Post on 05-Apr-2015
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Verarbeitung Sozialer Information Dr. Rainer Roth
SS 2006
Grundlagen experimenteller Forschung
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Seminar „Verarbeitung sozialer Information“Rainer Roth
SS 2006Semesterprogramm
26. April Vorbesprechung
03. Mai experimentelle Designs / Varianzanalyse (R.R.)
10. Mai Methoden zur Untersuchung von Persongedächtnis und sozialer Kognition (Pascal Dick)
17. Mai Das Gedächtnis als assoziatives Netzwerk / Verarbeitung inkonsistenter Information (Jasmin Schneider)
24. Mai Konzeptgesteuerte Informationsverarbeitung – Die Rolle von Schemata bei der sozialen Informationsverarbeitung (Jennifer Hussong)
31. Mai Das Kontinuum-Modell von Fiske und Neuberg (Nadine Klees)
07. Juni Stereotype (Luisa Jendrik)
14. Juni Spontane Trait Inferenzen (Katja Franke)
21. Juni Das Elaboration-Likelihood-Modell von Petty und Cacioppo (Nadine Heinz)
28. Juni Urteilsheuristiken (Anna Christin Warnecke)
05. Juli Common Ground (Eva Schumacher)
12. Juli Online vs. gedächtnisbasierte Urteilsbildung (Christine Knauß)
19. Juli Abschlussveranstaltung
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Was steht heute an? Grundlagen experimenteller Forschung
Warum experimentieren wir? Merkmale experimenteller Forschung (und
Abgrenzung zu korrelativer Forschung) Klassifikation von Experimenten Varianzanalytische Versuchspläne / Designs
(grundlegende Begriffe) Ein- vs. mehrfaktorielle Designs / Haupteffekte und
Interaktionen Gekreuzte vs. geschachtelte Faktoren Designs mit vs. ohne Messwiederholung Aufgaben / Übungen zu Designs Varianzanalyse / Hypothesentesten
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Warum wird in der Sozialpsychologie experimentiert?
Gewinnung neuer Erkenntnisse; Erklärung von Phänomenen
Ziel wissenschaftlicher Forschung: Konstruktion einer Theorie über den jeweiligen Forschungsbereich
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Theorie
Hypothesen
Empirische Methoden(z.B. Experiment)
Daten ( Auswertung)
Theorien, Hypothesen und Daten
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
experimentelle Forschung
Ziel: Information über kausale Beziehungen zwischen Variablen
Ein Merkmal wird absichtlich verändert Veränderung geschieht auf kontrollierte Weise Beobachtet wird die Auswirkung auf das interessierende
Phänomen
Abhängige und unabhängige Variablen kausale Beziehung: Veränderung der unabhängigen
Variablen als eindeutige Ursache für resultierende Veränderung in der abhängigen Variablen
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Definition Experiment
Ein Experiment ist eine Untersuchung, in der der Versuchleiter
eine oder mehrere Variablen manipuliert (unabhängige Variable; bzw. Faktor oder Treatmentvariable)
andere wichtige Variablen kontrolliert eine oder mehrere Variablen beobachtet
oder misst (abhängige Variablen)
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Variablen: Alle Gegebenheiten, die sich in ihrer Quantität oder Qualität ändern können; mindestens zwei Abstufungen möglich
Arten von Variablen unabhängige Variable
vom Versuchsleiter manipuliert
ihr Einfluss auf die a.V. soll festgestellt werden
abgetragen auf der Abszisse abhängige Variable
ihre Veränderung durch die Manipulation der u.V. wird beobachtet
abgetragen auf der Ordinate
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Darstellung der Beziehung zwischen unabhängiger und abhängiger Variablen
0
100
200
300
400
500
600
Reaktions-zeit
Alkoholkonsum
Stufen der unabhängigen Variablen x-Achse (Abszisse)
Stufen der abhängigen Variablen y-Achse (Ordinate)
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Frage: Führt Hitze zu aggressivem Verhalten?
Operationalisierung „Übersetzung“ der Variablen in messbare Form;
eine Zuordnung zu beobachtbaren Phänomenen In unserem Beispiel
Hitze: z.B. °C Aggression: z.B. Anzahl direkter Gewaltakte oder
Erfassung der Aggression durch Fragebogen Weiteres Beispiel: Wie wirkt sich Lärm auf die
Lernleistung aus? UV / AV? Operationalisierung?
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Vorexperimentelle Versuchspläne einmalige Untersuchung einer Gruppe
Behandlung MessungX YG
Problem kein Feststellen einer Veränderung möglich Effekt der unabhängigen Variablen auf abhängige
Variable?
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Vorexperimentelle Versuchspläne
Vorher-Nachher Messung einer Gruppe
Behandlung NachhermessungX YnachG
VorhermessungYvor
Vorteile (gegenüber Plan ohne Vorhermessung) Vergleich von zwei Messwerten
Problem Grund für die Differenz zwischen Vorher- und Nachhermessung?
Zeiteinflüsse Testeffekte durch Vorhermessung
Lösung: Vergleich mit Kontrollgruppe
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Experimentelle Versuchspläne
Eine Experimental- und eine Kontrollgruppe
Experimentalgruppe: Gruppe, die der unabhängigen Variablen ausgesetzt war
Kontrollgruppe: Versuchsgruppe im Experiment, die sich von der anderen Gruppe nur durch die nicht erfolgte Behandlung unterscheidet
R = Randomisierung (Zufällige Zuordnung der Vpn zu den beiden Gruppen + zufällige Zuteilung der Gruppen zu den Experimentalbedingungen) Kontrolle von unbekannten Unterschieden zwischen den beiden
Gruppen
Behandlung NachhermessungX Y1G1
Vorhermessung-
- Y2G2 -R
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Unterschiede können nur auf die experimentelle Behandlung zurückgeführt werden (Einfluss von Störvariablen ist in der Kontrollgruppe genauso vorhanden wie in der Experimentalgruppe)
ermöglicht kausale Schlüsse
interne Validität Gültigkeit der Annahme, dass beobachtete Veränderungen der abhängigen Variablen auf die vorgenommenen Veränderungen der unabhängigen Variablen (und nicht der Störvariablen) zurückzuführen sind. Bedrohung durch konfundierende Variablen (Variable, die sich systematisch mit der Merkmalsausprägung der UV verändert; Beispiel: Untersuchung von Reaktionszeiten)
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Experimentelle vs. korrelative Forschung….
Eine Untersuchung hat gezeigt, dass Körpergewicht und Einkommen positiv korreliert sind, d.h. mit steigendem Gewicht steigt auch das Einkommen. Kann man daraus schlussfolgern, dass eine Möglichkeit, zu einem besseren Einkommen zu gelangen darin besteht, sich „ein paar zusätzliche Pfunde anzuessen“?
korrelative Studie: Messen der Ausprägung von zwei Variablen und Überprüfen, ob Zusammenhang zwischen beiden besteht; keine aktive Variation der UV
Korrelation macht keine Aussagen über Kausalität! Es gibt mehrere Möglichkeiten, wodurch der Zusammenhang zwischen Körpergewicht und Einkommen bedingt sein kann: Körpergewicht Einkommen Einkommen Körpergewicht Drittvariable (z.B. Alter) beeinflusst beide Variablen
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Merkmale eines Experimentes (Kerlinger, 1973)
Replizierbarkeit (Wiederholbarkeit) Kontrolle von Bedingungen Manipulation von mindestens einer
unabhängigen Variablen Zufällige Zuordnung von Personen zu
Versuchsbedingungen
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Überblick: Klassifikation von Experimenten1. Klassifikation nach Untersuchungsziel:
Hypothesenprüfung
Erkundungsexperiment (exploratives E.)
Demonstrationsexperiment
3. Klassifikation nach Zahl der abhängigen Variablen:
univariates Experiment
multivariates Experiment
6. Klassifikation nach Untersuchungsort:
Laborexperiment
Feldexperiment
5. Klassifikation nach Versuchsplanung:
echtes Experiment
Quasi-Experiment
2. Klassifikation nach Zahl der unabhängigen Variablen:
einfaktorielles Experiment
mehrfaktorielles Experiment
4. Klassifikation nach Messwiederholung:
mit Messwiederholung (innerhalb Vpn Design)
ohne Messwiederholung (zwischen Vpn Design)
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
einfaktorielles / mehrfaktorielles Experiment
einfaktorielles Experiment (eine unabhängige Variable) Untersuchung des Einflusses einer unabhängiger Variablen auf
eine/mehrere abhängige Variable(n) Bsp.: UV Fernsehkonsum
AV Aggression
Einfaktorieller Versuchsplan mit zwei Ausprägungen (Stufen):
A1 A2
y11
Y21
.
.
.yn1
y12
y22
.
.
.ym2
•eine unabhängige Variable (Fernsehkonsum) mit den Faktorstufen A1 („30 min“) und A2 („90 min“)
•y-Werte symbolisieren Werte der abhängigen Variablen: erster Index bezeichnet die Zeile, zweiter Index die Spalte
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
einfaktorielles / mehrfaktorielles Experiment
mehrfaktorielles Experiment (mehrere unabhängige Variablen) Untersuchung des Einflusses mehrerer unabhängiger Variablen auf
eine/mehrere abhängige Variable(n) Bsp.: UV Fernsehkonsum
HitzeAV Aggression
Untersuchung von Interaktionen
Zweifaktorieller Versuchsplan mit jeweils zwei Ausprägungen (Stufen):
A1 A2
B1
y111
Y211
.
.yn11
y112
y212
.
.yn12
B2
y121
Y221
.
.Yn21
y122
y222
.
.Yn22
•zwei unabhängige Variablen: Fernsehkonsum mit den Ausprägungen A1 („30 min“) und A2 („90 min“) und Hitze mit den Ausprägungen B1 (20°C) und B2 (35°C)
•insgesamt 4 Experimentalbedingungen
•y-Werte symbolisieren Werte der abhängigen Variablen: erster Index bezeichnet die Nummer der Vp in der Experimentalbedingung; zweiter Index bezeichnet die Zeile, dritter Index die Spalte
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Bei der Auswertung mehrfaktorieller Designs kann man sowohl Haupteffekte als auch Interaktionen (wenn es sich um gekreuzte Faktoren handelt) feststellen
Haupteffekte: Veränderungen in der abhängigen Variablen, die auf das alleinige Wirken eines Faktors zurück gehen durch Manipulation einer unabhängigen Variablen kommt es zu signifikanten Veränderungen in der abhängigen Variablen
Interaktion: Effekt des einen Faktors hängt davon ab, welche Stufe auf einem anderen Faktor vorliegt die gemeinsame Wirkung der Faktoren setzt sich also nicht additiv aus den Einzelwirkungen der Faktoren zusammen
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Das Konzept der Interaktion
0
10
20
30
40
50
60
70
80
90
100
A1 A2
B1 B2
bzw.
bzw.
0
10
20
30
40
50
60
70
80
90
100
A1 A2
B1 B2A1(30min) A2(90min)
B1(20°C)
B2(35°C)
weder A noch B wirken
B1(20°C)
B2(35°C)
A1(30min) A2(90min) nur A wirkt
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Das Konzept der Interaktion II
0
10
20
30
40
50
60
70
80
90
100
A1 A2
B1 B2
bzw.
bzw.010203040
50607080
90100
A1 A2
B1 B2
A1 A2
B1
B2
sowohl A als auch B wirken
A1(30min) A2(90min)
B2(35°C) B1(20°C)
nur B wirkt
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Das Konzept der Interaktion III
0
10
20
30
40
50
60
70
80
90
100
A1 A2
B1 B2
bzw.
bzw.010
20304050
60708090
100
A1 A2
B1 B2
A1 A2
B1
B2
disordinale Interaktion
B2(35°C)
B1(20°C)
A1(30min) A2(90min)Allgemeine Regel für Interaktion: Die Unterschiede zwischen den Faktorenstufen des einen Faktors fallen unter den Stufen des anderen Faktors ungleich aus
ordinale Interaktion
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Mehrfaktorielle DesignsBei mehrfaktoriellen Designs ergeben sich verschiedene
Möglichkeiten der Kombination der verschiedenen Faktoren: gekreuzte Faktoren
jede Stufe des Faktors A mit jeder Stufe von Faktor B kombiniert (vollständig gekreuzt)
geschachtelte Faktoren Jede Stufe des Faktors A kommt nur unter bestimmten
Stufen den Faktors B vor
geschachtelte Faktoren sollten nur dann gewählt werden, wenn es aus organisatorischen Gründen nicht möglich ist, alle Faktorstufenkombinationen zu realisieren
nur vollständig gekreuzte Versuchspläne ermöglichen Aussagen über Interaktionen der Faktoren
Warum? Bsp.
Überblick: Arten von Experimenten
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
ohne Messwiederholung (zwischen Versuchspersonendesign / between subject design) vs. mit Messwiederholung (innerhalb / within design)
bisher nur zwischen Versuchspersonendesigns: jede Versuchsperson wird nur einer Stufe der unabhängigen Variablen ausgesetzt (Variation der UV zwischen Vpn)
innerhalb Versuchspersonen (Messwiederholung): jede Versuchsperson wird mehreren Stufen der unabhängigen Variablen ausgesetzt (Variation der UV innerhalb Vpn)
Bsp.: Untersuchung der Frage, wie sich Lärm auf die Bearbeitung von Mathematikaufgaben auswirkt
Vp 20Vp 10
..
..
..
Vp 12Vp 2
Vp 11Vp 1
Level 2(Viel Lärm)
Level 1(wenig Lärm)
Zwischen-Vpn Design
Unabhängige Variable
Vp 10Vp 10
..
..
..
Vp 2Vp 2
Vp 1Vp 1
Level 2(Viel Lärm)
Level 1(wenig Lärm)
Innerhalb-Vpn Design
Unabhängige Variable
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Zwischen vs. innerhalb Versuchspersonen Design
Zwischen Versuchspersonen Design Vorteile
Bearbeitung einer Versuchsbedingung kann keinen Einfluss auf Bearbeitung einer anderen ausüben („carry-over“-Effekte)
viele Fragestellungen nicht mit innerhalb Design zu untersuchen (Bsp. Untersuchung inzidentelles Lernen)
Nachteile evtl. unterscheiden sich die Gruppen in den
unterschiedlichen Experimentalbedingungen Mehr Vpn erforderlich
Innerhalb Versuchspersonen Design Vorteile
weniger Vpn nötig keine Unterschiede zwischen den Versuchspersonen
Nachteile Reihenfolgeeffekte
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Bsp. für unterschiedliche Designs*
2x2 Design: Wie wirkt sich Menge an Alkohol (1l Bier vs. 2l Bier) bei Männern vs. Frauen auf die Reaktionszeit aus?
Exemplarische Darstellung; ausführliche Darstellung Honeck, R.P., Kibler, C.T. & Sugar, J. (1983). Experimental design and analysis. Lanham: University Press of America.
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
3x2x2 Design: Experiment zum Persongedächtnis Faktor 1: Instruktion (Gedächtnisinstruktion vs. Eindrucksbildung vs. Verhaltensvorhersage); Faktor 2: Vorerwartung (mit vs. ohne); Faktor 3: Art der Stimuluspräsentation (schriftlich vs. mündlich)
wie oben, aber Messwiederholung über 3. Faktor (Stimuluspräsentation) sinnvoll?
Überblick: Arten von Experimenten
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Laborexperiment, Feldexperimentund Feldstudie Laborexperiment
Durchführung im Labor / Experimentalraum kontrollierte Durchführung durch Versuchsleiter
relativ geringer Aufwand Konstanthaltung der Bedingungen Zufallsauswahl der Versuchspersonen zufällige Zuteilung zu den Versuchsbedingungen Manipulation einer exakt definierten unabhängigen Variablen exakte Registrierung der abhängigen Variablen
Beantwortung kausaler Fragen
Nachteile Künstlichkeit der Laborsituation Übertragbarkeit der
Befunde? Reaktivität
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Laborexperiment, Feldexperimentund Feldstudie
Feldexperiment außerhalb des Labors /
Experimentalraums durchgeführt Manipulation der unabhängigen
Variablen i.d.R. höhere externe Validität der
Befunde als bei Laborexperiment Kontrolle von Störvariablen schlechter
als beim Laborexperiment
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Laborexperiment, Feldexperimentund Feldstudie
Feldstudie außerhalb des Labor / Experimentalraums
durchgeführte korrelative Untersuchung keine Manipulation der unabhängigen
Variablen Registrierung von mehreren abhängigen
Variablen Beispiele: Umfragen von
Meinungsforschungsinstituten oder Beobachtung verhaltensgestörter Kinder
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Auswertung faktorieller Designs: Varianzanalyse
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Auswertung faktorieller Designs: Varianzanalyse Prüfung der Auswirkungen einer (oder
mehrerer) mehrfach abgestufter Variablen (Faktoren / Treatmentfaktoren) auf eine abhängige Variable
einfaktorielle vs. mehrfaktorielle Varianzanalyse
Bsp. (für einfaktorielle Varianzanalyse): Wie wirken sich unterschiedliche Instruktionen (Gedächtnisinstruktion vs. Eindrucksbildungsinstruktion vs. Verhaltensvorhersage) auf die Gedächtnisleistung (Anzahl korrekt erinnerter Items) aus?
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Experimentelle Designs und Analyse – Varianzanalyse
Entwicklung von Forschungshypothesen (sich gegenseitig ausschließende Aussagen dazu, wie sich die UV auf die AV auswirkt) Nullhypothese (Treatment hat keinen Effekt; soll im Experiment
widerlegt werden) Alternativhypothese
zu jeder Forschungshypothese gibt es eine korrespondierende statistische Hypothese Nullhypothese (Ho) Treatment hat keinen Effekt: es wird angenommen, dass sich zwei
oder mehr Grundgesamtheiten bezüglich der Werte ihrer Parameter (z.B. Mittelwert) nicht unterscheiden. Die entsprechenden Stichprobenwerte bzw. -parameter weichen nur "zufällig" voneinander ab.Ho: μ1 = μ2 = μ3
Alternativhypothese (H1) Verneinung der Nullhypothese; formuliert den Zusammenhang, den
man zu finden hofft (in der Regel die Annahme, dass sich die Mittelwerte unterscheiden)H1: μ1 ≠ μ2 ≠ μ3
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Experimentelle Designs und Analyse – Varianzanalyse
Problem: In Untersuchungen treten quasi immer Unterschiede in den Mittelwerten der Experimentalbedingungen auf: können entweder durch Zufallsfehler bedingt sein (H0) oder auf das Treatment zurückgehen (H1).
Wie können beide Effekte voneinander getrennt werden?
Wie kann der Anteil am Mittelwertsunterschied zwischen den Treatmentbedingungen der auf Fehler zurückgeht von Effekten des Treatments separiert werden?
Wie kann entschieden werden, ob die Null- oder die Alternativhypothese zutrifft?
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Experimentelle Designs und Analyse – Varianzanalyse: Primär-, Sekundär- und Fehlervarianz Varianzanalyse geht von einem additiven Modell aus;
die Modellgleichung für die einfaktorielle Varianzanalyse heißt: xij = μ + αi + εij Mittelwert Wirkung des Treatments Fehlerwert
Primärvarianz: systematische Veränderung der abhängigen Variablen, die allein auf eine Veränderung der unabhängigen Variablen zurückzuführen ist (vom Versuchsleiter intendiert)
Sekundärvarianz: systematische Veränderung der abhängigen Variablen, die auf die Wirkung von Störvariablen zurückzuführen ist
Fehlervarianz: unsystematische Veränderung der abhängigen Variablen, die auf unsystematische Unterschiede, Einflüsse wie Messfehler oder interindividuelle Unterschiede bedingt ist
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Varianzzerlegung Varianzanalyse zerlegt die Varianz in den Daten in verschiedene Bestandteile Primärvarianz: Varianz zwischen den Gruppen
Varianz, die auf Treatment zurückzuführen (Treatmenteffekte)
Fehlervarianz: Varianz innerhalb der Gruppe (Sekundär- plus Fehlervarianz)
wenn der untersuchte Faktor einen Einfluss auf die abhängige Variable hat ist die Primärvarianz relativ groß im Vergleich zur Fehlervarianz
Schätzung der jeweiligen Varianzen über Quadratsummen* Berechung F-Wert...
Experimentelle Designs und Analyse – Varianzanalyse: Varianzzerlegung
*hier nicht näher ausgeführt; ausführliche Darstellung siehe Bortz, J. (1989). Statistik für Sozialwissenschaftler. Berlin: Springer.Honeck, R.P.; Kibler, C.T. & Sugar, J. (1983). Experimental design and analysis. Lanham: University Press of America.
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
im F-Wert werden Treatment und Fehlervarianz zueinander ins Verhältnis gesetzt:
Index, der angibt welchen Anteil der Streuung auf das Treatment zurück geht
F-Test: Vergleich des empirisch ermittelten F-Wertes mit kritischen F-Wert (für spezifische Freiheitsgrade und festgelegtes Signifikanzlevel Tabelle F-Verteilung) wenn der empirische F-Wert größer ist als der kritische F-Wert ist die Wahrscheinlichkeit, dass die Treatmentgruppen aus der gleichen Population stammen geringer als das entsprechende Signifikanzniveau und die Nullhypothese wird verworfen mindestens zwei Mittelwerte unterscheiden sich
Experimentelle Designs und Analyse – Varianzanalyse: F-Wert
Femp ˆ treat
2
ˆ Fehler2
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Literaturhinweise
Winer, B.J. (1971). Statistical principles in experimental design. New York: Mc Graw-Hill
Bortz, J. (1989). Statistik für Sozialwissenschaftler. Berlin: Springer.
Honeck, R.P.; Kibler, C.T. & Sugar, J. (1983). Experimental design and analysis. Lanham: University Press of America.
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Beim Hypothesentesten können 2 Arten von Fehlern auftreten: Der Fehler 1. Art (α, Alpha-Fehler) tritt auf, wenn die Nullhypothese richtig
ist, aber dennoch anhand der vorliegenden statistischen Daten abgelehnt wurde.
fälschliche Annahme von H1
Der Fehler 2. Art tritt auf, wenn die Alternativhypothese richtig ist, aber dennoch anhand der vorliegenden Daten zugunsten der Nullhypothese abgelehnt wurde. fälschliches Beibehalten von Ho
Nachtrag: Anmerkungen zu Alpha und Beta Fehler
In der Population giltdie:
In der Population giltdie:
H0 H1
Entscheidung aufGrund der Stich- H0
richtigeEntscheidung
ß-Fehler oderFehler zweiter Art
probe zugunsten der: H1
-Fehler oderFehler erster Art
richtigeEntscheidung
Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information
Statistische Signifikanz
Signifikanzaussagen sind Aussagen über die Wahrscheinlichkeit eines -Fehlers (bzw. -Fehlers).
Man fragt danach, mit welcher Wahrscheinlichkeit mit dem gefundenen oder einem extremeren Ergebnis zu rechnen ist, wenn wir davon ausgehen, daß die Nullhypothese richtig ist.
Diese Wahrscheinlichkeit entspricht der Wahrscheinlichkeit für einen -Fehler oder der Irrtumswahrscheinlichkeit, die wir in Kauf nehmen müssen, wenn wir aufgrund des Untersuchungsergebnisses die Nullhypothese verwerfen.