Allgemeine Psychologie at Albert-Ludwigs-Universität Freiburg

1. Identifikation und Analyse möglicher
Validitätsgefährdungen
2. Kontrolle, wenn irgendwie möglich, durch Designelemente,
gegebenenfalls statistische Kontrolle.
-> Z.B.: Matching (statistische Zwillinge), mehrere
Prätests.
3. Vorhersage komplexer Zusammenhänge mit möglichst
wenigen alternativen Erklärungen.
-> Z.B.: Nicht-äquivalente aVs mit
erheben und vorhergesagte Interaktionsmuster prüfen.
(Werbung für Eissorte A sollte bei A eine Erhöhung der
Verkaufszahlen bringen und nicht bei Eissorte B).

Nur wenn es gewichtige Gründe für den Verzicht auf die KG gibt:

• ethische oder praktisch Gründe
• logistische (Treatment bereits flächendeckend implementiert; Hartz IV)
• Wenn glasklar ist, was ohne Treatment als Ergebnis zu erwarten ist

• Treatment ist unaufdringlich und hat nur kurzfristig Effekte (Diabetiker-Medikament)
• Lange Verzögerung zwischen treatment und erneutem treatment ("Pausen")
• keine Konfundierung mit anderen Zyklen (keine Parallelität zu z.B. Wochenplan)
• häufigeres Einführen und Absetzen
  • optimal: randomisierte Zuweisung zu Zeitabschnitten (nicht heute und morgen sondern zufällig)
  • Experiment mit Zeitblöcken als Einheiten

1. Vorhersage per Regression

• Bsp.: Studie zur Wirkung von Sesamstraße auf kognitive

  Entwicklung; Prätest sechs Monate vor Sesamstraße.

• Vorhersage der kognitiven Entwicklung durch Regression
  auf das Alter anhand der Prätestdaten (ergibt Zuwachsrate
  pro Monat).

• Vorhersage der erwarteten Post-Werte (sechs Monate
  später) nach Sesamstrasse.

• Analyse der Differenz zwischen erwarteten und erhobenen Daten.

• Probleme: 

• • ohne Kenntnisse aller relevanter Prädiktoren keine akkurate Vorhersage möglich

  • History, Testeffekte

2. Vergleich mit Normwerten (Tabellen...)

• Probleme: (Bsp. Despressionstherapie)
  • oft sehr alt (min. 5 Jahre) -> history
  • Selektionsbias
  • Regressionsbias, falls Behandlungsgruppe aufgrund Behandlungsbedarf oder Ähnlichem ausgewählt
  • Testeffekte (falls Protest in Behandlungsgruppe)
  • Instrumentierung (Umstände der Testung)
  • Reifung (unterschiedliche Trends in Gruppen)

3. Vergleiche mit sekundären Daten aus anderen Quellen

• auch ohne publizierte Normen liegen möglicherweise Vergleichsdaten vor
• Basisdokumentation im klinischen Bereich (Krankenkassendaten, Qualitätssicherungsprogramme...)
• Probleme:
  • WARUM werden daten erhoben? (Zweck hat evtl. Einfluss auf Angaben z.B. Rente)
  • Alter der Daten und Vollständigkeit

Häufiges Argument gegen Prätest: Der Prätest hat einen

bedeutsamen Einfluss auf das weitere Verhalten, dies ist aber:

• nur problematisch, wenn testing differentiell in KG und EG wirkt, ansonsten sollten
• nicht-reaktive Maße und / oder der Solomon-Viergruppenplan verwendet werden.

• Bei der Clusteranalyse wird das erhobene Kollektiv in
  Gruppen mit ähnlichen Merkmalsträgern aufgeteilt.
• Beim Matching sind nur Gruppen von ähnlichen Personen
  von Interesse.
• Die Ähnlichkeit kann über ein Maß bestimmt werden, in
  welches viele Variablen eingehen können.
• Schrittweise werden im Allgemeinen Cluster über ein
  hierarchisches Verfahren gesucht.
• Voraussetzung: Intervallskalierte, multivariat
  normalverteilte Variablen oder nominalskalierte Variablen
• Mit Hilfe eines Distanzmaßes wird die Ähnlichkeit
  beziehungsweise Unähnlichkeit zwischen zwei Objekten
  beschrieben.
• Die zwei ähnlichsten Objekte werden zu einem Cluster
  zusammengefügt (bis alle eingeteilt sind!) 
• Anschließend wird
  • zu diesem Cluster ein weiteres Objekt hinzugefügt oder
  • zwei weitere Personen bilden ein neues Cluster.

• Regressionsartefakte:
  • Auswahl aus Extremgruppen (z.B. Vergleich Förderung
    Rechenfähigkeit: Hochbegabte vs. Normalbegabte) -> brauchen gewisse Überlappung in den Gruppen
• Nicht-redundante Prädiktoren
  • Äquivalenz nur auf den beobachteten Variablen,
    nicht-redundante Prädiktoren wurden vergessen. -> finden keinen Partner weil etwas vergessen oder einfach kein Partner findbar
    -> Selektionsbias nicht ausgeschlossen (undermatching)

• Verbreitet im klinischen Bereich.
• Ebenfalls quasi-experimentell ohne Prätest,
• primär angewendet, wenn kein prospektives Design
  möglich ist, z.B.
  • Ethische Gründe
  • Selten auftretende Krankheitsbilder oder Ereignisse (kleines
    N)
  • Unklare Ursachen
• Retrospektive Suche nach Ursache(n).
• Suche nach einer Kontrollgruppe mit hoher
  Vergleichbarkeit

Beispiel: Contergan-Geschädigte (Schlafmittel, morgendliche Übelkeit bei Schwangeren) -> Missbildungen an Wirbelsäule und Gliedmaßen der Embryos

-> Case-Control-Studien zum juristischen Beweis der Verursachung dieser Schäden durch Contergan (Ursache-Wirkung) (von 4000 in DE überlebten etwa 2800)

-> mögliche methodische Probleme:

• SP der betroffenen Mütter unterscheidet sich evtl. bedeutsam (Übelkeit oder nicht) -> Treatmentkovariaten sind häufig Ursache von Selektionsbas
• Todesfälle vor Studienbeginn

-> hat in diesem Fall geklappt

-> Design: eine Gruppe von Personen, die von etwas betroffen ist, und versuche eine möglichst qualitativ gute Vergleichsgruppe zu finden, die aber nicht erkrankt ist!

Mögliche Ursachen für Mittelwertsunterschiede zwischen den

Gruppen sind vielfältig.

• Gruppen unterschieden sich eventuell schon vor der Maßnahme,
• Das Führungstraining wird nur von einer bestimmten Teilgruppe in Anspruch genommen, welche sich bedeutsam von der Kontrollgruppe unterscheidet.
• KG und EG müssen dann möglichst ähnlich sein -> schwierig
• keine randomisierung möglich (quasi-experimentelles Design)

O1  O2 X O3

• “Probelauf” durch zwei Prä-Messungen
• Veränderung zwischen O1 und O2:
  • Einfluss der Testung erfassbar
  • Lineare Reifungstrends können berücksichtigt werden
  • Aber History

Einfluss (Effekt) des Treatments sollte zwischen O2 und

O3 auftreten: Unterschied zwischen O3 −O2 und O2 −O1.

• Semantizität: Symbole tragen Bedeutung
z.B. nicht phonetische Poesie, Lautgesänge (wenn Laute nichts außer sich selbst bedeuten)
• Arbitrarität: Bedeutung ist weitgehend arbiträr zugewiesen = Symbolgestalt nicht durch Inhalt
beeinflusst
z.B. nicht onomatopoetische (lautmalerische) Kommunikation → TikTak als Uhr (Ausnahme)
muss also kulturell vermittelt werden
• Situationsunabhängigkeit: Kann räumlich und zeitlich entfernte Bezüge haben
mit Sprache ausdrücken worauf ich mich zeitlich und räumlich beziehe (Präsens, Vergangenheit, hier,
da → nicht aufs hier und jetzt begrenzt)
• Generativität: Kann eine theoretisch unendliche Anzahl korrekter und sinnvoller Sätze hervorbringen
durch Grammatik und Wortschatz, beliebig viele sinnvolle Kombinationen

• Eine Probandengruppe lernt künstliche Begriffe (von Computer zufällig generierte Begriffe, die mit
Bedeutung versehen wurden) und kommuniziert mit ihnen
• Die Probanden geben die Begriffe an eine weitere „Generation“ von Probanden weiter, welche das
Sprachsystem lernt und später ihrerseits wieder weitergibt (Simon Kirby) ohne weitere Inputs des VL
• Befunde: Sprachen werden zunehmend strukturierter und leichter erlernbar (nach bereits 10
„Generationen“
geschieht unbewusst