Rainer Maderthaner - Psychologie

Wenn die Ausprägungen relevanter Untersuchungsvariablen in einer Stichprobe mit jenen der Population annähernd übereinstimmen, darf von Repräsentativität der Stichprobe gesprochen werden. Im Forschungsalltag ist Repräsentativität aufgrund verschiedenster Forschungshemmnisse nur selten vollständig erreichbar (Kostenbegrenzung, Unerreichbarkeit von Personen, Teilnahmeverweigerung etc.), sodass häufig nur Gelegenheitsstichproben (z.B. Studierendensamples) zur Verfügung stehen oder die Stichprobenselektion eher mittels Quotaverfahren (Vergleichbarkeit der Stichprobe mit der Population hinsichtlich der Verteilung einiger wichtiger Merkmale wie Geschlecht, Bildung, Beruf usw.), mittels Schneeballverfahren (Probandinnen und Probanden vermitteln selbst wieder weitere Probandinnen und Probanden) oder mittels Klumpenverfahren erfolgt („cluster sampling“: Cluster von Fällen, z.B. Unternehmen, Organisationen, Branchen, werden zufällig ausgewählt und hierin alle Mitglieder untersucht). Leider erhöhen die letztgenannten Auswahlverfahren die Fehleranfälligkeit und mindern den Grad an Verallgemeinerbarkeit.

In der Mathematik sind Variablen („Platzhalter“, „Leerstellen“) jene Zeichen in Formeln, die für einzelne Elemente aus einer Menge möglicher Zahlen oder Symbole stehen. Die verschiedenen Belegungen von Variablen nennt man ihre Ausprägungen- oder – wenn diese aus Zahlen bestehen – ihre Werte. Als Wertebereich einer Variablen bezeichnet man alle Zahlen vom Minimalbis zum Maximalwert. Variablen charakterisieren Fälle hinsichtlich ihrer untersuchungsrelevanten Merkmale. In psychologischen Untersuchungen können diese äußerst vielfältig sein und schließen Beschreibungsmerkmale, Testergebnisse, Prozentschätzungen, physiologische Messwerte und andere Aspekte mit ein ( Abb. 3.2).

Während in der Mathematik Zahlen definitionsgemäß eine quantitative Bedeutung haben, das heißt, dass bestimmte Rechenoperationen mit ihnen durchgeführt werden können (Addition, Multiplikation, Potenzierung etc.), kann dies bei Variablenwerten der psychologischen Empirie nicht vorausgesetzt werden. Hier können Zahlen zum Beispiel für Benennungen herangezogen werden (z.B. Abzählung von Personen in einer Gruppe), sie können eine Rangordnung symbolisieren (z.B. der 1., 2. oder 3. in einem Wettkampf) oder sie können ein Vielfaches von Grundeinheiten darstellen (z.B. Häufigkeiten). Aus diesem Grund werden die Ausprägungen von Variablen in der Psychologie hinsichtlich ihrer sogenannten Skalenqualität unterschieden, wovon insbesondere die Anwendbarkeit statistischer Auswertungsverfahren abhängt.

Merksatz

Hypothetische Ursachen werden in empirischen Untersuchungen mittels unabhängiger Variablen charakterisiert und hypothetische Wirkungen mittels abhängiger Variablen.

Faktoren, denen innerhalb von Phänomenen ein Einfluss zugeschrieben wird, heißen in den empirischen Sozialwissenschaften (so wie in der Mathematik bei Funktionsgleichungen) unabhängige Variablen (UV), während jene Faktoren, welche die Auswirkungen des Einflusses symbolisieren, als abhängige Variablen (AV) bezeichnet werden. In einer wissenschaftlichen Kausalhypothese (s. 3.4) stellt der Wenn-Teil die Ausprägungen der unabhängigen Variablen und der Dann-Teil die vorhergesagten Ausprägungen der abhängigen Variablen dar (Box 3.1). Auf diese Unterscheidung verzichtet man, wenn die Einflussrichtung zwischen den Variablen nicht spezifiziert ist oder als wechselseitig angenommen wird (z.B. bei Korrelationsstudien).

Von den eigentlichen Wirkvariablen unterscheidet man sogenannte Moderatorvariablen, denen ein modifizierender Einfluss auf die funktionalen Beziehungen zwischen unabhängigen und abhängigen Variablen zugeschrieben wird (Box 3.1).

lat. confundere: zusammengießen, vermischen, vermengen, verwirren

Da selbst bei bestens geplanten und genau kontrollierten Experimenten Einflüsse wirksam werden, die nicht erwünscht sind, existieren in allen empirischen Untersuchungen auch Störvariablen. Je mehr Störeinflüsse in einer Untersuchung vorhanden sind, desto vager und unschärfer werden die wissenschaftlichen Resultate. Von Konfundierung spricht man, wenn unabhängige Variablen mit dem Effekt anderer Variablen vermischt sind. Gebräuchliche Maßnahmen gegen eine Verfälschung durch konfundierende Variablen oder Störvariablen sind deren

ŸŸ• „Elimination“ (d.h. Versuch ihrer Ausschaltung),

ŸŸ• „Matching“ (d.h. Gleichhaltung ihres Effektes bei den Ausprägungen der unabhängigen und abhängigen Variablen) sowie

ŸŸ• Randomisierung (d.h. zufällige Aufteilung ihrer Quellen, wie etwa der Auswahl der Probandinnen und Probanden).

probabilistisch: wahrscheinlichkeitstheoretisch berechnet

Insbesondere bei modernen statistischen Modellen findet man häufig die Unterscheidung in manifeste - und latente Variablen. Als manifest gelten alle durch direkte Erhebung (als Ergebnis der empirischen Datenerhebung) zustande gekommenen Variablen, während latente Variablen theoretisch begründet sind und zur Erklärung der empirischen Resultate herangezogen werden. So etwa kann das Konstrukt Intelligenz durch eine latente Variable beschrieben werden, wenn diese als Summe aller gelösten Intelligenzaufgaben definiert wird. Die Ausprägungen latenter Variablen werden in der Forschungspraxis mittels mehr oder weniger komplexer mathematischer Prozeduren (z.B. über Mittelwertsbildungen, lineare Funktionen, probabilistische Schätzungen) aus den ihnen über die Operationalisierung zugeordneten manifesten Variablen errechnet.

Beispiel für eine Variablentypisierung | Box 3.1

Wenn etwa in einem Experiment der Einfluss des Alkoholkonsums auf die Fahrleistung in einem Fahrsimulator untersucht werden soll, dann könnte die Hypothese lauten: Wenn Verkehrsteilnehmer Alkohol trinken, dann begehen sie überdurchschnittlich viele Fehler im Simulator. Als unabhängige Variable fungiert der Alkoholgehalt des Blutes, welcher zumindest in zwei Ausprägungen vorliegen muss (z.B. 0,0 Promille Blutalkoholgehalt – 0,5 Promille Blutalkoholgehalt). Als abhängige Variable könnte in einer normierten Fahrleistungsprüfung die Anzahl an Fahrfehlern herangezogen werden. Als Moderatorvariablen, welche die Beziehung zwischen Alkoholisierungsgrad und Fahrleistung verändern könnten, wären die Fahrpraxis, die Alkoholtoleranz oder die Trinkgeschwindigkeit der Versuchspersonen einzubeziehen. Als Störvariablen können Messfehler bei der Blutalkoholbestimmung, Konzentrationsschwankungen der Probandinnen und Probanden oder Ablenkungen in der Versuchssituation angenommen werden.

Die Annahme, dass Ereignisse der Realität einander gesetzmäßig beeinflussen, d.h. in einem Kausalzusammenhang zueinander stehen, wird implizit in jeder Wissenschaft vorausgesetzt. Würde die Welt nicht deterministischen oder zumindest probabilistischen Gesetzen (wie z.B. in der Quantenphysik) unterliegen, hätte das Betreiben von Wissenschaft keinen Sinn. Das Kausal(itäts)prinzip, nämlich die Annahme, dass jedes Ereignis eine oder mehrere Ursachen hat, ist eine grundsätzlich unbeweisbare These, die aber sowohl im Alltag als auch in der Wissenschaft dazu motiviert, immer wieder nach Ursachen und Wirkungen zu fragen. Im Vergleich zur oft trivial vereinfachten Kausalanalyse des täglichen Lebens (z.B.: Wer ist schuld an einer Scheidung? Was ist die Ursache eines Unfalls?) unterscheidet man in der Wissenschaft mehrere Arten von Kausalbeziehungen.

Eine wichtige Grundunterscheidung betrifft das direkte oder indirekte Zustandekommen von Effekten. Bei direkten Kausalbeziehungen können selbst wieder vier Arten unterschieden werden (Nowak, 1976; Abb. 3.3):

1. Die einfachste Variante, dass eine Ursache sowohl hinreichend (allein ausreichend) als auch notwendig ist (ohne diese Ursache käme es zu keiner Wirkung), stellt einen Kausaltyp dar, den wir in dieser Reinform in der Psychologie kaum vorfinden, am ehesten noch dann, wenn Gegebenheiten miteinander in Wechselwirkung stehen, wie etwa im Falle der gegenseitigen Anziehung zweier Menschen oder bei der symmetrischen Aufschaukelung der Aggression zweier Personen, sodass die Ursachen zugleich als Wirkungen gesehen werden können.