Quantitative Methoden I

1. Quantitative Methoden I Teil 1: Überblick und Einführung Vers. 1.3

2. Semesterübersicht WS 2003/04

4. Literatur • Bortz, J. & Döring. N. (2002). Forschungsmethoden & Evaluation für Human- und Sozialwissenschaftler (3. überarb. Aufl.). Berlin: Springer.  • Nachtigall, Ch. & Wirtz, M. (2004). Wahrscheinlichkeitsrechnung und Inferenzstatistik. Statistische Methoden für Psychologen Teil 2 (3. Aufl.). München: Juventa.  • Wirtz, M. & Nachtigall, Ch. (2004). Deskriptive Statistik. Statistische Methoden für Psychologen Teil 1 (3. Aufl.). München: Juventa. 

5. Kontakt • http://www.uni-landau.de/schreiber/index.php • E-Mail: schreiber@uni-landau.de • http://www.statistik-fuer-psychologen.de/

7. Ziele wissenschaftlicher Psychologie • Beschreiben • Erklären • Vorhersagen • Bewerten (Verändern) von Verhalten

8. Inhaltsverzeichnis, Band 1 Vorwort I Einleitung Leseempfehlungen I.A Grundlegende Begriffe und Überblick I.A.1 Zur Unterscheidung Deskriptive Statistik vs. Inferenzstatistik I.A.2 Wieso ist Statistik für das Psychologiestudium wichtig? I.A.3 Definition wichtiger Begriffe I.A.4 Übersicht über die Inhalte der beiden Bände ,Statistische Methoden für Psychologen'

9. II Deskriptive Statistik II.A Messtheorie II.A.1 Definition des Begriffs ,Messung' II.A.2 Skalentypen Leseempfehlungen 1. Aufgabenblock

10. II.B Eindimensionale Häufigkeitsverteilungen Einschub: Das Summenzeichen (Σ) und das Multiplikationszeichen (Π) II.B.1 Tabellarische und grafische Analyse II.B.2 Beschreibung eindimensionaler Häufigkeitsverteilungen durch Maßzahlen II.B.2.1 Maße der zentralen Tendenz 2. Aufgabenblock

11. II.C Lineare Korrelations- und Regressionsanalyse bei zwei intervallskalierten Merkmalen Einschub: Lineare Zusammenhänge II.C.1 Korrelationsrechnung: Wie lässt sich die Stärke des linearen Zusammenhangs zwischen zwei Variablen in einem Index abbilden? II.C.2 Einfache Lineare Regression II.C.3 Korrelation und Kausalität II.C.4 Partialkorrelationen Leseempfehlungen 4. Aufgabenblock

12. II.D Zusammenhangsanalyse für nominalskalierte, dichotome und ordinalskalierte Merkmale II.D.1 Die Analyse der Beziehung zwischen nominalskalierten Merkmalen: Kontingenzanalyse Einschub: Definition einiger Symbole aus der Mengenlehre II.D.2 Zusammenhangsmaße für dichotome Merkmale II.D.3 Korrelationskoeffizienten für ordinalskalierte Daten II.D.4 Überblick über die behandelten Koeffizienten Leseempfehlungen 5. Aufgabenblock

13. II.E Multiple lineare Regression bei zwei Prädiktoren (Mehrfachregression) II.E.1 Lineares Modell II.E.2 Bestimmung der b-Gewichte bei zwei Prädiktoren II.E.3 Der multiple Korrelationskoeffizient und der multiple Determinationskoeffizient II.E.4 Der Zusammenhang zwischen der partiellen Korrelation und den b-Gewichten II.E.5 Vertiefung zur multiplen Varianzaufklärung in Abhängigkeit von den Korrelationsstrukturen II.E.6 Kreuzvalidierung II.E.7 Implizite Modellannahmen der multiplen linearen Regression Leseempfehlungen 6. Aufgabenblock

14. II.F Faktorenanalyse II.F.1 Ziele der Faktorenanalyse II.F.2 Die Datenbasis der Faktorenanalyse II.F.3 Bestimmung der faktoriellen Struktur und der Anzahl der Faktoren II.F.4 Die inhaltliche Bedeutung der gefundenen Faktoren II.F.5 Weiterverwertung der Ergebnisse II.F.6 Ausblick Leseempfehlungen 7. Aufgabenblock

18. Standards bei wissenschaftlichen Untersuchungen • Eindeutigkeit • Objektivität • Wiederholbarkeit • Reliabilität Standarte

19. Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten existieren, die diese Befunde in gleicher Weise vorhersagen.

20. Objektivität Verschiedene Beurteiler beurteilen dasselbe Datenmaterial unabhängig voneinander ähnlich

21. Wiederholbarkeit Das Ergebnis ist nur dann zu akzeptieren, wenn es sich bei wiederholten Beobachtungen immer wieder in ähnlicher Weise zeigen wird

22. Reliabilität Ein Befund ist dann zuverlässig, wenn Störquellen oder Zufallskomponenten einen geringen Einfluss auf das Ergebnis haben

23. Empirische Forschung • Wie lassen sich die inhaltlich formulierten Merkmale messen? -> Messtheorie • Was muss für eine statistische Messzahl gelten, damit sie geeignet ist, uns Aufschluss über die Richtigkeit der Hypothese zu geben? -> Korrelation • Wie muss eine Stichprobe ausgewählt werden, damit unser Ergebnis verallgemeinert werden kann? -> Inferenzstatistik

24. Empirische Forschung (Forts.) • Worauf muss man achten, damit unsere Beobachtung auch für Personen gilt, die wir nicht direkt untersucht haben? -> Inferenzstatistik • Wie muss eine Untersuchung geplant werden, damit wir Aufschluss über die Ursache eines Zusammenhangs erhalten? -> Kausalität und Konfundierung

25. X Z Y X Y Y Y X X Wirkungsgefüge bei zwei Variablen X verursacht Y Y verursacht X X und Y beeinflussen sich wechselseitig Es existiert eine dritte Variable, die die Ausprägung von X und Y bestimmt

26. Deskriptive vs. Inferenzstatistik Deskriptive Statistik: • Die Eigenschaften der Merkmale einer Stichprobe werden beschrieben • Eine bestimmte Gruppe wird zu einem bestimmten Zeitpunkt analysiert • Deskriptivstatistische Ereignisse sagen ausschließlich etwas über Objekte aus, die tatsächlich untersucht wurden

27. Population = Gültigkeitsbereich inferenzstatistischer Aussagen Stichprobe = Gültigkeitsbereich deskriptivstatistischer Aussagen B A Population und Stichprobe A = Stichprobenziehung B = Inferenzstatistischer Schluss mittels Signifikanztest Mitglieder der Population Mitglieder der Stichprobe

28. Deskriptive vs. Inferenzstatistik Induktive Statistik (Schließende Statistik, Inferenzstatistik): • Die erfassten Personen oder Objekte werden als repräsentative Teilmenge einer Gesamtheit (Population) aufgefasst. • Signifikanztests ermöglichen es, mit einer gewissen Fehlerwahrscheinlichkeit von den Verhältnissen in der Stichprobe auf die Verhältnisse in der Population zu schließen.

29. Definition wichtiger Begriffe • Extensiv vs. Intensiv definierte Population • Population vs. Stichprobe vs. Teilgesamtheit • Merkmal/ Merkmalsausprägungen • Manifeste vs. Latente Merkmale • Operationale Definition • Unabhängige (UV) vs. Abhängige Variablen (AV) • Variable vs. Konstante • Dichotome/ diskrete/ kontinuierliche Variable • Qualitative vs. Quantitative Merkmale