M1_3401 Kap. 7 b M1 - Einführung in die Forschungsmethoden der Psychologie

Zusammenhang zw. mehreren Merkmalen zu einem oder mehreren weiteren Merkmalen. Es wird unterschieden zw.:

• Prädiktoren: Vorhersage-Variablen
• Kriterien: sollen vorhergesagt werden

Unterscheidung zw. Prädiktoren und Kriterien entspricht der Unterscheidung zw. UV und AV im Experiment. Es soll aber nicht die mögliche Manipulation der UV und die Möglichkeit zur Prüfung von Kausalhypothesen für die Korrelationforschung impliziert werden.

Zusammenhang zw. mehreren Merkmalen zu einem oder mehreren weiteren Merkmalen. Es wird unterschieden zw.:

• Prädiktoren: Vorhersage-Variablen
• Kriterien: sollen vorhergesagt werden

Unterscheidung zw. Prädiktoren und Kriterien entspricht der Unterscheidung zw. UV und AV im Experiment. Es soll aber nicht die mögliche Manipulation der UV und die Möglichkeit zur Prüfung von Kausalhypothesen für die Korrelationforschung impliziert werden.

Ein sich systematisch anschließender Fall, eines Sets aus mehreren Prädiktoren mit einem Set aus mehreren Kriterien.

kann man mit der multiplen Regressionsrechnung analysieren -> Gleichung zur Vorhersage der Kriteriumswerte

multipler Korrelationskoeffizient: quantifiziert den Zusammenhang zw. den vorhergesagten und den tatsächlichen Kriteriumswerten.

Vorteile:

• Identifikation Substantieller Prädiktoren: aus einer Vielzahl von Prädiktoren können diejenigen bestimmt werden, die zur Vorhersage des Kriteriums einen substantiellen Beitrag leisten -> Prädiktoren lassen sich identifizerien, die im Kontext der multiplen Vorhersage redundant sind -->wenn Prädiktoren untereinander korrelieren und damit ähnliche Merkmalsanteile erfassen (z.B. Bildungsstand und sozio-ökonomischer Status)
• Interaktionseffekte: können bestimmt werden und damit das gemeinsame Zusammenwirken zweier Merkmale auf das Kriterium untersucht werden (Prüfung im Rahmen von Moderator-Hypothesen)
• Suppressionseffekte: Suppressor erhöht Vorhersagebeitrag anderer Variablen, in dem sie irrelevante Varianzanteile unterdrückt

wenn Prädiktoren zu hoch interkorrelieren, dann ist die Validität der Regressionsanalyse u.U. sogear gefährdet -> idealerweise linear unabhängig (meistens aber nicht der Fall)

Ein Moderator ist eine

• qualitative (Geschlecht, Schichtzugehörigkeit) oder
• quantitative (Ausprägungen eines Persönlichkeitsmerkmals)

Variable, die die Richtung und/oder die Enge des Zusammenhangs zwischen einer Prädiktor-Variable und einer Kriteriumsvariable beeinflusst.

Moderatoreffekt liegt dann vor, wenn die Beziehung zw. zwei Variablen von der Ausprägung einer dritten Variable abhängt. (z.B. Extraversion und er unterhaltungsorientieren Internetnutzung gilt nur für Männer, nicht für Frauen. Geschlecht moderiert den Zusammenhang)

Ein Mediator ist eine quantitative oder qualitative Variable, die erklärt, warum ein Zusammenhang zw. zwei anderen Variablen besteht. s. S. 143

In der Psychologie zur Veranschaulichung: S-O-R-Modell (Woodworth 1928): Reaktion (R) als Folge eines Reizes/Stimulus (S) aufgrund zahlreicher Verarbeitungsprozesse eines aktiven Organismus (O)

siehe auch Bsp. S 144: soziale Angst als Mediator zw. emotionaler Labilität und asynchrone Medien

je mehr auswirkung der Mediator hat, desto geringer wird der Zudammenhang zw. Prädiktor und Kriterium. (Zusammenhang von X und Y wird um den Einfluss Z "bereinigt")

ähnliche Items in einem Test sollen zusammengefasst werden. Das macht man mit der explorativen Faktorenanalyse. (viele korrelierende Variablen werden auf wenige von einander unbahängigen Variablen reduziert) -> Reduktion einer großen Datenmenge. 2 Vorteile:

1. Wenige Dimensionen können leichter weiterverarbeitet und kommuniziert werden
2. Messungen können aggregiert werden (zu einem Wert zusammenfassen) -> Aggregationsprinzip, liefert eine stabilere und repräsentativere Schätzung eines Merkmals als eine einzelne Messung

redundant = Items die hoch untereinander und mit dem Kriterium korrelieren

Wenn sehr ungenau gemessen wird, kann es sein, dass Merkmale nur sehr niedrig korrelieren, obwohl ein Zusammenhang vorliegt, der bei höherer Messgenauigkeit aufgedeckt werden könnte.

Außschließliche Orientierung an der Optimierung der Messgenauigkeit kann zu starker Homogenisierung eines Messinstruments führen, dann wird nur ein sehr schmaler Merkmalsbereich erfasst und Korrelation mit anderen Variablen fallen dann auch wieder niedriger aus.

• Variablen werden anhand ihrer korrelativen Beziehungen in voneinander unabhängige Gruppen eingeteilt
• Indexzahlten = Ladungen geben an, wie gut eine Variable zu einer Gruppe bzw. Faktor passt (Ladungen sind die Korrelationen der Variablen)
• Die Items / Variablen, die am höchsten auf einen Faktor laden werden zur Interpretation des Faktors herangezogen = Markiervariablen

Was ist ein Faktor?

Ausgehend von den Korrelationen zw. den gemessenen Variablen wird eine synthetische , latente Variable konstruiert, die mit allen Variablen so hoch wie möglich korreliert = Faktor (s. Bsp. Blatt)

explorative Faktorenanalyse: heuristisches Verfahren, dass einem Variablengeflecht eine Ordnung unterlegt. Es geht insbesondere um die Anzahl der Faktoren. Es gibt aber nicht nur eine Ordnung! Forscher muss das Ordnungssystem herausfinden, dass sich statistisch und auch theoretisch am besten begründen lässt. Sind Faktoren ermittelt worden, wird in weiteren Studien geprüft, ob diese Faktorenstruktur sich auch in anderen Stichproben replizieren und bestätigen lässt -> konfirmatorische Faktorenanalyse

In der konfirmatorische Faktorenanalyse wird also die Hypothese geprüft, dass eine bestimmte Faktorenstruktur auch in weiteren Stichproben zutrifft.

s. Modelle S. 149

Möglichkeit, unterschiedliche Kausalmodelle in korrelativen Längsschnittstudien auszuschließen. s. S. 150

Zusammenhänge zw. mehreren UV und AV werden gleichzeitig berücksichtigt.

Mediatoren können in der Pfadanalyse (auch in der Strukturanalyse) als AV aufgefasst werden, wenn theoretisch angenommen, dass die UV "kausal" die mediierende Variable beeinflusst.

• direkte Effekte: sind unmittelbare Zusammenhänge zw. einer UV und einer AV
• indirekte Effekte: Zusammenhänge zw. zwei Variablen, die von einer (oder mehreren) anderen Variablen mediiert werden s. S. 152!

latente Variablen (z.B. ängstlich): "verbergen" sich hinter den beobachtbaren Phänomenen

Wenn man das faktorenanalytische Prinzip der Unterscheidung zw. manifesten und latenten Variablen mit den regressions- und pfadanalytischen Modellen verbindet, dann entsteht eine neue klasse von Verfahren = Strukturgleichungsmodell

Strukturgleichungsmodelle sind also die generische Bezeichnung für eine Gruppe von Verfahren, zu der z.B. auch die konfirmatorische Faktorenanalyse gezählt wird.

Pfadanalyse: basiert lediglich auf manisfesten (beobachteten Variablen), da kein Modell zur Messung von latenten Variablen integrierbar ist.

Pfadmodell: schließt grafische Darstellung von Strukturgleichungsmodellen mit ein

Strukturgleichungsmodell umfasst ein Messmodell und ein Strukturmodell. Messmodel spezifiziert die Beziehungen zw. beobachteten Variablen und den hypothetischne Konstrukten (Vorteil: Fehler bei der Messung werden explizit berücksichtigt). Strukturmodell beschriebt die Zusammenhänge zw. den theoretischne Konstrukten.

Ein Strukturgleichungsmodell ist also ein Pfadmodell, das ein messmodell enthält.

Abb. S. 154