EmPra Der Einfluss und die Verarbeitung von emotionalen Reizen Versuchsplanung II

Um was ging/geht es? Theorien Überprüfbare Hypothesen Operationali- sierung Experiment Im Empra arbeiten wir mit euch zusammen ja all diese Schritte wissenschaftlichen Arbeitens durch. Zunächst im Grobdurchlauf und theoretisch in den Plenumssitzungen und dann noch einmal praktisch am eigentlichen Experiment. Nachdem wir letzte Stunde die Grundlagen wissenschaftlicher Hypothesenbildung und Operationalisierung bearbeitet haben. Wird es ab jetzt um die Bildung des Versuchsdesigns und die statistischen Analysen gehen, die man rechnen will. Das heißt es geht um die Frage: Was sagt mein Experiment und das resultierende empirische Ergebnis aus. Und woher weiß ich, was es aussagt. Erkenntnis

Versuchsdesign und entsprechende statistische Analysen Um was wird es gehen? Versuchsdesign und entsprechende statistische Analysen Theorien Überprüfbare Hypothesen Operationali- sierung Experiment Dazu ist wieder die Operationalisierung wichtig, denn … Stichworte: Skalenniveau der gewählten Variablen Anzahl der UVs und AVs, Anzahl der Faktorstufen Welche Störvariablen werden berücksichtigt etc. Von der Operationalisierung hängt auch der statistische Test ab, den wir rechnen Erkenntnis

Übung Vorurteilsmessung Sie wollen mit dem affektiven Priming zeigen, dass Vorurteile automatisch aktiviert werden können. Formulieren Sie die Hypothesen (theoretisch, empirisch, statistisch) Entwickeln Sie einen Versuchsplan (UV, AV) Überlegen Sie sich wie, Sie die Daten auswerten würden Überlegen Sie sich Störvariablen Ihr hattet dazu ein etwas komplizierteres Beispiel als Hausaufgabe. Bevor ich auf dieses eingehe. Möchte ich aber das Beispiel aus der letzten Stunde mit dem affektiven Priming noch einmal aufgreifen… Ihr erinnert euch: Die Hypothesen hatten wir schon formuliert….Wie sieht denn der Versuchsplan aus? Was sind UV und AV? Kann das jemand aufmalen? Was ist das für ein Design? Welche Störvariablen sind denkbar? Und was würdet ihr rechnen?

Affektives Priming Krieg Krieg Krankheit Hochzeit Den Versuchspersonen werden hintereinander zwei Reize präsentiert: Der 1. Reiz (Prime) soll ignoriert werden der 2. Reiz (Target) soll danach beurteil werden, ob er positiv oder negativ ist (Tastendruck)  folgt auf einen negativen Prime ein negatives Target, so erfolgt die Reaktion schneller, als wenn auf einen positiven Prime ein negatives Target folgt  Folgt auf einen positiven Prime ein negative Target, so erfolgt die Reaktion langsamer, als wenn auf einen positiven Prime ein negatives Target folgt

Beispiel einfaktorieller Versuchsplan Theoretische Hypothese „Vorurteile gegen Türken werden automatisch aktiviert.“ präzise Definitionen der Begriffe Aktivierung, automatisch und Vorurteil sind erforderlich; zur Überprüfung muss diese Hypothese in eine empirische Hypothese übersetzt werden -

Beispiel einfaktorieller Versuchsplan Empirische Hypothese „Die Reaktionszeit auf ein negatives Wort ist kürzer, wenn vor diesem Wort das Bild eines Türken präsentiert wurde im Vergleich zu dem Bild eines Deutschen.“ Zugänglichkeit wird abgebildet über den messbaren Indikator Reaktionszeit  Operationalisierung Krieg Krieg

μ : H < μ : H - > 0 bzw. RZ 1 RZ 1 Empirische / Psychologische Hypothese: „Die Reaktionszeit auf ein negatives Wort ist kürzer, wenn vor diesem Wort das Bild eines Türken präsentiert wurde im Vergleich zu dem Bild eines Deutschen.“ Statistische Hypothese: P-T Inkongruenz RZ 1 μ : H < P-T Kongruenz bzw. P-T Kongruenz RZ 1 μ : H - P-T Inkongruenz > 0

Unabhängige Variable (UV) Abhängige Variable (AV) Versuchsplan: Unabhängige Variable (UV) Target kongruenter Prime In- Tod Krieg Sonne Lachen … Buch Feuer Eifersucht Krankheit Hochzeit Baby Regal Flamme Geschirr Design: Einfaktorielles Design  Ein messwiederholter Faktor mit 2 Stufen = "within-subjects"-Faktor Mittlere Reaktions-zeit Mittlere Reaktions-zeit Was muss gerechnet werden?? Abhängige Variable (AV)

Unabhängige Variable (UV) Abhängige Variable (AV) Versuchsplan: Unabhängige Variable (UV) Target kongruenter Prime In- Tod Krieg Sonne Lachen … Buch Feuer Eifersucht Krankheit Hochzeit Baby Regal Flamme Geschirr Störvariablen: Müdigkeit Aufmerksamkeit Ablenkung Erkennen der Hypothesen … Mittlere Reaktions-zeit Mittlere Reaktions-zeit Abhängige Variable (AV)

Rechnen: Mittlere Reaktionszeit kongruente Durchgänge Mittlere Reaktionszeit inkongruente Durchgänge

t-Test für abhängige Stichproben Oder auch t-Test bei Messwiederholung Wieso Messwiederholung?

t-Test Ausgabeprotokoll (Teil 1) Deskriptive Statistik Standard- abweichung Standard fehler Mittelwerte Anzahl Vp Standardfehler = Streuung der Stichprobenkennwerteverteilung, d.h. Streuung der (geschätzten) Mittelwerte in der Population, nicht die Streuung der Stichprobe

T-Test Ausgabeprotokoll (Teil2) x σ ˆ t df = Die t-Verteilung Es lässt sich zeigen, dass bei kleineren Stichproben unter der Annahme, dass ... ... die Messwerte in der Population normalverteilt sind ... ... statt der Standardnormalverteilung die sogenannte t-Verteilung. ) 1 ( - = N df 14

T-Test Ausgabeprotokoll (Teil2) Ein solcher oder noch höherer (betragsmäßiger) t-Wert tritt unter der Annahme, dass die Null-Hypothese gilt, bei dieser Stichproben-größe mit einer Wahrscheinlichkeit von p < 0.001 auf. Diese Wahrscheinlichkeit liegt unter der von uns gewählten α -Fehlerwahrscheinlichkeit von 0.05. Daher verwerfen wir die Null-Hypothese und behalten unsere Hypothese bei, dass es den affektiven Primingeffekt gibt.

T-Test Ausgabeprotokoll (Teil2) Wir können in diesem Fall auch einseitig testen (gerichtete Hypothese!). Dazu wird das gefundene p-Niveau halbiert, denn die Standardeinstellung bei SPSS ist ein zweiseitiger Test (der ist im strengen Sinn aber nicht homomorph zur stat. Hypothese) Nicht homomorph bedeutet: das emprische Relativ kann nicht 1 zu 1 im numerischen Relativ abgebildet werden Also man kann nicht sagen, der Unterschied zwischen den Gruppen ist jetzt plötzlich viel bedeutsamer, wenn man einseitig testet

Einseitige vs. Zweiseitige Testung α/2 α/2

Wie sähe es jetzt aus, wenn wir die Kongruenz nicht als within, sondern als between Faktor betrachten würden?

Warum ist das so? Welche Varianzen gehen mit in die Berechnung ein? Varianz innerhalb der Individuen Varianz zwischen den Individuen: Varianz zwischen den Individuen die auf die Manipulation zurück zu führen ist, Varianz zwischen den Individuen die auf interindividuelle Differenzen zurückzuführen ist Beim within subjects tes

Statistischer Test Was wird gerechnet: Bei einfaktoriellem Design und 2 Faktorstufen: T-Test. Welcher?  Wichtig! siehe vorherige Folien Between, within, eine Stichprobe T-Test für unabhängige, abhängige Stichproben, Ein-Stichproben-T-Test Wir legen das Signifikanz-Niveau fest, auf welchem wir prüfen wollen, ob ein gefundener Mittelwertsunterschied zufällig entstand, z.B. p < .05. Bei einfaktoriellem Design und mehr Faktorstufen (between subjects)? Univariate ANOVA

Versuchspläne Der klassische Fall ist der Zwei-Gruppenfall mit einer UV mit zwei Stufen (wie gehabt) – einfaktoriell, zweistufig Manchmal hat die UV auch mehrere Stufen, z.B. wenn verschiedene Therapieformen gegeneinander getestet werden (UV mit 4 Stufen Psychoanalyse, VT, Gesprächstherapie, keine Therapie) – einfaktoriell, mehrstufig Noch interessanter wird es, wenn mehr als eine UV variiert wird, nur dann wird es möglich, die gleichzeitige Wirkungen mehrere UVs auf die AV zu untersuchen - mehrfaktoriell z.B. Intelligenz und Therapieform In diesem EmPra werden wir sowohl Versuchspläne mit within, als auch mit between Faktoren erstellen

Versuchspläne Einfaktorielle Pläne: zweistufige UV (klassischer Fall) z.B. Kommunikation vs. Nichtkommunikation: EG vs. KG Mehrstufige UV z.B. UV mit 4 Stufen wenn Therapieformen gegeneinander getestet werden: PA vs. VT vs. GT vs. keine Mehrfaktorielle Versuchspläne Variation mehrerer UV ermöglicht Untersuchung der gleichzeitigen / interaktiven Wirkung der UV auf die AV In diesem EMPRA werden die Versuchspläne zudem meistens UV enthalten, die nicht zwischen sondern innerhalb der VP variiert werden

Weiteres Beispiel Empirische Hypothese „Die Reaktionszeiten sind kürzer, wenn die Kategorien der zweiten Kategorisierungsaufgabe, das gleiche Valenz-Mapping besitzen.

Mehrfaktorielle Pläne Unabhängige Variable A (UVA) Unabhängige Variable B (UVB) positiv negativ Berge Meer Mittlere Reaktions-zeit Mittlere Reaktions-zeit Abhängige Variable (AV)

Mehrfaktorielle Pläne Unabhängige Variable A (UVA) Unabhängige Variable B (UVB) Kongruente Trials Inkongruente Mittlere Reaktions-zeit Mittlere Reaktions-zeit Abhängige Variable (AV)

μ : H - > 0 μ : H - μ : H = = 0 bzw. RZ 1 RZ RZ Dieser Alternativhypothese… ... wird die sogenannte Null-Hypothese gegenübergestellt. P-T Kongruenz RZ 1 μ : H - P-T Inkongruenz > 0 P-T Kongruenz RZ μ : H - P-T Inkongruenz = 0 bzw. P-T Kongruenz RZ μ : H = P-T Inkongruenz

Hypothesen testen: Fehler 1. und 2. Art Alternativhypothese H1 / HA : Nullhypothese H0: P-T Kongruenz RZ 1 μ : H - P-T Inkongruenz > 0 P-T Kongruenz RZ μ : H - P-T Inkongruenz = 0 Entscheidung für H0 für HA H0 wahr richtig HA wahr α-Fehler β-Fehler

Hypothesen testen: Fehler 1. und 2. Art Alternativhypothese H1 / HA : Nullhypothese H0: P-T Kongruenz RZ 1 μ : H - P-T Inkongruenz > 0 P-T Kongruenz RZ μ : H - P-T Inkongruenz ≤ 0 Entscheidung für H0 für H1 H0 wahr richtig α-Fehler H1 wahr β-Fehler für die meisten psychologischen Untersuchungen kritischer

Zum Nachdenken In welchen Situationen ist es besonders wichtig, dass der α-Fehler besonders klein ist? Und wann ist es wichtig, dass der β-Fehler besonders klein ist? Entscheidung für H0 für H1 H0 wahr richtig α-Fehler H1 wahr β-Fehler

Hypothesen testen: Fehler 1. und 2. Art Kontrollprime RZ μ - kongruenter Prime > 0 Um valide zu testen, muss das Alpha-Niveau a priori festgelegt werden Zudem sollte auch ein statistisch signifikanter Unterschied tatsächlich bedeutsam sein (Validität der Untersuchung), Stichwort: Effektstärke

Die inferenzstatistische Frage Ist es denkbar, dass in der Population der Mittelwert der Primingdifferenz 0 ms ist (d.h. unsere Hypothese nicht zutrifft) und trotzdem bei einer Zufallsziehung von n (z.B. 15) Personen ein Mittelwert von (z.B. 27 ms) herauskommt? Sind Ergebnisse zufällig entstanden oder bestätigen Sie die Hypothese?

Die inferenzstatistische Frage Natürlich ist es prinzipiell immer denkbar, so wie es auch beim Roulette prinzipiell denkbar ist, dass 1000x hintereinander eine rote Zahl gezogen wird. "Ist es denkbar" wird in der Regel übersetzt mit „ist es wahrscheinlicher als p = .05, dass bei einer Stichprobe von n Personen ein bestimmter Mittelwert herauskommt?" Können wir mit dem (vorab festgelegten) Risiko von 5% (sog. a-Fehler) die Alternativ-Hypothese beibehalten?

Mittlere Reaktionszeit kongruente Durchgänge Mittlere Reaktionszeit inkongruente Durchgänge

t-Test für abhängige Stichproben Oder auch t-Test bei Messwiederholung Wieso Messwiederholung?

t-Test Ausgabeprotokoll (Teil 1) Deskriptive Statistik Standard- abweichung Standard fehler Mittelwerte Anzahl Vp

T-Test Ausgabeprotokoll (Teil2) x σ ˆ t df = Die t-Verteilung Es lässt sich zeigen, dass bei kleineren Stichproben unter der Annahme, dass ... ... die Messwerte in der Population normalverteilt sind ... ... statt der Standardnormalverteilung die sogenannte t-Verteilung. ) 1 ( - = N df

Versuchspläne Einfaktorielle Pläne: zweistufige UV (klassischer Fall) z.B. Anti-Rauch-Methode: EG vs. KG Mehrstufige UV z.B. UV mit 4 Stufen wenn Therapieformen gegeneinander getestet werden: PA vs. VT vs. GT vs. keine Mehrfaktorielle Versuchspläne Variation mehrerer UV ermöglicht Untersuchung der gleichzeitigen / interaktiven Wirkung der UV auf die AV In diesem EMPRA werden die Versuchspläne zudem meistens UV enthalten, die nicht zwischen sondern innerhalb der VP variiert werden

Hausaufgabe Emotionsregulation durch Kommunikation Sie wollen überprüfen, ob die im Volksmund geltenden Sprichwörter Geteiltes Leid ist halbes Leid und Geteilte Freude ist doppelte Freude tatsächlich stimmen. Sie entwerfen dazu ein Experiment, bei dem einige Versuchsteilnehmer einen fröhlichen andere einen traurigen Film sehen und ihre Emotionen danach mitteilen sollen/oder nicht. Formulieren Sie die Hypothesen (theoretisch, empirisch, statistisch) Entwickeln Sie einen Versuchsplan Überlegen Sie sich wie, Sie die Daten auswerten würden Überlegen Sie sich Störvariablen

Versuchsplanung Sprichwort-Untersuchung Hypothesen? Theoretische Hypothese: Das Mitteilen von Emotionen hat einen positiven emotionsregulierenden Einfluss, unabhängig davon um welche Emotion es sich handelt. Das heißt, bei negativen Emotion mindert die Kommunikation die negative Emotion, bei positiven Emotionen wird durch Kommunikation die Emotion verstärkt. Empirische Hypothese: Personen, die einen Film mit traurigem/fröhlichem Inhalt sehen und ihre Empfindungen nachher anderen mitteilen, fühlen sich danach weniger traurig/fröhlicher, als wenn sie sich nicht mitteilen würden. Statistische Hypothese Kžt < Nžt Kžf > Nžf (ž := Durchschnittliches Gefühlsrating)

Mitteilung der Emotionen Versuchsplanung Sprichwort-Untersuchung Versuchsplan? Bedingung A: Trauriger Film; Bedingung B: Fröhlicher Film Gruppe 1 (Kontrollgruppe) soll nur ž berichten Gruppe 2 (Experimentalgruppe) soll Emotionen mitteilen und ž berichten Kontrollgruppe Gefühlsrating Experimentalgruppe Mitteilung der Emotionen Gefühlsrating

Versuchsplanung Sprichwort-Untersuchung UV & AV? Unabhängige Variable: Trauriger Film oder Fröhlicher Film Mitteilung der Emotionen oder nicht Abhängige Variable: Gefühlsrating nach dem Film Störvariablen Compliance (halten sich Teilnehmer an Instruktion?) Gefühlslage vor dem Film Film schon gesehen? Favorisiertes Genre? Durchschnittlicher Fernsehkonsum pro Woche? Introvertiertheit/Extrovertiertheit Sonstige Unterschiede zwischen Teilnehmern? Soziale Erwünschtheit? Reicht eine Messung?…

Statistischer Test Wie würde man den Unterschied zwischen den Experimental und Kontrollgruppen statistisch überprüfen? Bei einfaktoriellem Design (d.h. wenn wir nur eine Art Film hätten): T-Test für unabhängige Stichproben Einseitig (gerichtete Hypothese) In diesem Fall (zweifaktorielles Design): ANOVA (2 x 2 Design) Um die spezifischen Hypothesen zu untersuchen, müssen hier wieder t-tests gerechnet werden Was für eine ANOVA

Wie rechnet man das denn jetzt??

Varianzanalyse Ist nichts anderes als ‚viele t-Tests‘, die gleichzeitig durchgeführt werden... D. h. es wird auch in der Varianzanalyse geprüft, ob sich die Mittelwerte einzelner Experimentalbedingungen von einander überzufällig unterscheiden (allerdings besteht die Gefahr, dass durch multiples Testen ein Alphafehler auftritt, nicht) = Letzte Folie von Andrea!!

Univariate ANOVA

Der SPSS-Output Hier noch nach Infos suchen

Der SPSS-Output Fröhlicher Film Keine K Kommunikation Trauriger Film

Die empirische Hypothese kann bestätigt werden. Fazit: Die empirische Hypothese kann bestätigt werden. Das Mitteilen von negativen Emotionen vermindert die gefühlte negative Emotion, bei positiven Emotionen wird durch Kommunikation die Emotion verstärkt. Film 2: Positiver Film, Kommunikation 1 = Kommunikation Nicht homomorph bedeutet: das emprische Relativ kann nicht 1 zu 1 im numerischen Relativ abgebildet werden Also man kann nicht sagen, der Unterschied zwischen den Gruppen ist jetzt plötzlich viel bedeutsamer, wenn man einseitig testet Was offen ist: Wie war vorher die Gefühlslage der Probanden? D.h. inwiefern haben die Filme überhaupt zur Induktion einer Emotion geführt? Mögliche Kritikpunkte an der Studie?

Interaktion Der Effekt der einen Variation (hier Faktor A: Film) fällt unter den Bedingungen der anderen Variation (hier Faktor B: Kommunikation) anders aus (kleiner oder größer oder er hat ein anderes Vorzeichen). Interaktionsbefunde gehören zu den theoretisch bedeutsamsten in der experimentellen Forschung!

Interaktion Die Nullhypothese heißt also: Der Effekt der einen Variation fällt unter den Bedingungen der anderen Variation gleich aus. Anders formuliert: Die in der Stichprobe auftretenden Unterschiede im Effekt der einen Variation für die Bedingungen der anderen Variation sind bei Gültigkeit der Nullhypothese hoch erwartbar.

Weiteres Beispiel

Darley & Gross, 1983 Welchen Einfluss haben (stereotypbedingte) Erwartungen auf die Leistungsbeurteilung? Video1: Hannah (9) als Arbeiterkind Video2: Hannah (9) als Mittelschichtkind Messung: Intelligenzbeurteilung Geht es um stereotypbedingte Erwartungen und ob/wann wir entsprechend des Stereotyps urteilen/handeln

Leistungs-beurteilung Darley & Gross, 1983 Unabhängige Variable A (UVA) between-subjects positive Erwartung negative Erwartung Leistungs-beurteilung Einfaktorielles Design mit 2 Faktorstufen between subjects Was erwarten Sie als Ergebnis? Einfaktorielles Design mit 2 Faktorstufen

Eingeschätzte Schulleistung (je höher, desto besser) Darley & Gross, 1983 Das Ergebnis: Für Messung 1 Kein Unterschied positive Erwartung Negative Erwartung Eingeschätzte Schulleistung (je höher, desto besser) Ohne Verhalten Mit Verhalten

Darley & Gross, 1983 Welchen Einfluss haben (stereotypbedingte) Erwartungen auf die Leistungsbeurteilung? Video1: Hannah (9) als Arbeiterkind Video2: Hannah (9) als Mittelschichtkind Messung1: Intelligenzbeurteilung Video3: Hannah (9) bearbeitet einen Leistungstest Messung2: Intelligenzbeurteilung

Leistungs-beurteilung Darley & Gross, 1983 Unabhängige Variable B (UVB) within-subjects Unabhängige Variable A (UVA) between-subjects positive Erwartung negative Erwartung ohne Verhalten (t1) Leistungs-beurteilung mit Verhalten (t2) Zweifaktorielles Design mit 2 Faktorstufen within und between subjects

Mixed Design

Eingeschätzte Schulleistung (je höher, desto besser) Darley & Gross, 1983 Das Ergebnis Unterschied positive Erwartung Negative Erwartung Eingeschätzte Schulleistung (je höher, desto besser) Ohne Verhalten Mit Verhalten

Eingeschätzte Schulleistung (je höher, desto besser) Darley & Gross, 1983 Das Ergebnis: Eine Interaktion Unterschied positive Erwartung Negative Erwartung Eingeschätzte Schulleistung (je höher, desto besser) Ohne Verhalten Mit Verhalten

Eingeschätzte Schulleistung (je höher, desto besser) Darley & Gross, 1983 Das Ergebnis: Eine Interaktion positive Erwartung Negative Erwartung Eingeschätzte Schulleistung (je höher, desto besser) Ohne Verhalten Mit Verhalten

Eingeschätzte Schulleistung (je höher, desto besser) Darley & Gross, 1983 Das Ergebnis: Eine Interaktion positive Erwartung Kein Unterschied Unterschied Negative Erwartung Eingeschätzte Schulleistung (je höher, desto besser) Die Einschätzung der Schulleistung unterscheidet sich nicht signifikant, wenn kein Verhalten gezeigt wird; die Einschätzung unterscheidet sich, wenn Verhalten gezeigt wird, also in Abhängigkeit vom Zeigen von Verhalten – die Einschätzung interagiert mit dem Verhalten! Ohne Verhalten Mit Verhalten

Darley & Gross, 1983 Die Einschätzung der Schulleistung unterscheidet sich nicht signifikant, wenn kein Verhalten gezeigt wird; die Einschätzung unterscheidet sich, wenn Verhalten gezeigt wird, also in Abhängigkeit vom Zeigen von Verhalten – die Einschätzung interagiert mit dem Verhalten!

Haupteffekt und Interaktion Haupteffekte: Interaktion: Es gibt einen Effekt der Wechselwirkung, d.h. dass mit der Kombination einzelner Faktorenstufen ein eigenständiger Effekt verbunden ist. Bei signifikanter Interaktion müssen evtl. signifikante Haupteffekte relativiert werden. = Mittelwerte ohne Verhalten negative Erwartung positive Erwartung mit Verhalten Frage: Gibt es hier signifikante Haupteffekte und wenn ja, wie sieht das in meinem SPSS Output aus?

Interaktion Der Effekt der einen Variation (hier Faktor A: die unterschiedlichen Erwartungen) fällt unter den Bedingungen der anderen Variation (hier Faktor B: Art der Darbietung) anders aus (kleiner oder größer oder er hat ein anderes Vorzeichen). Interaktionsbefunde gehören zu den theoretisch bedeutsamsten in der experimentellen Forschung!

Interaktionstypen Ordinale Interaktion Die Linienzüge weisen jeweils den gleichen Trend auf, beide Haupteffekte können eindeutig interpretiert werden. B1 B1 B2 A1 ♂ A2 ♀ Ordinal für B: der B-Effekt ist gleichsinnig für A1 und A2 (aber unterschiedlich groß) Medikament B2 Placebo A1 ♂ A2 ♀ Geschlecht: A1 = männlich, A2 = weiblich Medikament: B1 = Medikament 1, B2 = Medikament 2 B-Effekt = Medikament versus Placebo ist für Frauen und Männer gleichsinnig (gleiche Richtung) Medikament hat bei den Männern keinen so großen Unterschied zum Placebo wie es bei den Frauen der Fall ist aber: Medikament sowohl bei Frauen als auch bei Männern mehr Wirkung als Placebo und bei Frauen generell höhere Wirkung einer Behandlung als bei Männern Medikament Placebo Ordinal für A: der A-Effekt ist gleichsinnig für B1 und B2 (aber unterschiedlich groß)

Interaktionstypen Disordinale Interaktion Die beiden Haupteffekte sind inhaltlich bedeutungslos. B1 A1 ♂ Medikament B2 A2 ♀ Placebo A1 ♂ A2 ♀ B1 B2 linkes Bild Männer (A1): das Placebo (B2) hilft besser als das Medikament (B1) Frauen (A2): das Medikament (B1) hilft besser als das Placebo (B2) Disordinal für A: der A-Effekt kehrt sich von B1 zu B2 um Disordinal für B: der B-Effekt kehrt sich von A1 zu A2 um

Interaktionstypen Hybride Interaktion HE B kann interpretiert werden, HE A sollte nicht interpretiert werden A1 A2 B1 B2 Disordinal für A: der A-Effekt kehrt sich von B1 zu B2 um B1 B2 A1 A2 Ordinal für B: der B-Effekt ist gleichsinnig für A1 und A2

Eingeschätzte Schulleistung (je höher, desto besser) Darley & Gross, 1983 Welche Art von Interaktion liegt hier vor? Hybride Interaktion positive Erwartung Negative Erwartung Eingeschätzte Schulleistung (je höher, desto besser) Ohne Verhalten Mit Verhalten

Mixed Design: Repeated Measures ANOVA mit einem between-subjects Faktor

Mehrfaktorielle Pläne Unser Beispiel für einen 2x2-Plan mit „Zwischen“-Faktoren: Welche Auswirkungen hat das Mitteilen von emotionalem Empfinden auf die Emotion, in Abhängigkeit von der spezifischen Emotion?

Mehrfaktorielle Pläne Unabhängige Variable A (UVA) Unabhängige Variable B (UVB) Film Freude Film Trauer Kommunikation Stimmung Keine Kommunikation Abhängige Variable (AV)

Inferenzstatistischer Test: Interaktion Inferenzstatistischer Test: Varianzanalyse, bei 2x2-Versuchsplan: Haupteffekt A Haupteffekt B Interaktion

Der SPSS-Output

Um was für eine Art Interaktion handelt es sich? Dürfen die Haupteffekte interpretiert werden? Um was für eine Art Interaktion handelt es sich hiert

Interaktion: Zahlenbeispiel 1 assoz. Prime nicht-assoz. Prime ohne Maskierung 450 490 mit Maskierung 500 510

Interaktion: Zahlenbeispiel 2 Zwangsstörung Depressive Störung Verhaltenstherapie 90 % 89 % Psychoanalyse 76 % 72 %

Mehrfaktorielle Pläne Erweitert um andere Faktoren: „Innerhalb“- und „Zwischen“-VP-Faktoren lassen sich beliebig kombinieren Beispiel: Wirkt sich das Schauen eines Filmes und die Mitteilung der Emotionen nicht nur auf die gefühlte Stimmung aus, sondern beeinflusst dies spezifische Emotionen und weitere Emotionskomponenten

Mehrfaktorielle Pläne Unabhängige Variable A (UVA) Unabhängige Variable B (UVB) Film Freude Film Trauer Kommunikation Stimmung Keine Kommunikation Abhängige Variable (AV)

Mehrfaktorielle Pläne Film Freude Film Trauer Wie fröhlich Wie traurig Kommunikation Rating Keine Kommunikation Vorteil: Beurteilung der Wirkung einzelner Faktoren und Faktorstufen in Abhängigkeit von Abstufungen anderer Faktoren…

Mehrfaktorielle Pläne Film Freude Film Trauer Wie fröhlich Wie ängstlich Wie traurig Wie risikobereit Kommunikation Rating Keine Kommunikation Vorteil: Beurteilung der Wirkung einzelner Faktoren und Faktorstufen in Abhängigkeit von Abstufungen anderer Faktoren…

Mehrfaktorielle Pläne Ein weiteres Kombinationsbeispiel: Sie wollen herausfinden, ob in Deutschland, und insbesondere unter Studenten, Vorurteile gegenüber Türken bestehen. Die bisherigen Umfrageergebnisse liefern dazu keine Anhaltspunkt. Sie vermuten aber, dass diese durch soziale Erwünschtheit beeinflusst sind und verwenden deshalb den IAT als implizites Messverfahren. Jetzt geht es um die Dekomposition der Haupteffekte

Der SPSS-Output negativ positiv Türke Deutscher Korrekte Reaktionszeit Pos_t Pos_d Neg_d Neg_t negativ positiv Türke Korrekte Reaktionszeit Deutscher Was ist hier UV und was AV

Der SPSS-Output Türke negativ positiv 846 ms 1331 ms 944 ms 888 ms Pos_t Pos_d Neg_d Neg_t negativ positiv Türke 846 ms 1331 ms 944 ms 888 ms Deutscher

Ethnizität Valenz Ethnizität Du musst denen dann erklären warum man Pillai oder Lambda oder so nimmt. Man nimmt Pillai ist am konservativsten, glaube ich, schau besser nochmal nach

Kann man dies vereinfachen? Unabhängige Variable A (UVA) Unabhängige Variable B (UVB) negativ positiv Türke (korrekte) Reaktionszeit Deutscher Differenz bilden! Valenzeffekt = negativ - positiv Differenz bilden! Abhängige Variable (AV)

Oder auch Unabhängige Variable A (UVA) Unabhängige Variable B (UVB) positiv negativ Türke (korrekte) Reaktionszeit Deutscher Ethnizitätseffekt = M (Türke) – M (Deutscher) Differenz bilden! Differenz bilden! Abhängige Variable (AV)

Genauer anschauen, Dekomposition der HA m_negativ – m_positiv Genauer anschauen, Dekomposition der HA

Und dann wieder t-Test… Nachdem also aus beiden Haupteffekten die Differenzen gebildet wurden, Können diese Differenzen dann im t-test gegeneinander getestet werden.

Interaktion & Hypothesen… Einige Aspekte, die Sie beachten sollten (Rosnow & Rosenthal, 1995,1996): Wie genau lautet meine Hypothese? Believing is seeing Interaktionen…

Wie genau lautet meine Hypothese… „In einem Exp mit 2 Faktoren mit je 2 Stufen analysiert man zwei HE und eine IA!“  falsch! Das tut man zwar meistens – aber nur, weil meistens die interessierenden Hypothesen so angelegt sind, dass man dieses Standardverfahren benutzen kann/sollte! Nichtsdestoweniger muss man aber DENKEN, soll heißen, kontrollieren, ob die interessierende Hypothese wirklich durch zwei HE und eine IA getestet wird…

Believing is Seeing… p- Werte! Drückt p < .001 einen stärkeren oder signifikanteren Effekt aus als p < .05?  NEIN, denn der p-Wert lässt uns den Alpha-Fehler einschätzen – mehr nicht, wir brauchen zusätzlich Angaben (und Verständnis) über Effektstärken und Power – das bekommen Sie nächste Woche…

Interaktionen… Was ist das nochmal genau? Das ist ein Effekt in den Residuen, wenn die HE rausgekürzt wurden! Was meine ich damit?

Interaktionen… Kongruent Inkongruent Informatiker 480 520 Psychologen 670 730

Interaktionen…Dekomposition der HE Kongruent Inkongruent Informatiker 480 520 Psychologen 670 730 Kongruent Inkongruent Informatiker -20 20 Psychologen -30 30 Irrelevant, M = 700 ms, Relevant = 500 ms Wenn ich den Relevanz-HE rausrechnen will ziehe ich daher den Mittelwert von den roh rts ab. (z.B, 480 – 500) Daher sind die kongruenten Trials 20 ms schneller bzw. die inkongruenten 20 ms langsamer Gleichfalls mit Irrelevanz: Der Kongruenzeffekt macht dann noch – 30 bzw. + 30 ms aus Wenn ich dann noch den Kongruenzeffekt herausrechnen will….

Interaktionen…Dekomposition der HE Kongruent Inkongruent Informatiker -20 20 Psychologen -30 30 Kongruent Inkongruent Informatiker 5 -5 Psychologen Dann nehme ich die kongruenten zusammen, von den Resten die übrigbleiben wieder die Mittelwerte Also – 25 bzw. + 25 und ziehe die jeweils wieder von den Werten ab Damit wären es – 20 - - 25 und daher +5 etc.

Interaktionen…nach Dekomposition der HE Gesamtmittelwert+Haupteffekte+Interaktion Interaktion

Für nächste Woche… Marsh, A. A., Ambady, N. & Kleck, R. E. (2005). The effects of fear and anger facial expressions on approach- and avoidance-related behaviors Methoden und Ergebnisse Hypothesen? Versuchsplan? Was getestet? Wie getestet?

Eine schöne nächste Woche!!