Statistik und Forschungsmethoden für Psychologen und Sozialwissenschaftler für Dummies E-Book

Martin Dempster

• Herausgeber: Wiley-VCH Verlag GmbH & Co. KGaA
• Kategorie: Wissenschaft und neue Technologien
• Serie: ...für Dummies
• Sprache: Deutsch

Seitenzahl: 1036

Veröffentlichungsjahr: 2019

Beschreibung

Dieses Buch enthält alles, was Sie über Statistik wissen sollten. Regression, Korrelation und Varianzanalyse werden Ihnen bald sehr vertraut sein. Und die mathematischen Grundlagen dafür werden Ihnen gleich mitgeliefert. Sie brauchen also kein Vorwissen. Außerdem erhalten Sie eine kurze Einführung in SPSS und lernen die für Sie wichtigen Funktionen dieses umfangreichen Programms kennen. Und dann ist das Buch auch noch eine Einführung in Forschungsmethoden. Es begleitet Sie von der Wahl des Forschungsdesigns bis zur Präsentation der Ergebnisse. Mit dieser Rundum-Versorgung ist die nächste Prüfung fast ein Klacks.

Leseprobe

Schummelseite

Bei der Planung, Durchführung und Veröffentlichung einer Forschungsstudie gilt es, vieles zu bedenken. Diese Schummelseite soll Sie in kompakter Form an die wichtigsten Punkte erinnern, die Sie beachten müssen.

FORSCHUNGSETHIK IN DEN SOZIALWISSENSCHAFTEN

Für die Forschung im Bereich der Sozialwissenschaften gelten fünf ethische Prinzipien:

Wohltätigkeit und NichtschädigungVertrauen und VerantwortungIntegritätGerechtigkeitRespekt

Diese Grundsätze spiegeln sich in den fünf wesentlichen Elementen des Forschungsprozesses wider:

gültige Einwilligungserklärungen für die Teilnahme an der ForschungKenntnis des Rechts, die Studienteilnahme abzubrechenGewährleistung der Vertraulichkeit von Datenkeine Irreführung der Teilnehmer ohne gravierende Gründeausführliche Nachbesprechung am Studienende

VERSCHIEDENE ARTEN DER VALIDITÄT IN DER QUANTITATIVEN FORSCHUNG

In Tests der quantitativen sozialwissenschaftlichen Forschung gibt es verschiedene Formen der Validität:

Augenscheinvalidität: Ein Test misst, was er zu messen vorgibt.Konvergente Validität: Ein Test liefert ähnliche Ergebnisse wie andere Tests, die dasselbe Konstrukt messen.Divergente Validität: Ein Test korreliert nicht mit Maßen, die in keinem theoretischen Zusammenhang mit dem Konstrukt stehen.Inhaltsvalidität: Ein Test misst jeden Aspekt des psychologischen Konstrukts, das zu messen er vorgibt.Konkurrente Validität: Ein Test korreliert wie vorhergesagt mit einem Kriterium oder Ergebnis, wobei beide Messungen gleichzeitig durchgeführt werden.Prädiktive Validität: Ein Test korreliert wie vorhergesagt mit einem Kriterium oder Ergebnis, wobei der Test jetzt durchgeführt und das Ergebnis erst später gemessen wird.

Auch Studiendesigns können verschiedene Arten der Validität aufweisen:

Interne Validität: das Ausmaß, in dem das Studiendesign Schlussfolgerungen zu Ursache-Wirkungs-Beziehungen erlaubt.Externe Validität: das Ausmaß, in dem sich ein Studienergebnis auf eine größere Gruppe oder andere Bedingungen übertragen, also verallgemeinern lässt.

QUALITÄT IN DER QUALITATIVEN FORSCHUNG GEWÄHRLEISTEN

Im Bereich der qualitativen Forschung sollten Sie besonders die folgenden Punkte bedenken:

Entscheiden Sie sich für eine geeignete Methode der Stichprobenauswahl.Beenden Sie die Aufnahme weiterer Teilnehmer, sobald Sie ausreichende Daten für eine aussagekräftige Auswertung erhoben haben.Bedenken Sie alle Faktoren, die sich auf die erhobenen Daten auswirken können.Planen Sie Zeit für das Transkribieren der Daten ein.Analysieren Sie Ihre Daten mit einem transparenten Prozess.Reflektieren Sie den Analyseprozess und dessen Beeinflussung durch Sie und andere äußere Umstände.Unterziehen Sie Ihre Analyse einer Glaubwürdigkeitsprüfung.Machen Sie sich mit den Daten vertraut. Eine gute qualitative Analyse beginnt immer mit dem Eintauchen in die Daten.Beziehen Sie Ihre Themen und Kategorien immer auf die Daten.Begründen Sie stets Ihre Interpretation.

INHALTE FÜR EINEN FORSCHUNGSBERICHT ZUSAMMENSTELLEN

Wenn Sie einen Forschungsbericht erstellen, muss dieser folgende wesentliche Elemente umfassen:

Titel: maximal 15 WörterAbstract: kurze Zusammenfassung des Forschungsberichts (100 bis 230 Wörter)Einleitung: bestehend aus einem Überblick über das Thema, einer Literaturübersicht, einer Zielsetzung und einer HypotheseMethoden: beinhaltet Angaben zu Studiendesign, Teilnehmern und verwendeten Materialien, zur genauen Vorgehensweise und (meistens) zu den durchgeführten AnalysenErgebnisse: beantwortet die Forschungsfrage oder nennt das Prüfergebnis zu den Hypothesen samt den AnalyseergebnissenDiskussion: fasst die Ergebnisse zusammen und erörtert die Konsequenzen für frühere und zukünftige Forschungsarbeiten; benennt außerdem Einschränkungen der aktuellen ArbeitLiteraturverzeichnis: ist einheitlich formatiert (meist nach APA-Vorgaben) und enthält alle Arbeiten, auf die im Text Bezug genommen wird

GRUNDLEGENDE KONZEPTE DER STATISTIK

Wenn Sie Ihre Forschungsdaten veröffentlichen wollen und andere diese verstehen sollen, kommen Sie an Statistik nicht vorbei. Es folgen einige grundlegende Konzepte aus der Statistik.

DIE ROLLE VON VARIABLEN

Für Forschungsstudien, bei denen quantitative Daten gesammelt werden, müssen Sie diese Daten normalerweise in einem Tabellenkalkulationsblatt mit mehreren Variablen aufzeichnen. Ganz allgemein klassifizieren Sie Variablen in der Statistik als unabhängig, abhängig oder kovariant:

Eine unabhängige Variable ist eine Variable, die Sie manipulieren können, um zu untersuchen, wie sich ihre Veränderung auf die anderen Variablen auswirkt.Eine abhängige Variable ist eine Variable, für die Sie eine Änderung erwarten, wenn Sie die unabhängige Variable manipulieren. Mit anderen Worten: Die abhängige Variable ist die Variable, auf die sich die unabhängige Variable auswirkt.Als kovariante Variablen werden Variablen bezeichnet, bei denen es sich weder um eine unabhängige noch um eine abhängige Variable handelt. Bei bestimmten Studien können Sie eine kovariante Variable verwenden, um andere Faktoren zu berücksichtigen, die sich möglicherweise auf die Beziehung zwischen der unabhängigen und der abhängigen Variablen auswirken.

MESSEIGENSCHAFTEN UND -NIVEAUS

Wenn Sie Variablen auf einem Datenblatt aufzeichnen, halten Sie diese in der Regel als Zahlen fest. Die Zahlen können jedoch unterschiedliche Messeigenschaften haben:

Größegleiche Intervalleechter absoluter Nullpunkt

Das Messniveau einer Variablen ist ein Klassifizierungssystem, das Ihnen mitteilt, welche Messeigenschaften die Werte einer Variablen haben:

Nominal: Die Variable besitzt keine der drei Messeigenschaften. Sie messen eine Variable auf Nominalniveau, wenn Sie nur die Zahlen in der Variablen als Beschriftung verwenden.Ordinal: Die Werte in der Variablen haben nur die Messeigenschaft »Größe«. Sie messen eine Variable auf ordinalem Niveau, wenn die Werte in der Variablen sortierte Rangfolgen darstellen.Intervall: Die Variable hat die Messeigenschaften »Größe« und »gleiche Intervalle«.Skala: Die Variable hat alle drei Messeigenschaften.

DAS RICHTIGE LAGEMAß

Wenn Sie eine Variable in einem Forschungsbericht beschreiben, müssen Sie wissen, welches der drei Lagemaße Sie verwenden sollten – Modalwert, Median oder Mittelwert. Das am besten geeignete Lagemaß einer Variablen hängt von zwei Faktoren maßgeblich ab: dem Messniveau und der Verteilung der Werte (gibt es Extremwerte? Ist die Verteilung der Werte schief?). Wenn Sie das Messniveau Ihrer Variablen bestimmt haben und wissen, ob eine Schiefe und/oder Extremwerte in Ihrer Datenmenge vorliegen, können Sie das am besten geeignete Lagemaß wie folgt bestimmen:

Daten werden auf nominaler Ebene gemessen: Von den drei Lagemaßen ist nur der Modalwert geeignet.Daten werden auf ordinaler Ebene gemessen: Der Modalwert und der Median sind geeignet. Der Median ist im Allgemeinen zu bevorzugen, weil er informativer als der Modalwert ist.Daten werden auf Intervall-/Skalenebene gemessen: Alle drei Lagemaße sind geeignet. Der Mittelwert ist im Allgemeinen zu bevorzugen. Wenn in Ihrer Datenmenge jedoch Extremwerte und/oder eine Schiefe vorliegen, ist der Medianwert besser geeignet.

DAS RICHTIGE STREUUNGSMAß

Streuungsmaße zeigen die Variabilität der gemessenen Variablen. Die drei wichtigsten Streuungsmaße sind wie folgt definiert:

Der Bereich ist die Differenz zwischen dem höchsten und dem niedrigsten Wert innerhalb einer Variablen. (Dabei handelt es sich um die von den Teilnehmern angegebenen Werte und nicht unbedingt um die möglichen höchsten beziehungsweise niedrigsten Werte.)Der Interquartilabstand ist die Differenz zwischen der oberen und der unteren Quartile in einer Menge sortierter Werte. Quartile bilden Sie, indem Sie eine Menge sortierter Werte in vier gleichgroße Gruppen unterteilen.Die Standardabweichung für eine bestimmte Variable ist die durchschnittliche Abweichung ihrer Werte vom Mittelwert. (Der Mittelwert ist der Durchschnitt aller Werte für eine Variable.)

In Abhängigkeit vom Messniveau Ihrer Variablen bestimmen Sie das am besten geeignete Streuungsmaß wie folgt:

Daten werden auf nominaler Ebene gemessen: Keines der drei Streuungsmaße ist geeignet.Daten werden auf ordinaler Ebene gemessen: Der Bereich und der Interquartilabstand sind geeignet. Der Interquartilabstand ist im Allgemeinen zu bevorzugen, weil er aussagekräftiger ist.Daten werden auf Intervall-/Skalenebene gemessen: Alle drei Streuungsmaße sind geeignet. Die Standardabweichung ist im Allgemeinen zu bevorzugen. Wenn in Ihrer Datenmenge jedoch Extremwerte oder eine Schiefe vorliegen, ist der Interquartilabstand besser geeignet.

Statistik und Forschungsmethoden für Psychologen und Sozialwissenschaftler für Dummies

Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie;detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

1. Auflage 2019© 2019 WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim

Original English language edition Research Methods in Psychology For Dummies © 2015 by John Wiley & Sons, Ltd., Original English language edition Psychology Statistics for Dummies © 2012 John Wiley & Sons, Ltd.

All rights reserved including the right of reproduction in whole or in part in any form. This translation published by arrangement with John Wiley and Sons, Inc.

Copyright der englischsprachigen Originalausgabe Research Methods in Psychology For Dummies © 2015 by John Wiley & Sons, Ltd., Copyright der englischsprachigen Originalausgabe Psychology Statistics for Dummies © 2012 John Wiley & Sons, Ltd.

Alle Rechte vorbehalten inklusive des Rechtes auf Reproduktion im Ganzen oder in Teilen und in jeglicher Form. Diese Übersetzung wird mit Genehmigung von John Wiley and Sons, Inc. publiziert.

Wiley, the Wiley logo, Für Dummies, the Dummies Man logo, and related trademarks and trade dress are trademarks or registered trademarks of John Wiley & Sons, Inc. and/or its affiliates, in the United States and other countries. Used by permission.

Wiley, die Bezeichnung »Für Dummies«, das Dummies-Mann-Logo und darauf bezogene Gestaltungen sind Marken oder eingetragene Marken von John Wiley & Sons, Inc., USA, Deutschland und in anderen Ländern.

Viele Abbildungen sind Screenshots von SPSS (IBM SPSS Statistics Software). Wir danken IBM für die Genehmigung, diese abzudrucken. Reprint Courtesy of International Business Machines Corporation © International Business Machines Corporation. IBM, the IBM logo, ibm.com, and SPSS are trademarks or registered trademarks of International Business Machines Corporation, registered in many jurisdictions worldwide. Other product and service names might be trademarks of IBM or other companies. A current list of IBM trademarks is available on the Web at IBM Copyright and trademark information at www.ibm.com/legal/copytrade.

Das vorliegende Werk wurde sorgfältig erarbeitet. Dennoch übernehmen Autoren und Verlag für die Richtigkeit von Angaben, Hinweisen und Ratschlägen sowie eventuelle Druckfehler keine Haftung.

Coverfoto: © 123dartist – stock.adobe.comLektorat: Tobias SchwaiboldKorrektur: Ilona Hauser, Claudia Lötschert

Print ISBN: 978-3-527-71553-4ePub ISBN: 978-3-527-81908-9

Inhaltsverzeichnis

Cover

Titelseite

Impressum

Einleitung

Über dieses Buch

Was Sie nicht lesen müssen

Törichte Annahmen über den Leser

Wie dieses Buch aufgebaut ist

Symbole, die in diesem Buch verwendet werden

Wie es weitergeht

Teil I: Forschungsmethoden kennenlernen

Kapitel 1: Forschung und wozu sie dient

Was Forschung ist

Sinn der empirischen Forschung

Forschen in der Psychologie und den empirischen Sozialwissenschaften

Verschiedene Forschungsmethoden kennenlernen

Kapitel 2: Reliabilität und Validität

Die Validität von Studien beurteilen

Die Reliabilität von Studien

Reliabilität und Validität von Tests

Kapitel 3: Forschungsethik

Ethik verstehen

Keinen Schaden zufügen

Forschungsethik

bei Studien mit menschlichen Teilnehmern

Wahrung der wissenschaftlichen Integrität

Der Antrag bei der Ethikkommission

Teil II: Externe Validität verbessern

Kapitel 4: Erhebungsdesigns und -methoden

Erhebungsdesigns verstehen

Erhebungsmethoden

Möglichst natürliche Gestaltung von Studien

Kapitel 5: Methoden für die Stichprobenauswahl

Stichproben und Grundgesamtheiten

Verschiedene Möglichkeiten der Stichprobenauswahl

Auch gute Stichproben können »schlecht werden«

Kapitel 6: Fragebogen und psychometrische Tests

Messen psychologischer Variablen

Auswahl eines bereits vorhandenen Fragebogens

Entwickeln eines Fragebogens

Einzelbefragungen im Vergleich zu Gruppenbefragungen

Teil III: Interne Validität verbessern

Kapitel 7: Einfache Versuchsdesigns (Experimentaldesigns)

Versuchsdesigns verstehen

Einfache Versuchsdesigns

Gedanken zum Messwiederholungsdesign (oder: Warum man einen Prätest braucht)

Unabhängige-Gruppen-Designs

Das Beste aus beiden Welten: Prätest und Vergleichsgruppen kombinieren

Randomisierte kontrollierte Studien

Vorsicht bei quasi-experimentellen Versuchsdesigns

Kapitel 8: Komplexere Versuchsdesigns

Studien mit mehr als zwei Bedingungen durchführen

Realistische Hypothesen mit faktoriellen Versuchsdesigns prüfen

Kovariate verstehen

Gefahren, die beim Prätest lauern

Kapitel 9: Kleine experimentelle Studien

Versuche mit kleinen Stichproben durchführen

Designs mit unterbrochener Zeitreihe

Designs mit mehreren Ausgangswerten

Analyse von experimentellen Studien mit kleinen Stichproben

Kleine Studien, die keine Experimente sind

Teil IV: Qualitative Forschung

Kapitel 10: Qualität in der qualitativen Forschung

Qualitative Forschung verstehen

Stichprobenauswahl in der qualitativen Forschung

Qualitative Daten erheben

Qualitative Daten transkribieren

Kapitel 11: Qualitative Daten analysieren

Grundsätze der Analyse qualitativer Daten

Ein Beispiel: Die thematische Analyse

Kapitel 12: Theoretische Ansätze und Methodik in der qualitativen Forschung

Erfahrungsorientierte und diskursive Ansätze im Vergleich

Interpretierende phänomenologische Analyse

Die Grounded Theory verstehen

Teil V: Forschungsarbeiten dokumentieren und veröffentlichen

Kapitel 13: Einen Forschungsbericht schreiben

Titelfindung

Konzentration auf den Abstract

Aufbau der Einleitung

Beschreibung der Methoden

Darstellung der Ergebnisse

Durchdringen der Diskussion

Das Literaturverzeichnis

Ergänzende Informationen in Anhängen

Kapitel 14: Forschungsergebnisse präsentieren

Ein Poster ist kein Forschungsbericht

Posterpräsentationen

Packende Vorträge halten

Kapitel 15: APA-Richtlinien für Forschungsberichte

Den APA-Stil anwenden

Warum, was und wann zitieren?

Literatur in einem Forschungsbericht zitieren

Gestaltung des Literaturverzeichnisses

Zahlen richtig verwenden und formatieren

Teil VI: Das Exposé

Kapitel 16: Literaturrecherche

Wozu eine Literaturübersicht dient

Literatur für eine Übersicht finden

Gefundene Arbeiten beschaffen

Literaturdaten elektronisch speichern

Kapitel 17: Berechnung des Stichprobenumfangs

Effekte messen

Effektstärken schätzen

Studien mit geeigneter statistischer Teststärke durchführen

Den Stichprobenumfang schätzen

Kapitel 18: Ein Exposé erarbeiten

Ideen für ein Forschungsprojekt entwickeln

Die Machbarkeit einer Forschungsidee prüfen

Ein Exposé schreiben

Teil VII: Daten beschreiben

Kapitel 19: Statistik? Ich dachte, es geht um Psychologie!

Machen Sie sich ein Bild von Ihren Variablen

Was ist SPSS?

Deskriptive Statistik

Inferentielle oder analytische Statistik

Forschungsdesigns

Die ersten Schritte

Kapitel 20: Mit welchem Typ Daten haben wir es zu tun?

Diskrete und stetige Variablen

Verschiedene Messniveaus

Rollenbestimmung für Variablen

Kapitel 21: Alle Daten rein in SPSS

Die Variablenansicht

Das Datenansicht-Fenster

Ausgabefenster

Kapitel 22: Lagemaße

Grundlagen für das Lagemaß

Der Modalwert

Der Median

Der Mittelwert

Die Qual der Wahl: Modalwert, Median oder Mittelwert?

Kapitel 23: Streuungsmaße

Zur Definition der Streuung

Der Bereich

Interquartilabstand

Standardabweichung

Die freie Wahl zwischen Bereich, Interquartilabstand und Standardabweichung

Kapitel 24: Grafiken und Diagramme

Histogramme

Balkendiagramme

Kreisdiagramme

Boxplots

Teil VIII: Statistische Signifikanz

Kapitel 25: Wahrscheinlichkeit und Inferenz

Statistische Inferenz genauer betrachtet

Wahrscheinlichkeit verstehen

Kapitel 26: Hypothesen testen

Null- und Alternativhypothesen verstehen

Fehler bei der statistischen Inferenz

Ein- und zweiseitige Hypothesen

Konfidenzintervalle

Kapitel 27: Was ist bei der Normalverteilung eigentlich normal?

Die Normalverteilung verstehen

Bestimmung der Schiefe

Normalverteilung und inferentielle Statistik

Kapitel 28: Standardisierte Werte

Die Grundlagen der standardisierten Werte

Z

-Werte in der statistischen Analyse

Kapitel 29: Effektgröße und Teststärke

Zwischen Effektgröße und statistischer Signifikanz unterscheiden

Die Effektgröße für Korrelationen untersuchen

Die Effektgröße beim Vergleich der Unterschiede zwischen zwei Wertemengen

Die Effektgröße für Unterschiede zwischen mehr als zwei Wertemengen

Statistische Teststärke verstehen

Teil IX: Beziehungen zwischen Variablen

Kapitel 30: Korrelationen

Mit Streudiagrammen Beziehungen bewerten

Den Korrelationskoeffizienten verstehen

Gemeinsame Varianz untersuchen

Die Pearson-Korrelation

Die Spearman-Korrelation

Die Kendall-Korrelation

Partielle Korrelationen

Kapitel 31: Lineare Regression

Grundlagen der Regression

Einfache Regression

Regression mit mehreren Variablen

Die Voraussetzungen für die Regression überprüfen

Kapitel 32: Zusammenhänge zwischen diskreten Variablen

Eine Kontingenztabelle zur Zusammenfassung der Ergebnisse

Berechnung von Chi-Quadrat

Die Stärke des Zusammenhangs zwischen zwei Variablen messen

Der McNemar-Test

Teil X: Forschungsdesigns zur Analyse unabhängiger Gruppen

Kapitel 33: Unabhängige t-Tests und Mann-Whitney-Tests

Designs für unabhängige Gruppen

Der unabhängige

t

-Test

Mann-Whitney-Test

Kapitel 34: ANOVA zwischen Gruppen

Einfache ANOVA zwischen Gruppen

Zweifache ANOVA zwischen Gruppen

Kruskal-Wallis-Test

Kapitel 35: Post-hoc-Tests und geplante Vergleiche für Designs mit unabhängigen Gruppen

Post-hoc-Tests für Designs mit unabhängigen Gruppen

Teil XI: Analysen für Forschungsdesigns mit wiederholten Messungen

Kapitel 36: Abhängige t-Tests und Wilcoxon-Tests

Design mit wiederholten Messungen

Abhängiger

t

-Test

Der Wilcoxon-Test

Kapitel 37: ANOVA innerhalb von Gruppen

Einfache ANOVA innerhalb von Gruppen

Zweifache ANOVA innerhalb von Gruppen

Der Friedman-Test

Kapitel 38: Post-hoc-Tests und geplante Vergleiche für Designs mit wiederholten Messungen

Post-hoc-Tests für Designs mit wiederholten Messungen

Geplante Vergleiche für Designs innerhalb von Gruppen

Unterschiede zwischen Bedingungen untersuchen: Die Bonferroni-Korrektur

Kapitel 39: Gemischte ANOVA

Die gemischte ANOVA kennenlernen

Haupteffekte und Interaktionen

Durchführung der gemischten ANOVA in SPSS

Teil XII: Der Top-Ten-Teil

Kapitel 40: Zehn Stolperfallen, die Sie bei der Stichprobenauswahl vermeiden sollten

Zufallsstichproben und zufällige Zuteilung sind nicht dasselbe

Zufällig bedeutet systematisch

In der quantitativen Forschung ist die Stichprobenauswahl immer wichtig

Die Zufallsstichprobe ist nicht alles

In der quantitativen Forschung ist die zufällige Stichprobenauswahl (fast) immer am besten

Forschung ist nicht immer schlecht, nur weil keine Zufallsstichprobe vorliegt

Zufallsstichproben müssen groß sein

Je größer die Stichprobe, desto besser – in Maßen

Keine Ausreden bei kleinen Stichproben

Vermeiden Sie es, Offenkundiges zu erklären

Kapitel 41: Zehn Tipps für Forschungsberichte

Für Einheitlichkeit sorgen

Die eigene Frage beantworten

Eine Geschichte erzählen

Wissen, mit wem man es zu tun hat

Den Text fließen lassen

Zusammenfassen will gekonnt sein

Kritisch, aber nicht fatalistisch sein

Redundanz ist redundant

Kleinigkeiten gründlich und mehrfach prüfen

Korrekturlesen muss sein

Kapitel 42: Zehn gute Ratschläge für inferentielles Testen

Statistische Statistik ist nicht dasselbe wie praktische Signifikanz

Ohne Vorbereitung ist der Fehler vorprogrammiert

Suchen Sie nicht nach einem beliebigen signifikanten Ergebnis

Überprüfen Sie Ihre Voraussetzungen

Mein

p

ist größer als dein

p

Unterschiede und Beziehungen sind keine entgegengesetzten Trends

Wo ist mein Post-hoc-Test hingekommen?

Stetige Daten kategorisieren

Seien Sie konsistent

Lassen Sie sich helfen!

Kapitel 43: Zehn Tipps für das Zitieren Ihrer Ergebnisse

Den

p

-Wert zitieren

Andere Zahlen zitieren

Vergessen Sie die deskriptiven Statistiken nicht

Verwenden Sie den Mittelwert nicht zu häufig

Zitieren von Effektgrößen und der Richtung der Effekte

Fehlende Teilnehmer

Seien Sie vorsichtig mit der Sprache

Trennen Sie Korrelationen und Kausalität

Beantworten Sie Ihre eigene Frage

Schaffen Sie Struktur

Stichwortverzeichnis

End User License Agreement

Tabellenverzeichnis

Kapitel 5

Tabelle 5.1: Verteilung der Grundgesamtheit der Psychologiestudenten auf die interessierten Untergruppen

Tabelle 5.2: Verteilung der Stichprobe der Psychologiestudenten auf die interessierten Untergruppen

Kapitel 6

Tabelle 6.1: Zusammenstellung von Angaben zur Reliabilität und Validität verschiedener Fragebogen zum Selbstwertgefühl

Tabelle 6.2: Zusätzliche Angaben zur Empfindlichkeit verschiedener Fragebogen zum Selbstwertgefühl

Kapitel 9

Tabelle 9.1: Mittelwertbildung für die Werte aus Abbildung 9.2 zur Bestimmung des Niveaus

Kapitel 13

Tabelle 13.1: Beschreibende Statistik für die Differential Emotions Scale-IV

Tabelle 13.2: Beschreibende Statistik für Männer und Frauen auf der Differential Emotions Scale-IV für Scham

Kapitel 17

Tabelle 17.1: Hypothesen anhand statistischer Tests beurteilen

Kapitel 21

Tabelle 21.1: Sport bei Menschen mit Lebertransplantation

Kapitel 22

Tabelle 22.1: Depressionswerte für Männer und Frauen

Tabelle 22.2: Sortierte Depressionswerte für Männer und Frauen

Tabelle 22.3: Für Männer und Frauen separat sortierte Depressionswerte

Tabelle 22.4: Vor- und Nachteile des Modalwerts

Tabelle 22.5: Vor- und Nachteile des Medians

Tabelle 22.6: Vor- und Nachteile des Mittelwerts

Kapitel 23

Tabelle 23.1: Vorteile und Nachteile des Bereichs

Tabelle 23.2: Vor- und Nachteile des Interquartilabstands

Tabelle 23.3: Depressionswerte und ihre Abweichung vom Mittelwert

Tabelle 23.4: Depressionswerte und ihre quadrierten Abweichungen vom Mittelwert

Tabelle 23.5: Vor- und Nachteile der Standardabweichung

Kapitel 24

Tabelle 24.1: Interessenwerte der Studenten an Werbebotschaften bezüglich Alkoholverzichts im Straßenverkehr

Tabelle 24.2: Interessenwerte der Studenten an Werbebotschaften bezüglich Alkoholverzichts im Straßenverkehr und normalerweise verwendete Transportmittel

Tabelle 24.3: Umwandlung von Häufigkeiten in relative Häufigkeiten

Kapitel 25

Tabelle 25.1: Reaktionszeit und Geschlecht von 100 Babys

Kapitel 26

Tabelle 26.1: Schlussfolgerungen aus inferentiellen statistischen Tests ableiten

Tabelle 26.2: Noten in der Statistikprüfung

Kapitel 27

Tabelle 27.1: Geschätzte Lebenserwartung von Rauchern (nach eigener Beurteilung)

Kapitel 29

Tabelle 29.1: Bewertungen für Männer und Frauen in einem Fahrtest

Tabelle 29.2: Bewertung der positiven Stimmung mit und ohne Schokolade

Kapitel 31

Tabelle 31.1: Regressionsmodell mit der Prüfungsnote als Kriteriumsvariable

Kapitel 32

Tabelle 32.1: Kontingenztabelle für Geschlecht und präzises Erinnern einer Telefonnummer

Tabelle 32.2: Berechnung der Prozentwerte basierend auf den Zeilensummen

Tabelle 32.3: Berechnung der Prozentwerte basierend auf den Spaltensummen

Tabelle 32.4: Kontingenztabelle mit den erwarteten Häufigkeiten (und beobachteten Häufigkeiten)

Tabelle 32.5: Kontingenztabelle mit beobachteten minus erwarteten Häufigkeiten

Tabelle 32.6: Kontingenztabelle mit beobachteten minus erwarteten Häufigkeiten, quadriert und durch die erwarteten Häufigkeiten dividiert

Tabelle 32.7: Kontingenztabelle mit Odds basierend auf Spalten

Tabelle 32.8: Diese Kontingenztabelle zeigt Änderungen der Absicht, einen Softdrink zu kaufen, bevor und nachdem eine Werbung angesehen wurde.

Kapitel 34

Tabelle 34.1: Bewertungen eines Intelligenztests

Tabelle 34.2: Quadrierte Abweichungen vom Gruppenmittelwert

Tabelle 34.3: Ergebnisse der zweifachen ANOVA zitieren

Kapitel 37

Tabelle 37.1: Schmerztherapiebewertungen für die drei Bedingungen

Tabelle 37.2: Quadrierte Abweichungen vom individuellen Mittelwert

Tabelle 37.3: Schreiben Sie sich auf, in welcher Reihenfolge Sie die Variablen benannt haben.

Tabelle 37.4: Das Ergebnis Ihrer zweifachen ANOVA zitieren

Kapitel 38

Tabelle 38.1: Interpretation der Tabelle PAARWEISE VERGLEICHE

Kapitel 39

Tabelle 39.1: Ihr zweifaches ANOVA-Ergebnis zitieren

Illustrationsverzeichnis

Kapitel 1

Abbildung 1.1: Beispiel für unabhängige und abhängige Variablen;

Kapitel 4

Abbildung 4.1: Unterschiede zwischen verschiedenen Arten von Erhebungsdesigns;

Kapitel 5

Abbildung 5.1: Verschiedene Methoden der Stichprobenauswahl;

Abbildung 5.2: Anlegen einer Liste von Personen in SPSS;

Abbildung 5.3: Der Befehl Fälle Auswählen in SPSS;

Abbildung 5.4: Auswahl der Schaltfläche Stichprobe im Befehlsfenster zu Fälle auswählen in SPSS;

Abbildung 5.5: Angeben des auszuwählenden Stichprobenumfangs in SPSS;

Abbildung 5.6: Kennzeichnung der ausgewählten Stichprobe in SPSS;

Abbildung 5.7: Anlegen einer Liste von Personen in Excel

Abbildung 5.8: Eingeben der Zufallszahlenfunktion im Funktionsfeld in Excel

Abbildung 5.9: Erstellen einer Serie zufällig erzeugter Zahlen in Excel

Abbildung 5.10: Sortieren von Werten in Excel

Abbildung 5.11: Zufällig geordnete Liste von Zahlen in Excel

Kapitel 6

Abbildung 6.1: Offene und geschlossene Items;

Kapitel 7

Abbildung 7.1: Modell eines Messwiederholungsdesigns;

Abbildung 7.2: Untersuchung von Techniken zur Verbesserung der Einstellung zur Arbeit mit Personen mit Zwangserkrankungen;

Abbildung 7.3: Ein leeres lateinisches Quadrat für drei Versuchsbedingungen;

Abbildung 7.4: Ein teilweise ausgefülltes lateinisches Quadrat;

Abbildung 7.5: Ein vollständiges lateinisches Quadrat;

Abbildung 7.6: Modell eines Unabhängige-Gruppen-Versuchsdesigns;

Abbildung 7.7: Modellhafte Darstellung einer randomisierten kontrollierten Studie (RCT);

Kapitel 8

Abbildung 8.1: Beispiel für einen Interaktionseffekt;

Abbildung 8.2: Interpretation von Haupteffekten und Interaktionseffekten;

Abbildung 8.3: Beispiel für ein Solomon-Vier-Gruppen-Design;

Kapitel 9

Abbildung 9.1: Ein Design mit unterbrochener Zeitreihe;

Abbildung 9.2: Ein Design mit unterbrochener Zeitreihe mit einem Komparator (Vergleich);

Abbildung 9.3: Ein ABA-Design;

Abbildung 9.4: Ein ABAB-Design;

Abbildung 9.5: Ein Design mit mehreren Ausgangswerten bei verschiedenen Fällen;

Abbildung 9.6: Ein Design mit mehreren Ausgangswerten bei verschiedenen Zielgrößen;

Abbildung 9.7: Ein Design mit mehreren Ausgangswerten bei verschiedenen Settings;

Abbildung 9.8: Mithilfe von Trendlinien Daten in Diagrammen interpretieren;

Kapitel 12

Abbildung 12.1: Wahl einer qualitativen Methodik;

Kapitel 14

Abbildung 14.1: Typische Struktur für ein Poster;

Abbildung 14.2: Typische Struktur für ein Poster;

Kapitel 16

Abbildung 16.1: PsycNET-Suchmaske;

Abbildung 16.2: Thesaurus-Einträge in PsycNET, die dem Suchwort

diet

ähnlich sind;

Abbildung 16.3: Der ausgeklappte Oberbegriff

eating behavior

in PsycNET;

Abbildung 16.4: Die hierarchische Struktur des PsycNET- und PsycINFO-Thesaurus um den Oberbegriff

eating behavior

herum;

Abbildung 16.5: Startseite des Leibniz-Zentrums für Psychologische Information und Dokumentation (ZPID) mit der Suchmaschine PsychSpider

Abbildung 16.6: Erweiterte Suche der ZPID-Suchmaschine PsychSpider

Abbildung 16.7: Eine einfache Suche in Web of Science durchführen;

Abbildung 16.8: Suchen in Web of Science kombinieren;

Abbildung 16.9: Suchen in Web of Science einschränken;

Abbildung 16.10: Suchen in Web of Science auf eine bestimmte Sprache begrenzen;

Abbildung 16.11: Eine Suche in Google Scholar durchführen;

Kapitel 18

Abbildung 18.1: Ausarbeitung eines Exposés;

Kapitel 21

Abbildung 21.1: Die Variablenansicht in SPSS

Abbildung 21.2: Variablennamen in SPSS eingeben

Abbildung 21.3: Auswahl des Variablentyps

Abbildung 21.4: Variablenbeschriftungen in SPSS

Abbildung 21.5: Änderung der Wertbeschriftungen im Variablenansicht-Fenster

Abbildung 21.6: Wertbeschriftungen in SPSS hinzufügen

Abbildung 21.7: Änderung der Angabe für fehlende Werte in der Variablenansicht

Abbildung 21.8: Angabe für fehlende Daten in SPSS

Abbildung 21.9: Auswahl des Messniveaus für eine Variable

Abbildung 21.10: Das vollständig ausgefüllte Variablenansicht-Fenster

Abbildung 21.11: Das Datenansicht-Fenster in SPSS

Abbildung 21.12: Aufbau der Daten in SPSS

Abbildung 21.13: In SPSS eine Variable einfügen

Abbildung 21.14: Die Prozedur FÄLLE SORTIEREN

Abbildung 21.15: Auswahl einer Variablen, um nach Fällen zu sortieren

Abbildung 21.16: Nach der Zeit sortierte Daten

Abbildung 21.17: Der Befehl für das Umcodieren von Daten in SPSS

Abbildung 21.18: Auswahl der umzucodierenden Variablen

Abbildung 21.19: Die neue Variable erhält beim Umcodieren einen neuen Namen

Abbildung 21.20: Angabe der neuen und der alten Werte für die Prozedur zum Umcodieren

Abbildung 21.21: Die fertige Umcodierungsvorschrift

Abbildung 21.22: Die neue Variable, die mit dem Befehl zum Umcodieren erstellt wurde

Abbildung 21.23: Das Bearbeitungsfenster in einer SPSS-Ausgabedatei

Abbildung 21.24: Die Farbe oder das Muster eines Diagramms ändern

Abbildung 21.25: Einem Diagramm ein Muster hinzufügen

Kapitel 22

Abbildung 22.1: Wählen Sie den Befehl HÄUFIGKEITEN aus, um Lagemaße zu berechnen

Abbildung 22.2: Wählen Sie eine Variable aus, um ein Lagemaß zu erstellen

Abbildung 22.3: Auswahl des Modalwerts

Abbildung 22.4: Modalwert in SPSS

Abbildung 22.5: Der Befehl AUFGETEILTE DATEI in SPSS

Abbildung 22.6: Aufteilung der Datei nach dem Geschlecht

Abbildung 22.7: Der Modalwert in SPSS für aufgeteilte Gruppen

Abbildung 22.8: Bestimmung des Medianwerts in einer Menge sortierter Werte

Abbildung 22.9: Bestimmung des Medians für separate Gruppen

Abbildung 22.10: Der in SPSS ermittelte Medianwert

Abbildung 22.11: Der Medianwert in SPSS für separate Gruppen

Abbildung 22.12: Der in SPSS bestimmte Mittelwert

Abbildung 22.13: Anzeige des Mittelwerts in SPSS für separate Gruppen

Kapitel 23

Abbildung 23.1: Mit dem Befehl HÄUFIGKEITEN erzeugen Sie Streuungsmaße

Abbildung 23.2: Auswahl einer Variablen, für die Sie ein Streuungsmaß erzeugen

Abbildung 23.3: Auswahl des Bereichs

Abbildung 23.4: Der in SPSS gezeigte Bereich bzw. die Spannweite

Abbildung 23.5: Der Bereich in SPSS für aufgeteilte Gruppen

Abbildung 23.6: Bestimmung des unteren und oberen Quartils in einer Menge sortierter Werte

Abbildung 23.7: Bestimmung der oberen und unteren Quartile für separate Gruppen

Abbildung 23.8: Die in SPSS angezeigten Quartile

Abbildung 23.9: Die in SPSS für separate Gruppen angezeigten Quartile

Abbildung 23.10: Die Standardabweichung in SPSS

Abbildung 23.11: Die Standardabweichung in SPSS für separate Gruppen

Kapitel 24

Abbildung 24.1: Histogramme, die den möglichen Wertebereich (oberes Diagramm) und den tatsächlichen Wertebereich (unteres Diagramm) darstellen

Abbildung 24.2: Histogramm mit Balken, die jeweils einen einzelnen Wert statt eines Wertebereichs darstellen

Abbildung 24.3: Histogramm mit angepasster vertikaler Achse

Abbildung 24.4: Auswahl des Befehls HÄUFIGKEITEN, um Diagramme zu erstellen

Abbildung 24.5: Auswahl einer Variablen, um ein Diagramm zu erstellen

Abbildung 24.6: Auswahl des Diagrammtyps Histogramm

Abbildung 24.7: Ein Histogramm in SPSS

Abbildung 24.8: Balkendiagramm, das die Häufigkeit der Transportkategorien anzeigt

Abbildung 24.9: Ein Balkendiagramm in SPSS

Abbildung 24.10: Ein Kreisdiagramm

Abbildung 24.11: Ein Boxplot für die Interessenwerte

Abbildung 24.12: Ein Boxplot mit moderatem Ausreißer

Abbildung 24.13: Ein Boxplot mit einem extremen Ausreißer

Abbildung 24.14: Erstellen eines Boxplots in SPSS

Abbildung 24.15: Definition des Boxplot-Typs

Abbildung 24.16: Wählen Sie die Variable aus, für die Sie einen Boxplot erstellen wollen

Abbildung 24.17: Ein Boxplot in SPSS

Kapitel 26

Abbildung 26.1: Auswahl der explorativen Datenanalyse in SPSS

Abbildung 26.2: Auswahl einer Variablen für ein 95-%-Konfidenzintervall

Abbildung 26.3: Anforderung eines 95-%-Konfidenzintervalls in SPSS

Abbildung 26.4: 95-%-Konfidenzintervall in SPSS

Kapitel 27

Abbildung 27.1: Die Normalverteilung

Abbildung 27.2: Auswahl des Kolmogorow-Smirnow-Tests in SPSS

Abbildung 27.3: Auswahl einer Variablen für den Kolmogorow-Smirnow-Test

Abbildung 27.4: Der Kolmogorow-Smirnow-Test in SPSS

Abbildung 27.5: Schiefe aufgrund von Ausreißern (a) und inhärente Schiefe (b)

Abbildung 27.6: Moderate und schwere Schiefe in einem Histogramm

Abbildung 27.7: Moderate und schwere Schiefe, dargestellt in einem Box-Whisker-Plot

Abbildung 27.8: Der Befehl Häufigkeiten in SPSS

Abbildung 27.9: Auswahl einer Variablen, für die die Statistik für die Schiefe berechnet werden soll

Abbildung 27.10: Bestimmung der Schiefe-Statistik in SPSS

Abbildung 27.11: Anzeige der Schiefe in SPSS

Abbildung 27.12: Die Wahrscheinlichkeit unter einer Normalverteilung

Kapitel 28

Abbildung 28.1: Auswahl der deskriptiven Statistik in SPSS

Abbildung 28.2: Standardisierung von Werten in SPSS

Abbildung 28.3: Eine standardisierte Variable in SPSS

Abbildung 28.4: Die Standardnormalverteilung

Abbildung 28.5: Wahrscheinlichkeit für zwei t-Wert-Verteilungen

Kapitel 29

Abbildung 29.1: Vergleich der Mittelwerte für unabhängige Gruppen in SPSS

Abbildung 29.2: Auswahl der Variablen für die Berechnung von Eta-Quadrat

Abbildung 29.3: Auswahl für die Effektgröße in SPSS für mehr als zwei unabhängige Gruppen

Abbildung 29.4: Eta-Quadrat für unabhängige Gruppen in SPSS

Abbildung 29.5: Auswahl einer Analyse mit wiederholten Messungen in SPSS

Abbildung 29.6: Definition der zu analysierenden wiederholten Messungen

Abbildung 29.7: Auswahl der Variablen der wiederholten Messung für die Analyse

Abbildung 29.8: Auswahl der Effektgröße in SPSS für mehr als zwei wiederholte Messungen

Abbildung 29.9: Berechnung von Eta-Quadrat in SPSS

Kapitel 30

Abbildung 30.1: Ein Streudiagramm, das eine perfekte lineare Beziehung zeigt

Abbildung 30.2: Ein Streudiagramm mit einer starken positiven linearen Beziehung

Abbildung 30.3: Ein Streudiagramm mit einer starken negativen linearen Beziehung

Abbildung 30.4: Eine starke positive Beziehung in einer großen Datenmenge

Abbildung 30.5: Ein Diagramm, das eine starke positive Beziehung zeigt, wobei eine der Variablen ordinal ist

Abbildung 30.6: Ein Streudiagramm in SPSS zeichnen

Abbildung 30.7: Auswahl eines einfachen Streudiagramms in SPSS

Abbildung 30.8: Angabe der Variablen für ein Streudiagramm

Abbildung 30.9: Überprüfen Sie Ihr Streudiagramm immer auf Ausreißer!

Abbildung 30.10: Ein Streudiagramm für die Klausurbenotungen und die Übungsstunden

Abbildung 30.11: Eine bivariate Korrelation in SPSS ermitteln

Abbildung 30.12: Bestimmung einer Pearson-Korrelation

Abbildung 30.13: Die von SPSS erzeugte Pearson-Korrelationstabelle

Abbildung 30.14: Ein Streudiagramm für die Bewertungen des Therapieerfolgs und die Absicht, ein Verhalten fortzusetzen

Abbildung 30.15: Die von SPSS erzeugte Spearman-Korrelationstabelle

Abbildung 30.16: Ein Streudiagramm für die beiden Aussagen der IES-Umfrage

Abbildung 30.17: Eine bivariate Korrelation in SPSS berechnen

Abbildung 30.18: Auswahl der Kendall-Korrelation

Abbildung 30.19: Die von SPSS erzeugte Kendall-Korrelationstabelle

Abbildung 30.20: Berechnung einer partiellen Korrelation in SPSS

Abbildung 30.21: Eine partielle Korrelation spezifizieren

Abbildung 30.22: Die von SPSS erzeugte partielle Korrelationstabelle

Kapitel 31

Abbildung 31.1: Ein Streudiagramm für Übungsstunden und Prüfungsnoten

Abbildung 31.2: Ein Streudiagramm mit Regressionslinie für Übungsstunden und Prüfungsnoten

Abbildung 31.3: Darstellung von Residuen

Abbildung 31.4: Eine lineare Regression in SPSS ermitteln

Abbildung 31.5: Eine einfache lineare Regression bestimmen

Abbildung 31.6: Tabelle der eingegebenen Variablen

Abbildung 31.7: Tabelle Modellzusammenfassung

Abbildung 31.8: ANOVA-Tabelle

Abbildung 31.9: Die Koeffizienten-Tabelle

Abbildung 31.10: Ein Mehrfachregressionsmodell

Abbildung 31.11: Spezifikation einer Mehrfachregression

Abbildung 31.12: Tabelle mit den eingegebenen Variablen

Abbildung 31.13: Die Tabelle mit der Modellzusammenfassung

Abbildung 31.14: ANOVA-Tabelle

Abbildung 31.15: Die Koeffizienten-Tabelle

Abbildung 31.16: Ein Histogramm der Residuen erstellen

Abbildung 31.17: Das Histogramm der Residuen bewerten

Abbildung 31.18: Ein partielles Diagramm erzeugen

Abbildung 31.19: Partielle Diagramme bewerten, Teil 1

Abbildung 31.20: Partielle Diagramme bewerten, Teil 2

Abbildung 31.21: Beispiele für Distanz- und Einfluss-Ausreißer

Abbildung 31.22: Die Tabelle für die fallweise Diagnose erstellen

Abbildung 31.23: Tabelle für die fallweise Diagnose

Abbildung 31.24: Cook-Distanzen und Hebelwerte ermitteln

Abbildung 31.25: Tabelle für die Residuen-Statistik

Abbildung 31.26: Zahlen zur Kollinearität ermitteln

Abbildung 31.27: Interpretation von Kollinearitätswerten in der Koeffizienten-Tabelle

Abbildung 31.28: Ein Diagramm für die Bewertung der Homoskedastie erstellen

Abbildung 31.29: Beispiel für ein akzeptables Streudiagramm

Abbildung 31.30: Beispiel für ein inakzeptables Streudiagramm

Kapitel 32

Abbildung 32.1: Auswahl des Kreuztabellenverfahrens in SPSS

Abbildung 32.2: Auswahl der in der Kontingenztabelle darzustellenden Variablen

Abbildung 32.3: Auswahl der Methode für die Berechnung der Prozentwerte der Kontingenztabelle

Abbildung 32.4: Eine von SPSS angelegte Kontingenztabelle, wobei die Prozentsätze auf den Zeilensummen und auf den Spaltensummen basieren

Abbildung 32.5: Chi-Quadrat für eine Kontingenztabelle bestimmen

Abbildung 32.6: Chi-Quadrat-Ergebnisse in SPSS

Abbildung 32.7: Ergebnisse für Phi-Koeffizient und Cramer-V in SPSS

Abbildung 32.8: Das von SPSS angezeigte Odds-Verhältnis

Abbildung 32.9: Den McNemar-Test in SPSS auswählen

Abbildung 32.10: Auswahl der Variablen für den McNemar-Test

Abbildung 32.11: Ein von SPSS erzeugter McNemar-Test

Kapitel 33

Abbildung 33.1: Einen unabhängigen t-Test in SPSS durchführen

Abbildung 33.2: Die Variablen für einen unabhängigen t-Test angeben

Abbildung 33.3: Gruppen definieren

Abbildung 33.4: Die Tabelle GRUPPENSTATISTIKEN

Abbildung 33.5: Test bei unabhängigen Stichproben

Abbildung 33.6: Streudiagramm für zwei Gruppen mit unterschiedlichen Varianzen

Abbildung 33.7: Unterschiedliche Varianzen bedeuten, dass der t-Test nicht korrekt interpretiert werden kann.

Abbildung 33.8: Einen Mann-Whitney-Test in SPSS durchführen

Abbildung 33.9: Ein Ziel für den Mann-Whitney-Test festlegen

Abbildung 33.10: Die Variablen für einen Mann-Whitney-Test spezifizieren

Abbildung 33.11: Tabelle HYPOTHESENTESTÜBERSICHT

Abbildung 33.12: Häufigkeitsdiagramm und Mann-Whitney-U-Ergebnis

Kapitel 34

Abbildung 34.1: Auswahl einer einfachen ANOVA zwischen Gruppen in SPSS

Abbildung 34.2: Auswahl der Variablen für die einfache ANOVA

Abbildung 34.3: Erstellung einer deskriptiven Statistik und eines Homogenitätstests als Teil der ANOVA zwischen Gruppen in SPSS

Abbildung 34.4: Residuen für die ANOVA zwischen Gruppen in SPSS ermitteln

Abbildung 34.5: Ausgabe für die einfache ANOVA zwischen Gruppen in SPSS

Abbildung 34.6: Ein Interaktionsdiagramm für eine zweifache ANOVA zwischen Gruppen in SPSS erstellen

Abbildung 34.7: Deskriptive Statistiken und Ausgabe des Levene-Tests bei einer zweifachen ANOVA zwischen Gruppen

Abbildung 34.8: ANOVA-Tabelle für die zweifache ANOVA in SPSS

Abbildung 34.9: Ein Interaktionsdiagramm für eine zweifache ANOVA zwischen Gruppen

Abbildung 34.10: Kruskal-Wallis-Test in SPSS

Abbildung 34.11: Auswahl der Variablen für den Kruskal-Wallis-Test

Abbildung 34.12: Definition des Bereichs der unabhängigen Variablen für den Kruskal-Wallis-Test in SPSS

Abbildung 34.13: Ausgabe des Kruskal-Wallis-Tests in SPSS

Kapitel 35

Abbildung 35.1: Auswahl der ANOVA zwischen Gruppen in SPSS

Abbildung 35.2: Auswahl von Variablen für die ANOVA zwischen Gruppen

Abbildung 35.3: Auswahl des Post-hoc-Tests Tukey HSD in SPSS

Abbildung 35.4: Auswahl der Anzeige einer deskriptiven Statistik für die ANOVA zwischen Gruppen in SPSS

Abbildung 35.5: ANOVA-Ausgabe für die einfache ANOVA zwischen Gruppen in SPSS

Abbildung 35.6: Tukey Post-hoc-Test in SPSS

Abbildung 35.7: ANOVA-Ausgabe aus der ANOVA zwischen Gruppen in SPSS

Abbildung 35.8: Dunnett-Test in SPSS

Kapitel 36

Abbildung 36.1: Ein abhängiger t-Test in SPSS

Abbildung 36.2: Die Variablen für einen abhängigen t-Test eingeben

Abbildung 36.3: Statistik für Stichproben mit paarigen Werten

Abbildung 36.4: Korrelationen für Stichproben mit paarigen Werten

Abbildung 36.5: Test für Stichproben mit paarigen Werten

Abbildung 36.6: Eine neue Variable in SPSS berechnen

Abbildung 36.7: Den Wert der neuen Variablen in SPSS festlegen

Abbildung 36.8: Der Wilcoxon-Test in SPSS

Abbildung 36.9: Festlegen des Ziels für den Wilcoxon-Test in SPSS

Abbildung 36.10: Variablen für den Wilcoxon-Test angeben

Abbildung 36.11: Hypothesenübersichtstabelle

Abbildung 36.12: Häufigkeitsdiagramm und Ergebnis des Wilcoxon-Tests

Kapitel 37

Abbildung 37.1: Auswahl einer einfachen ANOVA innerhalb von Gruppen in SPSS

Abbildung 37.2: Definition Ihrer unabhängigen Variablen

Abbildung 37.3: Auswahl von Variablen für eine ANOVA innerhalb von Gruppen

Abbildung 37.4: Anforderung von deskriptiven Statistiken als Teil der ANOVA mit wiederholten Messungen in SPSS

Abbildung 37.5: Tabelle der Innersubjektfaktoren in der Ausgabe von SPSS

Abbildung 37.6: Tabelle DESKRIPTIVE STATISTIKEN in der Ausgabe von SPSS

Abbildung 37.7: Tabelle MULTIVARIATE TESTS in der Ausgabe von SPSS

Abbildung 37.8: Tabelle MAUCHLY-TEST AUF SPHÄRIZITÄT in der Ausgabe von SPSS

Abbildung 37.9: Tests der Innersubjekteffekte in der Ausgabe von SPSS

Abbildung 37.10: Tabelle der Innersubjektkontraste in der Ausgabe von SPSS

Abbildung 37.11: Tabelle der Zwischensubjekteffekte in der Ausgabe von SPSS

Abbildung 37.12: Auswahl der Variablen für eine ANOVA innerhalb von Gruppen in SPSS

Abbildung 37.13: Definition der Variablen für eine ANOVA innerhalb von Gruppen

Abbildung 37.14: Auswahl von Variablen für eine zweifache ANOVA innerhalb von Gruppen

Abbildung 37.15: Ein Interaktionsdiagramm für eine einfache ANOVA innerhalb von Gruppen in SPSS erstellen

Abbildung 37.16: Die Tabelle der Innersubjektfaktoren aus der SPSS-Ausgabe

Abbildung 37.17: Tabelle mit deskriptiven Statistiken aus der SPSS-Ausgabe

Abbildung 37.18: Tabelle MULTIVARIATE TESTS aus der SPSS-Ausgabe

Abbildung 37.19: Tabelle für den Mauchly-Test auf Sphärizität

Abbildung 37.20: Tabelle mit den Tests für die Innersubjekteffekte in der SPSS-Ausgabe

Abbildung 37.21: Tabelle für die Tests der Innersubjektkontraste in der Ausgabe von SPSS

Abbildung 37.22: Tabelle für die Tests der Zwischensubjekteffekte in der Ausgabe von SPSS

Abbildung 37.23: Interaktionsdiagramm in der SPSS-Ausgabe

Abbildung 37.24: Auswahl eines Friedman-Tests in SPSS

Abbildung 37.25: Auswahl der Variablen für einen Friedman-Test

Abbildung 37.26: Tabelle der mittleren Ränge in der SPSS-Ausgabe

Abbildung 37.27: Die Tabelle mit den Statistiken in der SPSS-Ausgabe

Kapitel 38

Abbildung 38.1: Einen Post-hoc-Test als Teil der ANOVA innerhalb von Gruppen in SPSS durchführen

Abbildung 38.2: Die Tabelle PAARWEISE VERGLEICHE mit den von SPSS ausgegebenen Post-hoc-Tests

Abbildung 38.4: Einen einfachen geplanten Kontrast als Teil der ANOVA innerhalb von Gruppen in SPSS bestimmen (1)

Abbildung 38.3: Die Tabelle INNERSUBJEKTFAKTOREN in der Ausgabe von SPSS

Abbildung 38.5: Einen einfachen geplanten Kontrast als Teil der ANOVA innerhalb von Gruppen in SPSS bestimmen (2)

Abbildung 38.6: Tabelle TESTS DER INNERSUBJEKTKONTRASTE für geplante Vergleiche in der SPSS-Ausgabe

Kapitel 39

Abbildung 39.1: Auswahl einer gemischten ANOVA in SPSS

Abbildung 39.2: Definition Ihrer unabhängigen Variablen

Abbildung 39.3: Angabe der Variablen zwischen und innerhalb von Gruppen für eine gemischte ANOVA

Abbildung 39.4: Deskriptive Statistiken und Homogenitätstests zusammen mit der ANOVA anfordern

Abbildung 39.5: Bestimmung von Standardresiduen als Teil der gemischten ANOVA

Abbildung 39.6: Anforderung eines Interaktionsdiagramms für eine zweifache ANOVA innerhalb von Gruppen in SPSS

Abbildung 39.7: Die Tabelle INNERSUBJEKTFAKTOREN in der SPSS-Ausgabe

Abbildung 39.8: Die Tabelle ZWISCHENSUBJEKTFAKTOREN in der SPSS-Ausgabe

Abbildung 39.9: Deskriptive Statistiken aus der gemischten ANOVA in SPSS

Abbildung 39.10: Box-Tests auf Gleichheit der Kovarianzmatrizen

Abbildung 39.11: Tabelle MULTIVARIATE TESTS in der SPSS-Ausgabe

Abbildung 39.12: Mauchly-Test auf Sphärizität in der SPSS-Ausgabe

Abbildung 39.13: Levene-Test für die Bewertung der Homogenität der Varianzen in einer gemischten ANOVA

Abbildung 39.14: Tests der Innersubjekteffekte in der SPSS-Ausgabe

Abbildung 39.15: Tabelle mit den Tests der Innersubjektkontraste in der SPSS-Ausgabe

Abbildung 39.16: Tabelle der Tests der Zwischensubjekteffekte in der SPSS-Ausgabe

Abbildung 39.17: Das Interaktionsdiagramm in der SPSS-Ausgabe

Guide

Cover

Inhaltsverzeichnis

Begin Reading

Pages

C1

1

2

3

4

5

9

10

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

272

273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

321

322

323

324

325

326

327

328

329

330

331

333

334

335

336

337

338

339

340

341

342

343

344

345

346

347

348

349

350

351

352

353

354

355

356

357

358

359

360

361

362

363

364

365

366

367

368

369

370

371

372

373

374

375

376

377

378

379

380

381

382

383

384

385

386

387

388

389

390

391

392

393

394

395

396

397

398

399

400

401

402

403

404

405

406

407

408

409

410

411

412

413

414

415

416

417

418

419

420

421

423

424

425

426

427

428

429

430

431

432

433

434

435

436

437

438

439

440

441

442

443

444

445

446

447

448

449

450

451

452

453

454

455

456

457

458

459

460

461

462

463

464

465

466

467

468

469

470

471

472

473

474

475

476

477

478

479

480

481

482

483

484

485

486

487

489

490

491

492

493

494

495

496

497

498

499

500

501

502

503

504

505

506

507

508

509

510

511

512

513

514

515

517

518

519

520

521

522

523

524

525

526

527

528

529

530

531

532

533

534

535

536

537

538

539

540

541

542

543

544

545

547

548

549

550

551

552

553

554

555

556

557

558

559

560

561

562

563

564

565

566

567

568

569

570

571

572

573

574

575

576

577

578

579

580

581

582

583

584

585

586

587

588

589

590

591

592

593

594

595

596

597

598

599

600

601

602

603

604

605

606

607

608

609

610

611

612

613

614

615

616

617

618

619

620

621

622

623

624

625

626

627

628

629

630

631

632

633

634

635

636

637

638

639

640

641

642

643

644

645

646

647

648

649

650

651

652

653

654

655

656

657

658

659

660

661

662

663

664

665

666

667

668

669

671

672

673

674

675

676

677

678

679

680

681

682

683

684

685

686

687

688

689

690

691

692

693

694

695

696

697

698

699

700

701

702

703

704

705

706

707

708

709

711

712

713

714

715

717

718

719

720

721

722

723

724

725

726

727

728

729

730

731

732

E1

Einleitung

Uns ist durchaus bewusst, dass Forschungsmethoden nicht gerade ein Lieblingsthema unter den Studierenden der Psychologie und der Sozialwissenschaften sind. Wir kennen sogar etliche, die es als ein notwendiges Übel ansehen, im Studium eigene Forschungsarbeiten durchführen zu müssen. Warum ist das so? Ein Grund könnte sein, dass Menschen, die sich für ein Psychologie- oder sozialwissenschaftliches Studium entscheiden, an Gedanken, Verhaltensweisen und Gefühlen anderer Menschen interessiert sind. Weniger interessant finden sie es dagegen, sich zu überlegen, wie man ein Forschungsprojekt plant oder wie man Teilnehmer dafür gewinnt. Aber Sie müssen sich klarmachen: Jegliches sozialwissenschaftliches beziehungsweise psychologisches Fachwissen, das Sie an der Hochschule erwerben, stammt natürlich aus der Forschung, die auf diesen Gebieten durchgeführt wurde! Ohne Forschung gäbe es keine Sozialwissenschaften (oder andere wissenschaftliche Disziplinen), beziehungsweise es wären dann keine Wissenschaften, sondern lediglich wenig glaubwürdige Gedankengebäude aus Lehrmeinungen. Ohne robuste und stringente Forschungsarbeiten wüssten wir beispielsweise nicht, dass sich die Lebensqualität von Menschen verbessern lässt, indem man wirksame Wege findet, um ihre Denkweisen so zu verändern, dass sich daraus positive Änderungen ihrer Gefühle und Verhaltensweisen ergeben. Es ist also Forschung, die dazu beigetragen hat, im Laufe der Jahre das psychische Wohlergehen ungezählter Menschen zu verbessern!

Sie haben hoffentlich nicht überlesen, dass wir von »robuster und stringenter« Forschung sprachen. Anders ausgedrückt: von qualitativ hochwertiger Forschung. Andere Formen der Forschung würden die Wissenschaft nicht weiterbringen und womöglich sogar ethische Bedenken hervorrufen. Deshalb ist es für alle Studierenden wichtig, zu lernen, wie man gute Forschung betreibt. Und genau dazu soll dieses Buch beitragen.

Okay, nehmen wir einmal an, ein Psychologiestudent habe sich seinem Schicksal ergeben und akzeptiert, dass er um Forschung und deren Methodik nicht herumkommt. Erfahrungsgemäß wartet dann gleich noch eine weitere »bittere Pille« auf ihn: Für qualitativ hochwertige Forschung benötigt man Statistik! Vor einiger Zeit haben wir die Psychologiestudenten von 31 Universitäten nach ihrer Meinung zum Fach Statistik gefragt: 51 Prozent der Studenten war dabei überhaupt nicht bewusst, dass Statistik in ihrem Studiengang eine wichtige Rolle spielt. Generell äußerte sich die Mehrheit eher negativ zum Thema Statistik. Viele Studenten hatten beinahe Angst vor dieser Vorlesung. Wenn es Ihnen also ähnlich geht, seien Sie unbesorgt: Sie sind nicht allein!

Aber ob es Ihnen gefällt oder nicht: Statistik ist ein wichtiger und notwendiger Bestandteil aller Psychologie- und Sozialwissenschaftsstudiengänge. Schließlich handelt es sich dabei um empirische Disziplinen. Die quantitative Erfassung von Informationen ermöglicht es uns, die zugrunde liegenden Daten objektiv und vergleichbar darzustellen. All diese Informationen müssen dann sinnvoll zusammengefasst und analysiert werden, sonst können Sie keine Schlussfolgerungen ziehen und Entscheidungen treffen. Ein Grundverständnis in Statistik ist also nicht nur für Ihre eigene Forschungsarbeit wichtig, sondern wird auch gebraucht, um die Arbeiten anderer Forscher lesen und kritisch hinterfragen zu können. Aber selbst, wenn Sie nicht in der Forschung, sondern als Psychologe arbeiten, bestimmen Statistiken Ihren Alltag. Ein Psychologe, dessen Patient über Angstzustände klagt und ein selbstverletzendes Verhalten an den Tag legt, muss beispielsweise entscheiden können, welche Therapie unter den gegebenen Umständen am wirkungsvollsten ist. Wie stark sind die Angstzustände? Und stehen sie in einem unmittelbaren Zusammenhang mit den Selbstverletzungen oder nicht? Natürlich muss dies für jeden Patienten individuell beurteilt werden – aber Statistiken geben Ihnen wichtige Hinweise.

Statistisches Grundwissen ist für Sozialwissenschaftler und Psychologen also unabdingbar und darum Teil dieses Buchs. Aber keine Sorge: Dank moderner Computerprogramme wie SPSS müssen Sie fast nichts selbst berechnen oder die Statistik in ihrer vollen mathematischen Tiefe verstehen – vielmehr übernimmt der Computer alle komplizierten mathematischen Berechnungen für Sie! Sie müssen lediglich die grundsätzlichen Konzepte der Statistik sowie deren Anwendungsbeschränkungen kennen. Aber hey, wenn Sie in der Lage sind, die Theorien der kognitiven Psychologie zu verstehen und sich in den Wirren psycho-biologischer Modelle zurechtfinden, werden Sie ganz sicher auch damit klarkommen! Selbst für Menschen, die mit Mathematik auf Kriegsfuß stehen, ist es recht einfach möglich, sich das zum Bestehen des Studiums relevante Statistikwissen anzueignen. Und dieses Buch wird Ihnen dabei eine wertvolle Hilfe sein.

Wir haben dieses Buch übersichtlich und knapp geschrieben, um Sie darin zu unterstützen, hochwertige Forschungsarbeiten durchzuführen. Wir setzen kein Vorwissen über Forschung voraus. Wir hoffen, dass Ihnen das Buch Lust darauf macht, eigene Forschungsarbeiten in Angriff zu nehmen. Und dass Ihre Forschung wiederum dazu beitragen wird, die Wissenschaft zum Nutzen zukünftiger Generationen voranzubringen. Alle dazu notwendigen statistischen Methoden haben wir in der zweiten Hälfte dieses Buchs zusammengetragen. Auch hier setzen wir keinerlei Vorkenntnisse in Statistik voraus. Im Gegenzug bitten wir Sie, mit einer positiven Einstellung an die Sache heranzugehen.

Über dieses Buch

Ziel dieses Buchs ist es, Studierende dabei zu unterstützen, psychologische beziehungsweise sozialwissenschaftliche Forschung zu verstehen, durchzuführen, zu interpretieren und zu dokumentieren. Das Buch ist als leicht verständlicher Leitfaden gedacht und richtet sich in erster Linie an Studierende in den ersten Semestern. Aber wir hoffen, dass es einen möglichst breiten Personenkreis anspricht und vielleicht auch das Wissen derer auffrischt, die dem Studium schon länger entwachsen sind …

Das Buch ist grob in zwei Hälften geteilt: Die erste Hälfte (Teil I bis VI) widmet sich den grundsätzlichen Aspekten einer Forschungsarbeit, den verschiedenen Formen der Berichterstattung in den Wissenschaften sowie populären Forschungsdesigns. Die zweite Hälfte (Teil VII bis XI) gibt Ihnen einen leicht verständlichen Überblick über das Reich der Statistik. Da wir aus eigener Lehrerfahrung wissen, dass Statistik nicht unbedingt das Lieblingsfach der meisten Sozialwissenschafts- beziehungsweise Psychologiestudenten ist, haben wir versucht, auf komplizierte mathematische Formeln und überflüssige Techniken zu verzichten. Stattdessen halten wir alles so verständlich und kompakt wie möglich und geben zahlreiche bebilderte Beispiele.

Sie brauchen das Buch nicht von Anfang bis Ende in der vorgegebenen Reihenfolge zu lesen. Die einzelnen Kapitel sind in sich abgeschlossen und erfordern in der Regel kein besonderes Vorwissen. Der Statistikteil wurde ganz bewusst ans Ende des Buchs verlegt – gewissermaßen als Appendix, in dem Sie bei Bedarf alle wichtigen statistischen Grundbegriffe und Methoden nachlesen können. Wenn Sie schon mit den Grundzügen der Statistik vertraut sind, können Sie einfach das entsprechende Kapitel zu einer gewünschten Methode aufschlagen: Jedes statistische Verfahren in diesem Buch wird erst leicht verständlich erklärt, gefolgt von einem Beispiel (mit Schritt-für-Schritt-Anleitungen zum Umgang mit SPSS sowie Tipps zur Interpretation und Wiedergabe der Daten). Statistikneulingen legen wir indes nahe, die entsprechenden Kapitel 19 bis 39 sukzessive durchzuarbeiten, bevor sie sich ernsthaft mit der Idee einer Forschungsarbeit auseinandersetzen.

Was Sie nicht lesen müssen

Wir haben bewusst versucht, unsere Erklärungen möglichst kurz und verständlich zu halten. Dennoch enthält dieses Buch eine Menge Informationen, von denen einige für Sie möglicherweise überhaupt nicht von Bedeutung sind. Manchmal werden Sie beim Lesen über das Symbol des Technikers stolpern, das Sie auf Spezialwissen verweist. Es kennzeichnet (meist technische) Zusatzinformationen, die Sie gut und gerne überspringen können, falls Sie sich nicht dafür interessieren.

Außerdem werden Sie auch auf einige graue Textkästen stoßen. Dort werden Themen weiter ausgeführt, die wir für interessant halten. Allerdings sind wir vielleicht etwas voreingenommen – also zögern Sie nicht, diese Kästen zu überspringen.

Törichte Annahmen über den Leser

Beim Schreiben dieses Buchs gingen wir von einigen mehr oder weniger zutreffenden Annahmen über unsere Leser aus:

Sie studieren eine empirische Sozialwissenschaft, Psychologie oder ein ähnliches Fach.

Sie sind in der Forschung ein Neuling, haben also noch nie oder höchstens ein-, zweimal ein eigenes Forschungsprojekt bearbeitet.

Sie sind grob mit den gängigen statistischen Methoden vertraut (falls nicht: Sie schlagen bei Bedarf im hinteren Teil des Buchs nach, was es damit auf sich hat).

Sie wissen, dass SPSS ein Statistikprogramm und kein ominöser Tropenvirus ist. Im besten Fall haben Sie SPSS schon auf Ihrem Rechner installiert. Außerdem können Sie grundsätzlich einen Computer bedienen.

Sie sind kein Mathe-Genie, haben aber ein grundlegendes Zahlenverständnis und beherrschen die mathematischen Grundlagen – zum Beispiel das Quadrieren oder Wurzelziehen einer Zahl.

Sie möchten keine komplexen multivariaten Statistiken auswerten. Dieses Buch richtet sich an Anfänger. Wir begrenzen uns daher auf Methoden, die man als Einsteiger benötigt.

Wie dieses Buch aufgebaut ist

Dieses Buch ist in zwölf Teile gegliedert. Die ersten sechs Teile sind dem generellen Ablauf von Forschungsprojekten gewidmet:

In

Teil I

des Buchs bekommen Sie einen Überblick darüber, wie man in den empirischen Sozialwissenschaften und der Psychologie forscht. Sie erfahren, was die Ausdrücke »Reliabilität« und »Validität« bedeuten und warum sie so wichtig für Durchführung und Beurteilung von Forschungsarbeiten sind. Zudem lernen Sie fünf ethische Grundsätze für die Forschung kennen und erfahren, wie Sie dafür sorgen können, dass Ihre eigenen Studien diesen Ansprüchen genügen.

In

Teil II

erfahren Sie, wie Sie mit verschiedenen Erhebungsdesigns natürlich vorkommende Variablen erfassen und welche Arten von Erhebungen Sie durchführen können. Sie lernen, wie Sie eine repräsentative Stichprobe für Ihre Studie auswählen und Fehler bei der Stichprobenziehung vermeiden. Sie bekommen Tipps für das Erstellen eigener Fragebogen und erfahren, wann ein Fragebogen valide und reliabel ist.

In

Teil III

lernen Sie die beiden wichtigsten Versuchsdesigns (Experimentaldesigns) in der Psychologie und den empirischen Sozialwissenschaften kennen. Und Sie erfahren, welche Arten von komplexeren Versuchsdesigns möglich sind, wenn Sie mehr als zwei Gruppen untersuchen möchten.

In

Teil IV

finden Sie Richtlinien für das Erstellen eines grundsoliden qualitativen Forschungsprojekts, einschließlich Hinweisen zur Stichprobenauswahl, Datenerhebung und Transkription von Notizen. Zudem erfahren Sie, wie man bei der qualitativen Datenanalyse Muster erkennt.

In

Teil V

lernen Sie das schrittweise Vorgehen beim Schreiben von Forschungsberichten kennen. Sie erfahren, wie Sie einen herausragenden Vortrag vorbereiten, ein Poster beziehungsweise Folien gestalten und diese professionell vortragen. Auch finden Sie Hinweise für das Erstellen eines Literaturverzeichnisses und bekommen einen Überblick darüber, wie man richtig zitiert und Zahlen formatiert.

In

Teil VI

erfahren Sie, welche Literatur Sie in die Literaturübersicht Ihres Forschungsberichts aufnehmen müssen. Sie lernen, wie Sie die ideale Teilnehmeranzahl für Ihre quantitative Studie berechnen. Und Sie erfahren, wie ein durchdachtes Exposé Ihrer Forschung zu einem guten Start verhilft.

Ab Teil VII des Buchs wenden wir uns dann der Statistik in ihrer vollen Pracht zu:

In

Teil VII

geht es um die Beschreibung und Zusammenfassung von Daten. Zunächst werden die verschiedenen Arten von Variablen und die Skalenniveaus erklärt. In diesem Teil beginnen wir auch mit den Grundlagen der deskriptiven Statistik. Außerdem geben wir Ihnen eine erste Einführung in SPSS. Wenn Sie also noch nie SPSS benutzt haben oder eine kleine Auffrischung benötigen, sind Sie hier genau richtig!

Teil VIII

konzentriert sich auf zentrale Begriffe der Statistik. Sie wissen nicht, was der Unterschied zwischen einer Null- und einer Alternativhypothese ist? Sie fragen sich, was statistische Interferenz noch mal bedeutet und was der

p

-Wert mit der Effektstärke zu tun hat? Dann auf zu

Teil VIII

!

Teil IX

befasst sich mit der schließenden Statistik, beispielsweise Korrelation, Regression und Tests für kategoriale Daten. Wir erklären, wann und wofür jede Methode verwendet wird und wie man die entsprechende Analyse mit SPSS durchführt. Außerdem erfahren Sie, wie Sie die Ergebnisse richtig interpretieren und statistisch korrekt zusammenfassen.

Auch

Teil X

befasst sich mit der schließenden Statistik, nämlich den Unterschieden zwischen zwei oder mehreren unabhängigen Datengruppen. Dabei werfen wir ein besonderes Augenmerk auf den

t

-Test für unabhängige Stichproben, den Mann-Whitney-Test und die Varianzanalyse (ANOVA).

Teil XI

des Buchs beschäftigt sich noch einmal mit der schließenden Statistik, jetzt aber mit den Unterschieden zwischen zwei oder mehr wiederholten Messungen. Hier finden Sie den

t

-Test für abhängige Stichproben, den Wilcoxon-Test und die bereits erwähnte Varianzanalyse (ANOVA). Mit der gemischten ANOVA konzentrieren wir uns hier aber auf die Analyse von Forschungsdesigns, die sowohl unabhängige Stichproben als auch wiederholte Messungen umfassen.

Wie von den Dummies nicht anders zu erwarten, endet dieses Buch mit einem Top-Ten-Teil: Hier finden Sie 10 Stolperfallen, die Sie bei der Stichprobenauswahl lieber vermeiden sollten, 10 Tipps für Forschungsberichte, 10 gute Ratschläge für inferentielles Testen und 10 Tipps für das Zitieren Ihrer Ergebnisse.

Symbole, die in diesem Buch verwendet werden

Wie in allen Dummies-Büchern sind in diesem Buch manche Textstellen mit Symbolen markiert. Diese enthalten ganz besondere Informationen:

Dieses Icon gibt hilfreiche Tipps, mit denen Sie Zeit und Gehirnschmalz sparen können.

Diese Textstellen sind wirklich wichtig! Sie enthalten Infos, die Sie auch dann noch wissen sollten, wenn Sie das Buch wieder zugeklappt haben.

Dieses Symbol kennzeichnet Fallen, in die Anfänger oft tappen.

Hier finden Sie ausführlichere Informationen zu Themen, die im Text nur am Rande behandelt werden. Wenn Sie schnell vorankommen möchten, können Sie diese Textstellen auslassen.

Wie es weitergeht

Sie können das Buch von Anfang bis Ende durchlesen (und dabei hoffentlich auch Spaß haben), aber es ist kein Roman. Vielmehr ist das Buch so aufgebaut, dass Sie die gewünschten Informationen bequem finden können, ohne alle Details zum betreffenden Thema durchlesen oder sich durch unnötig viele SPSS-Schritte quälen zu müssen.

Wenn Sie ein Forschungs-Neuling sind, empfehlen wir Ihnen, mit Kapitel 1 anzufangen, das Ihnen einen groben Überblick über psychologische beziehungsweise sozialwissenschaftliche Forschungsmethoden verschafft und einige wichtige Prinzipien vorstellt. Wenn Sie sich schon etwas mit Forschung auskennen, aber Informationen dazu brauchen, wie man ein Exposé oder einen Forschungsantrag schreibt, schlagen Sie bitte Teil VI