Einführung in die Methoden der Skalierung

Moderatorvariablen verändern den Einfluss der UV auf die AV (z.B.: Provokation (UV), Präsenz einer Waffe (Moderator), Aggression (AV)) 

Mediatorvariablen vermitteln den Einfluss von UV auf AV (z.B Provokation (UV), Wut/Hilflosigkeit(Mediator), Aggression (AV))

1. nach Art des Skalenniveaus (nominal, ordinal, intervall) 

2. Nach Art der Strukturbetrachtung (Strukturendeckend, Strukturenprüfend) 

3. Nach Anzahl der AVs 

4. Nach Anzahl der UVs 

5. Nach Anzahl der Variablen ohne Einteilung in UV und AV 

Eine wissenschaftliche Hypothese ist die Vermutung über eine Gesetzmäßigkeit, die vier Kriterien umfassen muss

Empirische Untersuchbarkeit: Bezieht sich auf Sachverhalte, die empirisch untersuchbar sind
Widerspruchsfreiheit: Hat formal die Form eines sinnvollen Konditionalsatzes
Falsifizierbarkeit: muss potenziell falsifizierbar sein
Allgemeingültigkeit: Geht über den Einzelfall/ein singuläres Ereignis hinaus

Korrelative Designs: Mehrere Merkmale werden erfasst und die Zusammenhänge werden analysiert

Experimentelle Designs: Manipulieren bestimmte Faktoren und erfassen, wie diese Manipulation sich auf das Erleben/Verhalten auswirkt.
Unabhängige Variable (UV): Einflussvariable, die manipuliert wird (z.B. Schlafdauer)
Abhängige Variable (AV): Wirkungs-Variable, die gemessen wird (z.B. Konzentration)
Die Zuteilung zu den Ausprägungen der Unabhängigen Variable erfolgt randomisiert (= zufällig)

UV: Einflussvariable, die manipuliert wird 
AV: Einflussvaiable, die gemessen wird 
Moderator. Verändert den Einfluss der UV auf die AV
Mediator: Vermittelt den Einfluss der UV auf die AV 

UV: Provokation, AV: Aggressionspotential, Moderator: Waffe, Mediator: Wut

Effekt in der Psychologie, benannt nach den Psychologen Dunning und Kruger. Dieser besagt dass wenn man ein wenig über ein Thema weiß man sich tendenziell überschätzt (Mount stupid), wenn man relativ viel über ein Thema weiß, unterschätzt man sich dagegen tendenziell eher. Erst wenn man einen hohen Stand der Wissensanhäufung erreicht hat fühlt man sich wieder fähig, etwas zu jenem Thema zu sagen

Die Wahrscheinlichkeit, dass ein Effekt vermutet wird, obwohl keiner vorliegt liegt bei .02

Adjustieren von alpha; Senken des Alphaniveaus

Theorie -> Deduktion -> Empirie -> Induktion 

strukturentdeckend: Faktorenanalyse 

strukturprüfend: logistische Regression 

Multivariate Verfahren erlauben die gleichzeitige Untersuchung und Analyse mehrerer Variablen. Dabei gibt es struktur-entdeckende Verfahren und struktur-prüfende Verfahren.
Strukturentdeckende Verfahren (Interdependenzanalysen): Entdeckung von Zusammenhängen zwischen Variablen; Keine Einteilung in unabhängige und abhängige Variablen
Strukturprüfende Verfahren (Dependenzanalysen): Überprüfung von Zusammenhängen zwischen Variablen; Einteilung in abhängige und unabhängige Variablen 

Latente Variablen heißen latent, weil sie nicht direkt und unmittelbar beobachtet werden können.
Manifeste Variablen können, mit gewissen Einschränkungen, direkt beobachtet werden.

Faktorladung: Korrelation zwischen Variable und Faktor
Faktorwert: Ausprägung eines Faktors bei einer Person/Objekt

Hauptkomponentenanalyse (Principal Component Analysis)
Ziel ist umfassende Reproduktion der Datenstruktur durch möglichst wenige Faktoren.
Nimmt keine kausale Interpretation der Faktoren vor und generalisiert die Befunde nicht.
Hier geht man davon aus, dass die gesamte Varianz der Ausgangsvariablen von den Faktoren erklärt werden kann.
Grundfrage: Wie lassen sich die auf einem Faktor hochladenden Variablen durch einen Sammelbegriff zusammenfassen?

Hauptachsenanalyse (Principal Axis Factoring)
Ziel ist Erklärung der Varianz in den Ausgangsvariablen durch hypothetische Größen (Faktoren als latente Variablen).
Korrelationen werden hier kausal interpretiert und Aussagen auf die Grundgesamtheit generalisiert.
Hier geht man davon aus, dass es auch Einzelrestvarianz in den Ausgangsvariablen gibt, also nicht die gesamte Varianz durch die Faktoren erklärt wird.
Grundfrage: Wie lässt sich die Ursache bezeichnen, die für die Ladungen der Variablen auf diesem Faktor verantwortlich ist?

Faktorenanalyse

Eigenwert: Summe der quadrierten Faktorladungen eines Faktors über alle Variablen, also die durch den Faktor erklärte Varianz der Beobachtungswerte; Wie gut repräsentiert dieser Faktor die Variablen?

Kommunalität: Kumulierte Varianz einer Variable (Summe der quadrierten Faktorladungen einer Variablen über alle Faktoren)
Wie gut wird diese Variable von allen Faktoren repräsentiert?

Faktorladung: Korrelation zwischen Variable und Faktor

gibt es eine begrenzte Anzahl von Dimensionen auf denen sich Objekte/Personen beschreiben lassen 

Normalverteilung 

homogene Stichprobe 

ausreichende Stichprobengröße 

Relevanz der Variablen 

unabhängigkeit der Beobachtungen 

Zuverlässigkeit der Ausgangsvariablen 

formale Annahme, dass beobachtete, miteinander zusammenhängende Merkmale aus latenten Variablen, den Faktoren, erklärbar sind, die selbst nicht direkt messbar sind, aber den Zusammenhängen zw. den beobachteten Merkmalen (Variable, manifeste) zugrunde liegen

Variablenauswahl und Errechnung der Korrelationsmatrix
Extraktion der Faktoren
Bestimmung der Kommunalitäten
Zahl der Faktoren
Faktoreninterpretation
Bestimmung der Faktorwerte

 

Anfang: Variablen einschließen ->  relevant, reliabel

Ausschluss: Variablen die unkorreliert sind oder zu hoch korrelieren

Extraktion: Hauptkomponentenanalyse (einfache Gruppierung der Variablen) vs. Hauptachsenanalyse (latente Faktoren)

Rotation: Zwang nach unkorreliert (orthogonal) oder Erlaubnis der Korrelation (oblim)

Wie viele Faktoren werden ausgewählt und benannt

Alle Entscheidungen sollten beschrieben werden

Tabelle mit Ladungen der Variablen auf den Faktoren

Benennung der Faktoren

Eigenwerte und Varianz der Faktoren

Korrelationsmatrix aller Variablen 

die Variablen, also die Eigenschaften der Stichprobe