Inhaltsübersicht	6
	Inhalt	8
	Danksagung und Vorwort zur 4. Auflage	22
	Wegweiser	24
	I Forschungsmethoden	34
	1 Was sind Methoden, und wozu sind sie gut?	36
	1.1 Erkenntnismethoden und?Interventionsmethoden	36
	1.2 Methoden der Datengewinnung und der Datenauswertung	37
	1.3 Warum sind Methodenkenntnisse wichtig?	38
	2 Struktur und Ablauf wissenschaftlicher Untersuchungen	40
	2.1 Hypothesen, Ebenen wissenschaftlicher Aussagen und die Überbrückungsproblematik	40
	2.1.1 Prüfbare und nicht-prüfbare Aussagen	40
	2.1.2 Wissenschaftliche Hypothesen	41
	2.1.3 Überbrückungsprobleme	42
	2.2 Schritte im Forschungsprozess	43
	2.2.1 Entstehung eines Erkenntnisinteresses	43
	2.2.2 Sammlung verfügbaren Wissens	44
	2.2.3 Entwicklung einer Fragestellung oder Hypothese	44
	2.2.4 Planung einer Untersuchung	45
	2.2.5 Durchführung der Untersuchung	47
	2.2.6 Auswertung der Daten	48
	2.2.7 Schlussfolgerungen aus der Untersuchung	49
	2.2.8 Mitteilung der Untersuchung	49
	3 Methoden der Datengewinnung	52
	3.1 Kriterien für die Wahl einer Erhebungsmethode	52
	3.2 Ordnungsmöglichkeiten	53
	3.3 Darstellung einzelner Erhebungsmethoden	56
	3.3.1 Verhaltensbeobachtung	56
	3.3.2 Gespräch (?Interview, Exploration, Anamnese?)	58
	3.3.3 Schriftliche Befragung und Fragebogen	60
	3.3.4 Textanalytische Methoden	63
	3.3.5 Tests	64
	3.3.6 Computerbasierte Verfahren	66
	3.3.7 Apparative Verfahren zur Erfassung psychomotorischer Leistungen	68
	3.3.8 Psychobiologische Verfahren	69
	3.3.9 Nicht-reaktiv gewonnene Daten	71
	3.3.10 Projektive Verfahren	72
	3.3.11 Reaktionszeitgestützte Verfahren	73
	3.4 Multimethodale Erfassung menschlichen Erlebens und Verhaltens	75
	4 Forschungsansätze und -strategien in der Psychologie	82
	4.1 Methodologische Grundbegriffe	83
	4.1.1 Variablen und Konstanten	83
	4.1.2 Merkmale und Merkmalsträger	83
	4.1.3 Arten von Variablen in?der?Psychologie	83
	4.2 Voraussetzungen für kausale Schlussfolgerungen	85
	4.3 Experimenteller Ansatz	86
	4.3.1 Systematische Störvariablen	87
	4.3.2 Unsystematische Störvariablen	88
	4.3.3 Kontrolle von Störvariablen	88
	4.3.4 Externe Validität	91
	4.4 Quasi-experimenteller Ansatz	93
	4.5 Korrelativer Ansatz	95
	4.6 Sekundär- und Metaanalysen	97
	II Messtheoretische und deskriptivstatistische Grundlagen	102
	5 Messtheoretische Grundlagen	104
	5.1 Skalenniveau	104
	5.1.1 Skalenniveaus im Überblick	105
	5.1.2 Skalenniveau und andere Variablenarten	107
	5.2 Messen in der Psychologie: Grundideen am Beispiel der Nominalskala	107
	5.2.1 Relation	107
	5.2.2 Relativ (?relationales System?)	109
	5.2.3 Homomorphismus	110
	5.2.4 Grundlegende Fragen der Messtheorie	110
	5.3 Definition der Nominalskala	111
	5.3.1 Das empirische Relativ der?Nominalskala	111
	5.3.2 Das numerische Relativ der?Nominalskala	112
	5.3.3 Nominalskala und Nominalskalenmodell	113
	5.3.4 Zulässige Transformationen und?Eindeutigkeit	113
	5.3.5 Bedeutsamkeit	114
	5.3.6 Anwendung von Nominalskalen	114
	5.3.7 Das Wesentliche zum Nominalskalenmodell	115
	5.4 Definition der Ordinalskala	115
	5.4.1 Das empirische Relativ der?Ordinalskala	115
	5.4.2 Das numerische Relativ der?Ordinalskala	116
	5.4.3 Ordinalskala und Ordinalskalenmodell	117
	5.4.4 Zulässige Transformationen und Eindeutigkeit	119
	5.4.5 Bedeutsamkeit	120
	5.4.6 Anwendung von Ordinalskalen	120
	5.4.7 Das Wesentliche zum Ordinalskalenmodell	121
	5.5 Kardinalskalierte oder metrische Variablen	121
	5.5.1 Definition der Intervallskala	122
	5.5.2 Definition der Verhältnisskala	123
	5.5.3 Definition der Absolutskala	124
	5.6 Inklusionsregel zulässiger Transformationen	124
	6 Univariate Deskriptivstatistik	128
	6.1 Grundbegriffe der Deskriptivstatistik	128
	6.1.1 Datenmatrix	128
	6.1.2 Häufigkeitsverteilung	129
	6.2 Deskriptivstatistik für nominalskalierte Variablen	134
	6.2.1 Zentrale Tendenz und Modalwert	134
	6.2.2 Dispersion und relativer Informationsgehalt	134
	6.3 Deskriptivstatistik für ordinalskalierte Variablen	136
	6.3.1 Häufigkeitsverteilungen	137
	6.3.2 Zentrale Tendenz und Median	140
	6.3.3 Dispersion und Interquartilsbereich	141
	6.4 Deskriptivstatistik für metrische Variablen	144
	6.4.1 Häufigkeitsverteilungen	144
	6.4.2 Kennwerte der zentralen Tendenz	154
	6.4.3 Quantile	160
	6.4.4 Streuungskennwerte	161
	6.4.5 Schiefe und Kurtosis	165
	6.5 Standardwerte und z-Transformation	166
	6.6 Bivariate und multivariate Deskriptivstatistik	167
	III Wahrscheinlichkeitstheorie und inferenzstatistische Grundlagen	170
	7 Wahrscheinlichkeitstheorie und?Wahrscheinlichkeitsverteilungen	172
	7.1 Wahrscheinlichkeiten für Zufallsereignisse	173
	7.1.1 Zufallsvorgang, Zufallsexperiment und Ergebnisraum	173
	7.1.2 Zufallsereignis	174
	7.1.3 Laplace-Wahrscheinlichkeit und?Laplace-Experiment	175
	7.1.4 Kombinatorik	176
	7.1.5 Definition der Wahrscheinlichkeit nach Kolmogorov	178
	7.1.6 Bedingte Wahrscheinlichkeiten	184
	7.1.7 Das Bayes-Theorem	186
	7.2 Wahrscheinlichkeitsverteilungen für diskrete Zufallsvariablen	192
	7.2.1 Gleichverteilung	197
	7.2.2 Bernoulli-Verteilung und?Indikatorvariablen	197
	7.2.3 Binomialverteilung	198
	7.2.4 Multinomialverteilung	202
	7.2.5 Hypergeometrische Verteilung	202
	7.2.6 Geometrische Verteilung	203
	7.2.7 Poisson-Verteilung	203
	7.3 Wahrscheinlichkeitsverteilungen für stetige Zufallsvariablen	203
	7.3.1 Gleichverteilung	207
	7.3.2 Exponentialverteilung	208
	7.3.3 Normalverteilung	209
	7.3.4 Weitere stetige Wahrscheinlichkeitsverteilungen	212
	8 Grundlagen der Inferenzstatistik	218
	8.1 Der Nullhypothesentest nach Fisher	219
	8.2 Binäres Entscheidungskonzept von Neyman und Pearson	222
	8.3 Effektgrößen	229
	8.4 Statistisches Testen an Stichproben	231
	8.5 Parameterschätzung	243
	8.5.1 Gütekriterien der Parameterschätzung	243
	8.5.2 Konfidenzintervall	249
	8.5.3 Schätzung des Standardfehlers bei unbekannter Populationsvarianz	254
	8.6 Konfidenzintervalle für Effektgrößen	257
	8.6.1 Konfidenzintervall für Effektgrößen bei bekannter Populationsstandardabweichung	257
	8.6.2 Konfidenzintervall für Effektgrößen bei unbekannter Populationsstandardabweichung	260
	8.7 Testplanung und Poweranalyse	263
	8.7.1 Post-hoc-Poweranalyse	264
	8.7.2 A-priori-Poweranalyse	265
	8.8 Das Überprüfen statistischer Hypothesen in der Psychologie ...	266
	8.8.1 Schritte beim statistischen Testen	267
	8.8.2 Statistisches Testen in der wissenschaftlichen Praxis	267
	8.8.3 Empfehlungen der »Task Force on Statistical Inference«	268
	8.9 Replikation von Forschungsergebnissen	270
	8.9.1 Notwendigkeit und Vernachlässigung von Replikationen	270
	8.9.2 Präferenz für signifikante Befunde	270
	8.9.3 Subtile Strategien der Fälschung von Forschungsergebnissen	272
	8.9.4 Neue Entwicklungen	273
	9 Die Welt inferenzstatistischer Verfahren: Überblick, Systematik, Auswahlstrategien	280
	9.1 Warum braucht man verschiedene statistische Tests?	280
	9.2 Unterscheidungsmerkmale statistischer Tests	281
	9.2.1 Exakte vs. asymptotische Tests	281
	9.2.2 Parametrische vs. nonparametrische Verfahren	282
	9.2.3 Robuste Verfahren	282
	9.2.4 Resampling-Verfahren	283
	9.3 Population, Stichprobe und Repräsentativität: Konsequenzen für inferenzstatistische Verfahren	286
	9.3.1 Population (?Grundgesamtheit?)	286
	9.3.2 Stichprobe	289
	9.3.3 Repräsentativität und fehlende Werte	291
	9.4 Auswahl eines Verfahrens	293
	9.4.1 Univariate, bivariate, multivariate Verfahren	293
	9.4.2 Gerichtete vs. ungerichtete Zusammenhänge	294
	9.4.3 Manifeste vs. latente Variablen	295
	9.4.4 Skalenniveau und Variablenart	295
	9.4.5 Auswahl eines statistischen Verfahrens	296
	9.5 Weiterer Aufbau des Buches	297
	IV Methoden zum Vergleich von Gruppen	300
	10 Einstichproben- und Anpassungstests	302
	10.1 Vergleich eines Mittelwerts mit einem fixen Wert	302
	10.2 Vergleich eines Medians mit einem fixen Wert	306
	10.3 Vergleich einer Stichprobenvarianz mit einer Populationsvarianz	311
	10.4 Vergleich einer relativen Häufigkeit mit einer theoretischen Wahrscheinlichkeit (?Binomialtest)	316
	10.5 Vergleich der Häufigkeitsverteilung eines kategorialen Merkmals ...	318
	10.6 Überprüfung von Verteilungsannahmen bei stetigen Merkmalen	323
	10.6.1 Kolmogorov-Smirnov-Test (?KS-Anpassungstest?)	323
	10.6.2 ?2-Anpassungstest	327
	11 Unterschiede zwischen zwei unabhängigen Stichproben	332
	11.1 Vergleich zweier Stichprobenmittelwerte (?Zweistichprobentests?)	332
	11.1.1 Bekannte Populationsvarianzen: Der Zweistichproben-Gauß-Test	332
	11.1.2 Unbekannte Populationsvarianzen: Der t-Test für unabhängige Stichproben	335
	11.2 Vergleich zweier Stichprobenmediane (?Wilcoxon-Rangsummen-Test bzw. U-Test?)	344
	11.3 Vergleich zweier Stichprobenvarianzen (?Varianzhomogenitätstests?)	350
	11.3.1 F-Test auf Varianzhomogenität	350
	11.3.2 Levene-Test	353
	11.4 Vergleich von Häufigkeitsverteilungen zwischen zwei unabhängigen Stichproben	355
	11.4.1 Vierfelder-?2-Test	355
	11.4.2 Fisher-Yates-Test	360
	11.5 Der Zweistichproben-?2-Test	361
	12 Unterschiede zwischen zwei abhängigen Stichproben	368
	12.1 Vergleich der zentralen Tendenz zweier abhängiger Stichproben	370
	12.1.1 Parametrischer Test: Der t-Test für abhängige Stichproben	370
	12.1.2 Nonparametrische Tests	378
	12.2 Vergleich von Häufigkeitsverteilungen zwischen zwei abhängigen Stichproben	382
	12.2.1 Dichotome Merkmale: Der McNemar-Test	382
	12.2.2 Mehrkategoriale Merkmale: Der Bowker-Test	387
	13 Unterschiede zwischen mehreren unabhängigen Stichproben: Varianzanalyse und verwandte Verfahren	392
	13.1 Einfaktorielle Varianzanalyse	393
	13.1.1 Grundidee der Varianzanalyse	393
	13.1.2 Messwertzerlegung	394
	13.1.3 Zerlegung der Bedingungsmittelwerte und Effekte einzelner Bedingungen	395
	13.1.4 Quadratsummenzerlegung	397
	13.1.5 Populationsmodell der einfaktoriellen Varianzanalyse	400
	13.1.6 Schätzung der Populationsparameter	403
	13.1.7 Überprüfung der Nullhypothese: Der F-Test der einfaktoriellen Varianzanalyse	405
	13.1.8 Verletzungen der Voraussetzungen	409
	13.1.9 Effektgrößenmaße und Konfidenzintervall	410
	13.1.10 Poweranalyse	414
	13.1.11 Varianzanalyse mit zufälligen Effekten	416
	13.1.12 Paarvergleiche und Post-hoc-Tests	416
	13.1.13 Kontrastanalyse	421
	13.2 Zweifaktorielle Varianzanalyse	431
	13.2.1 Grundidee der zweifaktoriellen Varianzanalyse	433
	13.2.2 Messwertzerlegung	433
	13.2.3 Quadratsummenzerlegung	439
	13.2.4 Populationsmodell der zweifaktoriellen Varianzanalyse	442
	13.2.5 Schätzung der Populationsparameter	444
	13.2.6 Überprüfung der Nullhypothesen	444
	13.2.7 Effektgrößenmaße und Konfidenzintervalle	448
	13.2.8 Post-hoc-Tests und geplante Kontraste	451
	13.2.9 Ungleiche Stichprobengrößen: Nonorthogonale Varianzanalyse	454
	13.2.10 Mehrfaktorielle Varianzanalyse	454
	13.3 Test auf Gruppenunterschiede für Rangdaten (?Kruskal-Wallis-Test?)	455
	13.4 Verfahren für kategoriale abhängige Variablen	457
	14 Unterschiede zwischen mehreren abhängigen Stichproben: Varianzanalyse mit Messwiederholung ...	462
	14.1 Einfaktorielle Varianzanalyse mit Messwiederholung	463
	14.1.1 Messwertzerlegung	465
	14.1.2 Quadratsummenzerlegung	465
	14.1.3 Effektgrößenmaße	468
	14.1.4 Populationsmodell der einfaktoriellen Varianzanalyse mit Messwiederholung	470
	14.1.5 Schätzung der Populationsparameter	472
	14.1.6 Inferenzstatistik der einfaktoriellen Varianzanalyse mit Messwiederholung	473
	14.1.7 Sphärizität und Compound Symmetry	475
	14.1.8 Effektgrößenmaße und Konfidenzintervalle	478
	14.1.9 A-priori-Poweranalyse: Planung des optimalen Stichprobenumfangs	480
	14.1.10 Kontrastanalyse	482
	14.2 Zweifaktorielle Varianzanalyse mit Messwiederholung	485
	14.2.1 Zweifaktorielle Varianzanalyse mit Messwiederholung auf beiden Faktoren	485
	14.2.2 Zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor	493
	14.3 Nichtparametrischer Test für Medianunterschiede zwischen abhängigen Stichproben ...	501
	14.4 Verfahren für kategoriale abhängige Variablen	503
	15 Unterschiede zwischen mehreren Stichproben auf mehreren abhängigen Variablen ...	506
	15.1 Multivariate vs. univariate Varianzanalysen	506
	15.2 Zielsetzungen und Grundideen der multivariaten Varianzanalyse	507
	15.3 Einfaktorielle multivariate Varianzanalyse	508
	15.3.1 Messwertzerlegung	508
	15.3.2 Quadratsummenzerlegung	509
	15.3.3 Kreuzproduktsummenzerlegung	509
	15.3.4 Zusammenfassende Darstellung der Quadrat- und Kreuzproduktsummen	510
	15.3.5 Diskriminanzfunktion	511
	15.3.6 Effektgröße	515
	15.3.7 Populationsmodell der multivariaten Varianzanalyse	516
	15.3.8 Überprüfung der Nullhypothese	517
	15.3.9 Effektgrößen und Konfidenzintervalle	521
	15.3.10 Poweranalyse	523
	15.3.11 Post-hoc-Tests und Kontrastanalyse	524
	15.4 Spezialfälle und Erweiterungen	525
	V Zusammenhangs- und Regressionsanalyse	528
	16 Zusammenhänge zwischen zwei Variablen: Korrelations- und Assoziationsmaße	530
	16.1 Erläuterung des Korrelationsprinzips an drei Beispielen	530
	16.2 Tabellarische und grafische Darstellung von bivariaten Messwertreihen	532
	16.3 Korrelationskoeffizienten	536
	16.3.1 Zwei metrische Variablen	536
	16.3.2 Zwei ordinalskalierte Variablen	544
	16.3.3 Zwei dichotome nominalskalierte Variablen	554
	16.3.4 Zwei polytome nominalskalierte Variablen	562
	16.3.5 Eine dichotome Variable und eine metrische Variable	566
	16.3.6 Eine dichotome nominalskalierte Variable und eine ordinalskalierte Variable	567
	16.3.7 Weitere Skalenkombinationen	569
	16.3.8 Wahl eines Korrelationskoeffizienten	570
	16.4 Inferenzstatistik zu bivariaten Zusammenhangsmaßen	570
	16.4.1 Zwei metrische Variablen	571
	16.4.2 Assoziationsmaße für ordinale Variablen	580
	16.4.3 Assoziationsmaße für dichotome Variablen	583
	16.4.4 Assoziationsmaße für nominalskalierte Variablen	585
	16.4.5 Andere Assoziationsmaße	586
	17 Abhängigkeiten zwischen zwei Variablen: Einfache lineare Regression	590
	17.1 Kleinste-Quadrate-Kriterium	592
	17.2 Regressionsgleichung	596
	17.3 Regressionsresiduum	597
	17.4 Quadratsummenzerlegung und Varianzzerlegung	598
	17.5 Determinationskoeffizient und Indeterminationskoeffizient	599
	17.6 Negatives Regressionsgewicht und Regressionsrichtung	600
	17.6.1 Negatives Regressionsgewicht	600
	17.6.2 Regressionsrichtung	601
	17.7 Regression standardisierter Werte	602
	17.8 Bedeutung der linearen Regression	603
	17.9 Inferenzstatistik der einfachen linearen Regression	603
	17.9.1 Populationsmodell der einfachen linearen Regression	604
	17.9.2 Inferenzstatistische Schätzung und Testung	605
	17.9.3 Schätzung der Residualvarianz und des Standardschätzfehlers	607
	17.9.4 Schätzung und Überprüfung des Regressionsgewichts ?1	607
	17.9.5 Schätzung und Überprüfung des Achsenabschnitts ?0	608
	17.9.6 Schätzung der bedingten Erwartungswerte	609
	17.9.7 Vorhersage individueller Kriteriumswerte	610
	17.9.8 Schätzung und Überprüfung des Determinationskoeffizienten	610
	18 Partialkorrelation und Semipartialkorrelation	616
	18.1 Aufgaben und Ziele der Partial- und Semipartialkorrelation	616
	18.2 Partialkorrelation	621
	18.3 Semipartialkorrelation	625
	18.4 Inferenzstatistische Absicherung der Partial- und der Semipartialkorrelation	627
	19 Multiple Regressionsanalyse	630
	19.1 Zielsetzungen der multiplen Regressionsanalyse	630
	19.1.1 Berücksichtigung von Redundanzen und Kontrolle von Störvariablen	630
	19.1.2 Prognose und Erklärung	630
	19.1.3 Analyse komplexer Zusammenhänge	631
	19.2 Notation	632
	19.3 Lineare Regression für zwei metrische unabhängige Variablen	633
	19.3.1 Multiple Regression als kompensatorisches Modell	633
	19.3.2 Grafische Darstellung	634
	19.3.3 Bestimmung der Regressionskoeffizienten	634
	19.4 Bedeutung der Regressionsgewichte	637
	19.4.1 Multiple Regressionsgewichte als Regressionsgewichte bedingter einfacher Regressionen	637
	19.4.2 Multiple Regressionsgewichte als Regressionsgewichte von Regressionsresiduen	638
	19.4.3 Unstandardisierte vs. standardisierte Regressionsgewichte	640
	19.5 Lineare Regression für mehrere metrische unabhängige Variablen	641
	19.6 Multiple Korrelation und Determinationskoeffizient	642
	19.7 Inferenzstatistik zur multiplen Regressionsanalyse	645
	19.7.1 Populationsmodell der multiplen Regression	645
	19.7.2 Inferenzstatistische Schätzung und Testung	646
	19.7.3 Schätzung der Residualvarianz und des Standardschätzfehlers	647
	19.7.4 Schätzung, Signifikanztest und Konfidenzintervalle für die multiple Korrelation ...	647
	19.7.5 Schätzung, Signifikanztest und Konfidenzintervalle ...	650
	19.7.6 Schätzung, Signifikanztest und Konfidenzintervalle für einen Satz unabhängiger Variablen	653
	19.7.7 Verfahren zur Auswahl unabhängiger Variablen	656
	19.7.8 Schätzung und Überprüfung des Achsenabschnitts ?0	659
	19.7.9 Schätzung der bedingten Erwartungswerte und individuell prognostizierter Werte	659
	19.8 Suppressorvariable	660
	19.9 Moderierte Regressionsanalyse	664
	19.9.1 Moderierte Regressionsanalyse: Zwei unabhängige Variablen	665
	19.9.2 Moderierte Regression mit zentrierten Variablen	667
	19.9.3 Inferenzstatistische Absicherung eines Moderatoreffekts	671
	19.10 Analyse nicht-linearer Zusammenhänge	674
	19.11 Analyse kategorialer unabhängiger Variablen	677
	19.11.1 Dummy-Codierung	677
	19.11.2 Effektcodierung	680
	19.11.3 Vergleich von Dummy- und Effektcodierung	683
	19.11.4 Inferenzstatistische Absicherung der Regressionsparameter	684
	19.11.5 Analyse mehrerer kategorialer unabhängiger Variablen	685
	19.11.6 Ordinale unabhängige Variablen	691
	19.12 Gemeinsame Analyse kategorialer und metrischer unabhängiger Variablen	691
	19.12.1 Additive Verknüpfung kategorialer und kontinuierlicher Variablen: Kovarianzanalyse	691
	19.12.2 Kovarianzanalyse in quasi-experimentellen Designs	695
	19.12.3 Interaktionen zwischen kategorialen und kontinuierlichen Variablen	703
	19.13 Regressionsdiagnostik	705
	19.13.1 Korrekte Spezifikation des Modells	705
	19.13.2 Messfehlerfreiheit der unabhängigen Variablen	707
	19.13.3 Ausreißer und einflussreiche Datenpunkte	708
	19.13.4 Multikollinearität	713
	19.13.5 Homoskedastizität	715
	19.13.6 Unabhängigkeit der Residuen	716
	19.13.7 Normalverteilung der Residuen	717
	19.13.8 Multivariate Normalverteilung der Variablen	721
	19.13.9 Verletzung der Annahmen und Konsequenzen	721
	20 Hierarchische lineare Modelle (?Mehrebenenanalyse?)	728
	20.1 Hierarchische Datenstrukturen	728
	20.1.1 Risiko falscher Schlüsse bei der Interpretation von Zusammenhängen	729
	20.1.2 Verletzung der Unabhängigkeitsannahme	731
	20.1.3 Mehrebenenmodelle: Ein Überblick	733
	20.2 Modelle der Mehrebenenanalyse	733
	20.2.1 Das Intercept-Only-Modell	733
	20.2.2 Das Random-Intercept-Modell	735
	20.2.3 Das Random-Coefficients-Modell	736
	20.2.4 Modelle mit festen Level-1- und Level-2-Effekten	739
	20.2.5 Analyse von Kontexteffekten	740
	20.2.6 Modelle mit Cross-Level-Interaktionseffekt	745
	20.3 Parameterschätzung, inferenzstatistische Absicherung und Varianzaufklärung	746
	20.3.1 Schätzung der Modellparameter	746
	20.3.2 Inferenzstatistische Absicherung der Modellparameter	747
	20.3.3 Passung des Modells auf die Daten	749
	20.3.4 Wie viel Varianz klärt ein Prädiktor auf?	751
	20.3.5 Poweranalyse und Stichprobenumfangsplanung	755
	20.4 Modelle der Veränderungsmessung	757
	20.4.1 Trendmodelle	758
	20.4.2 Kontrastanalysen	763
	20.5 Weitere Modelle	767
	21 Log-lineare Modelle und Logit-Modelle	770
	21.1 Zielsetzungen der log-linearen Analyse	770
	21.1.1 Das Simpson-Paradox	770
	21.1.2 Ein einführendes Beispiel: Sonnenschutzverhalten	772
	21.2 Log-lineare Modelle für eine Analyse einer 2?×?2-Kontingenztabelle	773
	21.2.1 Das multiplikative Modell	773
	21.2.2 Das additive Modell	775
	21.2.3 Das Modell mit einer Referenzkategorie	778
	21.2.4 Vergleich der verschiedenen Formulierungen des Modells	779
	21.2.5 Allgemeiner Fall einer I?×?J-Kontingenztabelle	779
	21.3 Inferenzstatistische Absicherung	780
	21.3.1 Populationsmodelle für eine 2?×?2-Kontingenztabelle	780
	21.3.2 Parameterschätzung und Hypothesentestung	781
	21.3.3 Standardfehler und Konfidenzintervalle	782
	21.3.4 Signifikanztests	783
	21.4 Überprüfung von Modellen	784
	21.4.1 Statistische Überprüfung von Modellannahmen	784
	21.4.2 Unabhängigkeitsmodell und saturiertes Modell	786
	21.4.3 Hierarchische und nicht-hierarchische log-lineare Modelle	787
	21.4.4 Modellvergleiche	787
	21.4.5 Spezifikation von Modellen beim produkt-multinomialen Erhebungsschema	788
	21.4.6 Effektgröße und Konfidenzintervall	789
	21.4.7 Bestimmung der optimalen Stichprobengröße	789
	21.5 Log-lineare Modelle für eine 2?×?2?×?2-Kontingenztabelle	791
	21.5.1 Multiplikatives Modell	791
	21.5.2 Additives Modell	792
	21.5.3 Parameterschätzung und Modelltestung	792
	21.5.4 Das log-lineare Modell für eine I?×?J?×?K-Kontingenztabelle	795
	21.6 Logit-Modell	795
	22 Logistische Regressionsanalyse	800
	22.1 Grundidee der logistischen Regressionsanalyse für dichotome abhängige Variablen	800
	22.1.1 Einfache logistische Regressionsanalyse	801
	22.1.2 Multiple logistische Regression	810
	22.2 Parameterschätzung	812
	22.3 Hypothesenprüfung	813
	22.3.1 Hypothesentests für einen einzelnen Parameter	813
	22.3.2 Hypothesentests für ein Set von unabhängigen Variablen	816
	22.3.3 Hypothesentests in Bezug auf alle unabhängigen Variablen	817
	22.3.4 Zerlegung der Likelihood-Ratio-Teststatistik	817
	22.4 Effektgrößen	818
	22.5 Klassifikation	820
	22.6 Bestimmung der optimalen Stichprobengröße	821
	22.7 Voraussetzungen der Maximum-Likelihood-Schätzung und Hypothesentestung	823
	22.8 Regressionsdiagnostik	824
	22.8.1 Korrekte Spezifikation des Modells und Modellanpassungsgüte	824
	22.8.2 Messfehlerbehaftetheit der unabhängigen Variablen und Multikollinearität	827
	22.8.3 Identifikation von Ausreißern und einflussreichen Datenpunkten	827
	22.8.4 Nullzellenproblem	828
	22.9 Logistisches Regressionsmodell für mehrkategoriale nominalskalierte abhängige Variablen	829
	22.10 Logistisches Regressionsmodell für ordinalskalierte abhängige Variablen	833
	VI Modelle mit latenten Variablen	842
	23 Messfehlertheorie und Klassische Testtheorie	844
	23.1 Theoretische Konzepte der Klassischen Testtheorie	844
	23.1.1 Theoretische Konzeption des Messfehlers	845
	23.1.2 Theoretische Konzeption des wahren Wertes	847
	23.1.3 Eigenschaften der Messfehler- und der True-Score-Variablen	849
	23.1.4 Theoretische Konzeption der Reliabilität	850
	23.2 Messmodelle	852
	23.2.1 Modell essenziell ?-äquivalenter Variablen	852
	23.2.2 Modell essenziell ?-paralleler Variablen	860
	23.2.3 Modell ?-äquivalenter Variablen	861
	23.2.4 Modell ?-paralleler Variablen	861
	23.2.5 Zwischenfazit	862
	23.2.6 Modell ?-kongenerischer Variablen	864
	23.3 Vergleich der verschiedenen Testmodelle	870
	23.4 Funktion von Testmodellen für die Psychodiagnostik	871
	23.4.1 Itemselektion und Testkonstruktion	871
	23.4.2 Messung latenter Merkmalsausprägungen	873
	24 Mehrdimensionale Messmodelle und konfirmatorische Faktorenanalyse	878
	24.1 Ein einführendes Beispiel: Die Konvergenz von Selbst- und Fremdbericht	878
	24.1.1 Ein zweidimensionales Modell	880
	24.1.2 Ein alternatives Modell: Modell mit Methodenfaktor	881
	24.1.3 Verschiedene Darstellungsformen von Multidimensionalität	883
	24.2 True-Score-Modelle vs. Faktormodelle	885
	24.2.1 Uniqueness und Kommunalität	885
	24.2.2 Faktoren und Ladungen	886
	24.2.3 Konfirmatorische vs. exploratorische Faktorenanalyse	886
	24.3 Grundidee der Faktorenanalyse	886
	24.4 Allgemeine Fragen bei der konfirmatorischen Faktorenanalyse	888
	24.4.1 Modellspezifikation: Warum Theorie so wichtig ist!	888
	24.4.2 Identifizierbarkeit: Können alle Parameter eindeutig bestimmt werden?	890
	24.4.3 Grundideen der Parameterschätzung und der Modelltestung	896
	24.5 Schätzmethoden	899
	24.5.1 Grundprinzip der Schätzmethoden	899
	24.5.2 Maximum-Likelihood-Verfahren	900
	24.5.3 Asymptotisch verteilungsfreie Verfahren	901
	24.5.4 Andere Schätzmethoden	901
	24.5.5 Wahl einer Schätzmethode	903
	24.6 Beurteilung der Modellanpassungsgüte	904
	24.6.1 Detailmaße der Anpassungsgüte: Residuen	904
	24.6.2 Gesamtanpassung des Modells	906
	24.6.3 Modellvergleiche	908
	24.6.4 Modellmodifikationen	910
	24.6.5 Erwartungswertstrukturen	910
	24.7 Bestimmung der optimalen Stichprobengröße	911
	24.7.1 A-priori-Poweranalyse zur Bestimmung der Stichprobengröße	911
	24.7.2 Monte-Carlo-Simulationsstudie zur Bestimmung der Stichprobengröße	911
	24.8 Faktorenanalyse für ordinale Variablen	912
	24.8.1 Annahme einer itemspezifischen kontinuierlichen Variablen	913
	24.8.2 Faktorenanalytisches Modell	914
	24.9 Weitere Messmodelle mit latenten Variablen	916
	25 Exploratorische Faktorenanalyse und Hauptkomponentenanalyse	920
	25.1 Grundprinzipien der exploratorischen Faktorenanalyse	921
	25.1.1 Grundgleichung der Faktorenanalyse	921
	25.1.2 Schritte bei der exploratorischen Faktorenanalyse	921
	25.2 Die Maximum-Likelihood-Faktorenanalyse	922
	25.2.1 Annahmen der Maximum-Likelihood-Faktorenanalyse	922
	25.2.2 Identifizierbarkeit und Anfangslösung	923
	25.2.3 Bestimmung der Anzahl der Faktoren und Modellgültigkeit	924
	25.2.4 Rotation	928
	25.2.5 Interpretation der Ergebnisse	932
	25.2.6 Bestimmung von Faktorwerten	933
	25.3 Hauptachsenanalyse und Hauptkomponentenanalyse	933
	25.3.1 Grundidee der Hauptkomponentenanalyse	934
	25.3.2 Kriterien zur Bestimmung der relevanten Hauptkomponenten	938
	25.3.3 Rotation und Ergebnisdarstellung	940
	25.3.4 Die Hauptachsenanalyse	942
	25.4 Vergleich der Ansätze und praktische Empfehlungen	943
	25.5 Faktorenanalyse für dichotome und ordinale Variablen	946
	25.6 Einzelfall-Faktorenanalyse und dynamische Faktorenanalyse	947
	26 Pfadanalyse und lineare Strukturgleichungsmodelle	952
	26.1 Pfadanalyse	953
	26.1.1 Das pfadanalytische Modell als ein System von Regressionsmodellen	954
	26.1.2 Parameterschätzung und Modellüberprüfung	956
	26.1.3 Hypothesenüberprüfung	961
	26.2 Lineare Strukturgleichungsmodelle	966
	26.2.1 Messmodell und Strukturmodell	967
	26.2.2 Parameterschätzung und Hypothesenüberprüfung	969
	26.2.3 Latente autoregressive Modelle	969
	26.2.4 Latent-State-Trait-Modell	973
	26.2.5 Spezielle lineare Strukturgleichungsmodelle	976
	26.2.6 Sind Strukturgleichungsmodelle Kausalmodelle?	976
	Anhang	980
	Glossar	982
	Literaturverzeichnis	1000
	Hinweise zu den Online-Materialien	1018
	Anhang A: Tabellen	1020
	1 Binominalverteilung	1020
	2 Standardnormalverteilung	1032
	3 Zentrale t-Verteilung	1033
	4 Wilcoxon-Vorzeichen-Rangtest	1034
	5 Zentrale ?2-Verteilung	1035
	6 Kritische Werte für den Kolmogorov-Smirnov-Test und den Lilliefors-Test	1036
	7 Wilcoxon-Rangsummen-Test	1039
	8 Zentrale F-Verteilung	1042
	9 Kritische Werte für die Differenz nK???nD	1049
	Anhang B: Matrixalgebra	1052
	1 Matrix	1052
	2 Vektor	1052
	3 Grundlegende Rechenoperationen mit Matrizen	1053
	4 Spezielle Matrizen	1056
	5 Demonstration der Berechnung einiger statistischer Kennwerte mittels Matrixalgebra	1059
	Sachwortverzeichnis	1064