne Validität

3.1 Variation personaler und situationaler Merkmale als Störfaktoren ( IV)

3.1.1 Variation situationaler Merkmale

3.1.2 Variation personaler Merkmale

3.2 Störfaktoren (IV) bei Meßwiederholung

3.3 Zur Kontrolle der Störfaktoren (IV) bei interindividueller Bedingungsvariation

3.3.1 Konstanthaltung und Elimination

3.3.2 Randomisierung

3.3.3 Einführung eines Kontrollfaktors

3.4 Zur Kontrolle der Störfaktoren (IV) bei intraindividueller Bedingungsvariation ( Meßwiederholung)

3.5 Versuchspläne mit interindividueller Bedingungsvariation und Vortest

3.6 Zur Definition des Experiments und anderer Untersuchungsmethoden

4. Populations- und Situationsvalidität

4.1 Populationsvalidität (PV)

4.2 Situationsvalidität (SV)

4.3 Zur Kontrolle der Störfaktoren (PV und SV)

5. Beziehungen zwischen den Validitätsarten

6. Statistische Validität

7. Eine Strategie zur Entscheidung zwischen statistischen Hypothesen: Der Signifikanztest

7.1 Überblick über verschiedene alternative Strategien

7.2 Kurzer Abriß einiger Charakteristika von Signifikanztests

7.3 Mögliche Fehler beim statistischen Testen

7.3.1 Fehler unter Gültigkeit der Null- Hypothese ( Fehler 1. Art)

7.3.2 Fehler unter Gültigkeit der Alternativhypothese ( Fehler 2. Art)

7.4 Die Determinanten eines Signifikanztests

7.4.1 Forschungs- und Publikationspraxis 1: Signifikanzniveau und p-Werte

7.4.2 Forschungs- und Publikationspraxis II: Experimentelle Effekte und Teststärke

7.4.3 Forschungs- und Publikationspraxis III: Entwicklung einer vorläufigen Zielvorstellung

7.5 Arten statistischer Hypothesen und ihre Prüfung

7.5.1 Gerichtete und ungerichtete Hypothesen und ihre Prüfung

7.5.2 Parametrische und nicht- parametrische Hypothesen und ihre Prüfung

7.5.3 Zur Wahl zwischen parametrischen und nicht- parametrischen Verfahren

7.5.4 Zur Frage der relativen Effizienz

7.6 Zusammenfassung

8. Störfaktoren der statistischen Validität und ihre Ausschaltung

8.1 Falsche statistische Hypothesen und Verfahren

8.1.1 Die wichtigsten Beziehungen zwischen

8.1.2 Falsche Umsetzung der wissenschaftlichen in eine statistische Hypothese als Störfaktor ( StatV)

8.1.3 Falsche Auswahl der zu prüfenden statistischen Hypothese

8.1.4 Falsche statistische Analyse

8.2 Verletzung der Annahmen bei statistischen Tests als Störfaktor ( StatV)

8.2.1 Das Allgemeine

8.2.2 Additivität

8.2.3 Normalverteilung der Modellresiduen ( Fehler)

8.2.4 Homogenität der Fehlervarianzen in den Populationen

8.2.5 Unabhängigkeit der Fehlerterme

8.2.6 Problem der Zufallsstichproben

8.3 Kumulierung der Wahrscheinlichkeiten für Fehler erster und zweiter Art

8.3.1 Multiple Mittelwertsvergleiche

8.3.2 Monotone Trendhypothesen

8.4 Mangelnde Präzision

8.4.1 Parallelisierung als Kontrolltechnik ( StatV)

8.4.2 Kovarianzanalyse als Kontrolltechnik ( StatV)

8.4.3 Homogenisierung als Kontrolltechnik ( StatV)

8.4.4 Konstanthaltung und Elimination als Kontrolltechniken ( StatV)

8.4.5 Eingenistete Faktoren als Kontrolltechnik ( StatV)

8.4.6 Wiederholte Messungen als Kontrolltechnik (StatV)

8.4.7 Zur Beziehung zwischen der Präzision und den anderen Aspekten der experimentellen Validität

8.5 Falsche Analyse und Interpretation statistischer Interaktionen

8.6 Zusammenfassung

9. Maße der statistischen Assoziation: Die experimentellen Effekte

9.1 Einleitung

9.2 Experimentelle Effekte und praktische Bedeutsamkeit

9.3 Experimentelle Effekte bei parametrischen Hypothesen

9.3.1 Maße der Nicht-Zentralität

9.3.2 Korrelationskoeffizienten und - quotienten

9.4 Experimentelle Effekte bei nicht-parametrischen Hypothesen

9.4.1 Experimentelle Effekte bei ordinalen Daten

9.4.2 Experimentelle Effekte bei nominalen Daten

9.5 Zur Kritik der Maße der statistischen Assoziation

9.6 Zusammenfassung

10. Bestimmung des Stichprobenumfanges

10.1 Überblick

10.2 Allgemeine Prinzipien der Stichprobengrößenbestimmung

10.3 Bestimmung des Stichprobenumfanges bei univariaten Varianz- und Regressionsanalysen

10.3.1 Bei Kenntnis

10.3.2 Bei prä- experimenteller Schätzung der Varianz 0,’

10.3.3 Ohne Kenntnis der Populationsvarianz 0,’

10.4 Hinweise zur Stichprobenumfassungsbestimmung bei weiteren Gruppen von parametrischen Testverfahren

10.4.1 Varianzanalyse mit zufälligen und gemischten Effekten

10.4.2 Nicht- orthogonale Varianzanalysen

10.4.3 Multivariate Varianz- und Regressionsanalysen

10.5 Hinweise zur Stichprobenumfangsbestimmung bei nicht- parametrischen Verfahren

10.5.1 Nominale Daten

10.5.2 Ordinale Daten

10.6 Abschließende Bemerkungen zur Stichprobengrößenbestimmung

11. Eine Strategie zur Entscheidung über wissenschaftliche Hypothesen mittels Signifikanztests

11.1 Stadium der Planung des Experiments

11.1.1 Überblick

11.1.2 Zur Festlegung der beiden Fehlerwahrscheinlichkeiten

11.1.3 Zur Festlegung des experimentellen Mindesteffektes EEM

11.1.4 Zur Frage der Willkür bei der Planung von Experimenten

11.2 Stadium der Entscheidung über die Kausalhypothese

3. Kapitel Messung, Analyse und Prognose von Veränderungen

1. Einleitung

2. Univariate Zeitreihenanalyse

2.1 Integrierte Prozesse der Ordnung d: ARIMA(0,d,0)-Modelle

2.2 Autoregressive Prozesse der Ordnung p: ARIMA(p,0,0) u. ARIMA(p,d,0)-Modelle

2.3 Moving-average Prozesse der Ordnung q: ARIMA(0,0,q)-Modelle

2.4 Das allgemeine ARIMA (p,d,q)-Modell

2.5 Autokorrelations- und partielle Autokorrelationsfunktion

2.6 Saisonale Einflüsse

2.7 Modellidentifikation

2.8 Multiple Zeitreihenanalyse : Transferfunktionsmodelle

2.9 Multivariate Zeitreihenanalyse

2.10 Multiple und multivariate Transfermodelle

2.10.1 Multiple Transfermodelle

2.10.2 Multivariate Transfermodelle

3. Zeitreihenexperimente

3.1 N = 1-Experimente

3.1.1 Verteilungsfreie Prüfmethoden: Randomisierungs- bzw. Permutationstests

3.1.2 Verteilungsgebundene Prüfverfahren: Lineares Modell

3.1.3 Verteilungsgebundene Prüfverfahren: Interventionsanalyse mit dem Transfermodell von Box & Tiao (1975)

3.2 N > 1 Quasiexperimentelle Zeitreihendesigns (univariater Fall für eine Gruppe)

3.2.1 N > T, M = 1, G = 1

3.2.2 G > 1 Quasiexperimentelle Zeitreihendesigns bei mehreren Gruppen

3.2.3 M > 1 Quasiexperimentelle Zeitreihendesigns mit mehreren abhängigen Variablen

4. Veränderungsmessung mit Hilfe von Differenzenwerten

4.1 Korrelation zwischen Anfangswert und Differenzwert

4.2 Schätzung individueller Veränderungswerte

4.3 Der Differenz- bzw. Endwert in der Regressionsanalyse

4.4 Kovarianz- bzw. Regressionsmodell bei zeitbezogenen Daten

4.5 Reliabilität - Stabilität

5. Wachstumskurven- und Varianzanalyse

5.1 Der Eingruppenfall

5.1.1 Der ,,wiederholte Messungen“-Ansatz (T z 2, G = 1, N > 1)

5.1.2 Zur Identifikation und Interpretation der Effektparameter

5.2 Berücksichtigung von gruppenspezifischen Faktoren

5.3 Schätzung des Modells

5.4 Hypothesentests

5.5 Mehrfachantwort (echt multivariate) -Analyse*

6. Pooling von ,,Querschnitt“- mit ,,Zeitreiben “-Analyse

6.1 Modellüberlegungen

6.2 Schätzprobleme

7. Strukturgleichungsmodelle

7.1 Kovarianz- und korrelationsorientierte Analysen von Zeitreihen von Querschnitten: Stabilität von Konstrukten

7.2 Wachstumskurvenanalyse als Strukturgleichungsmodell

7.3 Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Zeitbezogene Hypothesen für diskrete Zeitpunkte

7.4 Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Schereneffekte bei Mittelwertsverläufen auf latenten Variablen

8. Markoff-Modelle für qualitative Variable bei diskreter Zeit

8.1 Markoffketten 1. Ordnung mit einer Variablen

8.2 Markoffketten 2. Ordnung (1 Variable)

8.3 Markoffketten mit mehreren Variablen

8.4 Schätzung der Übergangswahrscheinlichkeiten

8.4.1 bei Zeitinhomogenität

8.4.2 bei Zeithomogenität

8.5 Tests

8.6 Spezielle Probleme und Lösungen bei der Anwendung von Markoffketten

8.7 Einführung unabhängiger Variablen

8.7.1 Subgruppenmodelle

8.7.2 Übergangswahrscheinlichkeiten als Funktionen von unabhängigen Variablen

8.7.3 Interaktive Markoffketten

8.8 Einführung latenter Klassen

8.8.1 Mover-Stayer-Modell

8.8.2 Generelles Modell latenter Zustände

8.9 Weitere Modelle: zeitkontinuierliche Markoffprozesse

9. Multivariate ,,Zeitreiben“- und Panelanalyse mit zeitkontinuierlichen Modellen

9.1 ,,Zeitreihenanalyse“ (N=1, T >> M, M > 1)

9.1.1 Stochastische Systeme

9.1.2 Diskrete Approximation des stochastischen zeitkontinuierlichen Modells

9.1.3 Identifikation und Schätzung des zeitkontinuierlichen Systems

9.2 Panelanalyse (repeated-measurements) (N > M, TL 2, M > 1)

9.2.1 Zeitkontinuierliches Modell

9.2.2 Diskrete Approximation des stochastischen zeitkontinuierlichen Panelmodells mit LISREL

9.2.3 Identifikation und Schätzung der zeitkontinuierlichen Panelmodelle

10. Schlußbemerkungen

4. Kapitel Statistische Entscheidungstheorie und Bayes-Statistik

1. Einleitung: Problemstellung

1.1 Exkurs über Meßtheorie und Skalierung

1.2 Schema des Erkenntnisgewinns in einer empirischen Wissenschaft

2. Klassische Statistik

2.1 Vorgehensweise der klassischen Statistik

2.2 Eigenschaften klassischer Tests

2.3 Zur Frage der Stichprobengröße

2.4 Zur Effektstärke

2.5 Zusammenfassung des klassischen Signifikanztests

3. Sequentielle Testverfahren

4. Likelihood-Quotienten-Test

5. Bayes-Statistik

5.1 Vorgehensweise der Bayes-Statistik

5.2 Robustheit der Schätzung (principle of stable estimation)

5.3 Vergleich mit der klassischen Statistik

5.4 Integration von Daten aus verschiedenen Quellen

6. Parameter-Schätzung

6.1 Lösung der kleinsten Quadrate

6.2 Maximum-Likelihood-Schätzung

6.3 Konjugierte Verteilungen

6.4 Das Principle of Stable Estimation bei der Parameterschätzung

7. Die Erhebung von a-priori- Wahrscheinlichkeiten

8. Die Bewertung der Ausgänge von Entscheidungen

8.1 Bewertung multiattributiver Ausgänge

9. Entscheidungskriterien

10. Schlußbemerkung

5. Kapitel Computer-Simulation

1. Einleitung

2. Das Paradigma der Computer-Simulation in der Psychologie

2.1 Zur Klassifikation von Simulationsmodellen

2.2 Programmbeispiel: ,,Simple Concept Attainment“

2.2.1 Flußdiagrammdarstellung

2.2.2 Das Hauptprogramm (Versuchsablaufprogramm)

2.2.3 Zur ,,Binnenstruktur“ der Informationsverarbeitung

2.2.4 Die Modellvarianten

2.2.5 Abschließende Funktionsdefinitionen

2.3 Diskussion des Programmbeispiels

2.3.1 Modellcharakteristika

2.3.2 Nicht-numerisches Programmieren

2.3.3 ,,Listenverarbeitung”

2.3.4 Modulares Programmieren

3. Simulationsmodelle und psychologische Theorienbildung

3.1 Empirische Grundlagen psychologischer Simulationsmodelle

3.1.1 Methoden der Datengewinnung

3.1.2 Möglichkeiten der Datenauswertung

3.2 Informationelle Produktionssysteme

3.2.1 Die Modellarchitektur von Produktionssystemen

3.2.2 Beispiel eines Produktionssystems als Simulationsmodell

3.2.3 Transparenz und Abbildtreue von Produktionssystemen

3.3 Das Interpreterproblem von Produktionssystemen

3.3.1 Lesarten von Produktionsregeln

3.3.2 Konfliktlösungsstrategien (,,conflict resolution“)

3.3.3 Adaptivität (Lernfähigkeit) von Produktionssystemen

3.3.4 ,,Bewußtseinsfunktionen” des Interpreters

3.4 ,,Künstliche Intelligenz“ oder: Wie man dem Rechner das Rechnen beibringen kann

4. Validierung und Anwendbarkeit von Simulationsmodellen

4.1 Wirklichkeitsbezug und Modellrelationen

4.1.1 Modellbildung als homomorphe Abbildung

4.1.2 Kommutatives Diagramm

4.2 Das Eindeutigkeitstheorem von Anderson

4.3 Empirische Tests von Simulationsmodellen

4.3.1 Turing-Test

4.3.2 Protokoll-Trace-Vergleich

4.4 Nicht-Falsifizierbarkeit von KI-Systemen

4.4.1 Der strukturalistische Theoriebegriff

4.4.2 Die logische Komponente der Theorie der Informationsverarbeitung

4.4.3 Die empirische Komponente der Theorie der Informationsverarbeitung

4.4.4 Der instrumentelle Gebrauch der Theorie der Informationsverarbeitung

5. Kommentiertes Literaturverzeichnis

Autoren-Register

Sach-Register