Messwiederholungs-ANOVA mit latenten Variablen

 
  • Förderung: Deutsche Forschungsgemeinschaft, DFG
  • Projekttitel: Messwiederholungs-ANOVA mit latenten Variablen: Ein neuer Ansatz basierend auf Strukturgleichungsmodellen
  • Antragsteller: Prof. Dr. Axel Mayer
  • Projektmitarbeiter: Benedikt Langenberg, M. Sc.
  • Laufzeit: 24 Monate, 2017-2019

Zusammenfassung

Die Messwiederholungs-ANOVA ist in der psychologischen Forschung eines der am häufigsten angewendeten statistischen Verfahren um Haupteffekte und Interaktionen von experimentellen oder quasi-experimentellen Faktoren in Bezug auf eine manifeste abhängige Variable zu testen. Abhängige Variablen können zum Beispiel Testwerte, Fragebogenitems, Reaktionszeiten, oder Anwortgenauigkeiten sein, die als Indikatoren für zugrunde liegende psychologische Konstrukte wie Einstellungen, Eigenschaften und Motive dienen. Die zugrunde liegenden Konstrukte können in den meisten Fällen nicht direkt beobachtet werden und die genutzten Indikatoren für die Konstrukte sind messfehlerbehaftet. Das Ziel des vorgeschlagenen Projekts ist es, eine Erweiterung der Messwiederholungs-ANOVA für latente abhängige Variablen zu entwickeln. Dafür ist es nötig, die klassischen Hypothesentests für Messwiederholungsfaktoren mit modernen Strukturgleichungsmodellen zu kombinieren. Ein Teil des vorgeschlagenen Projekts wird sich auch mit der Entwicklung von Open Source Software beschäftigen, um den neuen Ansatz besser zugänglich zu machen. Die zu erwartenden Vorteile des neuen Ansatzes gegenüber der klassischen Messwiederholungs-ANOVA sind: Die Beziehung zwischen Indikatoren und interessierenden Konstrukten kann direkt modelliert werden; abhängige und unabhängige Variablen können messfehlerbereinigt werden, was vermutlich zu einer erhöhten statistischen Power und unverfälschten Schätzungen führt; moderne Schätzverfahren können benutzt werden um adäquat fehlende Werte oder Verletzungen von Verteilungsannahmen zu berücksichtigen; und die Kovarianzstruktur der abhängigen Variablen kann auf flexible Art und Weise modelliert werden.