3423-Grundlagen & Methoden der Arbeits- und Organisationspsychologie
Fern-Universität Hagen
Fern-Universität Hagen
131
5.0 (1)
Kartei Details
| Karten | 131 |
|---|---|
| Lernende | 13 |
| Sprache | Deutsch |
| Kategorie | Psychologie |
| Stufe | Universität |
| Erstellt / Aktualisiert | 05.08.2019 / 22.10.2023 |
| Weblink |
https://card2brain.ch/box/20190805_3423grundlagen_methoden_der_arbeits_und_organisationspsychologie
|
| Einbinden |
<iframe src="https://card2brain.ch/box/20190805_3423grundlagen_methoden_der_arbeits_und_organisationspsychologie/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
129. Auswertung von Längsschnittstudien
- typische Fragestellungen: Auswirkungen mittel-/ langfristiger Interventionen, Prüfung alternativer Annahmen über Kausalbeziehungen zwischen Variablen
- einfache Analyse: Berechnung von Differenzwerten
- komplexere Analysen: erlauben explorative Verfahren wie VA mit Messwiederholung, multiple Regression, Zeitreihenanalysen
- Latent growth Models (LSG): Möglichkeit zur Untersuchung interindividueller Differenzen in der intraindividuellen Veränderung (z.B. wie stark und in welcher Form der Gruppenwert (Trainingseffekt) vom Individualwert (Ausgangswert der Leistung) abhängt)
130. Kongruenz bei mehreren Datenquellen
- Mutlitrait-Multimethod-Analysen (LSG): Erhebung komplexerer Modelle, mit mehreren Konstrukten und mehreren Quellen. Erlaubt Modellierung getrennter Konstrukt-/ Methodenfaktoren
- Profilvergleiche: Vergleich von Daten aus unterschiedlichen Quellen über mehrere gemessen Indikatoren hinweg um Profilähnlichkeit festzustellen (PE-Fit: Passung zwischen Person und Umwelt)
- Polynomiale Regression: Variante der moderierten Regression, bei der ein Effekt der Konkurrenz auf eine Kriteriumsvariable untersucht wird: Berechneung der Regression des Kriteriums auf alle beteiligten Variablen beider Quellen/ deren Interaktion/ quadrierte Werte um dann die Haupteffekte der beteiligten Variablen & Effekte der Kongruenz getrennt berechnen zu können
131. Auswertung von Daten auf mehreren Analysenebenen (HLM)
- es liegen Daten auf mehreren Analyse-/ Aggregationsebene vor, und die Effekte der spezifischen Ebenen sollen getrennt werden (Trennung der Effekte auf Individuum/ Gruppe oder intraindividuellen Veränderungen/ unterindividuellen Differenzen)
- Berechnung mittels latenter Modelle für Längsschnittanalysen
- Gruppeneffekt aus individuellen Messwerten herausstechen
- Kontrolle von Gruppenunterschieden bei Berechnung individueller Effekte nach dem Prinzip der Partialisierung
- Mehrebenenanalysen: simultane Berechnung von Regressionsgleichungen auf mehreren Ebenen, wobei die Prädiktoren der ersten Ebene auf der nächsten Ebene wieder als AV modelliert werden. Voraussetzung: Nestung der Analysenebenen & ausreichende Anzahl von Analyseneinheiten auf den beteiligten Ebenen
