Methodische Grundlagen

 Definition

Hypothesenbildung bezeichnet die Formulierung überprüfbarer Annahmen über Zusammenhänge zwischen Variablen, um psychologisches Erleben und Verhalten zu beschreiben, zu erklären und vorherzusagen. Wissenschaftliche Hypothesen müssen nach dem Falsifikationsprinzip widerlegbar sein und werden empirisch anhand von Daten geprüft, wobei zwischen Null- und Alternativhypothese unterschieden wird.

Psychologie will Erleben und Verhalten beschreiben, erklären und vorhersagen. Dazu formuliert man Hypothesen, die anschließend empirisch geprüft werden.

Falsifikationsprinzip (Popper)

 Info

Wissenschaftliche Hypothesen müssen widerlegbar sein (Falsifikation möglich).
Eine endgültige Verifikation ist nicht möglich – man kann Hypothesen nur vorläufig stützen und falsche Annahmen ausschließen.

 Merke

Arten von Hypothesen:

• Deterministische Hypothese: Aussage soll unter bestimmten Bedingungen immer zutreffen („wenn…, dann immer…“) 
  • → Für medizinische Forschung meist unpraktisch, weil Effekte selten absolut sind
• Probabilistische Hypothese: Aussage trifft nur mit einer bestimmten Wahrscheinlichkeit zu
  • Beispiel: Ein Risikofaktor erhöht bei einem Teil der Exponierten die Erkrankungswahrscheinlichkeit (z. B. Rauchen)

Null- und Alternativhypothese (Experiment)

In Experimenten will man entscheiden, ob ein beobachteter Unterschied „echt“ ist oder auch zufällig entstanden sein könnte. Dafür arbeitet man immer mit zwei gegensätzlichen Aussagen:

Die zwei Hypothesen:

 Info

• Nullhypothese (H₀): Es gibt keinen Effekt / Unterschied
  • Beispiel: „Das Medikament wirkt nicht besser als Placebo.“
• Alternativhypothese (H₁): Es gibt einen Effekt / Unterschied
  • Beispiel: „Das Medikament wirkt besser als Placebo."

 Merke

Statistik startet „skeptisch“: Man nimmt zunächst H₀ als Ausgangspunkt und prüft, ob die Daten so ungewöhnlich sind, dass man H₀ verwerfen sollte.

Signifikanzniveau α:

• Vor der Auswertung legt man fest, wie streng man sein will: das Signifikanzniveau α (oft 0,05)

 Definition

α bedeutet: Wie viel Risiko man akzeptiert, versehentlich einen Effekt zu behaupten, obwohl es in Wahrheit keinen gibt.

 Info

Also α = 0,05 bedeutet: Ich akzeptiere ein Risiko von 5 %, die Nullhypothese fälschlich zu verwerfen – also zu schließen, dass das Medikament wirkt, obwohl es tatsächlich nicht besser als Placebo ist.

p-Wert:

 Definition

Der p-Wert ist nicht „die Wahrscheinlichkeit, dass H₀ stimmt“. Er bedeutet: p = Wahrscheinlichkeit, ein mindestens so extremes Ergebnis zu bekommen, wenn H₀ tatsächlich wahr ist.

• Beispiel: p = 0,03 heißt: Wenn das Medikament wirklich nicht besser wäre als Placebo (H₀ wahr), dann wäre so ein starkes Ergebnis nur in 3 % der Fälle durch Zufall zu erwarten

Entscheidungsregel:

• Wenn p < α → H₀ verwerfen („statistisch signifikant“)
• Wenn p ≥ α → H₀ nicht verwerfen („nicht signifikant“)

 Merke

„H₀ nicht verwerfen“ heißt nicht, dass H₀ bewiesen ist. Es heißt nur: Die Daten sind nicht überzeugend genug, um einen Effekt sicher anzunehmen (z. B. weil die Studie zu klein war).

α- und β-Fehler (Fehlerarten):

α-Fehler (Fehler 1. Art) = falsch-positiv

• Man verwirft H₀, obwohl H₀ wahr ist → man behauptet einen Effekt, der gar nicht existiert
• α ist genau die Grenze für dieses Risiko (z. B. 5 %)

Beispiel: Studie findet „wirksam“, obwohl das Medikament in Wahrheit nicht wirkt

β-Fehler (Fehler 2. Art) = falsch-negativ

• Man verwirft H₀ nicht, obwohl H₀ falsch ist → man übersieht einen echten Effekt
• β hängt u. a. von Stichprobengröße, Streuung und Effektstärke ab

 Definition

Mess- und Skalierungsmethoden in der Psychologie umfassen Verfahren zur Operationalisierung und quantitativen Erfassung latenter Konstrukte, indem nicht direkt beobachtbare Merkmale über geeignete Indikatoren messbar gemacht und mithilfe standardisierter Skalen in Zahlen überführt werden. Je nach Skalenniveau (nominal, ordinal, Intervall, Verhältnis) sind unterschiedliche Aussagen und statistische Auswertungen möglich.

Operationalisierung

Viele Inhalte der Psychologie sind nicht direkt beobachtbar (latente Konstrukte), z. B. Lebensqualität, Gesundheit, Intelligenz, Resilienz oder Depressivität.

 Definition

Operationalisierung bedeutet, solche Konstrukte messbar zu machen, indem man beobachtbare Indikatoren festlegt (manifeste Variablen). 

• Beispiel: „Compliance“ kann z. B. über Anzahl wahrgenommener Arzttermine oder Medikamenteneinnahme laut Protokoll erfasst werden

Zur Operationalisierung gehört:

• Wie gemessen wird (Vorgehen)
• Womit gemessen wird (Messinstrumente / Skalen)

Beobachtung

 Definition

Nicht alles wird experimentell untersucht, oft werden Daten durch Beobachtung gewonnen.

• Offene Beobachtung: die beobachtete Person weiß, dass beobachtet wird (Beobachter ist erkennbar)
• Verdeckte Beobachtung: der Beobachter bleibt unbemerkt

 Info

Beobachtungen können außerdem teilnehmend oder nicht teilnehmend erfolgen.

Messung

 Definition

Messen heißt: Einem empirisch beobachtbaren Sachverhalt wird nach einer festgelegten Regel eine Zahl zugeordnet → Abgrenzung: Operationalisierung legt erst fest, was gemessen werden soll und woran man es erkennt. Messung ist dann die konkrete Zuordnung zu Zahlen.

Skalierungsmethoden (Skalenniveaus)

Je nach Skala sind unterschiedliche Aussagen / Rechenoperationen erlaubt.

Verhältnisskala (Rational- / Absolutskala):

• Hat absoluten Nullpunkt (0 = „nichts vorhanden“)
• Erlaubt alle Rechenarten (+, −, ×, ÷)
• Beispiele: Körpergewicht, Reaktionszeit, Temperatur in Kelvin

Intervallskala:

• Kein absoluter Nullpunkt
• Abstände sind gleich groß → Addition / Subtraktion sinnvoll
• Beispiele: Temperatur in Celsius, viele psychologische Testwerte (z. B. IQ)
• Möglich: arithmetisches Mittel und Standardabweichung

Ordinalskala (Rangskala):

• Werte sind geordnet, Abstände aber nicht eindeutig interpretierbar
• Beispiele: Schulnoten, Krankheitsstadien, Häufigkeit „nie–selten–…–immer“
• Lage: Median, Streuung: Interquartilsabstand (IQR)

Nominalskala (Kategorialskala):

• Nur Kategorien, keine Rangfolge
• Beispiele: Geschlecht, Familienstand, Diagnosen (ICD)
• Lage: Modus (häufigste Kategorie)

 Merke

Reihenfolge, geordnet nach Niveaus (von niedrig nach hoch): Nominal → Ordinal → Intervall → Verhältnis.

Skalenniveaus

Absolute Beurteilungsskalen:

Direkte Einschätzung auf einer Skala:

• Likert-Skala: meist 5-stufig, verbal beschriftet; gut für Indexbildung durch Summenwert
• Thurstone-Skala: dichotom: stimme zu / stimme nicht zu
• Numerische Ratingskala: z. B. 0–10
• Visuelle Analogskala (VAS): unbeschriftete Linie zwischen zwei Extremen, Markierung wird als Wert ausgemessen

 Merke

Bei Ordinal- / Kategorieskalen sind Aussagen wie „halbiert“ nicht sauber möglich.

Relative Beurteilungsskalen:

• Beurteilung im Vergleich (z. B. „Sind die Schmerzen heute stärker als gestern?“)

 Definition

Testdiagnostik und Gütekriterien umfassen die Entwicklung, Durchführung und Bewertung standardisierter psychologischer Tests zur quantitativen Erfassung psychischer Merkmale. Dabei wird die Qualität eines Tests anhand zentraler Gütekriterien wie Objektivität, Reliabilität und Validität beurteilt, um sicherzustellen, dass Messergebnisse unabhängig, zuverlässig und inhaltlich gültig sind.

Testkonstruktion (psychologischer Test)

 Definition

Ein psychologischer Test ist ein standardisiertes Verfahren, mit dem man psychische Merkmale quantifizierbar erfasst. Typische Testarten sind Leistungs-, Persönlichkeits- und Intelligenztests.

1) Itemauswahl

Zuerst werden Testaufgaben (Items) gesammelt und dann diejenigen ausgewählt, die in die Endversion kommen. Wichtige Kriterien:

• Itemschwierigkeit: Anteil der Personen, die ein Item richtig lösen (je höher, desto „leichter“ das Item)
• Trennschärfe: Zeigt, wie gut ein Item zwischen Personen mit hoher vs. niedriger Merkmalsausprägung unterscheidet
  Praktisch: Korrelation „Item“ mit dem (itembereinigten) Gesamttestwert. Wertebereich: −1 bis +1 (je höher positiv, desto besser)
• Itemhomogenität: Beschreibt, wie ähnlich sich die Items im Test in Schwierigkeit und Trennschärfe sind (also wie „stimmig“ der Test als Einheit wirkt)

2) Normierung (Eichung)

Die fertige Testform wird an einer Normstichprobe geprüft und „geeicht“. Dafür braucht man eine möglichst große und repräsentative Stichprobe. Aus den Ergebnissen werden Normwerte abgeleitet, damit man spätere individuelle Testergebnisse sinnvoll einordnen und interpretieren kann.

Hauptgütekriterien psychologischer Tests

Ein Test gilt nur dann als „gut“, wenn er zentrale Qualitätsmerkmale erfüllt. 

 Merke

Die drei wichtigsten sind Objektivität, Reliabilität und Validität (daneben gibt es Nebengütekriterien).

Hauptgütekriterien psychologischer Tests

1) Objektivität

 Definition

Objektivität bedeutet: Das Ergebnis ist unabhängig von der Person, die den Test:

• Durchführt
• Auswertet
• Interpretiert

 Info

→ Ideal: Jede geschulte Person kommt zum gleichen Ergebnis. Ein Maß dafür ist z. B. die Interrater-Reliabilität.

2) Reliabilität (Zuverlässigkeit)

 Definition

Reliabilität beschreibt die Messgenauigkeit: Wie zuverlässig misst ein Test – unabhängig davon, ob er das Richtige misst.

Wichtige Formen:

• Retest-Reliabilität: gleicher Test, gleiche Person, zwei Zeitpunkte → Ergebnisse sollten ähnlich sein (wenn Merkmal stabil)
• Split-half-Reliabilität: Test wird in zwei Hälften geteilt → beide Hälften sollten ähnliche Ergebnisse liefern
• Interne Konsistenz: Items eines Tests passen zusammen (häufig gemessen mit Cronbachs α)
• Paralleltest-Reliabilität: zwei inhaltlich gleichwertige Testformen → ähnliche Resultate

 Merke

Längere Tests sind oft reliabler als sehr kurze. Viele Zufallsfehler senken die Reliabilität; systematische Fehler sind v. a. ein Validitätsproblem.

3) Validität (Gültigkeit)

 Merke

Validität heißt: Der Test misst wirklich das, was er zu messen vorgibt.

Wichtige Validitätsarten:

3.1 Kriteriumsvalidität:

Testwert wird mit einem Außenkriterium verknüpft (Korrelation).

• Übereinstimmungsvalidität: Test und Kriterium werden gleichzeitig erhoben
• Vorhersagevalidität (prädiktiv): Test sagt ein Kriterium zu einem späteren Zeitpunkt vorher

3.2 Konstruktvalidität:

Prüft, ob der Test zum theoretischen Konstrukt passt.

• Konvergente Validität: hohe Zusammenhänge mit anderen Maßen desselben Konstrukts
• Diskriminante / divergente Validität: niedrige Zusammenhänge mit unähnlichen Konstrukten

3.3 Inhaltsvalidität:

Die Aufgaben decken das Merkmal inhaltlich repräsentativ ab (z. B. Rechentest enthält typische Rechenanforderungen).

3.4 Interne und externe Validität (Studienperspektive):

• Interne Validität: Ergebnis ist eindeutig auf die untersuchte Ursache zurückführbar (Störfaktoren/Alternativerklärungen ausgeschlossen)
• Externe Validität (Generalisierbarkeit): Ergebnis lässt sich auf andere Personen, Orte, Situationen übertragen (z. B. nicht nur auf genau diese Stichprobe)

Nebengütekriterien

Neben Objektivität, Reliabilität und Validität beurteilt man Tests auch nach weiteren Qualitätsmerkmalen:

Normierung:

Eichung eines Tests an einer repräsentativen Stichprobe unter standardisierten Bedingungen.
→ Erst dadurch kann man ein Einzelergebnis als „unter-/durchschnittlich“ einordnen.

Skalierung (Normskalen):

Damit Testergebnisse vergleichbar werden, nutzt man Normskalen, z. B.:

• Prozentrang (PR): ordnet eine Person innerhalb einer Referenzgruppe ein. PR 80 heißt: 80 % sind schlechter, 20 % besser.

 Achtung

Prozentrang ist rangskaliert, Abstände zwischen PR-Werten sind nicht interpretierbar.

• Nützlichkeit: Der Test sollte die Fragestellung sinnvoll beantworten und klinisch / diagnostisch relevant sein
• Zumutbarkeit: Belastung für die Testperson darf den erwarteten Nutzen nicht übersteigen
• Ökonomie: Zeit- und Kostenaufwand sollten in einem vernünftigen Verhältnis zum Nutzen stehen (v. a. aus Sicht des Testleiters / Systems)
• Unverfälschbarkeit: Ergebnisse sollten möglichst schwer manipulierbar sein (z. B. durch Kontrollfragen / Validitätsskalen)

Änderungssensitivität:

Ein Test ist änderungssensitiv, wenn er intraindividuelle Veränderungen (z. B. Therapieeffekte) zuverlässig abbildet. Problem: Unterschiedliche Werte können auch durch geringe Reliabilität entstehen, nicht zwingend durch echte Veränderung.

Korrelationskoeffizient (r) 

 Definition

Der Korrelationskoeffizient r (meist Pearson) beschreibt, wie stark und in welche Richtung zwei Variablen linear zusammenhängen. Er wird u. a. genutzt, um Zusammenhänge sowie Testgüte (z. B. Retest-Reliabilität, Validität) auszudrücken.

• r > 0 (positiv): hohe Werte gehen mit hohen Werten einher
  • Beispiel: mehr Lernzeit ↔ bessere Punktzahl
• r < 0 (negativ): hohe Werte gehen mit niedrigen Werten einher
  • Beispiel: mehr Stress ↔ schlechterer Schlaf
• r ≈ 0: kein (linearer) Zusammenhang

 Merke

Auch ein hoher r-Wert beweist keine Kausalität.

Korrelationskoeffizient (r): Stärke und Richtung von Zusammenhängen

r² (Bestimmtheitsmaß):

Durch Quadrieren von r erhält man r² = Anteil der gemeinsamen Varianz (wie viel „Überschneidung“ beide Variablen erklären).

Arten von Korrelationskoeffizienten:

Welche Korrelation man nimmt, hängt vom Skalenniveau / Verteilung ab:

• Pearson (Produkt-Moment-Korrelation): für intervallskalierte, ungefähr normalverteilte Daten. Wertebereich: −1 bis +1
• Spearman (Rangkorrelation): wenn Daten ordinal sind oder nicht normalverteilt (arbeitet mit Rängen)

Daumenregel zur Stärke:

Konventionell spricht man oft von einem stärkeren Zusammenhang, wenn |r| > 0,5 (nur grobe Orientierung).

 Definition

Gütekriterien einer Entscheidungsstrategie beschreiben die Qualität diagnostischer Entscheidungen anhand von Kennwerten wie Sensitivität, Spezifität sowie positivem und negativem prädiktiven Wert. Sie geben an, wie zuverlässig ein Test zwischen Kranken und Gesunden unterscheidet und wie aussagekräftig ein Testergebnis ist, wobei diese Maße untereinander sowie von der Prävalenz der Erkrankung abhängig sind.

Hierarchie der Gütekriterien:

Nach klassischer Testtheorie hängen die Hauptgütekriterien zusammen:

• Objektivität ist Voraussetzung für Reliabilität
• Reliabilität ist Voraussetzung für Validität

 Merke

Ein Test kann nicht valide sein, wenn er unzuverlässig misst.

Sensitivität und Spezifität:

 Definition

Diese Kennwerte beschreiben, wie gut ein Test Kranke bzw. Gesunde erkennt.

• Sensitivität = Anteil der tatsächlich Kranken, die der Test richtig positiv erkennt

• Spezifität = Anteil der tatsächlich Gesunden, die der Test richtig negativ erkennt

• Falsch negativ: krank, aber Test negativ
• Falsch positiv: gesund, aber Test positiv
• Richtig negativ: gesund, Test negativ
• Richtig positiv: krank, Test positiv

Vierfeldertafel für die Auswertung der Ergebnisse des GM-ELISA:

Positiver und negativer prädiktiver Wert:

Hier geht es nicht um „Wie gut erkennt der Test Kranke / Gesunde?“, sondern um: Was bedeutet mein Testergebnis? (Die Werte hängen von der Prävalenz in der getesteten Population ab.).

• Positiv prädiktiver Wert (PPW): Wie wahrscheinlich ist jemand wirklich krank, wenn der Test positiv ist?

• Bei niedriger Prävalenz (Screening Allgemeinbevölkerung) ist der PPW oft niedriger
• Negativ prädiktiver Wert (NPW): Wie wahrscheinlich ist jemand wirklich gesund, wenn der Test negativ ist?

• Bei niedriger Prävalenz ist der negativ prädiktiver Wert meist hoch

 Merke

Screening in der Allgemeinbevölkerung → negativ prädiktiver Wert hoch, positiv prädiktiver Wert eher niedriger (weil Prävalenz gering).

 Definition

Deskriptive Statistik und Untersuchungsdesigns in der Psychologie umfassen Verfahren zur Beschreibung, Streuung und Verteilung von Daten (z. B. Häufigkeitsverteilungen, Varianz, Normalverteilung) sowie Methoden zur Planung und Durchführung wissenschaftlicher Studien. Dazu gehören experimentelle und nicht-experimentelle Designs, die Analyse von Zusammenhängen und Kausalitäten sowie Strategien zur Kontrolle von Störfaktoren und zur Sicherung der Aussagekraft von Ergebnissen.

Häufigkeitsverteilung:

 Definition

Eine Häufigkeitsverteilung zeigt, wie oft bestimmte Ausprägungen einer Variable in einem Datensatz vorkommen. Sie ordnet / sortiert Daten und macht sie grafisch sichtbar:

• Ordinal / Intervall / Verhältnis: meist Histogramm oder Stufendiagramm
• Nominal: Tabelle, Säulen- oder Kreisdiagramm

Varianz:

 Definition

Um Streuung zu beschreiben, nutzt man Varianz und Standardabweichung. Die Varianz gibt an, wie stark Messwerte im Mittel vom Mittelwert abweichen:

→ Quadratische Abweichungen vom Mittelwert addieren und durch die Anzahl der Werte teilen.

Gaußsche Normalverteilung (Glockenkurve):

Wenn eine Messung nur zufälligen Fehlern unterliegt, streuen viele Wiederholungen typischerweise um den Mittelwert  und zwar in einer charakteristischen Form, der sogenannten Gaußschen Normalverteilung.

Die beiden zentralen Kennwerte dieser Verteilung sind:

• Der arithmetische Mittelwert x (Lage der Kurve)
• Die Standardabweichung s (Maß für die Breite / Streuung)

 Merke

Eigenschaften der Normalverteilung

• 68 % der Messwerte liegen innerhalb einer Standardabweichung
  • → 32 % der Messwerte liegen außerhalb: 16 % unterhalb, 16 % oberhalb
• 95 % liegen innerhalb von zwei Standardabweichungen
• 99,7 % befinden sich innerhalb von drei Standardabweichungen

Die Punkte, an denen die Glockenkurve ihre Krümmung ändert (Wendepunkte), liegen jeweils eine Standardabweichung vom Mittelwert entfernt.

Normalverteilung und Standardabweichungen (Gaußsche Glockenkurve):

Standardmessfehler (SM):

 Definition

Der Standardmessfehler beschreibt den Messfehler, der aus einer nicht perfekten Reliabilität eines Tests entsteht. Er hängt ab von der Standardabweichung (SD) der Testwerte und der Reliabilität r:

Jeder Testwert hat damit einen Unsicherheitsbereich. Daraus kann man ein Konfidenzintervall um den Messwert bilden, in dem der „wahre“ Wert mit hoher Wahrscheinlichkeit liegt (z. B. 95 %).

 Merke

Je höher die Reliabilität, desto kleiner der Standardmessfehler und desto enger das Konfidenzintervall.

 Definition

Untersuchungsarten in der Psychologie umfassen verschiedene Studiendesigns zur Analyse von Zusammenhängen und Kausalitäten zwischen Variablen. Dabei unterscheidet man insbesondere experimentelle Studien, bei denen Einflussgrößen gezielt manipuliert und kontrolliert werden, sowie nichtexperimentelle Studien, die Zusammenhänge ohne Eingriff untersuchen. Ziel ist es, valide und möglichst unverzerrte Aussagen über Ursachen, Wirkungen und Zusammenhänge psychologischer Phänomene zu treffen.

Experiment

 Definition

Ein Experiment dient dazu, Kausalzusammenhänge (Ursache → Wirkung) zu prüfen. Dafür muss die Untersuchung wiederholbar sein und der/die Versuchsleiter:in muss Bedingungen kontrollieren und gezielt variieren können.

Variablen im Experiment:

• Unabhängige Variable (UV) = Einflussgröße, wird gezielt verändert
  • Beispiel: Medikament ja / nein oder Dosis
• Abhängige Variable (AV) = Zielgröße / Outcome, wird gemessen
  • Beispiel: Gedächtnisleistung, Morbidität/  Mortalität
  • → Es kann mehrere unabhängige Variablen und abhängige Variablen geben

Mediator (intervenierende Variable):

Vermittelt den Effekt der unabhängige Variable auf die abhängige Variable (Wirkweg).

• Beispiel: Psychoedukation senkt Infarktrisiko über Blutdrucksenkung → Blutdruck = Mediator

Moderatorvariable:

Bedingung, die bestimmt, wie stark ein Effekt ausfällt (für wen / unter welchen Umständen).

• Beispiel: Therapie wirkt bei Frauen stärker als bei Männern → Geschlecht = Moderator

Interaktionseffekt:

Allgemein: Wechselwirkung zwischen Variablen (typisch: unabhängige Variable × Moderator).

Störvariable (Confounder):

Variable, die die abhängige Variable beeinflusst, ohne dass sie untersucht werden soll, und so den Effekt „verfälschen“ kann.

• Beispiel: Alkohol ↔ Lungenkrebs: Rauchen kann als Störvariable mitwirken

 Info

Konfundierung: Wenn die unabhängige Variable und Störvariable gemeinsam variieren, kann man den Effekt nicht eindeutig der unabhängige Variable zuordnen.

Quasiexperiment:

Wenn die unabhängige Variable nicht zufällig / manipulativ zugewiesen werden kann (z. B. Geschlecht, soziale Schicht), spricht man von einer quasi-experimentellen Studie.

Multivariat:

Eine Studie ist multivariat, wenn mehrere Variablen und auch Wechselwirkungen gleichzeitig betrachtet werden.

Kontrollierte Studie

Experimental- und Kontrollgruppe:

Um den Effekt einer unabhängigen Variable (z. B. Therapie / Medikament) zu prüfen, braucht man mindestens:

• Experimentalgruppe: erhält die Intervention
• Kontrollgruppe: erhält keine / neutrale / Standardbehandlung

 Merke

Entscheidend ist der Vergleich der Zielgröße (abhängige Variable) zwischen den Gruppen, meist am Studienende (Posttest).

Fehlervermeidung:

Die Art der Kontrollgruppe kann das Ergebnis beeinflussen – daher sorgfältig wählen. Wichtige Strategien:

• Randomisieren: zufällige Zuteilung zu Gruppen → reduziert Selektionsbias, gleicht Störfaktoren eher aus
• Parallelisieren (Matching): Personen mit ähnlichen Merkmalen werden auf verschiedene Gruppen verteilt
• Ausbalancieren: z. B. Reihenfolgeeffekte vermeiden, indem Bedingungen in unterschiedlicher Reihenfolge durchlaufen werden

Typische Verzerrungen:

• Versuchspersonenfehler (Hawthorne-Effekt): Teilnehmende verhalten sich anders, weil sie wissen, dass sie beobachtet werden → Ausgleich durch Blindversuch
• Versuchsleiterfehler (Rosenthal-Effekt): Erwartungen der Untersuchenden beeinflussen das Ergebnis → Ausgleich durch Doppelblindversuch

Blind- und Doppelblindversuch, Placebo / Nocebo:

• Blindversuch: Teilnehmende wissen nicht, ob sie Placebo oder Wirkstoff erhalten
• Doppelblind: weder Teilnehmende noch Versuchsleitung wissen, wer was bekommt

Placebo- / Noceboeffekt: unspezifische Wirkungen durch Erwartungen (und u. a. Konditionierung).

• Placebo: Besserung
• Nocebo: Verschlechterung

Ökologische Studie

 Definition

Bei einer ökologischen Studie werden nicht einzelne Personen analysiert, sondern Gruppen / Populationen. Man untersucht, wie Risikofaktoren in einem bestimmten Gebiet oder Zeitraum mit Outcomes in der betroffenen Bevölkerung zusammenhängen.

Feldstudie

 Definition

Eine Feldstudie untersucht Phänomene im natürlichen Umfeld (z. B. Arbeitsplatz).

 Info

Sie ist meist nicht vollständig kontrollierbar (keine echte Randomisierung/Standardisierung) und damit häufig quasiexperimentell bzw. beobachtend.

Experimentelle vs. nicht-experimentelle Forschung

• Experimentelle Forschung: Einflussfaktoren werden aktiv manipuliert / variiert, um Wirkung auf die abhängige Variable zu prüfen. Ziel: möglichst hohe Kontrolle, Störfaktoren reduzieren
• Nicht-experimentelle Forschung (Zusammenhangsstudie): Variablen werden nur gemessen, ohne Manipulation; man untersucht Korrelationen. Störvariablen sind schwerer auszuschließen → geringere interne Validität

Längsschnitt- und Querschnittsstudie

Längsschnittstudie:

• Mehrere Messzeitpunkte bei derselben Gruppe (ggf. mit Kontrollgruppe)
• Vorteil: Veränderungen über die Zeit sichtbar; für Kausalität wichtig ist v. a. die zeitliche Reihenfolge (Ursache vor Wirkung)
• Nachteil: aufwendig / teuer, dauert lange

Veränderungsmessung:

• Indirekt: Differenz zweier Messungen (vor–nach)
• Direkt: Person bewertet subjektive Veränderung auf einer Skala

Querschnittsstudie:

• Erhebung einmalig zu einem Zeitpunkt
• Vorteil: ökonomisch
• Nachteil: keine echten Aussagen zu Veränderung oder Kausalität
• Häufig genutzt zur Bestimmung der Prävalenz (Häufigkeit zu einem festen Zeitpunkt)

Evaluationsstudie:

Evaluationsstudien prüfen Programme/Prozesse (z. B. im Qualitätsmanagement):

• Prozessevaluation: Läuft die Maßnahme wie geplant ab?
• Ergebnisevaluation: Wurden die erwarteten Ziele erreicht?
• Impact-Evaluation: Erfasst auch zusätzliche / unerwartete Effekte (Nebenfolgen)

Quasiexperimente:

Quasiexperimente liegen vor, wenn keine Randomisierung möglich ist (Zuteilung nach Kriterien wie Alter etc.).

Typen:

• Ohne Kontrollgruppe: Ein-Gruppen-Prä-Post-Studie (AV vor und nach Intervention)
• Mit Kontrollgruppe: Zwei-Gruppen-Prä-Post-Studie (Intervention vs. keine Intervention)
• Weitere Designs: Zeitreihenpläne (z. B. ABAB) und Regressionsdiskontinuitätsanalyse

Kohortenstudie

 Definition

Eine Kohorte ist eine Gruppe mit gemeinsamem Merkmal (oft Geburtsjahr).

Prospektive Kohortenstudie: Kohorte wird über die Zeit beobachtet (Follow-up), um Entwicklungen / Outcomes zu erfassen.

 Info

Interventionsstudie: prospektiv und experimentell; Fokus auf Wirksamkeit einer Therapie oder veränderten Exposition, meist mit zufälliger Zuteilung zu Kontroll- vs. Interventionsgruppe.

Fallkontrollstudie

Meist retrospektiv: Man startet mit …

• Fällen (krank) und
• Kontrollen (gesund)

… und prüft rückblickend, wie stark beide Gruppen einem Risikofaktor ausgesetzt waren (Exposition).

 Merke

Gruppeneinteilung erfolgt nach Erkrankung, nicht nach Exposition.

Fallkontrollstudie

Evaluationsstudie

 Definition

Eine Evaluationsstudie überprüft Programme oder Abläufe (z. B. im Qualitätsmanagement). 

Man unterscheidet:

• Prozessevaluation: Prüft, ob die Maßnahme / der Ablauf wie geplant umgesetzt wurde
• Ergebnisevaluation: Prüft, ob die vorgegebenen Ziele erreicht wurden
• Impact-Evaluation: Erfasst zusätzliche bzw. unerwartete Effekte über die Zielerreichung hinaus

Quasiexperimente

 Definition

Ein Quasiexperiment liegt vor, wenn Teilnehmende nicht zufällig (nicht randomisiert) den Gruppen zugeteilt werden, sondern nach Kriterien (z. B. Alter) zugeordnet werden.

Typische Designs:

• Ohne Kontrollgruppe: Ein-Gruppen-Prä-Post-Studie (AV vor und nach Intervention)
• Mit Kontrollgruppe: Zwei-Gruppen-Prä-Post-Studie (Intervention vs. keine Intervention)
• Zeitreihenpläne: wiederholte Messungen, z. B. ABAB (A = Kontrolle, B = Intervention)
• Regressionsdiskontinuitätsanalyse: nutzt einen Cut-off (Schwellenwert), um Effekte der Intervention möglichst kausal abzuschätzen

 Definition

Epidemiologische Maßzahlen beschreiben Auftreten von Krankheiten und Risiken – immer bezogen auf eine Population (nicht auf den Einzelfall).

Absolutes Risiko:

Entspricht der Inzidenz: Wahrscheinlichkeit, in einem definierten Zeitraum neu zu erkranken.

Morbidität:

„Krankheitshäufigkeit“ in einer Population; Überbegriff für Inzidenz und Prävalenz.

Inzidenz vs. Prävalenz:

• Inzidenz (Inzidenzrate): Neuerkrankungen in einer Population innerhalb eines Zeitraums (z. B. pro Jahr). Bei längerer Beobachtung spricht man auch von kumulativer Inzidenz
• Prävalenz: alle Erkrankten (bestehende + neue Fälle) im Verhältnis zur Population
• Punktprävalenz: zu einem Stichtag (typisch via Querschnitt)
• Periodenprävalenz: innerhalb einer Zeitspanne

 Merke

Prävalenz ist meist größer als Inzidenz.

Relatives Risiko (RR):

Das relative Risiko zeigt, um welchen Faktor sich zwei Risiken unterscheiden:

• RR = 1: kein Unterschied
• RR > 1: Exposition erhöht Risiko
• RR < 1: Exposition schützt

Relative Risikoreduktion (RRR):

Maß dafür, wie stark eine Intervention das Risiko im Vergleich zur Kontrollgruppe senkt:

Odds Ratio (OR):

 Definition

Die Odds Ratio beschreibt, wie stark eine Exposition (z. B. Rauchen) mit einer Erkrankung zusammenhängt. Sie vergleicht dabei nicht direkt Risiken, sondern die Odds (= Verhältnis „Krank : nicht Krank“) in zwei Gruppen.

Idee: Wie viel häufiger ist „krank“ im Verhältnis zu „gesund“ bei Exponierten im Vergleich zu Nichtexponierten?

Es gilt:

• OR = 1 → kein Zusammenhang
• OR > 1 → Exposition geht mit höherer Erkrankungswahrscheinlichkeit einher
• OR < 1 → Exposition wirkt eher „schützend“

Attributables Risiko (AR):

 Definition

Das attributable Risiko (auch Risikodifferenz) zeigt, wie viele Erkrankungsfälle zusätzlich in der exponierten Gruppe auftreten, also der absolute Mehranteil, der mit der Exposition verbunden ist.

• Formel: AR = Inzidenz (exponiert) − Inzidenz (nicht exponiert)
• Bedeutung:
  • AR = 0 → kein zusätzlicher Effekt durch Exposition
  • Großes AR → Exposition macht in absoluten Zahlen „viel aus“

Mortalität (Sterblichkeit):

 Definition

Die Mortalität beschreibt, wie viele Menschen in einer Bevölkerung sterben – bezogen auf einen Zeitraum, meist pro Jahr.

• Bezug: Gesamtbevölkerung
• Unabhängig davon, ob die Personen krank waren oder nicht

Letalität (Fallsterblichkeit):

 Definition

Die Letalität beschreibt, wie tödlich eine bestimmte Krankheit ist: Von den Erkrankten, wie viele sterben daran?

• Bezug: nur Erkrankte
• Formel: Todesfälle durch Krankheit / Anzahl der Erkrankten (im gleichen Zeitraum)

 Merke

• Inzidenz = Zahl der Neuerkrankungen
• Mortalität = Zahl der Todesfälle in der Bevölkerung
• Letalität = „Tödlichkeit“ einer Krankheit (Todesfälle unter den Erkrankten)
• Morbidität = Auftretenshäufigkeit von Krankheit (Überbegriff: Inzidenz + Prävalenz)

 Definition

Stichproben und Datenauswertung in der Psychologie umfassen die Auswahl von Untersuchungseinheiten aus einer Grundgesamtheit sowie die Erhebung, Analyse und Interpretation von Daten, um mithilfe statistischer Verfahren verallgemeinerbare Aussagen über Populationen zu treffen. Dazu gehören verschiedene Stichprobenverfahren, Methoden der Datenerhebung (qualitativ und quantitativ), statistische Kennwerte sowie Verfahren zur Prüfung von Hypothesen und Effekten.

Stichproben

Damit man Ergebnisse einer Studie auf eine größere Bevölkerung übertragen kann, sollte die untersuchte Gruppe ein möglichst gutes Abbild der Grundgesamtheit sein. Mit Inferenzstatistik schließt man dann von den Kennwerten der Stichprobe auf Merkmale der Population. Bei einer Vollerhebung werden hingegen alle Personen der Untersuchungsgruppe erfasst Stichprobe und Grundgesamtheit sind dann praktisch identisch.

Zufallsstichprobe:

Bei einer Zufallsstichprobe hat jede Person die gleiche Auswahlwahrscheinlichkeit. Die Auswahl erfolgt also „zufällig“ (z. B. per Zufallszahl), nicht nach Sympathie oder Verfügbarkeit.

Willkürliche Stichprobe (Ad-hoc / Convenience Sampling):

Hier werden Personen eingeschlossen, die gerade verfügbar sind (z. B. Passant:innen, Studierende, Patient:innen einer bestimmten Praxis). Es gibt keinen Zufallsmechanismus.

 Info

• Vorteil: schnell, einfach, billig
• Nachteil: oft verzerrt → meist nicht repräsentativ

Klumpenstichprobe:

Die Grundgesamtheit wird in Gruppen (Klumpen) eingeteilt (z. B. Schulen, Stationen, Stadtteile). Dann werden Klumpen zufällig ausgewählt und 
innerhalb eines Klumpens werden häufig alle oder viele Personen erhoben.

• Beispiel: Man wählt zufällig 5 Schulen aus und befragt dort alle Schüler:innen einer Jahrgangsstufe

Konsekutive Stichprobe:

Alle Personen, die innerhalb eines bestimmten Zeitraums auftreten und die Einschlusskriterien erfüllen, werden nacheinander aufgenommen, bis die 
gewünschte Fallzahl erreicht ist.

• Typisch in Klinik / Versorgung: „Alle passenden Patient:innen von Januar bis März“

Quotastichprobe:

Bewusste Auswahl so, dass die Stichprobe eine vorgegebene Verteilung (Quoten) der Grundgesamtheit abbildet (z. B. Alter / Geschlecht). 

• Im Gegensatz zur Zufallsstichprobe hat der/die Forschende Spielraum, solange Quoten eingehalten werden.

Mehrstufige Stichprobe:

Zufallsauswahl in mehreren Stufen (z. B. zuerst zufällig Klumpen, dann innerhalb der Klumpen zufällig Personen).

Stichprobengröße und Power:

• n = Anzahl der Teilnehmenden (allein daraus folgt nichts über „gute“ Verteilung)
• Power (Teststärke) = Wahrscheinlichkeit, einen echten Effekt zu entdecken: Power = 1 - ß

Power steigt mit:

• Größerem n
• Größerer Effektstärke
• Weniger Streuung
• Weniger strengem α (größeres Signifikanzniveau)

Sozialwissenschaftliche Methoden der Datenerhebung

 Definition

Daten können in den Sozialwissenschaften auf verschiedene Weise erhoben werden, z.B. durch Beobachtung, (Experten-) Interviews, Gruppendiskussionen, psychologische Tests oder Experimente. Außerdem werden Inhalts- bzw. Diskursanalysen genutzt, also die systematische Analyse von Texten und Medien zu einem bestimmten Thema.

Je nach Fragestellung unterscheidet man:

• Qualitative Sozialforschung: im Fokus stehen Erfahrungen und Erleben von Individuen
• Quantitative Forschung: im Vordergrund stehen standardisierte Messungen in größeren Studien (z. B. Umfragen / Experimente)

Je nach Ebene der Erhebung spricht man von:

• Individualdaten: direkt an Personen erhoben (z. B. Blutdruck, Fragebogenantworten)
• Aggregatdaten: zusammengefasste Individualdaten (z. B. Durchschnittseinkommen eines Bezirks)
• Globaldaten: nicht personenbezogene Daten auf Bevölkerungsebene (z. B. Bevölkerungsdichte)

Außerdem unterscheidet man:

• Primärdaten: selbst neu erhoben
• Sekundärdaten: bereits vorhandene Daten, die für einen anderen Zweck erhoben wurden und erneut genutzt werden

Medianwert

 Definition

Der Median beschreibt die zentrale Tendenz von ordinalskalierten Daten oder von kontinuierlichen Variablen, die nicht normalverteilt sind. Per Definition liegen 50 % der Werte unter dem Median und 50 % darüber.

Inferenzstatistik

 Definition

In der Inferenzstatistik nutzt man Daten aus einer Stichprobe, um Rückschlüsse auf die Grundgesamtheit zu ziehen.

Interviewformen:

• Strukturiertes Interview: feste Fragen/Skalen → meist gut vergleichbar (quantitative Daten)
• Offenes Interview: frei erzählte Antworten → mehr Tiefe (qualitative Daten)
• Teilstrukturiertes Interview: Leitfaden mit offenen Fragen → Mischung aus Struktur und Offenheit

Interventionseffekt (Effektstärke):

Die Effektstärke beschreibt, wie stark eine Intervention (z. B. Therapie) eine Zielgröße (z. B. Beschwerdeintensität) verändert. Häufig wird Cohen’s d verwendet:

 Info

Beispiel: Eine Effektstärke von 2 bedeutet, dass sich die Mittelwerte der beiden Gruppen um zwei Standardabweichungen unterscheiden. Wenn das Konfidenzintervall der Effektstärke den Wert 0 einschließt, gilt das Ergebnis als nicht statistisch signifikant.

Induktion und Deduktion:

• Induktion: von einer Einzelbeobachtung zur allgemeinen Schlussfolgerung
• Deduktion: von einer allgemeinen Regel zur speziellen Schlussfolgerung

Intention-to-treat-Analyse:

Bei der Intention-to-treat-Analyse werden in kontrollierten, randomisierten Studien die Daten aller Teilnehmenden ausgewertet, auch wenn sie die Behandlung nicht vollständig erhalten oder im Verlauf abbrechen. Dadurch bleibt die ursprüngliche Gruppenzuteilung erhalten und Verzerrungen werden reduziert.

Testung von Unterschiedshypothesen

T-Test:

• Prüft, ob sich Mittelwerte unterscheiden. Häufig: Zwei-Stichproben-t-Test für zwei unabhängige Gruppen
• Voraussetzung meist: annähernde Normalverteilung; Ergebnis u. a. p-Wert

Varianzanalyse (ANOVA):

Prüft Mittelwertunterschiede bei mehr als zwei Gruppen bzw. bei Designs mit mehreren Einflussfaktoren. Signifikant, wenn die Varianz zwischen Gruppen deutlich größer ist als innerhalb der Gruppen (p < 0,05). Bei mehreren Einflussfaktoren: mehrfaktoriell, bei mehreren Zielgrößen: multivariat.

Qualitative Auswertungsverfahren

Inhaltsanalyse:

Aussagen / Material werden nach festen Kategorien systematisch ausgewertet (ggf. nach Transkription).

Soziometrie:

Gruppenmitglieder bewerten Beziehungen (z. B. Sympathie/Vertrauen); Darstellung oft als Soziogramm.

Dokumentenanalyse:

Auswertung vorhandener Unterlagen (z. B. Akten, Gutachten, Tagebücher); je nach Fragestellung qualitativ oder über Häufigkeiten quantifizierbar.