Auch wenn Studierende im Fach Psychologie als primäre Leser- bzw. Zielgruppe dieses Lehrbuchs benannt sind, geht der Nutzen dieser Publikation über diesen begrenzten Kreis hinaus, umfasst u. a. auch Studierende anderer Disziplinen, darunter die in der Sportwissenschaft. Und natürlich sollte das Buch auch von denen in die Hand genommen werden, die sich entweder beruflich (zum Beispiel in der Lehre und/oder Forschung) mit psychologischen Themen befassen und dabei wissenschaftliche Aufgaben in der psychologischen Diagnostik zu lösen haben oder die in der psychologischen Praxis arbeiten und dort erhobene Befunde statistisch "absichern" möchten. Diesen unterschiedlichen Aspekten und Zielen der Lektüre unter psychologischen Aspekten für Studium, Lehre und Praxis entsprechend wurde das Buch so inhaltlich strukturiert (und im Design gestaltet), dass es sowohl auf der Grundlage kurzer, kompakter Einführungen in ausgewählte psychologisch-diagnostische Themen praktische Nutzungskonzepte für statistische Verfahren mithilfe von Standard-Computerprogrammen vorstellt und an Beispielen vorexerziert, andererseits aber auch die fachliche Vertiefung in psychologische Probleme und deren statistischer Bearbeitung ermöglicht. Die inhaltliche Gliederung erfolgte in den sechs Komplexen - Einführung - beschreibende Statistik - schließende Statistik für ein Merkmal - beschreibende und schließende Statistik für zwei Merkmale - schließende Statistik für mehr als zwei Merkmale - Modellbildung und theoriebildende Verfahren. Die Autoren entschieden sich für empirische Untersuchungen typisches, klassisches Vorgehen mit einer Trennung von Planung, Datengewinnung und Auswertung, ohne aber den Blick für die Möglichkeiten (und auch Vorteile) sequentiellen Arbeitens gänzlich aus dem Blick zu verlieren. Vorgestellt und empfohlen werden dabei statistische Methoden, für die die Arbeit mit einem Computer nahezu zwingend vorausgesetzt wird (was aber heutzutage kein Problem darstellen sollte). Im Lehrbuch wird jeweils ein kostenloses, frei zugängliches (und in der Funktionalität frei erweiterbares) Programmpaket mit einer Standardleistung (in diesem Fall R für die Untersuchungsplanung, statistische Datenanalyse und grafische Ergebnisdarstellung) und ein kommerziell vertriebenes Produkt (in diesem Fall IBM SPSS Statistics, was vielen Studierenden von ihren Universitäten im Rahmen von Campuslizenzen angeboten wird) genutzt, um die Beispiele zu bearbeiten. Sehr hilfreich ist für die Einarbeitung in die Programme insgesamt wie auch in die im Buch vorgestellten Beispiele, dass alle Datensätze auf der Webseite des Hogrefe Verlags zum "Nachrechnen" zur Verfügung gestellt werden. Dieser zusätzliche Service von Autoren und Verlag ist sehr willkommen, ist die Beschäftigung mit statistischen Methoden doch erfahrungsgemäß für viele Studierende anspruchsvoll und "spröde". Deshalb sind alle Hilfen, um die verschiedenen Teilschritte statistischer Methoden besser verstehen bzw. nachvollziehen zu können, sehr wichtig. Die genannten Inhalte, die für die Bearbeitung psychologischer Fragestellungen mit statistischen Methoden wichtig sind, wurden von den Autoren sehr umfangreich aufgearbeitet. Das beginnt mit der Vorstellung der unterschiedlichen Messverfahren in der psychologischen Diagnostik wie psychologischen Tests, Persönlichkeitsfragebogen, der Beobachtung von Verhalten oder inhaltlichen Analyse von Texten. Diese werden im folgenden Schritt in den mehrgliedrigen Prozess des Erkenntnisgewinns im Rahmen empirischer Forschungen eingeführt. Die definitorische Klärung grundlegender Termini wie Merkmal, Zufall, Versuch und Erhebung als quantitative und qualitative, stetige und diskrete Merkmale und Faktoren und die Präsentation von verschiedenen Skalierungen für die Darstellung von Relationen (Nominalskala, Ordinalskala, Intervallskala, Verhältnisskale) rundet die Vorbereitung des "Eintauchens" in die praktischen Anwendungsfälle ab. Aber auch in den folgenden Kapiteln zur beschreibenden und schließenden Statistik geht es nicht ausschließlich um praktische Beispiele. Stets geht es den Autoren um die Entwicklung eines wissenschaftlich-theoretischen Verständnisses für den statistischen Anwendungsfall wie auch um den praktischen Nutzen, der sich aus der Nutzung bestimmter statistischer Verfahren ergeben kann. Dazu werden grundlegende Szenarien beschrieben, die sich in der diagnostischen Praxis immer wiederfinden (zum Beispiel: sind alle Probanden gleichzeitig oder nur einzeln zu beobachten, wie repräsentativ ist eine Stichprobe und wofür). Die Datenaufbereitung (in Form von Tabellen, Grafiken oder der Berechnung von Kennzahlen) ist ein weiteres wichtiges Thema, um eine oftmals nicht oder nur begrenzt gegebene Übersichtlichkeit von gewonnenen Daten zu erzeugen, um Daten mit unterschiedlichen Methoden zu verdichten und Merkmalsausprägungen sichtbar zu machen. Wie das Untersuchungsdesign gestaltet wird, wenn statistische Verfahren eingesetzt werden (mit Zufallsauswahl oder Randomisierung), wie Konfidenzintervalle konstruiert werden, wie Hypothesen getestet werden, wie Tests aussehen um Parameter von zwei oder mehr Grundgesamtheiten zu vergleichen, aus denen jeweils eine Stichprobe gezogen wurde, steht im Mittelpunkt der folgenden Kapitel. Dabei spielen Varianten der Varianzanalyse und multiple Mittelwertvergleiche die entscheidende Rolle, die in ihren unterschiedlichen Varianten für entsprechende Anwendungsfälle präsentiert werden. Die Besonderheiten zwischen deterministischen Zusammenhängen und Abhängigkeiten und vom Zufall beeinflussten Zusammenhängen zwischen Merkmalen wird in der Folge diskutiert, wofür in die Nutzung der Regressionsfunktionen (mit einfacher und multipler Regression) zur Beschreibung von Zusammenhängen zweier Zufallsvariablen eingegangen wird. Auch die Korrelationskoeffizienten werden an dieser Stelle vorgestellt und diskutiert. Abschließend gehen die Autoren auf grundlegendes Wissen zur Modellbildung und zu theoriebildenden Verfahren wie Cluster- und Faktorenanalyse ein. Inhaltsverzeichnis I Einführung Kapitel 1: Konzept des Buches Kapitel 2: Messen in der Psychologie 2.1 Arten von psychologischen Messungen 2.2 Messmethoden in der Psychologischen Diagnostik 2.2.1 Psychologische Tests 2.2.2 Persönlichkeitsfragebogen 2.2.3 Projektive Verfahren 2.2.4 Verhaltensbeobachtung 2.3 Gütekriterien der Psychologischen Testtheorie 2.4 Weitere psychologische Messmethoden 2.4.1 Soziogramm 2.4.2 Erhebungsfragebogen 2.4.3 Einschätzungen 2.4.4 Q-Sortierung 2.4.5 Polaritätsprofil 2.4.6 Paarvergleichsmethode 2.4.7 Inhaltsanalyse 2.5 Statistische Messmodelle psychologischen Ursprungs Kapitel 3: Psychologie: Eine empirische Wissenschaft 3.1 Erkenntnisgewinnung in der Psychologie 3.2 Stufen der empirischen Forschungsarbeit Kapitel 4: Begriffsklärung: Merkmal, Zufall, Versuch und Erhebung 4.1 Nominalskala 4.2 Ordinalskala 4.3 Intervallskala 4.4 Verhältnisskala 4.5 Merkmale und Faktoren II Beschreibende Statistik Kapitel 5: Numerische und grafische Datenaufbereitung 5.1 Einführung in die Datenaufbereitung 5.2 Häufigkeiten und empirische Verteilungen 5.2.1 Nominalskalierte Merkmale 5.2.2 Rangskalierte Merkmale 5.2.3 Quantitative Merkmale 5.2.4 Grundsätze von Grafiken 5.2.5 Typische Anwendungsbeispiele von Tabellen und Grafiken 5.3 Statistische Kennzahlen 5.3.1 Mittelwert und Varianz 5.3.2 Andere Lage- und Streuungsmaße 5.3.3 Statistische Kennzahlen basierend auf höheren Momenten 5.4 Häufigkeitsverteilung für mehrere qualitative Merkmale III Schließende Statistik für ein Merkmal Kapitel 6: Voraussetzung: Wahrscheinlichkeit und Verteilung 6.1 Relative Häufigkeiten und Wahrscheinlichkeiten 6.2 Zufallsvariable und theoretische Verteilungen 6.2.1 Binomialverteilung 6.2.2 Normalverteilung 6.3 Quantile von theoretischen Verteilungsfunktionen 6.4 Mittelwert und Varianz von theoretischen Verteilungen 6.5 Schätzung unbekannter Parameter Kapitel 7: Voraussetzung: Zufallsauswahl und Randomisierung 7.1 Einfache Zufallsauswahl bei Erhebungen 7.2 Grundsätze von Zufallsauswahl und Randomisierung 7.2.1 Stichprobenverfahren 7.2.2 Versuchsanlagen Kapitel 8: Eine Stichprobe aus einer Grundgesamtheit - ein Merkmal 8.1 Einführung 8.2 Der Parameter eines als normalverteilt modellierten Merkmals 8.2.1 Schätzung des unbekannten Parameters 8.2.2 Konfidenzintervall für den unbekannten Parameter 8.2.3 Test einer Hypothese über den unbekannten Parameter 8.2.4 Test einer Hypothese über den unbekannten Parameter bei ursprünglich einander zugeordneten Beobachtungswerten 8.3 Untersuchungsplanung zur Hypothesentestung 8.4 Sequentielles Testen betreffs des unbekannten Parameters 8.5 Schätzung, Hypothesentestung, Untersuchungs planung und sequentielles Testen betreffs anderer Parameter 8.5.1 Der unbekannte Parameter 2 8.5.2 Der unbekannte Parameter p eines Alternativmerkmals 8.5.3 Der unbekannte Parameter p eines Alternativmerkmals bei ursprünglich einander zugeordneten Beobachtungswerten 8.5.4 Die unbekannten Parameter pj eines mehrkategoriellen nominal skalierten Merkmals 8.5.5 Test einer Hypothese betreffs des Medians eines quantitativen Merkmals 8.5.6 Test einer Hypothese betreffs des Medians eines quantitativen Merkmals bei ursprünglich einander zugeordneten Beobachtungswerten Kapitel 9: Zwei Stichproben aus zwei Grundgesamtheiten - ein Merkmal 9.1 Hypothesentestung, Untersuchungsplanung und sequentielles Testen betreffs der unbekannten Parameter 1 und 2 9.2 Hypothesentestung, Untersuchungsplanung und sequentielles Testen bei anderen Parameter 9.2.1 Die unbekannten Lageparameter bei einem rangskalierten Merkmal 9.2.2 Die unbekannten Parameter 1 2 und 22 9.2.3 Die unbekannten Parameter p1 und p2 eines Alternativmerkmals 9.2.4 Die unbekannten Parameter pi eines mehrkategoriellen nominal skalierten Merkmals 9.3 Äquivalenztests Kapitel 10: Stichproben aus mehr als zwei Grundgesamtheiten - ein Merkmal 10.1 Die verschiedenen Problemsituationen 10.2 Auswahlverfahren 10.3 Multiple Mittelwertvergleiche 10.4 Varianzanalyse 10.4.1 Einfache Varianzanalyse 10.4.1.1 Modell I 10.4.1.2 Post-hoc Tests 10.4.1.3 Modell II 10.4.2 Einfache Varianzanalyse für rangskalierte Merkmale 10.4.3 Vergleich von mehr als zwei Grundgesamtheiten bei einem nominalskalierten Merkmal 10.4.4 Zweifache Varianzanalyse 10.4.4.1 Modell I 10.4.4.2 Modell II 10.4.4.3 Gemischtes Modell 10.4.4.4 Hierarchische Klassifikation 10.4.5 Zweifache Varianzanalyse für rangskalierte Merkmale 10.4.6 Zweidimensionaler Vergleich zweier nominalskalierter Faktoren 10.4.7 Dreifache Varianzanalyse IV Beschreibende und Schließende Statistik für zwei Merkmale Kapitel 11: Regression und Korrelation 11.1 Einführung 11.2 Regressionsmodell 11.3 Korrelationskoeffizienten und Assoziationsmaße 11.3.1 Linearer Zusammenhang bei quantitativen Merkmalen 11.3.2 Monotoner Zusammenhang bei quantitativen Merkmalen und Zusammenhang zwischen rangskalierten Merkmalen 11.3.3 Zusammenhang eines quantitativen oder rangskalierten Merkmals mit einem Alternativmerkmal 11.3.4 Zusammenhang eines quantitativen Merkmals mit einem mehrkategoriellen nominalskalierten Merkmal 11.3.5 Zusammenhang von zwei nominalskalierten Merkmalen 11.3.6 Nicht linearer Zusammenhang bei quantitativen Merkmalen 11.4 Hypothesentestung und Untersuchungsplanung betreff Korrelationskoeffizienten 11.5 Korrelationsanalyse bei zwei Stichproben V Schließende Statistik für mehr als zwei Merkmale Kapitel 12: Eine Stichprobe aus einer Grundgesamtheit - mehr als zwei Merkmale 12.1 Zusammenhänge von drei oder mehr Merkmalen 12.1.1 Partieller Korrelationskoeffizient 12.1.2 Vergleich des Zusammenhangs eines Merkmals mit je einem von zwei anderen 12.1.3 Mehrfache lineare Regression 12.1.4 Interkorrelationen 12.1.5 Kanonischer Korrelationskoeffizient 12.1.6 Log-lineare Modelle 12.2 Hypothesentestung betreffs eines Mittelwertsvektors ? 12.3 Mittelwertsvergleiche und "homologe" Verfahren bei einander zugeordneten Beobachtungswerten 12.3.1 Hypothesentestung betreffs Mittelwerte 12.3.2 Hypothesentestung betreffs Lage von rangskalierten Merkmalen Kapitel 13: Stichproben aus mehr als einer Grundgesamtheit - mehr als zwei Merkmale 13.1 Allgemeines lineares Modell 13.2 Kovarianzanalyse 13.3 Mehrdimensionale Varianzanalyse 13.4 Diskriminanzanalyse VI Modellbildung und theoriebildende Verfahren Kapitel 14: Modellbildung 14.1 Theoretische Grundlagen der Modellbildung 14.1.1 Verallgemeinertes lineares Modell 14.1.2 Modell mit latenten Variablen 14.2 Methoden der Bestimmung der Modellgüte 14.2.1 Anpassungstests 14.2.2 Koeffizienten der Anpassungsgüte 14.2.3 Kreuzvalidierung 14.4 Simulation: Nicht analytische Lösung statistischer Probleme Kapitel 15: Theoriebildende Verfahren 15.1 Verfahren der Beschreibenden Statistik 15.1.1 Clusteranalyse 15.1.2 Faktorenanalyse 15.1.3 Pfadanalyse 15.2 Verfahren der Schließenden Statistik 15.2.1 Weitere Typenanalyseverfahren 15.2.1.1 Konfi gurationsfrequenzanalyse 15.2.1.2 Latente-Klassen-Analyse 15.2.2 Konfirmatorische Faktorenanalyse 15.2.3 Modelle der Item-Response-Theorie 15.2.3.1 Rasch-Modell 15.2.3.2 Verallgemeinerungen des Rasch-Modells Literatur Anhang Anhang A Anhang B - Tabellen Stichwortregister
© Copyright 2011 Veröffentlicht von Hogrefe Verlag. Alle Rechte vorbehalten.