H. Keller (Hrsg.): Lehrbuch Entwicklungspsychologie
H. Keller (Hrsg.): Lehrbuch Entwicklungspsychologie
H. Keller (Hrsg.): Lehrbuch Entwicklungspsychologie
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
( f<br />
Kreuzprodu<br />
Kreuzproduktverhältnis ktverhältn is =<br />
( f<br />
+ .5) * (<br />
+ .5) * (<br />
+ .5)<br />
+ .5)<br />
in unserem Falle also<br />
1010.5*<br />
33.5<br />
Kreuzprodu Kreuzproduktverhältnis ktverhältn is =<br />
= 99.34<br />
23.5*<br />
14.5<br />
Dieser Wert an sich ist allerdings nicht sehr<br />
aussagekräftig, wir können weder die Stärke<br />
noch die Richtung des Zusammenhangs angeben.<br />
Dazu bietet sich der natürliche Logarithmus<br />
des Kreuzproduktverhältnisses an. In<br />
unserem Beispiel ergibt sich<br />
Ln (Kreuzproduktverhältnis) = 4.60<br />
Durch das Logarithmieren wird dabei das ursprüngliche<br />
Kreuzproduktverhältnis, das nur<br />
positive Werte annehmen kann (in der Tabelle<br />
gibt es keine negativen Werte !), in einen<br />
Wert umgewandelt, der prinzipiell gesehen<br />
negativ wie positiv unendlich groß werden<br />
kann. Ein weiterer Vorteil ist, daß im Falle<br />
einer vollständigen Unabhängigkeit der beiden<br />
Variablen oder Verhaltensweisen der Logarithmus<br />
des Kreuzproduktverhältnisses den<br />
Wert 0 annimmt. Das Vorzeichen des logarithmierten<br />
Wertes gibt zudem Aufschluß<br />
über die Richtung des Zusammenhangs. Ein<br />
negativer Wert zeigt an, daß die Häufigkeiten<br />
auf der Nebendiagonalen, d.h. in den Zellen,<br />
die ungleiche Verhaltensweisen beinhalten,<br />
größer sind, als die Häufigkeiten in den Zellen,<br />
die gleiche Verhaltensweisen beinhalten.<br />
Ein positiver Wert hingegen weist den umgekehrten<br />
Fall aus. Zwischen dem Verhalten der<br />
Mutter und dem Verhalten des Kindes in unserem<br />
Beispiel besteht also ein positiver Zusammenhang,<br />
das Verhalten der Mutter und<br />
des Kindes stimmen häufig überein.<br />
Damit haben wir die Frage nach der Art<br />
des Zusammenhangs beantwortet; wir wissen<br />
allerdings noch nicht, ob dieser Zusammenhang<br />
stark oder schwach ist, oder, statistisch<br />
gesehen, signifikant ist oder nicht. Eine solche<br />
Analyse kann nicht einfach auf einer<br />
Kreuztabelle beruhen, in der alle Daten von<br />
allen Dyaden zusammengezogen sind. Zwei<br />
Gründe sind dafür ausschlaggebend (vgl.<br />
hierzu Wickens, 1993): Erstens können wir in<br />
diesem Falle keine Aussage darüber machen,<br />
11<br />
21<br />
f<br />
f<br />
22<br />
12<br />
Beobachtungsmethoden und Auswertungsverfahren<br />
wie homogen der Zusammenhang in der<br />
Stichprobe ist, da wir diese Information<br />
durch das Zusammenfassen in einer einzigen<br />
Tabelle aufgeben. Es könnte also durchaus<br />
sein, daß in einer Stichprobe von vielleicht<br />
50 beobachteten Dyaden 30 einen positiven<br />
Zusammenhang (wie in unserem Beispiel)<br />
aufweisen, während bei 20 Dyaden überhaupt<br />
kein (oder sogar ein entgegengesetzter)<br />
Zusammenhang besteht. Trotzdem würden<br />
wir mit großer Wahrscheinlichkeit bei der<br />
Analyse der kombinierten Tabelle ein positives<br />
Ergebnis erhalten, was aber nicht völlig<br />
richtig ist. Außerdem müßten wir zum Testen<br />
der Signifikanz bei einer solchen Analyse auf<br />
die oben genannten Chi-Quadrat-Statistiken<br />
zurückgreifen. Da wir aber in unserer Tabelle<br />
Häufigkeiten und nicht die Anzahl der Personen<br />
in der Stichprobe analysieren, überschätzen<br />
wir mit einer solchen Analyse die Stärke<br />
des Zusammenhangs, da beim Testen die Anzahl<br />
der Beobachtungen als Stichprobengröße<br />
verwendet wird und jeder Signifikanztest<br />
eine direkte Funktion unter anderem der<br />
Stichprobengröße ist.<br />
Es bietet sich nun aber die Möglichkeit an,<br />
die oben beschriebene Berechnung des Kreuzproduktverhältnisses<br />
für jede Mutter-Kind-<br />
Dyade einzeln durchzuführen. Diese für jede<br />
einzelne Dyade berechneten logarithmierten<br />
Kreuzproduktverhältnisse kann man dann direkt<br />
für weitere Analysen benutzen. Beispielsweise<br />
kann man einen einfachen «t-Test»<br />
durchführen, um die Hypothese zu testen,<br />
daß der mittlere Zusammenhang in der Stichprobe<br />
null ist. Hierbei erhält man durch den<br />
Mittelwert der logarithmierten Kreuzproduktverhältnisse<br />
die Information, in welcher<br />
Richtung möglicherweise ein Zusammenhang<br />
besteht, und durch den «t-Test» die Information,<br />
ob dieser Zusammenhang statistisch<br />
bedeutsam oder zufällig ist.<br />
Bei größeren Stichproben oder Datenmengen<br />
empfiehlt sich der Einsatz von Statistikprogrammen.<br />
Das allgemeine log-lineare<br />
Modell ist in allen größeren Statistikprogrammen<br />
(SPSS, SAS, BMDP etc.) implementiert<br />
und basiert direkt auf dem logarithmierten<br />
Kreuzproduktverhältnis bzw. kann aus diesen<br />
hergeleitet werden (Bishop et al., 1975; Haberman,<br />
1978, 1979; eine gut verständliche<br />
deutschsprachige Einführung gibt Langehei-<br />
253