Korrelative Designs in der Psychologie von Dr. Gerlind Pracht

(1)

video locked

Über den Vortrag

Der Vortrag „Korrelative Designs in der Psychologie“ von Dr. Gerlind Pracht ist Bestandteil des Kurses „Einführung in die Psychologie“. Der Vortrag ist dabei in folgende Kapitel unterteilt:

  • Einführung
  • Bivariate Korrelation
  • Multivariate Zusammenhangshypothesen
  • Faktorielle Zusammenhänge - Faktorenanalyse
  • Interpretationen von Korrelationen
  • Moderatorhypothesen- und analysen
  • Korrelative Längsschnittdesigns
  • Widerlegen komplexer Kausalmodelle

Quiz zum Vortrag

  1. „Je niedriger die durchschnittliche Geschwindigkeit eines Kfz ist, desto geringer ist dessen Benzinverbrauch“ ist eine positive bivariate Korrelation.
  2. k ist der Korrelationskoeffizient, der Aussagen über Art und Stärke des Zusammenhangs zwischen zwei Merkmalen macht.
  3. „Je mehr Zeit in das Sprachenlernen investiert wird, umso besser ist die Sprachkompetenz.“ ist eine negative bivariate Korrelation.
  4. Der Definitonsbereich des Korrelationskoeffizienten r ist 0 ≤ r ≤ 1.
  5. Partialkorrelation bedeutet, die Stärke der Korrelation zwischen zwei Merkmalen zu halbieren.
  1. Eine Randomisierung muss nicht in jedem Fall erfolgen, da eine Generalisierung auf die Grundgesamtheit bereits ab drei Kohorten möglich ist.
  2. Eine bivariate Korrelation bestimmt Enge und Richtung des Zusammenhangs zwischen zwei Merkmalen.
  3. Eine positive bivariate Korrelation bedeutet, dass hohe Ausprägungen eines Merkmals mit hohen Ausprägungen des anderen Merkmals einhergehen.
  4. Eine negative bivariate Korrelation bedeutet, dass hohe Ausprägungen eines Merkmals mit niedrigen Ausprägungen des anderen Merkmals einhergehen.
  5. Für die Variablen werden unterschiedliche Skalenniveaus verwendet.
  1. Multivariate Zusammenhangshypothesen werden in experimentellen Designs untersucht und statistisch geprüft.
  2. In multivariaten Zusammenhangshypothesen werden korrelative Beziehungen zwischen mehreren Prädiktoren und einem Kriterium formuliert.
  3. „Zwischen gesunder Ernährung, körperlicher Fitness und dem Ausmaß sozialer Unterstützung durch die Familie einerseits und psychischem Wohlbefinden andererseits besteht ein positiver Zusammenhang“ ist eine multivariate Zusammenhangshypothese.
  4. In kanonischen Zusammenhangshypothesen werden Beziehungen zwischen mehreren Prädiktoren und mehreren Kriterien formuliert.
  5. Faktorielle Zusammenhangshypothesen formulieren korrelative Beziehungen zwischen Merkmalen und den ihnen zugrunde liegenden latenten Dimensionen.
  1. X und Y beeinflussen sich nicht.
  2. X ist die Ursache von Y.
  3. Y ist die Ursache von X.
  4. X und Y beeinflussen sich wechselseitig.
  5. X und Y werden gemeinsam von einer Variablen Z beeinflusst.
  1. Moderatoren beeinflussen Richtung und/oder Enge des Zusammenhangs zwischen Prädiktor und Dritt- bzw. Störvariablen.
  2. „Die positive Beziehung zwischen Neurotizismus und Stresserleben wird durch dysfunktionale Copingstrategien vermittelt“ ist eine Mediatorhypothese.
  3. Mediatoren erklären den Prozess, über den ein Prädiktor ein Kriterium beeinflusst.
  4. Moderatoren können qualitative oder quantitative Variablen sein.
  5. „Der Stärke der Beziehung zwischen UV-Strahlung und Sonnenbrand wird durch Sonnenschutz mit hohem Lichtschutzfaktor verringert.“ ist eine Moderatorhypothese.
  1. Es ist eine Art des korrelativen Querschnittdesigns.
  2. Es resultieren zwei Autokorrelationen.
  3. Es resultieren zwei verzögerte Kreuzkorrelationen.
  4. Es resultieren zwei synchrone Korrelationen.
  5. Die Merkmalserfassung erfolgt zu zwei Zeitpunkten.
  1. Pfadanalysen ermöglichen die eindeutige Bestätigung von Kausalhypothesen.
  2. Eine Pfadanalyse erweitert die multiple Korrelations- und Regressionsanalyse.
  3. Die Pfadanalyse dient der Untersuchung von Kausalmodellen.
  4. Bei Pfadanalysen werden Zusammenhänge zwischen mehreren unabhängigen und abhängigen Variablen gleichzeitig berücksichtigt.
  5. Die Pfadanalyse ermöglicht eine Widerlegung von Kausalhypothesen.
  1. Messfehler bei der Erfassung beobachteter Variablen können nicht berücksichtigt werden.
  2. Lineare Strukturgleichungsmodelle sind Weiterentwicklung der Pfadanalyse.
  3. Bei lineraren Strukturgleichungsmodellen wird die Pfadanalyse um ein Messmodell erweitert.
  4. Zusammenhänge zwischen latenten Variablen können genauer geschätzt werden.
  5. Geprüft werden auch Hypothesen, die Beziehungen mit latenten, nicht direkt beobachtbaren Variablen berücksichtigen.

Dozent des Vortrages Korrelative Designs in der Psychologie

Dr. Gerlind Pracht

Dr. Gerlind Pracht

Dr. Gerlind Pracht ist Arbeits- und Organisationspsychologin aus Minden. Als Orthoptistin besitzt sie eine mehr als 10-jährige Berufserfahrung. Die Mutter zweier Kinder studierte Psychologie, an der FernUniversität Hagen mit den Nebenfächern Erziehungs- und Rechtswissenschaft und schloss dieses erfolgreich mit dem Magister Artium ab. Aktuell arbeitet sie in der virtuellen Fernlehre an der FernUniversität Hagen im Bachelorstudiengang B. Sc. Psychologie. Freiberuflich liegt ihr Tätigkeitsspektrum im Bereich (Online)Coaching, Training, Beratung und Moderation sowie Betriebliches Gesundheitsmanagement und Führung. Die Themen ‚Stressbewältigung für verschiedene Zielgruppen‘ und ‚Entwicklung von Stressmanagement-Training und Online-Coaching‘ sind ihre ausgewiesenen Forschungs- und Arbeitsschwerpunkte. Gerlind Pracht ist Mitglied im Berufsverband Deutscher Psychologinnen und Psychologen (BDP). Weiter Informationen finden Sie hier: http://www.gerlind-pracht.de

Kundenrezensionen

(1)
5,0 von 5 Sternen
5 Sterne
5
4 Sterne
0
3 Sterne
0
2 Sterne
0
1  Stern
0


Auszüge aus dem Begleitmaterial

... in der Psychologie Einführung. Zusammenhänge zwischen bereits existierenden Variationen zwischen Merkmalen von Individuen, sozialen Gruppen oder anderen interessierenden ...

... auf einem Merkmal mit hohen Ausprägungen auf anderem Merkmal einhergehen. Negative bivariate Korrelation heißt, hohe Ausprägungen auf einem Merkmal sind mit niedrigen Ausprägungen auf ...

... 4 Korrelative Designs in der Psychologie bivariate Zusammenhangshypothesen Kontingenz nominales Messniveau Korrelation ordinales ...

... der Zusammenhangs (-1 r 1) Korrelatives Quer- vs. Längsschnittdesign Partialkorrelation zum Bereinigen eines Drittvariableneinflusses auf partiellen, bivariaten Zusammenhang z. B. positive ...

... der Psychologie Mulitvariate Zusammenhangshypothesen … behaupten, dass zwischen einem Merkmalskomplex (x1, x2, xp) und einem Merkmal (y) ein Zusammenhang vorliegt ...

... y2, yp) eine Beziehung vorliegt, also zwischen mehreren Prädiktor- und mehreren Kriteriumsvariablen Prüfung durch kanonische Korrelation z. B. Witterungsbedingungen ...

... Korrelation: Faktorielle Zusammenhangshypothesen

… behaupten, dass wechselseitige Zusammenhänge vieler Variablen durch wenige, voneinander unabhängige (orthogonale) latente Dimensionen bzw. Faktoren zu erklären sind. Prüfung durch explorative ...

... „Meine Freunde meinen ich sei ziemlich streitlustig.“ Ärger: 7 Items z.B. „Einige meiner Freunde halten mich für einen Hitzkopf.“ Missgunst: 8 Items z.B. ...

... und Pubertät). Prüfung von Kausalhypothesen nur annäherungsweise Drei mögliche (grob unterschiedene) Fälle liegen vor: 1. X ist Ursache von Y oder Y ist Ursache von X. 2. X ...

... ist Ursache von Y. Beispiel Fall 1: Die Geschwindigkeit G (X) korreliert mit Bremsweg B (Y) positiv. Der Bremsweg des Kfz ist bei konstanten äußeren Rahmenbedingungen durch ...

... weiteres Training mehr Training mit weiterer Leistungssteigerung b) Training ohne Einfluss auf Wettkampfleistung Training reduziert wegen ausbleibendem Erfolg weiterer Leistungsabfall Beispiel Fall 2 Alkoholkonsum (X) korreliert ...

... von Korrelationen X und Y werden gemeinsam von einer dritten (Z) Variablen beeinflusst. Beispiel Fall 3: Bei Kindern zwischen 6 und 10 Jahren korrelieren Körpergewicht ...

... negative Zusammenhang zwischen Alkoholkonsum (X) und Lebenserwartung (Y) wird durch Armut (Z) mediiert. Durch höheren Alkoholkonsum wird man arbeitsunfähig ...

... Geschlecht) oder quantitative (z.B. Ausprägung Persönlichkeitsmerkmal) Variablen, die Richtung u./od. Enge eines Zusammenhangs zwischen ...

... Sonnenschutz LSF 20/30/50 2. Haar-/Hauttyp hell-blond/dunkel-schwarz Dr. Gerlind Pracht ...

... Stress führend nur dann zu kontraproduktivem Verhalten wie Diebstahl, Absentismus, Sabotage, verbale Aggressionen am Arbeitsplatz, wenn die interne Selbstkontrolle ...

... Schuler, 2004, S. 657 Korrelative Designs in der Psychologie Dr. ...

... welcher Bedingung welche Art eines bivariaten Zusammenhangs besteht, erklärt Mediator den Prozess, also den Mechanismus, über ...

... Mediator Melanin-Produktion im Blut Dr. Gerlind Pracht ...

... und stressrelevanten Symptomen wie Angst, Niedergeschlagenheit, physiologischen Symptomen wird mit mediierenden dysfunktionalen Bewertungs- und ...

... Kriterium Stresserleben Mediator Funktionale Copingstrategien Korrelative Designs in der Psychologie Um-/Abwerten positive Selbstinstruktion ...

... Kausalmodelle können in korrelativen Längsschnitten unterschiedlich plausibel sein. z. B. „Bildung beeinflusst Einkommen.“ „Einkommen beeinflusst Bildung“ Merkmalserfassung zu zwei ...

... B2: Autokorrelationen, C1, C2: zeitverzögerte Kreuzkorrelationen Dr. Gerlind Pracht ...

... (Bortz & Döring, 2006, S. 520) Korrelative Designs in der Psychologie Bildung ...

... Ausbildung und Beruf des Vaters Substanzielle Korrelationen: verschiedene Modelle denkbar Kausalhypothesen sind pfadanalytisch widerlegbar, jedoch nicht eindeutig zu bestätigen: Widersprechende Korrelationen zu einem Modell bedeuten nicht, dass ...

... Psychologie Direkte Effekte, z.B. x1 zu y1 Indirekte Effekte, ...

... Einkommen Sohn Beruf Sohn Dr. Gerlind Pracht ...

... der Modelle nun auch Prüfen von Hypothesen, die Beziehungen mit latenten, nicht direkt beobachtbaren Variablen berücksichtigen um ein Messmodell erweiterte Pfadanalyse. ...

... N. (2006) Forschungsmethoden und Evaluation für Human und Sozialwissenschaftler. Berlin: Springer. Campbell, D. T. (1963). From description to experimentation: Interpreting trends as quasi- experiments. In C. W. Harris (Ed.), Problems in measuring change. Madison: University of Wisconsin Press. Marcus, B. & ...