Methodenlehre
Methodenlehre
Methodenlehre
-
- 1 / 186
-
Flashcards
4. MEG = Magnet-Encephalo-Gramm
- Zusammenhang mit elektrischer Aktivität: elektrische Ströme erzeugen Magnetfelder (werden gemessen)
- Messung erfolgt tangential zur Cortex-Oberfläche
- Bessere räumliche Auflösung als EEG
- Hervorragende zeitliche Auflösung (wie EEG)
5. PET = Positronenemissionstomogaphie
Positronen = positive Elektronen
- Invasive Methode
- Messung des "Verbrauchs" bestimmter psychologisch interessanter Moleküle im Gehirn
- Methode besser als fMRT
6. fMRT = funktionelle Magnet-Resonanz-Tomographie
- "Kippen" und "Rotieren" von Atomen nach einem RF-Puls (radiofrequenter Puls)
- Gemessen wird die Geschwindigkeit des "Rotierens" (T2-Phase), die etwas über den Sauerstoffgehalt des Blutes aussagt
- Standardverfahren zur Auswertung von fMRT-Daten: Statistical Parametric Mapping
6. fMRT - Alternative
- fMRI: kein "Foto" der Hirnaktivität, sondern Kontrast zwischen zwei Versuchsbedingungen
- fNIRS (billiger, einfacher, höhere zeitl. Auflösung, geringere räuml. Auflösung als fMRI)
7. Einzelzellableitung
- Räumlich maximal genaue Methode
- Invasive Methode
- Technisch aufwendig
8. Läsionsstudien
Beispiel: Erkenntnisse aus Neglect-Patienten
- PPC (posteriorer Parietalcortex) spielt eine Rolle zur kontralateralen Aufmerksamkeitsausrichtung
Problem: natürliche Läsionen sind oft unspezifisch
9. TMS = Transcranielle Magnetstimulation
- Applikation eines kurzen Magnetpulses führt zu elektrischen Stromfluss im Gehirn
- Führt zu Exztation oder Inhibition von Neuronenpopulationen
10. Eye Tracking
VORLESUNG 6 - ab Seite 42
KAPITEL 6 - Planung und Durchführung von Experimenten (Versuchsplan)
.
Möglichkeiten der quantitativen Messung
- Zählen - Nominalskala (qualitative Merkmale), Indexbilung
- Urteilen - Rangordnung (bzgl. Merkmalsausprägung), Dominanz-Paarvergleich, Ähnlichekitspaarvergleich, SDT (Trennung von sensorischer Diskriminationsfähigkeit und Reaktionsschwelle)
- Testen - klassische vs. probabilistische Testtheorie
- Befragen - mündlich vs. schriftlich
- Beobachten- systematische vs. Alltagsbeobachtungen (frei vs. (halb-)standardisiert)
Versuchspläne
= beinhalten die logische Struktur der Untersuchung
1. Zwei unabhängige Versuchsgruppen
- interindividuelles Design
- meist Experimental- und Kontrollgruppe
2. Variation: zwei unabhängige Versuchsgruppen mit Vorhermessung
Vorteile einer Vorhermessung
- Unterscheiden sich die beiden Gruppen schon vorher? (SV-Kontrolle)
- Differenz der Vorher- und Nachhermessung = Genaues Ausmaß der Veränderung
Nachteile einer Vorhermessung
- Kosten
- Nicht immer möglich
- Auswirkungen der Vorher- auf die Nachhermessung?
3. Versuchspläne mit mehr als 2 Gruppen
- einfaktorielle Versuchspläne mit mehr als zwei Ausprägungen bei einer UV (zB. UV "Therapiart)
- mehrfaktorielle Versuchspläne mit mehreren UVn (zB. Wirkung von Schmerztabletten bei Männern und Frauen)
Dabei:
1) Prüfung der Haupteffekte für jede einzelne UV und ihrer Wirkung auf die AV
2) Prüfung der Interaktion zwischen den UVn (signifikante Interaktion hat Folgen für die Interpretation der Hauptefeekte!)
4. Weitere Versuchspläne
- Parallele Versuchsgruppen (Paare) bei unabhängigen Versuchsgruppen
- Messwiederholungsdesign (gleiche Person wird unter allen Bedingungen getestet - intraindividuell)
- X-O-Pläne (X = Treatment, O = Observation)
- Quer- vs. Längsschnittstudien
- Zeitreihenanalyse
KAPITEL 7 - Kontrolle von Störvariablen
.
Kontrolle der UV
absichtliche, planmäßige Herbeiführung von Bedingungen in einer strikt kontrollierten Situation = planmäßige Variation der UV
Kontrolle der Störvariablen - Warum? Einteilung?
- Wichtig um die interne Validität des Experiments zu sichern! ("unter sonst gleichen Umständen")
MaxKonMin-Prinzip (Einteilung der Kontrolltechniken)
- Maximiere Primärvarianz (=den vermuteten Effekt)
- Kontrolliere Sekundärvarianz (=Störvariablen)
- Minimiere Fehlervarianz (= das "Rauschen")
1 und 3 erhöhen die statistische Power / 2 ist entscheidend!
1. Probanden als Quelle der SV
= alle traits und states mit potentiellem Einfluss auf die AV
Kontrolle
- Randomisierung
- Vortest
- Parallelisierung (Bildung von Paaren)
- Homogenisierung der Gruppen
- Systematische Variation (SV als neuer Faktor im Versuchsplan)
- Intraindividuelles Design
2. Situation (Allgemein oder SV beim Versuchsleiter) als Quelle der SV
Beispiele: Lärm, Erwartungen von VL, Tageszeit, Charakter vom VL
Kontrolle
- Elimination von SV
- Konstanthalten von SV
- Zufallsvariation
- Systematische Variation
Kontrolle bei sozialen Situationen als Quelle der SV
- Standardisierung des Versuchablaufs
- VL-Elimination
- VL-Training
- Kontrollgruppe, in denen VL und Proband bewusst ihre Erwartungen einfließen lassen
- Blindversuch
3. Messwiederholungen als Quelle der SV
Kontrolle
- Kontrollgruppe
- Extrem häufige, randomisierte Bedingungsabfolgen
- Interindividuelle Variation
- Ausbalancieren der Bedingungsreihenfolgen (abc, cba, acb, etc.) über Probanden hinweg
- WICHTIG: carry-over-Effekte sind nicht durch Ausbalancieren zu beheben!
- carry-over-Effekte = Effekte, bei denen eine Bedingung inhaltlich die nachfolgende beeinflusst, und nicht nur aufgrund ihrer Position!
4. Post-Hoc-Kontrolle (wenn potentielle SV miterhoben wurden): Kovarianzanalyse
= Herausrechnen einer SV mittels Regressionsanalyse, dann statistische Analyse der korrigierten Daten
Kontrolltechniken bei Quasi-Experimenten
Da keine Randomisierung möglich ist:
"argumentative" Kontrolle = für jede denkbare SV muss ausgeschlossen werden, dass sie Effekte auf die AV hatte
KAPITEL 8 - Stichprobe und Durchführung des Experiments
.
Stichprobe
- möglichst viele Probanden
- Power-Analysen: statistische Verfahren zur Bestimmung eines Mindestumfangs von Stichproben, um einen bestimmten Effekt nachweisen zu können - Zufallsauswahl ideal (leider selten)
Stichprobenarten
- Quotenstichprobe - Anteile bestimmter Gruppen, "anfallende" Personen
- Geschichtete Stichprobe - Zufallsauswahl, Verteilung in der Population bzgl. bestimmter Variablen (zB. Alter)
- Klumpenstichprobe - Komplette Erhebung in einem "Klumpen" (zB. Schule), "anfallende" Personen innerhalb des Klumpens
- Einzelfall
Durchführung des Experiments
Möglichst standardisiert bezogen auf:
- Ablauf
- betreuung der Probanden
- Räumlichkeiten
- Hilfsmittel, Geräte
- Instruktion
Auch wichtig: Offenheit für Veränderungen!
KAPITEL 9 - statistische Auswertung
.
Erster Schritt: explorative Datenanalyse
= Sichtung aller Rohdaten - sollte immer dem Signifikanztest vorgelagert sein
- Festlegen von Ausreißerwerten / nicht verwendbaren Daten
- Prüfung der statistischen Hypothese anhand des geeigneten gewählten Verfahrens - Berücksichtigung von Signifikanz und Effektgröße
- Sichtung von Auswertungsalternativen
deskriptive vs. schließende (Inferenz-) Statistik
deskriptiv: Zusammenfassung vorhandener Daten
Inferenzstatistik: Erschließung von etwas, das wir nicht wissen können
Zentrale Begriffe
Stichprobenkennwerte
- zB. Mittelwert, Häufigkeitsverhältnis, etc.
Zufallsannahme
- H0 = Nullhypothese
- Stichprobenkennwerte als Ergebnis eines unsystematischen Zufalls
Annahme eines systematischen Effekts
- H1 = Arbeitshypothese
- Wenn Stichprobenkennwerte zu extrem sind, um noch mit dem Zufall vereinbar zu sein
Stichprobenkennwerteverteilung
- Wahrscheinlichkeitsverteilung für einen Stichprobenkennwert, wenn die Zufallsannahme wahr wäre
- Beim Testen wir also stets so getan, als ob die H0 der Fall nist
- Auch Testverteilung genannt
Ablehnungsbereich
- Bereich der unwahrscheinlichsten Stichprobenkennwerte unter Zufallsannahme -> dann wird die Nullhypothese abgelehnt
Binomialverteilung
= ist eine Stichprobenkennwerteverteilung
= zeigt auf, wo der Bereich sehr unwahrscheinlicher Ereignisse unter Zufallsannahme liegt
= Verteilung für Häufigkeiten eines Ereignisses bei zwei gleichwahrscheinlichen Ereignisalternativen
-> Normalverteilung als guter Schätzer der Binomialverteilung
Ein Problem - mehrere statistische Möglichkeiten
Binomiallösung - Nominalskalenniveau
- Vorteil: wenige Annahmen, einfache Durchführung
- nachteil: Informationen gehen verloren
Bootstrapping/Resampling-Lösung
- durch künstliche, immer neu gezogene Stichprobenzusammenstellungen (Resampling) eine Testverteilung basteln
- oder durch Rekombinieren aller möglichen Stichprobenzusammenstellungen (Permutationstest) eine Testverteilung basteln
- Vorteil: einfache oder gar keine Annahmen
- Nachteil: rechenaufwändiger, einfache Annahmen müssen nicht unbedingt richtig sein
T-Test: Standardlösung
- Annahmen über Population machen
- Testverteilung auf Basis der annahmen und H0 basteln
- Abgleich der Stichprobenkennwerte mit der Testverteilung
Bayesianisches Testen
- Vorteil: unwahrscheinliche Hypothesen "haben es schwer", Wahrscheinlichkeit für Hypothesen bestimmbar
- Nachteil: subjektiv
KAPITEL 10 - ANOVA
.
T-Tests
Praktisch zum Vergleich von zwei (unabhängigen) Stichproben
Problem: Was, wenn mehr als zwei Stichproben oder die Wirkung von zwei Variablen gleichzeitig verglichen werden müssen?
Lösung: ANOVA
ANOVA - wörtliche Übersetzung: „Varianz-Zerlegung“
Two-way-ANOVAs erinnern an 4-Felder-Chi-Quadrat-Tests, aber:
die AV keine Häufigkeit, sondern eine intervallskalierte Variable ist
getestet wird bei der ANOVA nicht nur die Interaktion (wie beim 4-Felder- Test) sondern auch die beiden Haupteffekte
Multifaktorielle ANOVAs sind vermutlich das am häufigsten verwendete Auswertetool in der Psychologie!
ANOVA: Annahmen
Varianzhomogenität: Die Population hat in allen Bedingungen die jeweils gleiche Varianz (nennt man auch Homoskedastizität)
Normalverteilung der Population in jeder Bedingung (bzw. Normalverteilung der Fehler in jeder Bedingung)
Unabhängigkeit aller Beobachtungen (bzw. Fehler)
Nullhypothese -> mit ANOVA nur insgesamt testbar
ANOVA: Grundidee (F-Bruch)
F-Test: Entscheidung für einen Gruppenunterschied, wennVarianz zwischen Gruppen im Verhältnis zur Varianz innerhalb der Gruppen bedeutsam größer ist (F-Bruch: signal-to-noise ratio)
Konstruktion eines F-Bruchs:
- Quadratsummenzerlegung
- Freiheitsgradbestimmung
- Vergleich mit F-Tabellierung (Verteilung von F wenn H0 wahr)
F-Wert: Verhältnis von Treatment- und Fehlervarianz
praktisch: QS(Fehler) + QS(Treat) = QS(Tot) -> Variabilität erfolgreich zerlegt!
aber: Additivität gilt nicht für die Varianzen!