PWA

Forschungshypothese

Operationale Hypothesen

Statistische Hypothesen

allgemein formuliert, aber präzise Fragestellung

werden abgeleitet aus: Literatur, empirische Studien und eigenem oder fremden Erfahrungsschatz

legen Untersuchungsdesign fest

sind auf die konkrete Untersuchung hin formuliert

z.B. die Sensitivität der Methode A ist höher als die Sensitivität der Methode B

sind auf die statistischen Parameter hin formuliert

beziehen sich auf die Population

Basis der statistischen Hypothesenprüfung

unterscheidet zwischen H0 und H1

Nullhypothese = Unterschied größer gleich einem zuvor festgelegten Wert → daher einseitige Fragestellung

signifikantes Ergebnis = beobachteter Unterschied nachweisbar geringer als der relevante und die Methoden daher als gleichwertig anzusehen sind

H0 verwerfen, obwohl sie gilt.

H0 beibehalten, obwohl sie nicht gilt.

Der relevante Effekt ist der Unterschied, der zwischen zwei Populationen bestehen muss, um von einem (klinisch) bedeutsamen Unterschied sprechen zu können.

Gibt die Wahrscheinlichkeit eines statistisch signifikanten Ergebnisses an, vorausgesetzt der interessierende Effekt existiert tatsächlich.

Je größer die Power einer Studie sein soll, desto größer muss die Stichprobe sein.

Abhängige Variablen

Unabhängige Variablen

Moderatorvariablen

Mediatorvariablen

Störvariablen

definieren abhängige Gruppen

hierbei werden entweder:

- mehrere Messungen an einer Person,

- Messungen an mehreren "zueinander gehörenden" Personen oder

- Messungen an"gematchten" Fällen erhoben.

Man spricht von abhängigen Stichproben.

definieren unabhängige Gruppen

Teilen sich in zumindest zwei Teilstichproben, wobei keine Person in mehr als einer Gruppe sein kann.

Man spricht von unabhängigen Stichproben.

bei Inner- oder Zwischensubjektfaktoren

Sie sollten so formuliert sein dass sich die"Stufen der UV" hinsichtlich der AV unterscheiden.

bei metrischer UV

z.B.: Die Behandlungsdauer hängt vom Alter der Person ab.

Sie verändert die "Wirkung" der unabhängigen Variable(n) auf die abhängige Variable(n).

Falls eine oder mehrere unabhängig(e) Variable(n) nicht direkt auf die abhängige(n) Variable(n) wirken, sondern ihre Wirkung über eine dritte Variable geht, so nennt man diese dritte Variable Mediatorvariable.

Ausschalten

Konstanthalten

Randomisierung

Parallelisierung

Aufnahme der Variable ins Versuchsdesign

Ausbalancierung der Störvariablen

Interessierendes Thema suchen

Überblick verschaffen

Forschungsfrage konkretisieren

Vertiefende Literatur zum Thema besorgen

Wahl der Methodik festlegen

Definition des Forschungsgegenstandes

Formulierung von Hypothesen

Wahl des Untersuchungsdesigns

Wahl der Stichprobe

Konstruktion des Erhebungsintruments

(Pilotprojekt)

Fallzahlplanung

Datenerhebung

Berichterstellung

sind allgemeine, zumeist nicht direkt prüfbare Grundannahmen über das, was mit einer Studie untersucht werden soll.

sind konkrete Aussagen, die dann anhand der erhobenen Daten auch geprüft werden müssen. Sie müssen nachvollziehbar argumentiert und aus den forschungsleitenden Annahmen abgeleitet werden.

vier verschiedene Situationen:

UV definiert Gruppen und Moderator definiert Gruppen

UV metrisch und Moderator definiert Gruppen

UV definiert Gruppen und Moderator metrisch

UV metrisch und Moderator metrisch

1) Überprüfung ob die UV mit dem Mediator korreliert

2) Überprüfen ob der Mediator mit der AV korreliert

3) Überprüfen ob die Korrelation von UV und AV geringer wird, wenn der Mediator im Modell berücksichtigt wird.

Dies wird möglich indem man den Totalen Effekt in einen direkten und einen indirekten Effekt "zerlegt".

Unterschiede der Gruppen in den Ausgangsbedingungen

Veränderungen der Personen über die Zeit, die nicht durch Intervention versucht sind

Relevante Umweltereignisse

Änderungen im Messinstrument

systematische Drop Outs (zwischen Gruppen unterschiedlich)

verzerrte Stichprobenziehung

Freiwillige TeilnehmerInnen

Verwendung derselben Personengruppe für viele Fragestellungen

Ein Gruppen post Test Design

Ein Gruppen prae - post Design

Mehr Gruppen post Test Design

Mehr Gruppen prae - post Test Design

Solomon Vier Gruppen Design

Zwei und mehrfaktorielle Designs (Moderationsanalyse)

(Griechisch) - Lateinisches Quadrat

Unterbrochene Zeitreihen

Design der Regressions Diskontinuität

keine Lern- oder Ermüdungseffekte

keine Effekte der Reihenfolge

keine carry-over Effekte

größere Anzahl an Versuchspersonen

geringere Power durch höhere Fehlervarianz

potentielle Unterschiede zwischen den Personen in unterschiedlichen Gruppen

Ökonomischer, da man weniger Fälle benötigt

höhere Power

bessere Vergleichbarkeit 

nicht immer anwendbar

Lerneffekte

potentielle Unterschiede

Anfallsstichprobe / Convenience Sampling

Zufallsstichprobe

Clusterstichprobe / Klumpenstichprobe

Strafizierte Stichprobe / geschichtete Stichprobe

Quotenstichprobe

völlig zufällig - MCAR

zufällig - MAR

nicht zufällig - MNAR

Die Wahrscheinlichkeit, dass Daten fehlen, hängen weder von beobachteten noch von nicht beobachteten Daten ab.

Die Wahrscheinlichkeit, dass Daten fehlen, hängen von beobachteten (und im statistischen Modell berücksichtigen), nicht aber von nicht beobachteten Daten ab.