Information

Wie unterscheidet sich die Durchführung einer Manipulationsprüfung von der Analyse der abhängigen Hauptvariablen?

Wie unterscheidet sich die Durchführung einer Manipulationsprüfung von der Analyse der abhängigen Hauptvariablen?

Wie unterscheidet sich die Durchführung einer sogenannten Manipulationsprüfung (dh Überprüfung, ob sich die verschiedenen Gruppen tatsächlich für verschiedene Ebenen der unabhängigen Variablen unterscheiden) von der Durchführung - als Hauptanalyse - z. B. einer ANOVA, um zu sehen, ob die unabhängige Variable eine Auswirkung auf die abhängige Variable? Nach dem Lesen von Zeitungen scheinen die Leute nur Manipulationsprüfungen durchzuführen vor die wichtigsten Analysen.


Es kommt darauf an, was Sie unter Manipulationsprüfung verstehen.

Manipulationsprüfung zum Filtern von Teilnehmern: Eine Manipulationsprüfung wird normalerweise durchgeführt, um zu überprüfen, ob eine experimentelle Manipulation eine vorläufige Wirkung hatte. Zum Beispiel habe ich in einer meiner Studien Leute gebeten, einen Persönlichkeitstest (a) ehrlich, (b) als idealer Arbeiter und (c) als der schlechtestmögliche Arbeiter zu beantworten. Ich fragte jeden Teilnehmer, wie er den Persönlichkeitstest beantworten wollte. Die Manipulationsprüfung war da, um zu überprüfen, ob sie die Anweisungen verstanden hatten. In diesem Fall wurde die Manipulationsprüfung verwendet, um potenzielle Teilnehmer auszuschließen, die die Manipulationsprüfung nicht bestanden haben.

Manipulationsprüfung, um den Effekt auf Gruppenebene zu überprüfen: Natürlich können Sie solche Manipulationsprüfungen an einer ganzen Gruppe durchführen, indem Sie Gruppenvergleichstools wie ANOVA für eine numerische Variable oder Chi-Quadrat für ein kategoriales Ergebnis verwenden. Zum Beispiel kann der Experimentator in einigen psychologischen Studien versuchen, die Stimmung als grundlegende Manipulation zu manipulieren. Daher möchten sie vielleicht überprüfen lassen, ob die Gruppe, die negative Affekte erlebt, im Durchschnitt mehr negativen Affekt erfährt. In diesem Fall ist eine ANOVA sinnvoll.

Überprüfung der ungefähren Gruppenäquivalenz: Ein dritter Fall ist, dass Sie lediglich überprüfen, ob die Gruppen zu Beginn gleich sind, und das hat mehr damit zu tun, wie die Teilnehmer den Gruppen zugeordnet wurden. Es hört sich nicht so an, als ob Sie über diesen Fall sprechen.

Verwenden des Ergebnisses der Manipulationsprüfung als Kovariate: Im Allgemeinen werden Manipulationsprüfungen vor der Durchführung von Hauptanalysen gemeldet. In diesem Sinne sind sie ein bisschen wie Annahmetests. Sie bestätigen, dass einige experimentelle Manipulationen funktioniert haben und dass Sie jetzt mit der Untersuchung der Auswirkungen von substanziellem Interesse fortfahren können. Sie könnten jedoch eine Reihe anderer Analysen durchführen, bei denen das Ergebnismaß der Manipulationsprüfung in Ihre Analyse des materiellen Ergebnisses einbezogen wird. Wenn Sie beispielsweise die Aufgabenleistung in zwei Gruppen untersuchen, eine mit positiver Stimmungsinduktion und eine mit negativer Stimmungsinduktion, könnten Sie eine ANCOVA durchführen, bei der die Bedingung Ihre unabhängige Variable war, die gemessene Stimmung (dh die Manipulationsprüfvariable) war Ihre Kovariate und die Aufgabenleistung war Ihre abhängige Variable.


Eine Manipulationsprüfung ist in erster Linie ein Indikator für die interne Validität eines Experiments.

Wenn die Manipulation Ihrer unabhängigen Variablen einen statistisch signifikanten Unterschied auf die abhängige Variable ausmacht, haben Sie Hinweise auf einen kausalen Effekt der Manipulation. Die Manipulationsprüfung kann Ihnen mehr Gewissheit geben, dass dieser Effekt auf Änderungen des Konstrukts zurückzuführen ist, an dem Sie interessiert sind.

Stellen Sie sich zum Beispiel vor, Sie haben die Stimmung manipuliert, indem Sie einen glücklichen versus einen traurigen Filmclip zeigen. In der Folge wirkt sich dies darauf aus, inwieweit die Leute durch schwache gegen starke Argumente überzeugt werden (Argumentationsstärke spielt im glücklichen Filmzustand keine Rolle). Wenn Sie mit einem Manipulationscheck zeigen, dass Ihre Manipulation die Stimmung in der beabsichtigten Weise beeinflusst hat (bessere Stimmung im fröhlichen als im traurigen Film), können Sie sicherer sein, dass dies etwas mit der Stimmung zu tun hat. Wenn Ihre Manipulationsprüfung keinen Stimmungsunterschied zeigen würde, könnte der Unterschied in der abhängigen Variablen durch einen anderen Aspekt der Manipulation verursacht werden (z. B. Unterschiede in der Erregung).

Mit der Manipulationsprüfung können Sie auch Korrelationsanalysen um diese Schlussfolgerung zu bekräftigen: Werden Änderungen der abhängigen Variablen durch Änderungen in der Manipulationsprüfung vermittelt? (Ändert sich die Überzeugung in dem Maße, in dem die Stimmung verändert wurde?)

Pragmatischer: Wenn Sie keinen Einfluss auf die abhängige Variable haben, kann Ihnen die Manipulationsprüfung einen Einblick geben. Liegt es daran, dass die Manipulation fehlgeschlagen ist? (Keine/zu geringe Auswirkung auf die Manipulationsprüfung?) Oder liegt es daran, dass das Problem auf der Seite der abhängigen Variablen liegt? (Ihre Maßnahme funktioniert nicht oder, Gott bewahre, Ihre Hypothese ist falsch).


Die Grundlagen

Stellen Sie sich eine Aquakultur-Forschungsgruppe vor, die versucht, die Auswirkungen von Lebensmittelzusatzstoffen auf die Wachstumsrate von Forellen zu testen.

Ein traditionelles Experiment würde die zufällige Auswahl verschiedener Fischtanks und deren Fütterung mit unterschiedlichen Mengen des im Futter enthaltenen Zusatzstoffs beinhalten, beispielsweise keine oder 10 %.

Aber wie jeder Fischzüchter weiß, ist die Besatzdichte auch entscheidend für das Fischwachstum, wenn nicht genügend Fische in einem Becken sind, dann kostet die vergeudete Kapazität Geld. Ist die Dichte zu hoch, wachsen die Fische langsamer.

Anstelle des traditionellen Experiments könnten die Forscher ein faktorielles Design verwenden und den additiven Versuch mit unterschiedlichen Besatzdichten koordinieren, möglicherweise vier Gruppen auswählen. Das faktorielle Experiment benötigt dann 4 x 2 oder acht Behandlungen.

Die traditionellen Regeln der wissenschaftlichen Methode sind immer noch in Kraft, so dass die Statistik verlangt, dass jedes Experiment in dreifacher Ausfertigung durchgeführt wird.

Das bedeutet 24 separate Behandlungstanks. Natürlich könnten die Forscher auch zum Beispiel 4 Konzentrationsstufen des Additivs testen, und das ergibt 4 x 4 oder 16 Tanks, also insgesamt 48 Tanks.

Jeder Faktor ist eine unabhängige Variable, während die Ebene die Unterteilung eines Faktors ist. Angenommen, wir entwerfen ein Experiment mit zwei Faktoren, würde a 2 x 2 für jeden zwei Ebenen bedeuten, während a 2 x 4 zwei Unterteilungen für einen Faktor und vier für den anderen bedeuten würde. Es ist möglich, mehr als zwei Faktoren zu testen, dies wird jedoch sehr schnell unhandlich.

Stellen Sie sich im Beispiel einer Fischfarm vor, einen weiteren Faktor, die Temperatur, mit vier Stufen in die Mischung hinzuzufügen. Es wären dann 4 x 4 x 4 oder 64 Durchläufe. In dreifacher Ausführung wären dies 192 Panzer, ein riesiges Unterfangen.

Es gibt einige andere Methoden, wie zum Beispiel fraktionelle faktorielle Versuchspläne, um dies zu reduzieren, aber sie sind nicht immer statistisch valide. Dies liegt fest im Bereich der fortgeschrittenen Statistik und ist ein langes, kompliziertes und mühsames Unterfangen.


Unabhängige Variable

Die unabhängige Variable ist die Bedingung, die Sie in einem Experiment ändern. Es ist die Variable, die Sie kontrollieren. Es wird genannt unabhängig weil sein Wert nicht vom Zustand einer anderen Variablen im Experiment abhängt und nicht von diesem beeinflusst wird. Manchmal hört man diese Variable vielleicht "kontrollierte Variable", weil sie diejenige ist, die geändert wird. Verwechseln Sie es nicht mit einer "Kontrollvariablen", einer Variablen, die absichtlich konstant gehalten wird, damit sie das Ergebnis des Experiments nicht beeinflussen kann.


Verstehen Sie Ihre beschreibenden Statistiken

Im nächsten Kapitel betrachten wir die Inferenzstatistik – eine Reihe von Techniken, um zu entscheiden, ob die Ergebnisse Ihrer Stichprobe wahrscheinlich auf die Grundgesamtheit zutreffen. Obwohl inferenzielle Statistiken aus Gründen wichtig sind, die in Kürze erläutert werden, vergessen angehende Forscher manchmal, dass ihre deskriptiven Statistiken wirklich sagen, „was in ihrer Studie passiert ist“. Stellen Sie sich zum Beispiel vor, dass eine Behandlungsgruppe von 50 Teilnehmern einen durchschnittlichen Score von 34,32 (SD = 10,45), eine Kontrollgruppe von 50 Teilnehmern hat einen Mittelwert von 21,45 (SD = 9,22) und Cohens D ist eine extrem starke 1.31. Obwohl inferenzielle Statistiken (wie a T Test) sicherlich ein obligatorischer Bestandteil jedes formellen Berichts über diese Studie wäre, sollte allein aus den deskriptiven Statistiken klar sein, dass die Behandlung gewirkt hat. Oder stellen Sie sich vor, ein Streudiagramm zeigt eine undeutliche „Wolke“ von Punkten und Pearsons R ist trivial −.02. Auch wenn die Durchführung und Berichterstattung von Inferenzstatistiken ein obligatorischer Bestandteil jedes formellen Berichts über diese Studie wäre, sollte allein aus der deskriptiven Statistik klar hervorgehen, dass die Variablen im Wesentlichen nicht miteinander verbunden sind. Der Punkt ist, dass Sie immer sicherstellen sollten, dass Sie Ihre Ergebnisse zuerst auf einer beschreibenden Ebene gründlich verstehen und dann zu den Inferenzstatistiken übergehen.

Die zentralen Thesen

  • Rohdaten müssen für die Analyse aufbereitet werden, indem sie auf mögliche Fehler untersucht, organisiert und in ein Tabellenkalkulationsprogramm eingegeben werden.
  • Zu den Voranalysen jedes Datensatzes gehören die Überprüfung der Zuverlässigkeit von Maßnahmen, die Bewertung der Wirksamkeit von Manipulationen, die Untersuchung der Verteilungen einzelner Variablen und die Identifizierung von Ausreißern.
  • Ausreißer, die auf einen Fehler, ein Missverständnis oder mangelnden Aufwand zurückzuführen sind, können von den Analysen ausgeschlossen werden. Die Kriterien für ausgeschlossene Antworten oder Teilnehmer sollten in gleicher Weise auf alle Daten angewendet und beschrieben werden, wenn Sie Ihre Ergebnisse präsentieren. Ausgeschlossene Daten sollten beiseite gelegt und nicht vernichtet oder gelöscht werden, falls sie später benötigt werden.
  • Deskriptive Statistiken erzählen, was in einer Studie passiert ist. Obwohl auch Inferenzstatistiken wichtig sind, ist es wichtig, zuerst die deskriptive Statistik zu verstehen.

Übungen

1. Diskussion: Was sind mindestens zwei vernünftige Möglichkeiten, mit jedem der folgenden Ausreißer basierend auf der Diskussion in diesem Kapitel umzugehen? (a) Ein Teilnehmer, der die Körpergröße normaler Menschen schätzt, schätzt die Körpergröße einer Frau auf „84 Zoll“. (b) In einer Gedächtnisstudie für gewöhnliche Gegenstände erhält eine Teilnehmerin 0 von 15 Punkten. (c) Auf die Frage, wie viele „enge Freunde“ sie hat, schreibt eine Teilnehmerin „32“.


Einführung in die Korrelations- und Regressionsanalyse

In diesem Abschnitt werden wir zunächst die Korrelationsanalyse diskutieren, die verwendet wird, um den Zusammenhang zwischen zwei kontinuierlichen Variablen (z. B. zwischen einer unabhängigen und einer abhängigen Variablen oder zwischen zwei unabhängigen Variablen) zu quantifizieren. Die Regressionsanalyse ist eine verwandte Technik, um die Beziehung zwischen einer Ergebnisvariablen und einem oder mehreren Risikofaktoren oder Störvariablen zu beurteilen. Die Ergebnisvariable wird auch als bezeichnet Antwort oder abhängige Variable und die Risikofaktoren und Störfaktoren werden als bezeichnet Prädiktoren , oder erläuternd oder unabhängige Variablen . In der Regressionsanalyse wird die abhängige Variable als " . bezeichnety" und die unabhängigen Variablen werden mit "x".

[ HINWEIS: Der Begriff "Prädiktor" kann irreführend sein, wenn er als die Fähigkeit interpretiert wird, auch über die Grenzen der Daten hinaus Vorhersagen zu treffen. Außerdem könnte der Begriff "Erklärende Variable" einen Eindruck von einer kausalen Wirkung in einer Situation vermitteln, in der Schlussfolgerungen auf die Identifizierung von Assoziationen beschränkt werden sollten. Die Begriffe "unabhängige" und "abhängige" Variable unterliegen diesen Interpretationen weniger, da sie nicht stark Ursache und Wirkung implizieren.


Was sind abhängige Variablen?

Abhängige Variablen sind Variablen, deren Änderungen ausschließlich von einer anderen Variablen abhängen – normalerweise der unabhängigen Variablen. Das heißt, der Wert der abhängigen Variablen ändert sich nur, wenn sich die unabhängige Variable ändert.

Die Richtung dieser Änderung wird normalerweise durch eine Funktion bestimmt, die die Beziehung zwischen der abhängigen und der unabhängigen Variablen darstellt. In den mathematischen Wissenschaften wird sie als Funktion der unabhängigen Variablen dargestellt (zB y = f(x) = 3x+2, wobei y die abhängige Variable, x die unabhängige Variable und f(x) die Funktion der unabhängigen Variable).

Auch als vorhergesagte Variable bekannt, können wir sagen, dass die abhängige Variable die Wirkung der unabhängigen Variablen auf die Testeinheit(en) misst.


3. Experiment 1: Kontrolle von Bedrohungen und magisches Denken

3.1. Einführung

Ein mächtiger Mechanismus, der den Menschen ein Gefühl der Kontrolle vermittelt, findet sich im magischen Denken, dessen Hauptmerkmal die Tendenz ist, die Beziehung zwischen zwei objektiv nicht zusammenhängenden Ereignissen zu überschätzen (Vyse, 2013). Beispiele für magisches Denken sind der Glaube, dass ein Sonnentanz danach die Sonne scheinen lässt, der Glaube, dass eine Verletzung einer Voodoo-Puppe zu ähnlichen Schmerzgefühlen bei einer realen Person führt oder der Glaube an die Astrologie, dass die Konstellation der Planeten eine ursächlichen Einfluss auf unser Wohlbefinden und Verhalten.

Malinowksi hat bereits darauf hingewiesen, dass eine Schlüsselfunktion des magischen Denkens darin besteht, den Menschen ein Gefühl der Kontrolle über die Umgebung zu vermitteln, insbesondere wenn diese Umgebung als bedrohlich und unvorhersehbar wahrgenommen wird (Malinowski & Redfield, 1948). Tatsächlich haben mehrere Studien magisches Denken mit Gefühlen reduzierter Kontrolle in Verbindung gebracht. In einer Studie füllten israelische Bürger Fragebögen über magisches Denken während des Golfkriegs aus (Keinan, 1994). Die Bürger wurden in zwei Gruppen eingeteilt: eine Gruppe mit hoher Belastung in Gebieten, die Raketenangriffen ausgesetzt waren, und eine Gruppe mit geringer Belastung in relativ sichereren Gebieten. Bürger in Hochstressgebieten waren anfälliger für Magie als Bürger in Niedrigstressgebieten. In einer anderen Studie wurden die Menschen mit abergläubischen Gedanken gespeist, was zu einer Zunahme der berichteten Gefühle der persönlichen Kontrolle führte (Damisch, Stoberock & Mussweiler, 2010). Zusammengenommen legen diese Studien nahe, dass reduzierte Kontrollgefühle zu einer erhöhten Neigung zu magischem Denken führen.

Wie bereits erwähnt, ist ein Schlüsselmerkmal des magischen Denkens eine Überschätzung der Kontingenz zwischen zwei objektiv zusammenhängenden Ereignissen (van Elk, Rutjens, et al., 2015). Menschen, die zu magischem Denken neigen, neigen dazu, mehr illusorische Zufälligkeiten wahrzunehmen als nicht-magische Denker (Brugger & Graves, 1997). Zum Beispiel zeigten Brugger und Graves (Brugger & Graves, 1997), dass Teilnehmer, die auf einer magischen Vorstellungsskala eine hohe Punktzahl erreichten, weniger Hypothesen testeten – aber retrospektiv an viel mehr Hypothesen glaubten – als Teilnehmer, die auf dieser Skala niedrige Werte erzielten. In ähnlicher Weise wurde festgestellt, dass paranormale Gläubige bei einer einfachen Kontingenzlernaufgabe im Labor leichter Kontrollillusionen entwickeln (Blanco, Barberia & Matute, 2015 Matute, Yarritu & Vadillo, 2011). Diese Studien weisen auf einen engen Zusammenhang zwischen magischem Denken und dem Gefühl der Kontrolle hin und zeigen, dass Menschen, die zu magischem Denken neigen, eher illusorische Kontingenzen wahrnehmen als Skeptiker. Eine wichtige Einschränkung dieser Studien besteht jedoch darin, dass sie die Kontrolle nicht experimentell manipulierten. Diesbezüglich waren frühere Studien problematisch, da diese Ergebnisse auch durch Störfaktoren wie individuelle Unterschiede im Kontrollort erklärt werden könnten (Dag, 1999). In unserem ersten Experiment wollten wir diese Einschränkungen überwinden, indem wir das Gefühl der Kontrolle experimentell manipulierten und seine Wirkung auf die Wahrnehmung illusorischer Kontingenzen untersuchten. Wir verwendeten eine Kontingenzlernaufgabe, bei der den Teilnehmern Medikamente präsentiert wurden, die zu spezifischen Ergebnissen führten (De Houwer & Beckers, 2002). Durch systematische Manipulation der Kontingenz zwischen dem Medikament und dem Ergebnis könnten wir untersuchen, ob die Kontrollbedrohung speziell zu einer Überschätzung der Wirksamkeit der am wenigsten kontingenten und mehrdeutigen Medikamente führt (d. h. ähnlich dem Glauben an die Wirksamkeit der Homöopathie). Der Logik der Fehlermanagementtheorie (Haselton & Nettle, 2006) folgend, sollten die Menschen eine Verhaltensvoreingenommenheit zeigen, um den teureren Fehler zu vermeiden, und daher könnten die Teilnehmer in der Notfallmedizin-Aufgabe eine allgemeine Tendenz zeigen, die Wirksamkeit der mehrdeutigen Medikamente für zu überschätzen einen Patienten heilen. Dieser „Optimismus-Bias“ kann nach einer Manipulation der Kontrollbedrohung noch übertrieben werden, da die Teilnehmer motiviert sein können, ihren Mangel an Kontrolle zu kompensieren, indem sie mehr Ordnung und Kontrolle ableiten.

3.2. Methode

3.2.1. Teilnehmer

An unserem ersten Experiment nahmen 81 Psychologiestudenten teil (59 Frauen und 22 Männer 18–51 Jahre alt Durchschnittsalter = 22,5 76 Niederländer und 5 andere), die für die Teilnahme 5 Euro oder 0,5 Kurspunkte erhielten. Wir haben einen Teilnehmer von der weiteren Analyse ausgeschlossen, weil dieser Teilnehmer eine Situation während der Manipulation der Kontrollbedrohung nicht beschrieben hat. 1 Beide experimentellen Bedingungen (d. h. Kontrolle-Bedrohung und Kontrolle-Affirmation) umfassten 40 Teilnehmer. Vor der Studie führten wir eine Poweranalyse in G*Power mit einem Alpha von 0,05 und einer gewünschten Power von 0,8 durch. In Bezug auf Experiment 1 zeigten frühere Untersuchungen (Whitson & Galinsky, 2011) eine Effektstärke von 0,58, was zu einer erforderlichen Stichprobengröße von 37 Teilnehmern pro Erkrankung führt. Beachten Sie, dass zum Zeitpunkt der Durchführung dieser Studie die Metaanalyse von Landau, Whitson & Kay (2015) noch nicht verfügbar war und wir unsere Power-Analyse daher auf zuvor berichteten Effektstärken basierten. Wir haben unsere Studie nicht offiziell beim OSF vorregistriert, sondern haben stattdessen das lokale Ethik-Online-Einreichungssystem (der Universität Amsterdam, Fachbereich Psychologie) verwendet, aus dem die Hypothesen und die angegebenen Stichprobengrößen abgerufen werden können.

3.2.2. Versuchsdurchführung

Bei der Ankunft haben wir die Teilnehmer kurz in das Experiment eingewiesen und sie unterschrieben eine Einverständniserklärung. Im ersten Teil des Experiments präsentierten wir den Teilnehmern nach dem Zufallsprinzip entweder die Kontrolldrohung oder die Kontrollbestätigungsmanipulation. Um die Kontrollbedrohung zu manipulieren, verwendeten wir eine autobiografische Erinnerungsaufgabe (Kay et al., 2008, Rutjens et al., 2010), bei der Teilnehmer in der Bedingung Kontrollbedrohung gebeten wurden, über eine negative Situation nachzudenken, in der sie absolut keine Kontrolle hatten. Umgekehrt wurden die Teilnehmer in der Kontrollbestätigungsbedingung gebeten, über eine negative Situation nachzudenken, in der sie die volle Kontrolle hatten. Unter beiden Bedingungen haben wir die Teilnehmer gebeten, die Veranstaltung in etwa 100 Wörtern zu beschreiben. Diese Manipulation führte zu einem Zwischensubjekt-Design mit zwei Bedingungen (Kontrollbedrohungsbedingung und Kontrollbestätigungsbedingung). Wir verwendeten vier Items auf einer Schiebereglerskala von 0 bis 100, um zu überprüfen, ob unsere Kontrollbedrohungsmanipulationen erfolgreich waren (z. B. „Wie viel Kontrolle haben Sie in der gerade beschriebenen Situation erlebt?“ Inwieweit betrachten Sie sich als Schauspieler oder Regisseur Ihres Lebens?“ „Inwieweit glauben Sie, dass Sie die Kontrolle über Ihr Leben haben?“). Ähnliche Items wurden in früheren Forschungen als Manipulationscheck verwendet (Rutjens et al., 2010).

Anschließend stellten wir den Teilnehmern die Aufgabe, die Entwicklung illusorischer Kontingenzen als Maß für magisches Denken zu erschließen. Wir verwendeten ein Free-Response-Paradigma (Blanco, Matute, &. Vadillo, 2011), bei dem den Teilnehmern wiederholt Szenarien über einen virtuellen Patienten präsentiert wurden, dem eines von vier verschiedenen Medikamenten verabreicht wurde. Die Teilnehmer sahen entweder, dass der virtuelle Patient durch das jeweilige Medikament geheilt wurde oder dass der Patient krank blieb (siehe Abbildung 1). Wir verwendeten verschiedene Medikamenten-Heilungskontingente (siehe Abbildung 1) und nach Beobachtung von 80 Medikamenten-Outcome-Kontingenzen wurden die Teilnehmer gebeten, auf einer Skala von 0 bis 100 anzugeben, inwieweit sie der Meinung waren, dass jedes Medikament bei der Heilung des virtuellen Patienten wirksam war. Wir erwarteten, dass Teilnehmer in der Bedingung Kontrollbedrohung die Wirksamkeit der Medikamente, deren Wirksamkeit am zweideutigsten war (d.

Stimuli in der Medizin-Aufgabe, die in Experiment 1 und 2 verwendet wurden. Den Teilnehmern wurden wiederholt vier verschiedene Arten von Medikamenten präsentiert, denen zwei verschiedene Ergebnisse folgen konnten (d. h. der Patient wurde geheilt oder blieb krank). Die wiederholte Präsentation verschiedener Medikamenten-Outcome-Kontingenzen ermöglichte es den Teilnehmern, die tatsächliche Kontingenz für jedes Medikament abzuleiten, die wiederum durch das Kontrollgefühl der Teilnehmer beeinflusst werden konnte. Die Kontingenztabelle stellt den Prozentsatz der Studien dar, in denen auf ein bestimmtes Arzneimittel ein bestimmtes Ergebnis folgte.

Stimuli in der Medizin-Aufgabe, die in Experiment 1 und 2 verwendet wurden. Den Teilnehmern wurden wiederholt vier verschiedene Arten von Medikamenten präsentiert, auf die zwei verschiedene Ergebnisse folgen konnten (d. h. der Patient wurde geheilt oder blieb krank). Die wiederholte Präsentation verschiedener Medikamenten-Outcome-Kontingenzen ermöglichte es den Teilnehmern, die tatsächliche Kontingenz für jedes Medikament abzuleiten, die wiederum durch das Kontrollgefühl der Teilnehmer beeinflusst werden konnte. Die Kontingenztabelle stellt den Prozentsatz der Studien dar, in denen auf ein bestimmtes Arzneimittel ein bestimmtes Ergebnis folgte.

Diese Studie wurde als laborbasierte Studie durchgeführt. Im Anschluss an diese Studie wurde eine zusätzliche experimentelle Studie zur biologischen Bewegungswahrnehmung durchgeführt (van Elk, 2013). Zusätzlich zu den oben beschriebenen Messungen haben wir auch die PANAS-Skala zur Messung der allgemeinen Emotionen und Erregung (Crawford & Henry, 2004), die Tellegen-Absorptionsskala (Tellegen & 1983) und die magische Vorstellungsskala (Eckblad & Chapman, 1983). Diese Skalen wurden zu explorativen Zwecken aufgenommen, wurden erst nach dem Hauptexperiment und der Aufzeichnung der DVs verabreicht und werden im Online-Zusatzmaterial berichtet (das Hauptergebnis ist, dass wir zuvor festgestellte Korrelationen zwischen individuellen Unterschieden in paranormalen Überzeugungen und illusorischer Musterwahrnehmung replizieren). , während wir im Folgenden unsere Analysen auf die Haupthypothesen beschränken.

3.3. Ergebnisse

Die Items der Manipulationsprüfung und die abhängigen Maßnahmen sind in Tabelle 2 dargestellt. Unsere Manipulationsprüfung der Kontrollbedrohung zeigte, dass Teilnehmer in der Bedingung Kontrollbedrohung während der Rückrufaufgabe ein geringeres Kontrollgefühl (M = 9,43, SD = 11,01) berichteten als Teilnehmer der Kontrollgruppe Bestätigungsbedingung (M = 74,78, SD = 16,54), T(78) = –20.80, P = .000 D = –4,65. Teilnehmer in der Kontrollbedrohungsbedingung bewerteten die Situation als negativer (M = 92,65, SD = 8,50) im Vergleich zu Teilnehmern in der Kontroll-Bestätigungsbedingung (M = 82,83, SD = 19,92), T(78) = 2.87, P = .0053, D = .64. Im Gegensatz zu unseren Vorhersagen unterschied sich das allgemeine Gefühl der persönlichen Kontrolle nicht zwischen den Bedingungen (T(78) = –1.73, P = .0876, D = –.39 T(78) = –.7, P = .486, D = –,16 für jeweils die 2 Fragen zur Beurteilung des Gefühls der persönlichen Kontrolle siehe Tabelle 2).

Mittlere Bewertungen in Experiment 1 für die Items zur Manipulationsprüfung (oberer Teil der Tabelle) und die Bewertungen für die Wirksamkeit der verschiedenen Medikamente (unterer Teil der Tabelle) für die Kontrollbedrohung (linke Spalte) und die Kontrollbestätigungsbedingung (rechte Spalte). Standardabweichungen stehen in Klammern.

. Bedrohung kontrollieren
(N = 40) .
Kontrollbestätigung
(N = 40) .
Gegenstände zur Manipulationsprüfung
Gefühl der Kontrolle 9.43 (11.01) 74.78 (16.54)
Wertigkeit der Situation 92.65 (8.50) 82.83 (19.92)
Schauspieler vs. Regisseur 56.35 (26.21) 65.65 (21.71)
Kontrolle im Leben 66.45 (19.64) 69.43 (18.10)
Wirksamkeit von Arzneimitteln
Medizin 1 (20%) 21.98 (18.88) 26.58 (23.71)
Medizin 2 (40%) 40.75 (20.21) 40.35 (19.28)
Medizin 3 (60%) 60.90 (17.38) 63.13 (17.81)
Medizin 4 (80%) 81.98 (13.57) 74.05 (20.93)
. Bedrohung kontrollieren
(N = 40) .
Kontrollbestätigung
(N = 40) .
Gegenstände zur Manipulationsprüfung
Gefühl der Kontrolle 9.43 (11.01) 74.78 (16.54)
Wertigkeit der Situation 92.65 (8.50) 82.83 (19.92)
Schauspieler vs. Regisseur 56.35 (26.21) 65.65 (21.71)
Kontrolle im Leben 66.45 (19.64) 69.43 (18.10)
Wirksamkeit von Arzneimitteln
Medizin 1 (20%) 21.98 (18.88) 26.58 (23.71)
Medizin 2 (40%) 40.75 (20.21) 40.35 (19.28)
Medizin 3 (60%) 60.90 (17.38) 63.13 (17.81)
Medizin 4 (80%) 81.98 (13.57) 74.05 (20.93)

Eine gemischte ANOVA zeigte einen signifikanten multivariaten Effekt für die Medizin F(3,234) = 107.81, P = .000, P2 = 0,58. Im Durchschnitt waren die Teilnehmer in der Lage, die Wirksamkeit jedes Arzneimittels im Vergleich zu den anderen Arzneimitteln richtig zu bestimmen (siehe Tabelle 2). Die beiden Bedingungen unterschieden sich jedoch nicht signifikant in Bezug auf ihre Bewertungen der vier Arzneimittel (F(1,78) = .05, P = .824, P2 = .00) und die Wechselwirkung zwischen Zustand und Medizin war nicht signifikant (F(3,234) = 1.43, P = .235, P2 = .02), was darauf hinweist, dass die Manipulation der Kontrollbedrohung nicht das Ausmaß beeinflusste, in dem die Teilnehmer die Wirksamkeit der Medikamente überschätzten.


Kein Schaden bei der Überprüfung: Verwenden von Faktenmanipulationsprüfungen, um die Aufmerksamkeit in Experimenten zu bewerten

Wir danken Scott Clifford, Jennifer Jerit, Yanna Krupnikov, David Nickerson und Christine Peterson für ihre hilfreichen Kommentare zu früheren Entwürfen dieses Artikels. Darüber hinaus leisteten Ben Carter, Mike Kriner, Michelle lo-Low und Alecia Nepaul hervorragende Forschungsunterstützung. Matthew Hitt und Vittorio Mérola haben uns freundlicherweise Daten und Code zur Verfügung gestellt. Schließlich schätzen wir auch die Vorschläge, die wir von den anonymen Gutachtern, Dozenten und Doktoranden der Stony Brook University sowie von Diskussionsteilnehmern auf den Jahreskonferenzen der American Political Science Association und der International Society for Political Psychology erhalten haben.

Abstrakt

Manipulationsprüfungen sind in experimentellen Studien oft ratsam, kommen in der Praxis jedoch selten vor. Dieser Mangel an Nutzung kann auf Ängste vor verzerrenden Behandlungseffekten und Unsicherheit bezüglich der zu verwendenden Art zurückzuführen sein (z. Hier kategorisieren wir zunächst die Hauptvarianten und argumentieren, dass faktische Manipulationsprüfungen (FMCs) – d. h. objektive Fragen zu Schlüsselelementen des Experiments – die Aufmerksamkeit des Individuums auf experimentelle Informationen identifizieren und den Forschern folglich eine bessere Diagnose ermöglichen können experimentelle Befunde. Wir finden dann durch vier Replikationsstudien wenig Beweise dafür, dass die Platzierung von FMC die Behandlungseffekte beeinflusst und dass die Platzierung von FMCs unmittelbar nach dem Ergebnis die FMC-Passageraten nicht dämpft. Darüber hinaus hängen die Passageraten von FMC und IMC nur schwach zusammen, was darauf hindeutet, dass jede Technik unterschiedliche Gruppen aufmerksamer Probanden identifiziert. Somit können FMCs im Gegensatz zu anderen Methoden die Aufmerksamkeit für experimentelle Protokolle bestätigen.

Anhang A: Zusammenfassung und Ergebnisse der Inhaltsanalyse

Anhang B: Anweisungen zur Inhaltsanalyse für Programmierer

Anhang C: Erweiterte Tabelle 1

Anhang D: Experimentelle Vignetten und Item-Wordings

Anhang E: Regressionsanalysen (alle Studien)

Anhang F: Ergebnisse bei Passanten der Manipulationsprüfung (alle Studien)

Anhang G: Studie des Bewährungsexperiments: Ergebnisse der Manipulationsprüfung

Anhang H: Bewährungsexperimentstudie: Placebo-Ergebnisse

Anhang I: Statistische Macht

Anhang J: Die Annahme der „richtigen Antwort“, die den Fragen des FMC-Checks (Factual Manipulation Check) sowie den damit verbundenen Fragen der Motivation der Befragten und des Umfragedesigns zugrunde liegt

Anhang K: Zusätzliches Experiment: Gross (2008) Episodische Framing-Studie

Bitte beachten Sie: Der Herausgeber ist nicht verantwortlich für den Inhalt oder die Funktionalität der von den Autoren bereitgestellten unterstützenden Informationen. Alle Anfragen (außer fehlenden Inhalten) sollten an den entsprechenden Autor des Artikels gerichtet werden.


T-Test mit zwei unabhängigen Stichproben

Der Wilcoxon-Mann-Whitney-Test ist ein nicht parametrisches Analogon zum t-Test bei unabhängigen Stichproben und kann verwendet werden, wenn Sie nicht davon ausgehen, dass die abhängige Variable eine normalverteilte Intervallvariable ist (Sie nehmen nur an, dass die Variable mindestens ordinal ist ). Sie werden feststellen, dass die SPSS-Syntax für den Wilcoxon-Mann-Whitney-Test fast identisch mit der des t-Tests für unabhängige Stichproben ist. Wir verwenden in diesem Beispiel die gleiche Datendatei (die hsb2-Datendatei) und die gleichen Variablen wie im obigen unabhängigen t-Test-Beispiel und gehen nicht davon aus schreiben, unsere abhängige Variable, ist normalverteilt.


Was ist eine Manipulationsprüfung?

Eine Manipulationsprüfung ist definiert als ein Maß, mit dem festgestellt wird, ob eine unabhängige Variable in einer sozialwissenschaftlichen Studie so variiert, wie Forscher es erwarten, so McGraw-Hill. Zum Beispiel können die Teilnehmer auf ihre Erinnerungsfähigkeiten getestet werden, indem ihnen Fragen zu einem wichtigen Aspekt des Experiments gestellt werden, den sie miterlebt haben. Eine andere Möglichkeit, auf Manipulationen zu überprüfen, besteht darin, Fragen in eine Umfrage zu stellen, die markieren, ob jemand aufmerksam ist.

Manipulationsprüfungen stellen sicher, dass das Experiment gültig ist und keine Versuchspersonen die Ergebnisse verfälschen. Eine andere Möglichkeit, zu überprüfen, ob Probanden Aufmerksamkeit geschenkt haben oder nicht, dreht sich um erwartete Variationen. Wenn jemand ein Video über Gewaltverbrechen zeigt, erwarten Wissenschaftler, dass Befragte in dieser Gruppe negative Reaktionen zeigen. Wenn eine Studie Bilder von flauschigen Kaninchen und unberührten Naturszenen zeigt, erwarten die Forscher positive Reaktionen der Teilnehmer dieser Gruppe.

Bei reinen Umfragen mit Multiple-Choice-Fragen wird eine Manipulationsprüfung durchgeführt, indem einige nicht standardmäßige Fragen gemischt werden. Eine Umfrage kann sagen: "Bitte kreuzen Sie für diese Frage 'überwiegend positiv' an." Eine andere Frage kann zeigen: "Bitte antworten Sie mit 'kein Unterschied' für diese Lücke."

Ein Manipulationscheck wird in psychologischen und soziologischen Studien verwendet. Die Studien können praktische Forschung, Umfragen oder Fragebögen oder eine Kombination von Techniken umfassen. Die unabhängige Variable hängt nicht von anderen Variablen in der Studie ab.


Schau das Video: SPSS Multinomiale logistische Regression (Dezember 2021).