Ein Within-Subjects-Design (auch Messwiederholung, Repeated Measures Design genannt) ist eine Art von Versuchsplan, bei dem jede teilnehmende Person jeder Stufe der unabhängigen Variable ausgesetzt ist. Dieser Ansatz wird verwendet, wenn es nicht möglich oder ethisch vertretbar ist, eine Kontrollgruppe zu haben, oder wenn  die Unterschiede zwischen den Gruppen minimiert werden sollen. In der Verhaltensforschung, Psychologie […]

Der Bestätigungsfehler (engl. confirmation bias) ist ein kognitives Phänomen, das auftritt, wenn Menschen zulassen, dass ihre bereits vorhandenen Überzeugungen die Verarbeitung neuer Informationen verzerren. Wenn Menschen mit neuen Informationen konfrontiert werden, neigen sie dazu, diese so zu interpretieren, dass sie ihre bestehenden Überzeugungen bestätigen. Bestätigungsfehler können dazu führen, dass Menschen Beweise ignorieren, die ihren Überzeugungen […]

Das Simpson-Paradoxon, auch bekannt als Yule-Simpson-Effekt, ist ein statistisches Phänomen, bei dem zwei Gruppen mit unterschiedlichen Gesamtanteilen umgekehrte Unterschiede aufweisen können, wenn sie einzeln analysiert werden. Das Paradoxon ist nach Edward Simpson benannt, der den Effekt 1951 in seiner Arbeit „The Interpretation of Interaction in Contingency Tables“ vorstellte. Das Paradoxon tritt auf, wenn es eine […]

Treatment-As-Usual (TAU; Behandlung wie üblich) ist ein statistisches Konzept, das zum Vergleich der Wirksamkeit verschiedener Behandlungen verwendet wird. Es ist definiert als das durchschnittliche Ansprechen auf eine Behandlung ohne eine spezifische Intervention. TAU wird häufig als Kontrollgruppe in klinischen Studien verwendet. Die „Behandlung wie üblich“ ist also eine Art Kontrollgruppe, die in klinischen Studien verwendet […]

Der Hawthorne-Effekt ist eine Form der Reaktivität, bei der Personen einen Aspekt ihres Verhaltens ändern, wenn sie merken, dass sie beobachtet werden. Die ursprüngliche Forschungsarbeit, die zu diesem Effekt führte, wurde von 1924 bis 1932 in den Hawthorne Works, einer Western Electric Fabrik in Cicero, Illinois, durchgeführt. In der ersten Phase der Studie wurden den […]

Überanpassung (engl. Overfitting) ist ein statistisches Konzept, bei dem ein Modell zu sehr auf die Besonderheiten der Trainingsdaten abgepasst wird, bis zu dem Punkt, an dem es nicht mehr gut auf neue Daten verallgemeinert. Dies kann aus verschiedenen Gründen geschehen, aber eine häufige Ursache ist, dass das Modell zu viele Parameter im Verhältnis zur Menge […]

Der Deckeneffekt ist eine Messbegrenzung, die auftritt, wenn die höchstmögliche Punktzahl oder nahe der höchsten Punktzahl eines Prüf- oder Messinstruments erreicht wird, wodurch die Wahrscheinlichkeit verringert wird, dass das Messinstrument den vorgesehenen Bereich genau gemessen hat. Er kann bei Fragebögen, standardisierten Tests oder anderen Messungen in Forschungsstudien auftreten. Statistisch gesehen, ist der Deckeneffekt ein Phänomen, […]

Eine generische Funktion ist eine Funktion, die auf verschiedene Typen von Variablen angewandt werden kann und je nach Typ der Variablen unterschiedliche Ergebnisse liefert. Generische Funktionen sind Teil der Art und Weise, wie R Objektorientierte Programmierung implementiert. Der Kern eines jeden objektorientierten Systems sind die Konzepte von Klasse und Methode. Eine Klasse definiert einen Objekttyp […]

Bei der Go/No-Go-Aufgabe (engl. go/no-go task, go/no-go paradigm) müssen Versuchspersonen zwischen einem Reiz, der mit einer Belohnung verbunden ist (dem Go-Reiz), und einem anderen Reiz, der eine Reaktionshemmung auslöst (dem No-Go-Reiz), wählen. Der No-Go-Reiz wird in der Regel weniger häufig präsentiert als der Go-Reiz.

Das Bayes’sche Informationskriterium (BIC; engl. Bayesian information criterion) ist eine Statistik, die für den Vergleich und die Auswahl verschiedener statistischer Modelle verwendet wird. Es weist viele grundlegende und mathematische Ähnlichkeiten mit dem Akaike-Informationskriterium (AIC) auf. AIC und BIC verwenden dieselben Informationen aus der Likelihood-Funktion, aber das BIC sieht eine strengere Strafe (penalty) für das Hinzufügen […]

Das Akaike-Informationskriterium (AIC; Akaike information criterion) ist eine alternative Methode für den Vergleich von Modellen auf der Grundlage von Entscheidungen über die Entropie, d. h. darüber, wie viele zusätzliche Informationen ein komplexeres Modell im Vergleich zu dem (unbekannten) stochastischen Modell, auf dem die Daten basieren, liefert. Das AIC schätzt dabei die Menge an verlorengegangener Information […]

Feste Effekte (englisch: fixed effects) beziehen sich auf eine Art von unabhängiger Variable oder Faktor, in der Regel in ANOVA-Designs. In den meisten experimentellen Versuchspläne werden Modelle mit festen Effekten verwendet, bei denen die Niveaus oder Faktorstufen der unabhängigen Variablen endlich und bekannt sind und in den meisten Fällen von den Forschenden so manipuliert werden, […]

Randomisierte klinische Studien (RCT) gelten allgemein als die beste Methode zum Vergleich von Therapieeffekten. Meistens besteht das Ziel einer RCT darin, zu zeigen, dass eine neue Behandlungsmethode einer etablierten Therapie oder einem Placebo überlegen ist, d.h. sie werden als Überlegenheitsstudien (superiority trials) geplant und durchgeführt. Manchmal besteht das Ziel einer RCT nur darin, zu zeigen, dass […]

Bestätigungsfehler, auch bekannt als Confirmation Bias, bezieht sich auf die Verarbeitung von Informationen durch die Suche nach oder die Interpretation von Informationen, die mit den eigenen Überzeugungen übereinstimmen. Dieser voreingenommene Ansatz bei der Entscheidungsfindung ist weitgehend unbeabsichtigt und führt häufig dazu, dass widersprüchliche Informationen ignoriert werden. Zu den bestehenden Überzeugungen gehören die Erwartungen, die man […]

Der Spielerfehlschluss (englisch: Gambler’s Fallacy) ist der Irrglaube, dass zwischen wirklich unabhängigen stochastischen Ereignissen eine gewisse Abhängigkeit besteht, so dass ein Ereignis, das in der Vergangenheit seltener eingetreten ist als man erwarten würde, in naher Zukunft häufiger auftreten wird. Beim Werfen einer Münze zum Beispiel geht der Spieler davon aus, dass die Wahrscheinlichkeit von „Kopf“ […]

In unserem Beispiel haben Patienten mit einer Spinnenphobie für 200 Tage therapiert und untersucht. Oft hat man bestimmten Hypothesen, wie sich die Überlebenszeiten zu einem bestimmten Zeitpunkt entwickeln würden. Beispielsweise könnte eine unserer Hypothesen gewesen sein, dass sich nach 100 Tagen Patienten in der Gruppe mit Expositionstherapie signifikant von von denen in den anderen beiden […]

Nachdem unsere Hauptanalyse signifikant geworden ist, wollen wir in diesem Schritt wissen, welche beiden Gruppen sich statistisch signifikant unterscheiden. Dazu müssen wir uns in der Ausgabe von SPSS die Tabelle Paarweise Vergleiche anschauen. Paarweise Vergleiche Gruppe Entspannungs­therapie Expositions­therapie Hypnose­therapie Chi-Quadrat Sig. Chi-Quadrat Sig. Chi-Quadrat Sig. Log Rank (Mantel-Cox) Entspannungstherapie 12,978 ,000 3,925 ,048 Expositionstherapie 12,978 […]

In diesem Abschnitt lassen wir uns von SPSS post-hoc Tests berechnen. Post-hoc Tests werden nach einer signifikanten Analyse durchgeführt, um festzustellen, welche Gruppen sich genau signifikant voneinander unterscheiden. Die Durchführung der paarweisen Vergleiche unterscheidet sich nur durch geringfügig von der vorigen Analyse. Entsprechend können wir die Auswahl größtenteils übernehmen. Da es aber durchaus sein kann, […]

Jetzt kommt die Interpretation der eigentlichen Analyse. Hierdurch können wir die Frage beantworten: Unterscheidet sich die Zeit bis zum Therapieerfolg zwischen den Gruppen? Oder allgemeiner ausgedrückt: Unterscheiden sich die Überlebenszeiten nach Gruppe? Gruppen statistisch vergleichen SPSS stellt uns drei verschiedene statistische Tests zur Verfügung, die alle diese Frage beantwortet wollen. Der (1) Log-Rang-Test (Mantel, 1966), […]

Charakteristisch für die Kaplan-Meier Überlebenszeitanalyse ist die grafische Darstellung Überlebensfunktion, die ein stufenförmiges Erscheinungsbild hat. Die Überlebensfunktion gibt an, inwieweit das Ereignis (in unserem Beispiel: von Spinnenphobie geheilt), noch nicht eingetreten ist. Entsprechend beginnen die Kurven auch bei einer Wahrscheinlichkeit von 100% (also 1,0). Die Überlebensfunktion ist ein guter Startpunkt, um ein Gefühl für die […]