Inhaltsvalidität

Inhaltsvalidität liegt dann vor, wenn wir mit einem Instrument inhaltlich tatsächlich das Konstrukt messen, was wir auch messen wollen.

Im Sinne der Fragebogenkonstruktion besteht dann Inhaltsvalidität, wenn das Konstrukt in seiner gesamten Breite unter annähernder Gleichgewichtung aller Teilaspekten abgebildet wird.

Im Gegensatz zur Konstrukt- und Kriteriumsvalidität wird die Inhaltsvalidität für Gewöhnlich nicht durch einen numerischen Wert quantifiziert.

Kategoriale Variable

Kategoriale Variablen (auch: Nominalskalierte Variable) sind Variablen, deren Ausprägung sich in feste Kategorien einteilen lassen (z. B. die Variable „Haarfarbe“ mit den Ausprägungen „blond“, „braun“, „schwarz“, usw.). Die Anzahl der möglichen Ausprägungen ist also i. d. R. endlich und jeder Patient sollte nur eine der Ausprägungen einnehmen können. Eine kategoriale Variable mit zwei möglichen Ausprägungen (z. B. „Lebend“ mit den Ausprägungen „ja“ und „nein“) nennt man auch dichotome Variable.

Konfidenzintervall

Konfidenzintervalle geben einen Bereich um einen Punktschätzer an (z. B. den Bereich um den Mittelwert der erhobenen Stichprobe), der den zu schätzenden wahren Parameter innerhalb der in ihrer Gesamtheit nicht messbaren Grundpopulation mit einer Sicherheitswahrscheinlichkeit von 1 – ɑ (häufig 95%, siehe: ɑ-Niveau) überdeckt.

Das bedeutet: Die Aufgabe von Konfidenzintervallen ist es uns einen Eindruck darüber zu vermitteln, wie gut der innerhalb der Stichprobe berechnete Parameter dem wirklichen Wert innerhalb der Gesamtpopulation entspricht.

Da wir diesen wahren Wert nicht kennen, weil wir die Gesamtpopulation nicht messen können, gibt uns das Konfidenzintervall einen Sicherheitsbereich an, der den wahren Wert mit einer Wahrscheinlichkeit von 95% überdeckt.

Wir wissen also: Irgendwo innerhalb des Konfidenzintervalls liegt mit sehr hoher wahrscheinlichkeit der wirkliche Mittelwert. Daraus ergibt sich direkt, dass ein schmaleres Konfidenzintervall besser ist, weil es den wirklichen wahren Wert deutlich eingrenzt.

In SPSS lassen sich Konfidenzintervalle über Analysieren / Explorative Datenanalyse / Statistiken / Deskriptive Statistik Konfidenzintervalle (Häckchen setzen) berechnen.

Konfundierende Variablen

Die Konfundierende Variable, auch Störvariable genannt, ist eine Variable, welche neben der von uns erhobenen unabhängigen Variable die abhängige Variable beeinflusst (unabhängig davon, ob diese Störvariable erhoben wurde oder nicht).

Eine Möglichkeit Störvariablen „auszuschalten“ wäre es diese mit zu erheben und dann deren Einfluss innerhalb der statistischen Analysen zu kontrollieren (sofern möglich). Da es aber in der Praxis unmöglich ist, alle Störvariablen zu kennen (geschweige denn zu erheben) empfiehlt es sich in experimentellen Studiendesigns die Zuteilung zu den Experimentalbedingungen randomisiert (also zufällig) vorzunehmen und möglichst große Gruppe zu erheben, da sich Störvariablen bei ausreichend großen Gruppen mit einiger Wahrscheinlichkeit auf alle Experimentalgruppen gleichmäßig verteilen und während der Analyse „rausmitteln“.

Wichtig: Berücksichtigt das Studiendesign nicht die Konfundierung durch mögliche Störvariablen, wird die Datenanalyse und die Diskussion der Studienergebnisse deutlich erschwert! Es ist daher ratsam viel Zeit in die Studienplanung und Erhebung der Daten zu investieren.

Maße der zentralen Tendenz

Die Maße der zentralen Tendenz beschreiben die Lage der Häufigkeitsverteilung einer gemessenen Variablen. Die gängigsten Maße sind dabei das arithmetische Mittel (der Mittelwert), der Median und der Modus.

Der Mittelwert ist  der Durchschnitt aller erhobenen Werte. Er wird berechnet, in dem man alle gemessenen Werte aufsummiert und dann durch deren Anzahl teilt. Bei großen Stichproben ist der Mittelwert das Lagemaß der Wahl. Bei kleineren Stichproben ist der Mittelwert allerdings anfällig für Extremwerte (Ausreißer), die den Mittelwert stark verzerren können.

In einem solchen Fall bieten sich dann der Median oder der Modus an:

Der Median zeigt den Wert innerhalb einer Verteilung an, bei dem 50% der gemessenen Werte unter und die anderen 50% über dem Median liegen. Er wird ermittelt in dem alle gemessenen Werte der Stichprobe der Größe nach sortiert werden und dann genau in der Mitte der Rangfolge ein Schnitt gemacht wird. Der Wert, der dort liegt ist der Median. Eine Teilung der sortierten Stichprobe in zwei gleichgroße Hälften heißt daher auch Mediansplit.

Der Median hat den Vorteil dass ein Ausreißer nur einer von vielen Werten innerhalb einer gleichberechtigten Rangfolge ist, er kann also nicht durch den Ausreißer verzerrt werden. Ein aussagekräftiger Median benötigt allerdings ebenfalls eine nicht allzukleine Stichprobengröße.

Der Modus ermittelt den Wert innerhalb der Stichprobe, der am häufigsten vorkommt. Er wird selten berichtet und ist insbesondere dann wenig aussagekräftig, wenn es viele Werte innerhalb der Verteilung gibt, die gleich oft vorkommen.

 

R Lern die Basics Onlinekurs

Lade dir hier die Formelsammlung für deinen Bland-Altman-Plot herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!

10 % Rabatt auf unsereWorkshops & Kurse im Onlineshop!

Trage dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmäßige Rabatte, Tipps und Coachinginhalte für deine empirische Promotion

You have Successfully Subscribed!

Lade dir hier die Checkliste für deinen Methodenteil herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!


Jetzt 10 % Rabatt auf alle

Workshops & Kurse sichern!

You have Successfully Subscribed!

Downloade dir hier das Flowchart für deine ANOVA

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!