Statistical treatment of multivariate constructs in social psychology

This dissertation argues that multivariate constructs require multivariate statistical analyses. Collapsing distinct measures into index variables renders subsequent statistical analyses uninterpretable. This problem is illustrated with commonly used index variables for the constructs of relative in...

Full description

Saved in:
Bibliographic Details
Main Author: Ullrich, Johannes
Contributors: Wagner, Ulrich (Prof. Dr.) (Thesis advisor)
Format: Dissertation
Language:English
Published: Philipps-Universität Marburg 2007
Psychologie
Subjects:
Online Access:PDF Full Text
Tags: Add Tag
No Tags, Be the first to tag this record!
Table of Contents: Diese Dissertation beschäftigt sich mit der Validität von Schlussfolgerungen über empirische sozialpsychologische Forschung zu multivariaten Konstrukten. Multivariate Konstrukte implizieren einen mehrdimensionalen psychologischen Raum, in dem Untersuchungseinheiten verortet werden. Die bisherige Forschung zu den multivariaten Konstrukten relative Eigengruppenprototypikalität und Einstellungsambivalenz verwendet häufig Indexvariablen zur Repräsentation der Konstrukte, wobei mehrere gemessene Variablen auf eine reduziert werden. Die vorliegende Arbeit behauptet, dass diese Praxis zu uninterpretierbaren und irreführenden Ergebnissen führt. Erstens bleiben die Annahmen, die zur Konstruktion der Indexvariablen verwendet werden, ungeprüft. Zweitens können Modelle mit unterschiedlichen theoretischen Annahmen nicht gegeneinander getestet werden. Drittens kann diese Praxis zu Scheinergebnissen und Artefakten führen. Für beide Inhaltsbereiche wurde ein alternativer multivariater Ansatz vorgeschlagen, der diese Probleme löst. Im Hinblick auf relative Eigengruppenprototypikalität wurde zunächst die Mehrdeutigkeit aufgezeigt, die ein statistischer Zusammenhang zwischen der entsprechenden Indexvariable und der Einstellung gegenüber einer Fremdgruppe beinhaltet. In einer empirischen Untersuchung wurde gezeigt, dass verschiedene Indexvariablen die Hypothese eines negativen Zusammenhangs nur scheinbar stützen (bzw. widerlegen) würden. Mit dem multivariaten Ansatz wurden Hinweise darauf erhalten, dass sich die Komponenten der Indexvariablen nicht wie theoretisch angenommen verhalten. Für den negativen Zusammenhang scheint allein die Variable der Fremdgruppenprototypikalität verantwortlich zu sein. Im Hinblick auf Einstellungsambivalenz wurden exemplarisch zwei verschiedene Modelle verglichen, die in der Literatur oft zur Konstruktion von Indexvariablen verwendet werden: Das Similarity-Intensity-Modell (SIM) und das Conflicting Reactions Modell (CRM). Es wurde analytisch gezeigt, dass bivariate Korrelationen ungeeignet sind, um diese Modelle gegeneinander zu testen, da bereits a priori Korrelationen unterschiedlicher Höhe zu erwarten sind. In zwei empirischen Studien wurde mit dem vorgeschlagenen multivariaten Ansatz gezeigt, dass das CRM subjektive Ambivalenz besser erklärt als das SIM, während die Modelle auf der Grundlage von bivariaten Korrelationen mit Indexvariablen ununterscheidbar gewesen wären. Weiterhin wurde analytisch gezeigt, dass der in der Literatur zu Einstellungsstärke häufig berichtete Moderatoreffekt von Einstellungsambivalenz unter plausiblen Bedingungen ein reines Artefakt sein kann. In zwei empirischen Studien wurde gezeigt, dass der bisherige methodische Ansatz der Konstruktion von Indexvariablen tatsächlich einen Moderatoreffekt nahegelegt hätte, während der multivariate Ansatz die trivialen Zusammenhänge zum Vorschein bringt, die für dieses Artefakt verantwortlich sind. Eine Monte-Carlo Simulation wurde benutzt, um die Wahrscheinlichkeit von Fehlern erster Art beim Testen von Moderatorhypothesen mit Indexvariablen zu bestimmen. Hierbei zeigte sich eine deutlich erhöhte Fehlerwahrscheinlichkeit, was die Plausibilität einer Interpretation von bisher gefundenen Moderatoreffekten als Artefakte erhöht. Die analytischen und empirischen Ergebnisse unterstreichen die Notwendigkeit und Nützlichkeit eines multivariaten Ansatzes zur Überprüfung von Hypothesen über multivariate Konstrukte.