Refine
Has Fulltext
- yes (5)
Is part of the Bibliography
- yes (5)
Document Type
- Journal article (4)
- Conference Proceeding (1)
Language
- German (5)
Keywords
- Psychologie (1)
- Psychologie / Zeitschrift (1)
Institute
Am Konzept der Axialsymmetrie multivariater Daten wird eine Methode entwickelt, mit der statistisch Cluster aus gleich interkorrelierenden Variablen gebildet werden können. Es wird eine heuristische Vorgehensweise empfohlen, die nicht wie die übliche deskriptive Clusteranalyse willkürliche Entscheidungen über Abbruchkriterien u.ä. verlangt. Die vorgeschlagene Methode ist insbesondere zur mediandichotomierte kontinuierliche Variablen geeignet. Werden echte Alternativdaten verwendet, resultieren Cluster, die zusätzlich zur gleichen Interkorrelation Variablen mit gleicher Schwierigkeit aufweisen. Das Vorgehen wird an einem Beispiel illustriert.
Häufig tritt in der psychologischen und psychiatrischen Forschung die Frage nach dem Zusammenhang zwischen zwei oder mehreren Zeitreihen auf. übliche Kovariationsmaße versagen dabei vor allem deshalb, weil sie nicht inferentiell ausgewertet werden können. An einem Beispiel aus der Pharmakopsychologie wird ein auf Pfanzagl (1963) zurückgehendes Verfahren vorgeschlagen, das es erlaubt, voraussetzungsfrei den Zusammenhang zwischen autokorrelierten Meßwertreihen zu prüfen. Als Unabhängigkeit zweier Zeitreihen wird definiert, daß zwischen ihnen bei Erhaltung der Autokorrelation kein höherer Zusammenhang besteht als nach dem Zufall zu erwarten.
No abstract available
No abstract available
Es wird argumentiert, daß bei der Prüfung der Homgenität von Zentren in mehrfaktoriellen Multicenter-Studien vor allem entscheidend ist, daß sich die Zentren in den faktoriellen Variablen nicht unterscheiden, deren Effekte in der späteren Auswertung interpretiert werden sollen. Dazu wird folgendes Procedere vorgeschlagen: (1) überprüfe, ob in allen Zentren die Randomisierungsbedingungen eingehalten wurden, (2) überprüfe, ob die Zentren homogen bezogen auf die eingebrachten Schichtvariablen (z.B. Geschlecht, Indikation) sind und (3) überprüfe, ob die Zentren homogen sind bezogen auf die Wechselwirkungen zwischen den eingebrachten faktoriellen Variablen. Es wird gezeigt, daß vor allem Forderung (3) für die Interpretationsfähigkeit der Ergebnisse von entscheidender Bedeutung ist. Möglichkeiten der statistischen Prüfung dieser Voraussetzungen werden an einem Beispiel aus der klinischen Prüfung eines Psychopharmakons vorgestellt.