8) Feldexperimente und Nudging

• Überzeugender Aufbau → vermutlich hohe interne Validität

• Ebenfalls: vermutlich relativ hohe externe Validität → viele Haushalte, doch alle aus einer Region der USA

• Hinweis auf einen in den Studien davor nicht bedachten Einflussfaktor → politische Ideologie

• Design: Vorher-Nachher-Vergleich (Kontrollgruppe = Vorher-Verbrauch)

• Methodisch trotzdem relativ überzeugend (besser wäre eine echte Kontrollgruppe gewesen) → relativ hohe interne Validität

• Unklar, wie substanziell bedeutsam das Ausmaß der beobachteten Stromverringerung ist

• externe Validität unklar: kleines N, nur in einer kalifornischen Gemeinde durchgeführt → unbeobachtete Einflüsse/nicht abgedeckte Eigenschaften???

• Interne Validität scheint grds. hoch zu sein

• Verzichtet aber auf Vergleich der Effekte von reiner Info und Info + Smileys

• aufgrund größerer Fallzahl => deutlich höhere externe Validität

• Interpretation der substanziellen Bedeutung der Effekte positiv

=> eine geeignete Datenanalysegrafik, die eine Verteilung hinsichtlich ihrer Mitte, Streuung, Schiefe und Extremwerte anschaulich darstellt

• dicker Strich = Median

• Höhe des Kastens = Streuung der Verteilung => Quartilsabstand

  • unterer Rand: erstes Quartil

  • oberer Rand: drittes Quartil

• beide T-Formen = Whisker

  • ragen bis zur letzten Ausprägung

statistische Signifikanz

• Er wird verwendet, wenn wir Aussagen über die Grundgesamtheit mit Stichprobendaten überprüfen („testen“)

• Die „Unsicherheit“ bei Hypothesentests ist die Wahrscheinlichkeit, die sogenannte „Nullhypothese“ abzulehnen

• → Und damit dann unsere Forschungshypothese, die sogenannte Alternativhypothese, vorläufig zu akzeptieren, obwohl die Nullhypothese tatsächlich zutrifft

• Diese Wahrscheinlichkeit heißt: Signifikanzniveau

• Oft wird hier auch von Irrtumswahrscheinlichkeit gesprochen

• In der Forschung verwenden wir meist ein „Signifikanzniveau“ von 5% (auch hier: reine Konvention!)

• → Das bedeutet: In nur 5% aller Fälle, in denen in Wahrheit unsere Nullhypothese nicht zutrifft, erhalten wir rein zufallsbedingt trotzdem ein statistisch signifikantes Ergebnis

• Signifikant heißt einfach nur: Es ist rein statistisch betrachtet einigermaßen plausibel, dass z.B. ein Zusammenhang auch in der Grundgesamtheit besteht!

  
  

Konfidenzintervalle

• Konfidenzintervalle beziehen sich auf einzelne Größen, die aus Stichproben berechnet werden, typischerweise also Anteilswerte oder Mittelwerte

• Konfidenzintervall = Bereich der Stichprobe, der den Wert der Grundgesamtheit enthält

• Konfidenzniveau = 100 − α

• α = Irrtumswahrscheinlichkeit

• etablierte Konfidenzniveau: 95%-Konfidenzintervall = Vertrauenswahrscheinlichkeit

• 95 Prozent ist nur eine Konvention, die sich in den Sozialwissenschaften und Meinungsforschung etabliert hat.

• Wir können prinzipiell auch Intervalle für andere Wahrscheinlichkeiten (z.B. 99% oder 90%) berechnen.

• Wahrscheinlichkeit festlegen, mit der ein Intervall den wahren Wert enthält. => Diese Wahrscheinlichkeit, mit der das Intervall den „wahren“ Wert enthält, sollte in der Regel möglichst hoch sein:

• → Denn: Je größer die gewählte Wahrscheinlichkeit, desto breiter ist das resultierende Intervall!

• → Das bedeutet dann natürlich andersherum logischerweise auch: Je kleiner die gewählte Wahrscheinlichkeit, desto schmaler das resultierende Intervall!