Vorwort XIX
Teil I Grundlagen und Konzepte 1
Kapitel 1 Alltagspsychologie vs. wissenschaftliche Psychologie 3
1.1 Die Fallstricke der Alltagspsychologie 5
1.1.1 Fehler beim Wahrnehmen '. 5
1.1.2 Fehler beim Erinnern 8
1.1.3 Fehler beim logischen Denken 10
1.1.4 Fehler beim Umgang mit Wahrscheinlichkeiten 11
1.2 Sprachgebrauch in Alltag und Wissenschaft 12
1.2.1 Missverständnisse beim Verstehen von Sprache im Alltag 12
1.2.2 Präzisierung der Sprache in der Wissenschaft 13
1.3 Die wissenschaftliche Methode 15
1.3.1 Theorien, Hypothesen und ihre Präzisierung 16
1.3.2 Design 17
1.3.3 Durchführung von Studien 17
1.3.4 Datenanalyse und -Interpretation 18
1.4 Was gewinnen wir durch die wissenschaftliche Vorgehensweise? 18
Kapitel 2 Wissenschaftstheorie, Theorien und Hypothesen 21
2.1 Was ist die Wirklichkeit und wie können wir sie erkennen? 22
2.1.1 Das Leib-Seele Problem 24
2.1.2 Induktion vs. Deduktion 25
2.2 Wissenschaftstheoretische Ansätze im Überblick 26
2.2.1 Konventionelle Ansätze 26
2.2.2 Wirklichkeit als Konstruktion 33
2.3 Spezialprobleme der Psychologie 36
2.3.1 Latente Variablen 37
2.3.2 Verhältnis zwischen Forscher und "Erforschten" 38
2.4 Woher kommen Theorien? 39
2.4.1 Bed, Bathroom and Bicycle 39
2.4.2 Die systematische Suche nach Theorien 41
2.5 Von Theorien zu Hypothesen 42
2.5.1 Wie sehen Theorien in der Psychologie aus? 42
2.5.2 Von der Theorie zur Hypothesenprüfung: Grundlegende Vorgehensweise 43
2.5.3 Von der Theorie zur Hypothesenprüfung: Beispiele 46
2.5.4 Hypothesenprüfung und Wissenschaftstheorie 48
Kapitel 3 Messen und Testen 51
2.5.6 Was ist Messen? 52
2.5.7 Messtheorie 56
3.2.1 Messtheoretische Probleme 58
3.3 Skalenniveaus 61
3.3.1 Nominalskala 61
3.3.2 Ordinalskala 63
3.3.3 Intervallskala 64
3.3.4 Verhältnisskala 66
3.3.5 Absolutskala 67
3.3.6 Tests 68
3.3.7 Gütekriterien beim Testen und Messen 70
3.5.1 Objektivität 71
3.5.2 Reliabilität 72
3.5.3 Validität 76
Kapitel 4 Datenerhebung: Befragung und Beobachtung 83
4.1 Befragung: Unterschiedliche Perspektiven 84
4.1.1 Mündlich oder schriftlich? 85
4.1.2 Freie oder festgelegte Antwortmöglichkeiten? 88
4.1.3 Einzeloder Gruppenbefragung? 89
4.1.4 Wie sehr standardisieren? 90
4.2 Befragung: Fehlermöglichkeiten und Gegenmaßnahmen 95
4.2.1 Potenzielle Probleme bei der Gestaltung und Anordnung von Items 95
4.2.2 Potenzielle Probleme bei der Durchführung der Befragung 101
4.3 Befragung: Ein kurzes Resumee 103
4.3.1 Wann welche Art von Befragung? 103
4.3.2 Einige abschließende Hinweise 104
4.4 Beobachtung: Unterschiedliche Perspektiven 106
4.5 Beobachtung: Fehlermöglichkeiten und Gegenmaßnahmen 114
4.6 Beobachtung: Ein kurzes Resumee 118
4.6.1 Wann welche Form von Beobachtung? 119
4.6.2 Einige abschließende Hinweise 119
4.7 Generalisierbarkeit von Befragungs- und Beobachtungsergebnissen 119
4.7.1 Auswahl der Situation 119
4.7.2 Auswahl der Studienteilnehmer 120
Kapitel 5 Experimentelle Designs 123
5.1 Warum werden Experimente durchgeführt? 125
5.2 Die Logik des Experiments 126
5.2.1 Grundlage für Kausalschlüsse 127
5.2.2 Interne Validität 132
5.3 Kontrolltechniken 134
5.3.1 Kontrolle personengebundener Störvariablen 134
5.3.2 Kontrolle von Störvariablen in der Versuchssituation 139
5.4 Externe Validität 146
5.4.1 Wie wichtig ist die externe Validität? 147
5.4.2 Wie kann die externe Validität erhöht werden? 148
5.5 Within-subjects Designs 150
5.5.1 Warum werden within-subjects Designs eingesetzt? 152
5.5.2 Positionseffekte und ihre Kontrolle 158
5.5.3 Carry-Over-Effekte 164
5.6 Mehrfaktorielle Designs 165
5.6.1 Haupteffekte und Interaktionen in 2 x 2-Designs 168
5.6.2 Komplexere Designs 173
5.6.3 Interaktionen und externe Validität 175
5.7 Quasi-Experimente 176
Teil II Deskriptive und explorative Datenanalyse 181
Kapitel 6 Lage- und Streuungsmaße 183
6.1 Warum brauchen wir Streuungsmaße? 184
6.2 Lage und Streuung auf einen Blick 186
6.2.1 Stamm-Blatt-Diagramme 186
6.2.2 Box-Plots 190
6.3 Lagemaße im Detail 193
6.3.1 Arithmetisches Mittel 193
6.3.2 Median und Quantile 194
6.3.3 Modalwert 195
6.3.4 Weitere Lagemaße 196
6.4 Streuungsmaße im Detail 196
6.4.1 Standardabweichung und Varianz 196
6.4.2 Interquartilsabstand und andere Quantilsabstände 197
6.4.3 Weitere Streuungsmaße 197
6.5 Wann welches Maß? 198
6.5.1 Skalenniveau 198
6.5.2 Form der Verteilung 199
6.6 Standardisierung: z-Werte 200
6.7 Population vs. Stichprobe 202
Kapitel 7 Korrelation 205
7.1 Die grafische Darstellung von Korrelationen: Streudiagramme 207
7.2 Korrelationsmuster 210
7.2.1 Lineare und kurvilineare Zusammenhänge 210
7.2.2 Richtung und Stärke von Zusammenhängen 211
7.2.3 Die Bedeutung des Korrelationsmusters für die weitere Analyse... 214
7.3 Der Produkt-Moment-Korrelationskoeffizient 215
7.3.1 z-Werte und der Produkt-Moment-Korrelationskoeffizient 222
7.4 Verzerrungen des Produkt-Moment-Korrelationskoeffizienten 224
7.4.1 Ausreißerwerte 225
7.4.2 Einschränkungen der Variabilität 226
7.4.3 Zusammenfassung von heterogenen Untergruppen 228
7.5 Korrelation und Kausalität 230
7.6 Partialkorrelation 232
7.7 Andere Zusammenhangsmaße 234
7.7.1 Korrelation zweier dichotomer Merkmale - der Phi-Koeffizient .. 234
7.7.2 Korrelation zweier ordinalskalierter Merkmale - Kendalls Tau... 238
Kapitel 8 Lineare Regression 243
8.1 Grundbegriffe der Regressionsrechnung 245
8.1.1 Prädiktor und Kriterium 245
8.1.2 Deterministische Zusammenhänge und die Geradengleichung . . 246
8.1.3 Stochastische Zusammenhänge und die Regressionsgerade 248
8.1.4 Das Kriterium der kleinsten Quadrate 251
8.1.5 Bestimmung der Regressionsgeraden 252
8.1.6 Die Beziehung zwischen der Korrelation und dem Regressionsgewicht b 254
8.1.7 Regression mit z-standardisierten Variablen 257
8.1.8 Der Regressionseffekt 259
8.1.9 Die Vorhersage von X aus Y 262
8.2 Die Güte der Vorhersage 264
8.2.1 Varianzzerlegung 265
8.2.2 Der Determinationskoeffizient r2 269
8.2.3 Der Standardschätzfehler 272
8.3 Probleme und Verzerrungen in der Regressionsrechnung 274
8.4 Ein Ausblick auf die multiple Regression 274
8.4.1 Multiple Regression mit z-standardisierten Variablen 276
8.4.2 Eine Illustration mit zwei Prädiktoren 276
8.4.3 Gütemaße in der multiplen Regression 281
Kapitel 9 Effektgrößen 287
9.1 Was sind Effektgrößen? 288
9.2 Abstandsmaße 289
9.3 Zusammenhangsmaße 293
9.4 Effektgrößen aus Effektgrößen 296
9.4.1 Abstandsmaße aus Abstandsmaßen 296
9.4.2 Korrelationen aus Abstandsmaßen 297
9.4.3 Abstandsmaße aus Korrelationen 298
9.5 Wie bedeutsam ist eine Effektgröße? 299
9.6 Weitere Effektgrößen-Maße 301
Teil III Inferenzstatistik 303
Kapitel 10 Grundlagen der Inferenzstatistik 305
10.1 Wahrscheinlichkeiten, kurz gefasst 307
10.1.1 Was ist Wahrscheinlichkeit? 307
10.1.2 Wahrscheinlichkeit von Konjunktionen und bedingte Wahrscheinlichkeiten 309
10.2 Von der Population über Stichproben zur Stichprobenverteilung 312
10.2.1 Simulationsbeispiel für Anteile 312
10.2.2 Simulationsbeispiel für Mittelwerte 314
10.2.3 Die tatsächliche Vorgehensweise: Von der Stichprobe zur Population 317
10.3 Stichprobenverteilung für Anteile 317
10.3.1 Binomialverteilung "per Hand" 318
10.3.2 Binomialverteilung mit Binomialformel 320
10.4 Lage- und Streuungsmaße von Stichprobenverteilungen 321
10.4.1 Binomialverteilung 322
10.4.2 Stichprobenverteilungen für Mittelwerte 325
10.5 Der Einfluss der Stichprobengröße auf die Stichprobenverteilung 330
10.5.1 Empirisches Gesetz der großen Zahlen 330
10.5.2 Zentraler Grenzwertsatz 332
10.6 Rekapitulation und Ausblick 335
Kapitel 11 Konfidenzintervalle 339
11.1 Was ist ein Konfidenzintervall? 340
11.1.1 Wahrscheinlichkeitsintervalle: Ein Gedankenexperiment 340
11.1.2 Konfidenzintervalle für Anteile 342
11.1.3 Auswirkungen der Höhe der Konfidenz und der Stichprobengröße 344
11.1.4 Die Berechnung von Konfidenzintervallen 346
11.2 Konfidenzintervalle für Mittelwerte 349
11.3 Konfidenzintervalle für Mittelwertsunterschiede 352
11.3.1 Unabhängige Messungen 353
11.3.2 Abhängige (gepaarte) Messungen 357
11.4 Die Interpretation von Konfidenzintervallen 361
Kapitel 12 Signifikanztests 365
12.1 Wie funktioniert ein Signifikanztest? 366
12.2 Vorgehensweise nach R. A. Fisher 369
12.2.1 Beispiel 1: Vorzeichentest 370
12.2.2 Beispiel 2: t-Test für Mittelwert 372
12.2.3 Probleme mit der Vorgehensweise nach Fisher 373
12.3 Neymans & Pearsons Verbesserungsvorschläge 374
12.3.1 Warum braucht man die Alternativhypothese und wie wird sie bestimmt? 374
12.3.2 Fehler erster und zweiter Art (a und ß ) 376
12.3.3 Die "Verhaltensinterpretation" des Signifikanztestergebnisses . . 377
12.4 Welche Faktoren beeinflussen das Ergebnis eines Signifikanztests? 377
12.4.1 Populations-Effektgröße 378
12.4.2 Stichprobengröße 379
12.4.3 Abwägung der Fehler erster und zweiter Art 380
12.4.4 Minimierung des "experimentellen Fehlers" 382
12.4.5 Homogenität der Population(en) 383
12.5 Poweranalyse 383
12.5.1 Die Suche nach der Stichprobengröße: "A priori Analyse" 384
12.5.2 Die Suche nach einem Kompromiss zwischen a und ß 384
12.5.3 Die Suche nach weiteren Interpretationsmöglichkeiten: "Post hoc Analyse" 384
12.6 Vorgehensweise nach Neyman und Pearson 385
12.6.1 Beispiel 1: Vorzeichentest nach Neyman und Pearson 386
12.6.2 Beispiel 2: t-Test nach Neyman und Pearson 390
12.6.3 Akzeptanz des Ansatzes in der Psychologie 392
12.7 Das konventionelle Verfahren: Der "Hybrid" 392
12.7.1 Bestandteile 393
12.7.2 Vorgehensweise und Ergebnisinterpretation 394
12.8 Signifikanztests: Was man noch wissen sollte 395
12.8.1 Spezifikation von Null- und Alternativhypothese 395
12.8.2 Wie man p-Werte nicht interpretieren sollte 397
12.8.3 Signifikanztest und Konfidenzintervall 399
12.8.4 Allgemeine Hinweise und Empfehlungen 400
Kapitel 13 t-Tests 403
13.1 Unterschied zwischen zwei Mittelwerten 404
13.1.1 Unabhängige Stichproben 404
13.1.2 Abhängige Stichproben 409
13.2 Weitere (-Tests 413
13.2.1 Korrelation 413
13.2.2 Regression 416
13.3 Effektgrößenberechnung aus Testergebnissen von (-Tests 417
13.3.1 Generelle Idee 417
13.3.2 Eine Stichprobe (Mittelwert vs. vorgegebener Wert) 418
13.3.3 Zwei unabhängige Stichproben 419
13.3.4 Zwei abhängige Stichproben 420
13.3.5 Korrelation und Regression 422
Kapitel 14 Der F-Test in der einfaktorieilen Varianzanalyse 425
14.1 Warum nicht mehrere t-Tests? 427
14.2 Die Logik der Varianzanalyse 430
14.2.1 Zwei Wege zu einer Schätzung der Populationsvarianz 431
14.2.2 Varianzzerlegung 441
14.3 Voraussetzungen der einfaktorieilen Varianzanalyse 448
14.4 Post-hoc Tests 450
14.5 Effektgrößen in der einfaktorieilen Varianzanalyse 452
14.6 Power in der einfaktorieilen Varianzanalyse 455
Kapitel 15 Weitere F-Tests 461
15.1 Mehrfaktorielle Varianzanalyse . 463
15.1.1 Varianzzerlegung in der zweifaktoriellen Varianzanalyse . 466
15.1.2 ANOVA-Tabelle 474
15.1.3 Varianzanalysen mit mehr als zwei Faktoren 476
15.1.4 Voraussetzungen der mehrfaktoriellen Varianzanalyse 476
15.1.5 Mehrfaktorielle Varianzanalysen mit ungleichen Stichprobengrößen 477
15.1.6 Effektgrößen in der mehrfaktoriellen Varianzanalyse 477
15.1.7 Power in der mehrfaktoriellen Varianzanalyse 481
15.2 Varianzanalyse mit abhängigen Stichproben 484
15.2.1 Varianzzerlegung in der einfaktorieilen Varianzanalyse mit abhängigen Stichproben 486
15.2.2 ANOVA-Tabelle 494
15.2.3 Voraussetzungen der Varianzanalyse mit abhängigen Stichproben.. 495
15.2.4 Effektgrößen in der Varianzanalyse mit abhängigen Stichproben . 497
15.2.5 Power in der Varianzanalyse mit abhängigen Stichproben 498
15.2.6 Erweiterungen zur Varianzanalyse mit abhängigen Stichproben... 499
15.3 Der F-Test in der Regressionsrechnung 500
15.4 Weitere Varianten der Varianzanalyse 503
Kapitel 16 Kontrastanalyse 507
16.1 Kontraste vs. "Omnibus-Hypothesen" 508
16.1.1 Die Problematik von Omnibus-Hypothesen 508
16.1.2 Kontraste als präzise Hypothesen 510
16.2 Kontrastanalyse für unabhängige Stichproben 514
16.2.1 FKontrastund tKontrast 514
16.2.2 Orthogonale Kontraste 519
16.2.3 Effektgrößen bei der Kontrastanalyse für unabhängige Stichproben 521
16.2.4 Poweranalyse bei der Kontrastanalyse für unabhängige Stichproben 526
16.2.5 16.3 Kontrastanalyse für unabhängige Stichproben bei komplexen Fragestellungen 528
16.3.1 "Haupteffekte" und "Interaktionen" 529
16.3.2 Beliebige Fragestellungen 532
16.4 Kontrastanalyse für abhängige Stichproben 533
16.4.1 Bestimmen der zusammengefassten Werte 533
16.4.2 t-Test für die Kontrastanalyse bei abhängigen Stichproben 535
16.4.3 Effektgrößen bei der Kontrastanalyse für abhängige Stichproben 538
16.4.4 Poweranalyse bei der Kontrastanalyse für abhängige Stichproben 539
16.5 Vergleich zweier Hypothesen mit Hilfe der Kontrastanalyse 540
16.5.1 Unabhängige Stichproben 540
16.5.2 Abhängige Stichproben 543
Kapitel 17 Verfahren zur Analyse nominalskalierter Daten: Chi-Quadrat (x2-)Tests 549
17.1 Der x2-Test für eine Variable 552
17.1.1 Die Gleichverteilungsannahme als Nullhypothese 552
17.1.2 Der x2-Wert 554
17.1.3 x2-Verteilung und Freiheitsgrade 555
17.1.4 Andere Verteilungsannahmen als Nullhypothese 557
17.1.5 Effektgrößen 559
17.1.6 Power 561
17.2 Der x2-Test für zwei Variablen 563
17.2.1 Die Unabhängigkeitsannahme als Nullhypothese 565
17.2.2 Berechnung des x2-Werts 567
17.2.3 Freiheitsgrade und Signifikanzprüfung 568
17.2.4 Effektgrößen 570
17.2.5 Power 574
17.3 Voraussetzungen der x2-Tests 574
Kapitel 18 Verfahren zur Analyse ordinalskalierter Daten 579
18.1 Voraussetzungsverletzungen in parametrischen Tests 581
18.2 Der U-Test 582
18.2.1 Zuordnung der Rangplätze 583
18.2.2 Null- und Alternativhypothese 584
18.2.3 Der U-Wert 585
18.2.4 Signifikanzprüfung in kleinen Stichproben 587
18.2.5 Signifikanzprüfung in großen Stichproben 587
18.2.6 Rangbindungen 589
18.3 Der Wilcoxon-Test 589
18.3.1 Durchführung des Wilcoxon-Tests 590
18.3.2 Eine Voraussetzung des Wilcoxon-Tests 592
18.4 Powerbestimmung im U-Test und Wilcoxon-Test 592
Kapitel 19 Inferenzstatistik: Erweiterungen und Ergänzungen 595
19.1 Der Bootstrap: Inferenz nach Münchhausen-Art 597
19.1.1 Grundlegende Idee und Vorgehensweise 597
19.1.2 Vorteile des Bootstrap 598
19.1.3 Anwendungsbeispiele 599
19.1.4 Praktische Vorgehensweise 600
19.2 Der Bayesianische Ansatz: Hypothesen erhalten Wahrscheinlichkeiten . . 601
19.2.1 Illustration der grundlegenden Idee und Vorgehensweise 602
19.2.2 Signifikanztesten vs. Bayesianisches Hypothesentesten 605
19.2.3 Test mehrerer Hypothesen 607
19.2.4 Auswirkung der Priorverteilung 609
19.2.5 Wiederholtes Testen: Die Replikation von Studien 610
19.2.6 Einfluss der Stichprobengröße 612
19.2.7 Komplexere Verfahren 614
19.2.8 Bayes-Statistik in der Praxis 615
19.3 Inferenzstatistik in der Psychologie 615
19.3.1 Klassisch vs. Bayesianisch 616
19.3.2 Was kann Inferenzstatistik nicht? 616
Teil IV Weitere Verfahren der Datenerhebung und Datenanalyse 619
Kapitel 20 Explorative Datenanalyse (EDA): Weitere Verfahren 621
20.1 Robustheit von EDA-Verfahren: Box-Plots 622
20.2 Varianten von Streuungsdiagrammen 624
20.2.1 Streuungsdiagramme mit Box-Plots 624
20.2.2 Influence-Plot 625
20.2.3 Bubble-Plot 626
20.3 "Aufspüren" und "Geradebiegen" nichtlinearer Zusammenhänge 626
20.3.1 Lowess 627
20.3.2 Potenzleiter 630
20.4 Multivariate Zusammenhänge auf einen Blick: Die Streuungsdiagramm-Matrix 634
20.5 Mehrdimensionale grafische Klassifikation von Personen oder Objekten 636
20.5.1 Rechteck-Icons 636
20.5.2 Histogramm- und Profilplots 637
20.5.3 Star-Plots 637
20.5.4 Chernoff-Gesichter 638
20.6 EDA im Kontext 639
Kapitel 21 Effektgrößen: Erweiterungen und Ergänzungen 643
21.1 Effektgrößenschätzung bei unvollständigen Angaben 644
21.1.1 Nur p-Werte und Stichprobengröße(n) angegeben 644
21.1.2 Nur "globale" Angaben 646
21.2 Die Vergleichbarkeit von Effektgrößen 647
21.2.1 Effektgrößen aus Rohdaten vs. Signifikanztestergebnisse 647
21.2.2 Die Vergleichbarkeit von unterschiedlichen korrelativen Maßen 648
21.2.3 Abstandsmaße vs. korrelative Maße 649
21.2.4 Unabhängige vs. abhängige Stichproben 649
21.2.5 Signifikanztest auf Unterschied zweier Effektgrößen 650
21.3 Konfidenzintervalle für Effektgrößen 651
21.3.1 Approximative Konfidenzintervalle für rund g 651
21.3.2 Bootstrap-Konfidenzintervalle 654
21.3.3 Exakte Konfidenzintervalle 658
Kapitel 22 Metaanalyse 661
22.1 Metaanalyse in Grundzügen 662
22.1.1 Empirische Stichprobenverteilungen als Ausgangsbasis 664
22.1.2 Metaanalyse vs. "Signifikanzen-Zählen" 664
22.1.3 Wichtige Einflussgrößen 665
22.2 Praktische Durchführung 667
22.2.1 Suche nach passenden Studien 667
22.2.2 Auswahl von Studien: Kriterien 668
22.2.3 Berechnung und Kombination von Effektgrößen 669
22.2.4 Analyse potenzieller Moderatorvariablen 671
22.3 Potenzielle Probleme und Möglichkeiten zu ihrer Kontrolle 672
22.3.1 Selektive Auswahl von Studien: Funnel-Plot 672
22.3.2 "Äpfel und Birnen": Psychometrische Metaanalyse 674
22.4 Metaanalyse im Kontext 678
22.4.1 Varianten von Metaanalysen 678
22.4.2 Verhältnis von Einzelstudien und Metaanalysen 679
22.4.3 Die Aussagekraft von gemittelten Effektgrößen 679
Kapitel 23 Besonderheiten der Datenerhebung 681
23.1 Verfälschte Stichproben 682
23.1.1 Selektive Stichproben 682
23.1.2 "Nonsampling Error": Verfälschung durch "Nichtziehen" 685
23.1.3 Ziehen nach Ergebnis 688
23.2 Unverfälschte Antworten bei sensiblen Fragen: Randomized Response.. 691
23.2.1 Randomized Response für Anteile I 691
23.2.2 Randomized Response für Anteile II 694
23.2.3 Randomized Response für Mittelwerte 696
23.3 Schätzen von Gruppen- und Populationsgrößen: Sampling-Resampling... 697
Kapitel 24 Computermodellierung als Forschungsmethode 701
24.1 Warum Computermodellierung? 702
24.1.1 "Reichere" Modelle 703
24.1.2 Präzisere Vorhersagen 703
24.1.3 Aufhebung künstlicher Trennungen 704
24.2 Was kann man wie modellieren? 705
24.2.1 Art der Repräsentation: Symbolisch vs. subsymbolisch 705
24.2.2 Art der modellierten Prozesse: Kognition, Sozialverhalten und Evolution 706
24.3 Produktionssysteme 707
24.3.1 Architektur und Funktionsweise 707
24.3.2 Ein spezifisches Modell: ACT-R 709
24.3.3 Wofür sind Produktionssystem-Modelle geeignet? 711
24.4 Verteilte Modelle 712
24.4.1 Architektur und Funktionsweise 712
24.4.2 Beispiele 714
24.4.3 Wofür sind einfache verteilte Modelle geeignet? 717
24.5 Neuronale Netzwerke 718
24.5.1 Architektur und Funktionsweise 719
24.5.2 Beispiele 722
24.5.3 Wofür sind neuronale Netzwerke geeignet? 727
24.6 Genetische Algorithmen 728
24.6.1 Architektur und Funktionsweise 728
24.6.2 Beispiele 731
24.6.3 Wofür sind genetische Algorithmen geeignet? 734
24.7 Praktische Vorgehensweise 735
24.7.1 Bewertung von Simulationsergebnissen 735
24.7.2 Programmierung 736
24.7.3 Simulationsumgebungen 736
24.8 Möglichkeiten und Grenzen der Computermodellierung 737
Kapitel 25 Qualitative Methoden 741
25.1 Qualitative Methoden im Überblick 743
25.1.1 Zielstellung qualitativer Forschung: Drei Sichtweisen 743
25.1.2 Die wissenschaftliche Methode: Qualitative Version 745
25.1.3 Die Vielfalt qualitativer Ansätze 747
25.2 Spezifische Ansätze: Eine Auswahl 748
25.2.1 Qualitative Inhaltsanalyse 748
25.2.2 Grounded Theory 751
25.2.3 Diskursanalyse 756
25.3 Der qualitative Forschungsprozess 760
25.3.1 Datensammlung 760
25.3.2 Datenanalyse 762
25.3.3 Gütekriterien 763
25.4 Qualitative Methoden: Eine kritische Bewertung 765
25.4.1 Qualitative "Messung" 766
25.4.2 Qualitative Methoden und Falsifizierbarkeit 769
25.4.3 Wie man qualitative Forschung nicht betreiben sollte 769
25.4.4 Wann sind qualitative Methoden nützlich? 770
Teil V Reflexion 773
Kapitel 26 Methoden und Psychologie 775
26.1 Bewährte Methoden und neue Ansätze 777
26.1.1 Inferenzstatistik: Erweiterte Perspektiven 778
26.1.2 Die Rolle von Simulationen 778
26.1.3 Die Rolle der qualitativen Methoden 779
26.2 Forschungsmethoden und Statistik als Argument 780
26.2.1 Die zwei Funktionen von Forschungsmethoden und Statistik. . . 780
26.2.2 Überzeugende Argumente: Die MAGIC Kriterien 780
26.2.3 Die Rolle des Signifikanztests in der statistischen Argumentation 781
26.3 Die Methodenbrille: Sehhilfe oder Sehbehinderung? 785
Anhang 787
Anhang A: Tabellen 788
Anhang B: Bibliografie 807
Anhang C: Register 825