In der methodischen Welt ist einges in Bewegung, das zum Teil noch wenig Eingang in die Anwendung im deutschsprachigen Raum genommen hat. Ein Ziel dieses Weblogs ist es, methodisch interessierten Anwendern einen praktischen Einstiegspunkt in die neueren oder hierzulande weniger verbreiteten Verfahren zu bieten und dar\u00fcber zu informieren, was mich methodisch interessiert. Dar\u00fcber hinaus wird es auch das eine oder andere Fotografische zu sehen und zu lesen geben.<\/p>\n
Methodisch interessieren mich zur Zeit vor allem f\u00fcr drei Punkte: 1. Generalisierte Lineare (Gemischte) Modelle, 2. Bayesianische Methoden, 3. Probabilistische Graphische Modelle.<\/p>\n
1. Generalisierte Lineare (Gemischte) Modelle (GLMMs)<\/p>\n
GLMMs sind eine relativ weitreichende Modellklasse, die sich zur Bearbeitung einer F\u00fclle von Forschungsfragestellungen eignet und\u00a0 meines Erachtens in der Psychologie im deutschsprachigen Raum noch relativ wenig rezipiert ist. Eine Menge g\u00e4ngiger klassischer Verfahren lassen sich im Rahmen der GLMMs darstellen. Diese sind z.B. das Allgemeine Lineare Modell (ALM), die logistische Regression zur Analyse von dichotomen und kategorialen Daten, die Poisson-Regression zur Analyse von H\u00e4ufigkeiten sowie die Mehrebenen-Extensionen dieser Verfahren. Auch g\u00e4ngige Item-Response-Modelle der Psychometrie, wie das dichotome Rasch-Modell oder das Partial-Credit-Modell, sind als GLMMs verstehbar.<\/p>\n
Warum GLMMs?<\/p>\n
In der psychologischen Methodenausbildung lernt man gewisserma\u00dfen “bottom-up”. Es werden Einzelverfahren, wie. z.B. die t-Tests und die Varianzanalysen gelernt, die zun\u00e4chst scheinbar unverbunden nebeneinander stehen und erst gegen Ende der Ausbildung werden die gr\u00f6\u00dferen Zusammenh\u00e4nge mit der Einf\u00fchrung des ALM im Rahmen der Multivariaten Verfahren sichtbar. Meiner Ansicht nach ist ein alternativer Ansatz, direkt mit dem ALM als Spezialfall von GLMMs einzusteigen, dieses um die Mehrebenen-Analyse zu erweitern und dann zur (gemischten) logistischen Regression und der (gemischten) Poisson-Regression zur H\u00e4ufigkeitsanalyse voranzuschreiten. Der Vorteil dieser Vorgehensweise liegt vermutlich darin, dass GLMMs formal ein relativ kompaktes, koher\u00e4ntes und zusammenh\u00e4ngendes System darstellen, das in der globalen statistischen Gemeinschaft gut rezipiert ist. Wer die multiple Regression und die Mehrebenen-Analyse versteht, sollte keine gr\u00f6\u00dferen Schwierigkeiten mit den Erweiterungen haben. Sind die Grundlagen verstanden, ist der Kopf frei daf\u00fcr, den Hauptfokus auf die Planungsphase einer Untersuchung zu legen und zu kl\u00e4ren, wie eine konkrete Modellspezifikation auszusehen hat, um eigene Forschungsfragestellungen zu bearbeiten. Wenig bekannt scheint es auch zu sein, dass sich GLMMs, bzw. Multilevel-Analysen auch dazu eignen, Experimentaldaten zu analysieren oder psychometrische Messmodelle zu erzeugen.<\/p>\n
Die relative Novit\u00e4t dieser Verfahren bringt es mit sich, dass hier noch einiges zu tun ist, auch Lehrb\u00fccher, speziell f\u00fcr Psychologen oder Human- und Sozialwissenschaftler sind rar.<\/p>\n
2. Bayesianische Methoden<\/p>\n
Unter anderem im Rahmen der Kontroversen um den klassischen Signifikanz-Test nach Fisher habe ich begonnen mich mit Bayesianischen Methoden auseinanderzusetzen. Die Bayesianische Statistik unterscheidet sich in einigen wesentlichen Punkten vom “klassisch-frequentistischen” Ansatz. Zu nennen\u00a0 w\u00e4ren z.B. fundamentale Unterschiede im Wahrscheinlichkeitsbegriff und die Verwendung von Prior-Verteilungen. Dazu, welcher Ansatz nun “der Richtige” ist, m\u00f6chte ich mich hier nicht \u00e4u\u00dfern. Das Feld ist historisch durch zahlreiche Debatten gepr\u00e4gt und meines Erachtens macht es erst dann Sinn sich mit dem Bayesianischen Ansatz auseinanderzusetzen, wenn die klassischen Ans\u00e4tze von Fisher und Neyman-Pearson verstanden worden sind. Nichtsdestotrotz zeigen sich auf dem Lehrbuch-Markt im anglo-amerikanischen Raum einige Entwicklungen, die in Richtung Bayes weisen.<\/p>\n
Warum Bayesianische Methoden?<\/p>\n
Pers\u00f6nlich sehe ich im Bayesianischen Ansatz einige Vorteile gegen\u00fcber den klassischen Ans\u00e4tzen:<\/p>\n
Bayesianische Methoden stellen ein relativ breites Feld der Forschung dar, das bis jetzt in der Psychologie noch wenig oder gar nicht genutzt wird.<\/p>\n
Bei all den vermuteten Vorteilen stellt sich zu Recht die Frage, was eigentlich die Nachteile der Verwendung dieser Methoden sein k\u00f6nnten.<\/p>\n
Insgesamt kann gesagt werden, dass in diesem Feld eine Menge in Bewegung ist, was sich z.B. auch darin zeigt, dass Bayesianische Sch\u00e4tzverfahren in die bekannte Analysesoftware MPlus Eingang gefunden haben. Aus der Perspektive einer psychologischen Methodenforschung ist hier noch eine Menge zu tun.<\/p>\n
3. Probabilistische Graphische Modelle<\/p>\n
Durch meine Auseinandersetzung mit Bayesianischen Verfahren bin ich letztlich auf Probabilistische Graphische Modelle (PGMs) gesto\u00dfen, die sich u.a. in der machine learning community<\/em> einer gewissen Beliebtheit zu erfreuen scheinen. PGMs entspringen einer Fusion von Wahrscheinlichkeitstheorie und der mathematischen Graphentheorie. Der f\u00fcr mich relevante Aspekt dieser Modelle liegt darin, dass sich eine Vielzahl in der Psychologie verwendeten Modelle, insbesondere Modelle mit latenten Variablen, als PGM darstellen lassen. Der graphische Ansatz erleichtert meines Erachtens das Nachdenken \u00fcber Unabh\u00e4ngigkeitsbeziehungen zwischen Variaben und das Verst\u00e4ndnis von komplexen Modellen. Unter dieser Persepektive sind die bekannten linearen Strukturgleichungsmodelle in der Tat auch PGMs. Zudem bedienen sich viele Programme zur Anwendung der MCMC-Methode, wie z.B. JAGs oder OpenBUGS des graphischen Ansatzes zur Modellspezifikation. In diesen Bereichen bin ich derzeit selbst bei der Exploration.<\/p>\n Zusammenfassend kann gesagt werden, dass es aus meiner Sicht im methodischen Bereich einiges zu tun gibt:<\/p>\n Privat interessiere ich mich f\u00fcr Fotografie in ihren kulturellen, historischen und praktischen Aspekten. Heutzutage ist es schwierig, berufliches und privates zu trennen. Von daher werde ich der Einfachheit halber – und damit das Ganze nicht zu methodenlastig wird – dieses Weblog auch dazu nutzen, ein paar Dinge zum Thema Fotografie aus meiner Perspektive zu schreiben. Vermutlich wird es auch das eine oder andere Bild zu sehen geben. Ein tolles Buch zum Einstieg in die Thematik \u201eFotografie” ist z.B. Michel Frizot (Hrsg.) (1998). Neue Geschichte der Fotografie. K\u00f6ln: K\u00f6hnemann.<\/p>\n","protected":false},"excerpt":{"rendered":" In der methodischen Welt ist einges in Bewegung, das zum Teil noch wenig Eingang in die Anwendung im deutschsprachigen Raum genommen hat. Ein Ziel dieses Weblogs ist es, methodisch interessierten Anwendern einen praktischen Einstiegspunkt in die neueren oder hierzulande weniger … Continue reading \n
Fotografisches<\/h3>\n