Verarbeitung Sozialer Information Dr Verarbeitung Sozialer Information Dr. Rainer Roth SS 2006 Grundlagen experimenteller Forschung Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Seminar „Verarbeitung sozialer Information“ Rainer Roth SS 2006 Semesterprogramm 26. April Vorbesprechung 03. Mai experimentelle Designs / Varianzanalyse (R.R.) 10. Mai Methoden zur Untersuchung von Persongedächtnis und sozialer Kognition (Pascal Dick) 17. Mai Das Gedächtnis als assoziatives Netzwerk / Verarbeitung inkonsistenter Information (Jasmin Schneider) 24. Mai Konzeptgesteuerte Informationsverarbeitung – Die Rolle von Schemata bei der sozialen Informationsverarbeitung (Jennifer Hussong) 31. Mai Das Kontinuum-Modell von Fiske und Neuberg (Nadine Klees) 07. Juni Stereotype (Luisa Jendrik) 14. Juni Spontane Trait Inferenzen (Katja Franke) 21. Juni Das Elaboration-Likelihood-Modell von Petty und Cacioppo (Nadine Heinz) 28. Juni Urteilsheuristiken (Anna Christin Warnecke) 05. Juli Common Ground (Eva Schumacher) 12. Juli Online vs. gedächtnisbasierte Urteilsbildung (Christine Knauß) 19. Juli Abschlussveranstaltung Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Was steht heute an? Grundlagen experimenteller Forschung Warum experimentieren wir? Merkmale experimenteller Forschung (und Abgrenzung zu korrelativer Forschung) Klassifikation von Experimenten Varianzanalytische Versuchspläne / Designs (grundlegende Begriffe) Ein- vs. mehrfaktorielle Designs / Haupteffekte und Interaktionen Gekreuzte vs. geschachtelte Faktoren Designs mit vs. ohne Messwiederholung Aufgaben / Übungen zu Designs Varianzanalyse / Hypothesentesten Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Warum wird in der Sozialpsychologie experimentiert? Gewinnung neuer Erkenntnisse; Erklärung von Phänomenen  Ziel wissenschaftlicher Forschung: Konstruktion einer Theorie über den jeweiligen Forschungsbereich Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Theorien, Hypothesen und Daten Empirische Methoden (z.B. Experiment) Daten ( Auswertung) Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

experimentelle Forschung Ziel: Information über kausale Beziehungen zwischen Variablen Ein Merkmal wird absichtlich verändert Veränderung geschieht auf kontrollierte Weise Beobachtet wird die Auswirkung auf das interessierende Phänomen Abhängige und unabhängige Variablen kausale Beziehung: Veränderung der unabhängigen Variablen als eindeutige Ursache für resultierende Veränderung in der abhängigen Variablen Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Definition Experiment Ein Experiment ist eine Untersuchung, in der der Versuchleiter eine oder mehrere Variablen manipuliert (unabhängige Variable; bzw. Faktor oder Treatmentvariable) andere wichtige Variablen kontrolliert eine oder mehrere Variablen beobachtet oder misst (abhängige Variablen) Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Variablen: Alle Gegebenheiten, die sich in ihrer Quantität oder Qualität ändern können; mindestens zwei Abstufungen möglich Arten von Variablen unabhängige Variable vom Versuchsleiter manipuliert ihr Einfluss auf die a.V. soll festgestellt werden abgetragen auf der Abszisse abhängige Variable ihre Veränderung durch die Manipulation der u.V. wird beobachtet abgetragen auf der Ordinate Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Darstellung der Beziehung zwischen unabhängiger und abhängiger Variablen Stufen der unabhängigen Variablen  x-Achse (Abszisse) Stufen der abhängigen Variablen  y-Achse (Ordinate) Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Frage: Führt Hitze zu aggressivem Verhalten? Operationalisierung „Übersetzung“ der Variablen in messbare Form; eine Zuordnung zu beobachtbaren Phänomenen In unserem Beispiel Hitze: z.B.  °C Aggression: z.B.  Anzahl direkter Gewaltakte oder Erfassung der Aggression durch Fragebogen Weiteres Beispiel: Wie wirkt sich Lärm auf die Lernleistung aus? UV / AV? Operationalisierung? Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Vorexperimentelle Versuchspläne einmalige Untersuchung einer Gruppe Behandlung Messung G X Y Problem kein Feststellen einer Veränderung möglich Effekt der unabhängigen Variablen auf abhängige Variable? Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Vorexperimentelle Versuchspläne Vorher-Nachher Messung einer Gruppe Vorhermessung Behandlung Nachhermessung G Yvor X Ynach Vorteile (gegenüber Plan ohne Vorhermessung) Vergleich von zwei Messwerten Problem Grund für die Differenz zwischen Vorher- und Nachhermessung? Zeiteinflüsse Testeffekte durch Vorhermessung Lösung: Vergleich mit Kontrollgruppe Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Experimentelle Versuchspläne Eine Experimental- und eine Kontrollgruppe Experimentalgruppe: Gruppe, die der unabhängigen Variablen ausgesetzt war Kontrollgruppe: Versuchsgruppe im Experiment, die sich von der anderen Gruppe nur durch die nicht erfolgte Behandlung unterscheidet R = Randomisierung (Zufällige Zuordnung der Vpn zu den beiden Gruppen + zufällige Zuteilung der Gruppen zu den Experimentalbedingungen) Kontrolle von unbekannten Unterschieden zwischen den beiden Gruppen R Vorhermessung Behandlung Nachhermessung G1 - X Y1 G2 - - Y2 Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Unterschiede können nur auf die experimentelle Behandlung zurückgeführt werden (Einfluss von Störvariablen ist in der Kontrollgruppe genauso vorhanden wie in der Experimentalgruppe) ermöglicht kausale Schlüsse interne Validität  Gültigkeit der Annahme, dass beobachtete Veränderungen der abhängigen Variablen auf die vorgenommenen Veränderungen der unabhängigen Variablen (und nicht der Störvariablen) zurückzuführen sind.  Bedrohung durch konfundierende Variablen (Variable, die sich systematisch mit der Merkmalsausprägung der UV verändert; Beispiel: Untersuchung von Reaktionszeiten) Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Experimentelle vs. korrelative Forschung…. Eine Untersuchung hat gezeigt, dass Körpergewicht und Einkommen positiv korreliert sind, d.h. mit steigendem Gewicht steigt auch das Einkommen. Kann man daraus schlussfolgern, dass eine Möglichkeit, zu einem besseren Einkommen zu gelangen darin besteht, sich „ein paar zusätzliche Pfunde anzuessen“? korrelative Studie: Messen der Ausprägung von zwei Variablen und Überprüfen, ob Zusammenhang zwischen beiden besteht; keine aktive Variation der UV Korrelation macht keine Aussagen über Kausalität! Es gibt mehrere Möglichkeiten, wodurch der Zusammenhang zwischen Körpergewicht und Einkommen bedingt sein kann: Körpergewicht  Einkommen Einkommen  Körpergewicht Drittvariable (z.B. Alter) beeinflusst beide Variablen Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Merkmale eines Experimentes (Kerlinger, 1973) Replizierbarkeit (Wiederholbarkeit) Kontrolle von Bedingungen Manipulation von mindestens einer unabhängigen Variablen Zufällige Zuordnung von Personen zu Versuchsbedingungen Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Überblick: Klassifikation von Experimenten 1. Klassifikation nach Untersuchungsziel: Hypothesenprüfung Erkundungsexperiment (exploratives E.) Demonstrationsexperiment 2. Klassifikation nach Zahl der unabhängigen Variablen: einfaktorielles Experiment mehrfaktorielles Experiment 3. Klassifikation nach Zahl der abhängigen Variablen: univariates Experiment multivariates Experiment 4. Klassifikation nach Messwiederholung: mit Messwiederholung (innerhalb Vpn Design) ohne Messwiederholung (zwischen Vpn Design) 5. Klassifikation nach Versuchsplanung: echtes Experiment Quasi-Experiment 6. Klassifikation nach Untersuchungsort: Laborexperiment Feldexperiment Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

einfaktorielles / mehrfaktorielles Experiment einfaktorielles Experiment (eine unabhängige Variable) Untersuchung des Einflusses einer unabhängiger Variablen auf eine/mehrere abhängige Variable(n) Bsp.: UV  Fernsehkonsum AV  Aggression Einfaktorieller Versuchsplan mit zwei Ausprägungen (Stufen): A1 A2 y11 Y21 . yn1 y12 y22 ym2 eine unabhängige Variable (Fernsehkonsum) mit den Faktorstufen A1 („30 min“) und A2 („90 min“) y-Werte symbolisieren Werte der abhängigen Variablen: erster Index bezeichnet die Zeile, zweiter Index die Spalte Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

einfaktorielles / mehrfaktorielles Experiment mehrfaktorielles Experiment (mehrere unabhängige Variablen) Untersuchung des Einflusses mehrerer unabhängiger Variablen auf eine/mehrere abhängige Variable(n) Bsp.: UV  Fernsehkonsum Hitze AV  Aggression Untersuchung von Interaktionen Zweifaktorieller Versuchsplan mit jeweils zwei Ausprägungen (Stufen): A1 A2 B1 y111 Y211 . yn11 y112 y212 yn12 B2 y121 Y221 Yn21 y122 y222 Yn22 zwei unabhängige Variablen: Fernsehkonsum mit den Ausprägungen A1 („30 min“) und A2 („90 min“) und Hitze mit den Ausprägungen B1 (20°C) und B2 (35°C) insgesamt 4 Experimentalbedingungen y-Werte symbolisieren Werte der abhängigen Variablen: erster Index bezeichnet die Nummer der Vp in der Experimentalbedingung; zweiter Index bezeichnet die Zeile, dritter Index die Spalte Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Bei der Auswertung mehrfaktorieller Designs kann man sowohl Haupteffekte als auch Interaktionen (wenn es sich um gekreuzte Faktoren handelt) feststellen Haupteffekte: Veränderungen in der abhängigen Variablen, die auf das alleinige Wirken eines Faktors zurück gehen  durch Manipulation einer unabhängigen Variablen kommt es zu signifikanten Veränderungen in der abhängigen Variablen Interaktion: Effekt des einen Faktors hängt davon ab, welche Stufe auf einem anderen Faktor vorliegt  die gemeinsame Wirkung der Faktoren setzt sich also nicht additiv aus den Einzelwirkungen der Faktoren zusammen Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Das Konzept der Interaktion bzw. A1(30min) A2(90min) B1(20°C) B2(35°C)  weder A noch B wirken bzw. B1(20°C) B2(35°C) A1(30min) A2(90min)  nur A wirkt Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Das Konzept der Interaktion II bzw. B2(35°C) B1(20°C)  nur B wirkt A1(30min) A2(90min) A1 A2 B1 B2 bzw.  sowohl A als auch B wirken Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Das Konzept der Interaktion III B2(35°C) B1(20°C) A1(30min) A2(90min) bzw.  ordinale Interaktion Allgemeine Regel für Interaktion:  Die Unterschiede zwischen den Faktorenstufen des einen Faktors fallen unter den Stufen des anderen Faktors ungleich aus A1 A2 B1 B2 bzw.  disordinale Interaktion Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Mehrfaktorielle Designs Bei mehrfaktoriellen Designs ergeben sich verschiedene Möglichkeiten der Kombination der verschiedenen Faktoren: gekreuzte Faktoren jede Stufe des Faktors A mit jeder Stufe von Faktor B kombiniert (vollständig gekreuzt) geschachtelte Faktoren Jede Stufe des Faktors A kommt nur unter bestimmten Stufen den Faktors B vor geschachtelte Faktoren sollten nur dann gewählt werden, wenn es aus organisatorischen Gründen nicht möglich ist, alle Faktorstufenkombinationen zu realisieren nur vollständig gekreuzte Versuchspläne ermöglichen Aussagen über Interaktionen der Faktoren Warum? Bsp. Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information Überblick: Arten von Experimenten

ohne Messwiederholung (zwischen Versuchspersonendesign / between subject design) vs. mit Messwiederholung (innerhalb / within design) bisher nur zwischen Versuchspersonendesigns: jede Versuchsperson wird nur einer Stufe der unabhängigen Variablen ausgesetzt (Variation der UV zwischen Vpn) innerhalb Versuchspersonen (Messwiederholung): jede Versuchsperson wird mehreren Stufen der unabhängigen Variablen ausgesetzt (Variation der UV innerhalb Vpn) Bsp.: Untersuchung der Frage, wie sich Lärm auf die Bearbeitung von Mathematikaufgaben auswirkt Vp 20 Vp 10 . Vp 12 Vp 2 Vp 11 Vp 1 Level 2 (Viel Lärm) Level 1 (wenig Lärm) Zwischen-Vpn Design Unabhängige Variable Vp 10 . Vp 2 Vp 1 Level 2 (Viel Lärm) Level 1 (wenig Lärm) Innerhalb-Vpn Design Unabhängige Variable Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Zwischen vs. innerhalb Versuchspersonen Design Zwischen Versuchspersonen Design Vorteile Bearbeitung einer Versuchsbedingung kann keinen Einfluss auf Bearbeitung einer anderen ausüben („carry-over“-Effekte) viele Fragestellungen nicht mit innerhalb Design zu untersuchen (Bsp. Untersuchung inzidentelles Lernen) Nachteile evtl. unterscheiden sich die Gruppen in den unterschiedlichen Experimentalbedingungen Mehr Vpn erforderlich Innerhalb Versuchspersonen Design weniger Vpn nötig keine Unterschiede zwischen den Versuchspersonen Reihenfolgeeffekte Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Bsp. für unterschiedliche Designs* 2x2 Design: Wie wirkt sich Menge an Alkohol (1l Bier vs. 2l Bier) bei Männern vs. Frauen auf die Reaktionszeit aus? Exemplarische Darstellung; ausführliche Darstellung  Honeck, R.P., Kibler, C.T. & Sugar, J. (1983). Experimental design and analysis. Lanham: University Press of America. Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Überblick: Arten von Experimenten 3x2x2 Design: Experiment zum Persongedächtnis  Faktor 1: Instruktion (Gedächtnisinstruktion vs. Eindrucksbildung vs. Verhaltensvorhersage); Faktor 2: Vorerwartung (mit vs. ohne); Faktor 3: Art der Stimuluspräsentation (schriftlich vs. mündlich) wie oben, aber Messwiederholung über 3. Faktor (Stimuluspräsentation) sinnvoll? Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information Überblick: Arten von Experimenten

Laborexperiment, Feldexperiment und Feldstudie Durchführung im Labor / Experimentalraum kontrollierte Durchführung durch Versuchsleiter relativ geringer Aufwand Konstanthaltung der Bedingungen Zufallsauswahl der Versuchspersonen zufällige Zuteilung zu den Versuchsbedingungen Manipulation einer exakt definierten unabhängigen Variablen exakte Registrierung der abhängigen Variablen  Beantwortung kausaler Fragen Nachteile Künstlichkeit der Laborsituation  Übertragbarkeit der Befunde? Reaktivität Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Laborexperiment, Feldexperiment und Feldstudie außerhalb des Labors / Experimentalraums durchgeführt Manipulation der unabhängigen Variablen i.d.R. höhere externe Validität der Befunde als bei Laborexperiment Kontrolle von Störvariablen schlechter als beim Laborexperiment Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Laborexperiment, Feldexperiment und Feldstudie außerhalb des Labor / Experimentalraums durchgeführte korrelative Untersuchung keine Manipulation der unabhängigen Variablen Registrierung von mehreren abhängigen Variablen Beispiele: Umfragen von Meinungsforschungsinstituten oder Beobachtung verhaltensgestörter Kinder Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Auswertung faktorieller Designs: Varianzanalyse Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Auswertung faktorieller Designs: Varianzanalyse Prüfung der Auswirkungen einer (oder mehrerer) mehrfach abgestufter Variablen (Faktoren / Treatmentfaktoren) auf eine abhängige Variable einfaktorielle vs. mehrfaktorielle Varianzanalyse Bsp. (für einfaktorielle Varianzanalyse): Wie wirken sich unterschiedliche Instruktionen (Gedächtnisinstruktion vs. Eindrucksbildungsinstruktion vs. Verhaltensvorhersage) auf die Gedächtnisleistung (Anzahl korrekt erinnerter Items) aus? Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Experimentelle Designs und Analyse – Varianzanalyse Entwicklung von Forschungshypothesen (sich gegenseitig ausschließende Aussagen dazu, wie sich die UV auf die AV auswirkt) Nullhypothese (Treatment hat keinen Effekt; soll im Experiment widerlegt werden) Alternativhypothese zu jeder Forschungshypothese gibt es eine korrespondierende statistische Hypothese Nullhypothese (Ho)  Treatment hat keinen Effekt: es wird angenommen, dass sich zwei oder mehr Grundgesamtheiten bezüglich der Werte ihrer Parameter (z.B. Mittelwert) nicht unterscheiden. Die entsprechenden Stichprobenwerte bzw. -parameter weichen nur "zufällig" voneinander ab. Ho: μ1 = μ2 = μ3 Alternativhypothese (H1)  Verneinung der Nullhypothese; formuliert den Zusammenhang, den man zu finden hofft (in der Regel die Annahme, dass sich die Mittelwerte unterscheiden) H1: μ1 ≠ μ2 ≠ μ3 Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Experimentelle Designs und Analyse – Varianzanalyse Problem: In Untersuchungen treten quasi immer Unterschiede in den Mittelwerten der Experimentalbedingungen auf: können entweder durch Zufallsfehler bedingt sein (H0) oder auf das Treatment zurückgehen (H1). Wie können beide Effekte voneinander getrennt werden? Wie kann der Anteil am Mittelwertsunterschied zwischen den Treatmentbedingungen der auf Fehler zurückgeht von Effekten des Treatments separiert werden? Wie kann entschieden werden, ob die Null- oder die Alternativhypothese zutrifft? Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Experimentelle Designs und Analyse – Varianzanalyse: Primär-, Sekundär- und Fehlervarianz Varianzanalyse geht von einem additiven Modell aus; die Modellgleichung für die einfaktorielle Varianzanalyse heißt: xij = μ + αi + εij Mittelwert Wirkung des Treatments Fehlerwert Primärvarianz: systematische Veränderung der abhängigen Variablen, die allein auf eine Veränderung der unabhängigen Variablen zurückzuführen ist (vom Versuchsleiter intendiert) Sekundärvarianz: systematische Veränderung der abhängigen Variablen, die auf die Wirkung von Störvariablen zurückzuführen ist Fehlervarianz: unsystematische Veränderung der abhängigen Variablen, die auf unsystematische Unterschiede, Einflüsse wie Messfehler oder interindividuelle Unterschiede bedingt ist Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Experimentelle Designs und Analyse – Varianzanalyse: Varianzzerlegung Varianzzerlegung  Varianzanalyse zerlegt die Varianz in den Daten in verschiedene Bestandteile Primärvarianz: Varianz zwischen den Gruppen  Varianz, die auf Treatment zurückzuführen (Treatmenteffekte) Fehlervarianz: Varianz innerhalb der Gruppe (Sekundär- plus Fehlervarianz) wenn der untersuchte Faktor einen Einfluss auf die abhängige Variable hat ist die Primärvarianz relativ groß im Vergleich zur Fehlervarianz Schätzung der jeweiligen Varianzen über Quadratsummen*  Berechung F-Wert... *hier nicht näher ausgeführt; ausführliche Darstellung siehe Bortz, J. (1989). Statistik für Sozialwissenschaftler. Berlin: Springer. Honeck, R.P.; Kibler, C.T. & Sugar, J. (1983). Experimental design and analysis. Lanham: University Press of America. Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Experimentelle Designs und Analyse – Varianzanalyse: F-Wert im F-Wert werden Treatment und Fehlervarianz zueinander ins Verhältnis gesetzt:  Index, der angibt welchen Anteil der Streuung auf das Treatment zurück geht F-Test: Vergleich des empirisch ermittelten F-Wertes mit kritischen F-Wert (für spezifische Freiheitsgrade und festgelegtes Signifikanzlevel  Tabelle F-Verteilung)  wenn der empirische F-Wert größer ist als der kritische F-Wert ist die Wahrscheinlichkeit, dass die Treatmentgruppen aus der gleichen Population stammen geringer als das entsprechende Signifikanzniveau und die Nullhypothese wird verworfen  mindestens zwei Mittelwerte unterscheiden sich Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Literaturhinweise Winer, B.J. (1971). Statistical principles in experimental design. New York: Mc Graw-Hill Bortz, J. (1989). Statistik für Sozialwissenschaftler. Berlin: Springer. Honeck, R.P.; Kibler, C.T. & Sugar, J. (1983). Experimental design and analysis. Lanham: University Press of America. Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Nachtrag: Anmerkungen zu Alpha und Beta Fehler Beim Hypothesentesten können 2 Arten von Fehlern auftreten: Der Fehler 1. Art (α, Alpha-Fehler) tritt auf, wenn die Nullhypothese richtig ist, aber dennoch anhand der vorliegenden statistischen Daten abgelehnt wurde.  fälschliche Annahme von H1 Der Fehler 2. Art tritt auf, wenn die Alternativhypothese richtig ist, aber dennoch anhand der vorliegenden Daten zugunsten der Nullhypothese abgelehnt wurde.  fälschliches Beibehalten von Ho Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information

Statistische Signifikanz Signifikanzaussagen sind Aussagen über die Wahrscheinlichkeit eines - Fehlers (bzw. -Fehlers). Man fragt danach, mit welcher Wahrscheinlichkeit mit dem gefundenen oder einem extremeren Ergebnis zu rechnen ist, wenn wir davon ausgehen, daß die Nullhypothese richtig ist. Diese Wahrscheinlichkeit entspricht der Wahrscheinlichkeit für einen -Fehler oder der Irrtumswahrscheinlichkeit, die wir in Kauf nehmen müssen, wenn wir aufgrund des Untersuchungsergebnisses die Nullhypothese verwerfen. Dr. Rainer Roth, Universität des Saarlandes: Verarbeitung sozialer Information