Autorenverzeichnis	6
	Inhaltsverzeichnis	8
	1. Kapitel Übersicht	18
	1. Zur Prüfung sog. Kausalhypothesen	18
	2. Zum Problem der Validität des statistischen Schlusses	31
	3. Dynamische Modelle	35
	Literatur	39
	2. Kapitel Planung und Auswertung von Experimenten	41
	1. Einleitung	43
	1.1 Einige Begriffsbestimmungen	43
	1.2 Das Experiment als Methode zur Prüfung von Kausalaussagen	44
	1.3 Die Validität eines Experiments	46
	2. Variablenvalidität ( VV)	50
	2.1 Mangelnde Eindeutigkeit der Zuordnung als Störfaktor (VV)	51
	2.2 Mangelnde konzeptuelle Replikation als Störfaktor (VV)	52
	2.4 Zu geringes Skalenniveau als Störfaktor (VV)	55
	2.5 Konfundierung von theoretischen Begriffen als Störfaktor ( VV)	59
	Zusammenfassung	63
	3. Interne Validität	63
	3.1 Variation personaler und situationaler Merkmale als Störfaktoren ( IV)	64
	3.1.1 Variation situationaler Merkmale	64
	3.1.2 Variation personaler Merkmale	65
	3.2 Störfaktoren (IV) bei Meßwiederholung	65
	3.3 Zur Kontrolle der Störfaktoren (IV) bei interindividueller Bedingungsvariation	67
	3.3.1 Konstanthaltung und Elimination	68
	3.3.2 Randomisierung	69
	3.3.3 Einführung eines Kontrollfaktors	72
	3.4 Zur Kontrolle der Störfaktoren (IV) bei intraindividueller Bedingungsvariation ( Meßwiederholung)	73
	3.5 Versuchspläne mit interindividueller Bedingungsvariation und Vortest	75
	3.6 Zur Definition des Experiments und anderer Untersuchungsmethoden	76
	4. Populations- und Situationsvalidität	77
	4.1 Populationsvalidität (PV)	77
	4.2 Situationsvalidität (SV)	80
	4.3 Zur Kontrolle der Störfaktoren (PV und SV)	81
	5. Beziehungen zwischen den Validitätsarten	82
	6. Statistische Validität	84
	7. Eine Strategie zur Entscheidung zwischen statistischen Hypothesen: Der Signifikanztest	87
	7.1 Überblick über verschiedene alternative Strategien	87
	7.2 Kurzer Abriß einiger Charakteristika von Signifikanztests	90
	7.3 Mögliche Fehler beim statistischen Testen	93
	7.3.1 Fehler unter Gültigkeit der Null- Hypothese ( Fehler 1. Art)	93
	7.3.2 Fehler unter Gültigkeit der Alternativhypothese ( Fehler 2. Art)	95
	7.4 Die Determinanten eines Signifikanztests	98
	7.4.1 Forschungs- und Publikationspraxis 1: Signifikanzniveau und p-Werte	100
	7.4.2 Forschungs- und Publikationspraxis II: Experimentelle Effekte und Teststärke	102
	7.4.3 Forschungs- und Publikationspraxis III: Entwicklung einer vorläufigen Zielvorstellung	103
	7.5 Arten statistischer Hypothesen und ihre Prüfung	105
	7.5.1 Gerichtete und ungerichtete Hypothesen und ihre Prüfung	105
	7.5.2 Parametrische und nicht- parametrische Hypothesen und ihre Prüfung	106
	7.5.3 Zur Wahl zwischen parametrischen und nicht- parametrischen Verfahren	108
	7.5.4 Zur Frage der relativen Effizienz	112
	7.6 Zusammenfassung	113
	8. Störfaktoren der statistischen Validität und ihre Ausschaltung	114
	8.1 Falsche statistische Hypothesen und Verfahren	114
	8.1.1 Die wichtigsten Beziehungen zwischen	114
	8.1.2 Falsche Umsetzung der wissenschaftlichen in eine statistische Hypothese als Störfaktor ( StatV)	118
	8.1.3 Falsche Auswahl der zu prüfenden statistischen Hypothese	119
	8.1.4 Falsche statistische Analyse	119
	8.2 Verletzung der Annahmen bei statistischen Tests als Störfaktor ( StatV)	120
	8.2.1 Das Allgemeine	120
	8.2.2 Additivität	123
	8.2.3 Normalverteilung der Modellresiduen ( Fehler)	125
	8.2.4 Homogenität der Fehlervarianzen in den Populationen	128
	8.2.5 Unabhängigkeit der Fehlerterme	132
	8.2.6 Problem der Zufallsstichproben	136
	8.3 Kumulierung der Wahrscheinlichkeiten für Fehler erster und zweiter Art	137
	8.3.1 Multiple Mittelwertsvergleiche	140
	8.3.2 Monotone Trendhypothesen	143
	8.4 Mangelnde Präzision	144
	8.4.1 Parallelisierung als Kontrolltechnik ( StatV)	145
	8.4.2 Kovarianzanalyse als Kontrolltechnik ( StatV)	147
	8.4.3 Homogenisierung als Kontrolltechnik ( StatV)	148
	8.4.4 Konstanthaltung und Elimination als Kontrolltechniken ( StatV)	148
	8.4.5 Eingenistete Faktoren als Kontrolltechnik ( StatV)	149
	8.4.6 Wiederholte Messungen als Kontrolltechnik (StatV)	150
	8.4.7 Zur Beziehung zwischen der Präzision und den anderen Aspekten der experimentellen Validität	160
	8.5 Falsche Analyse und Interpretation statistischer Interaktionen	161
	8.6 Zusammenfassung	172
	9. Maße der statistischen Assoziation: Die experimentellen Effekte	174
	9.1 Einleitung	174
	9.2 Experimentelle Effekte und praktische Bedeutsamkeit	175
	9.3 Experimentelle Effekte bei parametrischen Hypothesen	175
	9.3.1 Maße der Nicht-Zentralität	176
	9.3.2 Korrelationskoeffizienten und - quotienten	177
	9.4 Experimentelle Effekte bei nicht-parametrischen Hypothesen	183
	9.4.1 Experimentelle Effekte bei ordinalen Daten	183
	9.4.2 Experimentelle Effekte bei nominalen Daten	184
	9.5 Zur Kritik der Maße der statistischen Assoziation	185
	9.6 Zusammenfassung	186
	10. Bestimmung des Stichprobenumfanges	187
	10.1 Überblick	187
	10.2 Allgemeine Prinzipien der Stichprobengrößenbestimmung	189
	10.3 Bestimmung des Stichprobenumfanges bei univariaten Varianz- und Regressionsanalysen	191
	10.3.1 Bei Kenntnis	191
	10.3.2 Bei prä- experimenteller Schätzung der Varianz 0,’	192
	10.3.3 Ohne Kenntnis der Populationsvarianz 0,’	194
	10.4 Hinweise zur Stichprobenumfassungsbestimmung bei weiteren Gruppen von parametrischen Testverfahren	197
	10.4.1 Varianzanalyse mit zufälligen und gemischten Effekten	197
	10.4.2 Nicht- orthogonale Varianzanalysen	198
	10.4.3 Multivariate Varianz- und Regressionsanalysen	199
	10.5 Hinweise zur Stichprobenumfangsbestimmung bei nicht- parametrischen Verfahren	200
	10.5.1 Nominale Daten	200
	10.5.2 Ordinale Daten	200
	10.6 Abschließende Bemerkungen zur Stichprobengrößenbestimmung	201
	11. Eine Strategie zur Entscheidung über wissenschaftliche Hypothesen mittels Signifikanztests	202
	11.1 Stadium der Planung des Experiments	202
	11.1.1 Überblick	202
	11.1.2 Zur Festlegung der beiden Fehlerwahrscheinlichkeiten	203
	11.1.3 Zur Festlegung des experimentellen Mindesteffektes EEM	205
	11.1.4 Zur Frage der Willkür bei der Planung von Experimenten	205
	11.2 Stadium der Entscheidung über die Kausalhypothese	205
	3. Kapitel Messung, Analyse und Prognose von Veränderungen	256
	1. Einleitung	256
	2. Univariate Zeitreihenanalyse	260
	2.1 Integrierte Prozesse der Ordnung d: ARIMA(0,d,0)-Modelle	263
	2.2 Autoregressive Prozesse der Ordnung p: ARIMA(p,0,0) u. ARIMA(p,d,0)-Modelle	265
	2.3 Moving-average Prozesse der Ordnung q: ARIMA(0,0,q)-Modelle	268
	2.4 Das allgemeine ARIMA (p,d,q)-Modell	270
	2.5 Autokorrelations- und partielle Autokorrelationsfunktion	273
	2.6 Saisonale Einflüsse	280
	2.7 Modellidentifikation	281
	2.8 Multiple Zeitreihenanalyse : Transferfunktionsmodelle	285
	2.9 Multivariate Zeitreihenanalyse	296
	2.10 Multiple und multivariate Transfermodelle	299
	2.10.1 Multiple Transfermodelle	299
	2.10.2 Multivariate Transfermodelle	300
	3. Zeitreihenexperimente	301
	3.1 N = 1-Experimente	302
	3.1.1 Verteilungsfreie Prüfmethoden: Randomisierungs- bzw. Permutationstests	304
	3.1.2 Verteilungsgebundene Prüfverfahren: Lineares Modell	310
	3.1.3 Verteilungsgebundene Prüfverfahren: Interventionsanalyse mit dem Transfermodell von Box & Tiao (1975)	321
	3.2 N > 1 Quasiexperimentelle Zeitreihendesigns (univariater Fall für eine Gruppe)	332
	3.2.1 N > T, M = 1, G = 1	332
	3.2.2 G > 1 Quasiexperimentelle Zeitreihendesigns bei mehreren Gruppen	344
	3.2.3 M > 1 Quasiexperimentelle Zeitreihendesigns mit mehreren abhängigen Variablen	344
	4. Veränderungsmessung mit Hilfe von Differenzenwerten	345
	4.1 Korrelation zwischen Anfangswert und Differenzwert	346
	4.2 Schätzung individueller Veränderungswerte	347
	4.3 Der Differenz- bzw. Endwert in der Regressionsanalyse	350
	4.4 Kovarianz- bzw. Regressionsmodell bei zeitbezogenen Daten	355
	4.5 Reliabilität - Stabilität	360
	5. Wachstumskurven- und Varianzanalyse	361
	5.1 Der Eingruppenfall	361
	5.1.1 Der ,,wiederholte Messungen“-Ansatz (T z 2, G = 1, N > 1)	361
	5.1.2 Zur Identifikation und Interpretation der Effektparameter	366
	5.2 Berücksichtigung von gruppenspezifischen Faktoren	374
	5.3 Schätzung des Modells	381
	5.4 Hypothesentests	383
	5.5 Mehrfachantwort (echt multivariate) -Analyse*	386
	6. Pooling von ,,Querschnitt“- mit ,,Zeitreiben “-Analyse	387
	6.1 Modellüberlegungen	387
	6.2 Schätzprobleme	392
	7. Strukturgleichungsmodelle	392
	7.1 Kovarianz- und korrelationsorientierte Analysen von Zeitreihen von Querschnitten: Stabilität von Konstrukten	393
	7.2 Wachstumskurvenanalyse als Strukturgleichungsmodell	398
	7.3 Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Zeitbezogene Hypothesen für diskrete Zeitpunkte	401
	7.4 Erwartungswertorientierte Analysen von Zeitreihen von Querschnitten: Schereneffekte bei Mittelwertsverläufen auf latenten Variablen	407
	8. Markoff-Modelle für qualitative Variable bei diskreter Zeit	412
	8.1 Markoffketten 1. Ordnung mit einer Variablen	418
	8.2 Markoffketten 2. Ordnung (1 Variable)	424
	8.3 Markoffketten mit mehreren Variablen	426
	8.4 Schätzung der Übergangswahrscheinlichkeiten	427
	8.4.1 bei Zeitinhomogenität	428
	8.4.2 bei Zeithomogenität	428
	8.5 Tests	429
	8.6 Spezielle Probleme und Lösungen bei der Anwendung von Markoffketten	429
	8.7 Einführung unabhängiger Variablen	432
	8.7.1 Subgruppenmodelle	432
	8.7.2 Übergangswahrscheinlichkeiten als Funktionen von unabhängigen Variablen	432
	8.7.3 Interaktive Markoffketten	433
	8.8 Einführung latenter Klassen	433
	8.8.1 Mover-Stayer-Modell	433
	8.8.2 Generelles Modell latenter Zustände	434
	8.9 Weitere Modelle: zeitkontinuierliche Markoffprozesse	434
	9. Multivariate ,,Zeitreiben“- und Panelanalyse mit zeitkontinuierlichen Modellen	436
	9.1 ,,Zeitreihenanalyse“ (N=1, T >> M, M > 1)	436
	9.1.1 Stochastische Systeme	447
	9.1.2 Diskrete Approximation des stochastischen zeitkontinuierlichen Modells	450
	9.1.3 Identifikation und Schätzung des zeitkontinuierlichen Systems	453
	9.2 Panelanalyse (repeated-measurements) (N > M, TL 2, M > 1)	460
	9.2.1 Zeitkontinuierliches Modell	460
	9.2.2 Diskrete Approximation des stochastischen zeitkontinuierlichen Panelmodells mit LISREL	466
	9.2.3 Identifikation und Schätzung der zeitkontinuierlichen Panelmodelle	467
	10. Schlußbemerkungen	469
	4. Kapitel Statistische Entscheidungstheorie und Bayes-Statistik	488
	1. Einleitung: Problemstellung	488
	1.1 Exkurs über Meßtheorie und Skalierung	489
	1.2 Schema des Erkenntnisgewinns in einer empirischen Wissenschaft	491
	2. Klassische Statistik	493
	2.1 Vorgehensweise der klassischen Statistik	493
	2.2 Eigenschaften klassischer Tests	501
	2.3 Zur Frage der Stichprobengröße	503
	2.4 Zur Effektstärke	507
	2.5 Zusammenfassung des klassischen Signifikanztests	508
	3. Sequentielle Testverfahren	511
	4. Likelihood-Quotienten-Test	516
	5. Bayes-Statistik	517
	5.1 Vorgehensweise der Bayes-Statistik	517
	5.2 Robustheit der Schätzung (principle of stable estimation)	518
	5.3 Vergleich mit der klassischen Statistik	520
	5.4 Integration von Daten aus verschiedenen Quellen	521
	6. Parameter-Schätzung	522
	6.1 Lösung der kleinsten Quadrate	522
	6.2 Maximum-Likelihood-Schätzung	523
	6.3 Konjugierte Verteilungen	524
	6.4 Das Principle of Stable Estimation bei der Parameterschätzung	524
	7. Die Erhebung von a-priori- Wahrscheinlichkeiten	524
	8. Die Bewertung der Ausgänge von Entscheidungen	527
	8.1 Bewertung multiattributiver Ausgänge	532
	9. Entscheidungskriterien	536
	10. Schlußbemerkung	540
	5. Kapitel Computer-Simulation	547
	1. Einleitung	547
	2. Das Paradigma der Computer-Simulation in der Psychologie	550
	2.1 Zur Klassifikation von Simulationsmodellen	550
	2.2 Programmbeispiel: ,,Simple Concept Attainment“	553
	2.2.1 Flußdiagrammdarstellung	553
	2.2.2 Das Hauptprogramm (Versuchsablaufprogramm)	555
	2.2.3 Zur ,,Binnenstruktur“ der Informationsverarbeitung	559
	2.2.4 Die Modellvarianten	561
	2.2.5 Abschließende Funktionsdefinitionen	564
	2.3 Diskussion des Programmbeispiels	566
	2.3.1 Modellcharakteristika	566
	2.3.2 Nicht-numerisches Programmieren	567
	2.3.3 ,,Listenverarbeitung”	568
	2.3.4 Modulares Programmieren	571
	3. Simulationsmodelle und psychologische Theorienbildung	572
	3.1 Empirische Grundlagen psychologischer Simulationsmodelle	573
	3.1.1 Methoden der Datengewinnung	573
	3.1.2 Möglichkeiten der Datenauswertung	575
	3.2 Informationelle Produktionssysteme	580
	3.2.1 Die Modellarchitektur von Produktionssystemen	581
	3.2.2 Beispiel eines Produktionssystems als Simulationsmodell	582
	3.2.3 Transparenz und Abbildtreue von Produktionssystemen	588
	3.3 Das Interpreterproblem von Produktionssystemen	592
	3.3.1 Lesarten von Produktionsregeln	593
	3.3.2 Konfliktlösungsstrategien (,,conflict resolution“)	594
	3.3.3 Adaptivität (Lernfähigkeit) von Produktionssystemen	595
	3.3.4 ,,Bewußtseinsfunktionen” des Interpreters	596
	3.4 ,,Künstliche Intelligenz“ oder: Wie man dem Rechner das Rechnen beibringen kann	597
	4. Validierung und Anwendbarkeit von Simulationsmodellen	604
	4.1 Wirklichkeitsbezug und Modellrelationen	605
	4.1.1 Modellbildung als homomorphe Abbildung	605
	4.1.2 Kommutatives Diagramm	608
	4.2 Das Eindeutigkeitstheorem von Anderson	610
	4.3 Empirische Tests von Simulationsmodellen	612
	4.3.1 Turing-Test	613
	4.3.2 Protokoll-Trace-Vergleich	614
	4.4 Nicht-Falsifizierbarkeit von KI-Systemen	615
	4.4.1 Der strukturalistische Theoriebegriff	616
	4.4.2 Die logische Komponente der Theorie der Informationsverarbeitung	618
	4.4.3 Die empirische Komponente der Theorie der Informationsverarbeitung	624
	4.4.4 Der instrumentelle Gebrauch der Theorie der Informationsverarbeitung	626
	5. Kommentiertes Literaturverzeichnis	627
	Autoren-Register	634
	Sach-Register	647