Auswertung, Integration und Güte der Entscheidung

• Nach vorher festgelegten Regeln (Nutzung von

  Verhaltensankern) entscheiden, ob Ergebnisse für oder gegen die Hypothese sprechen

1.) Transformation in Normwerte (wenn vorhanden und adäquat) 2.) Bildung des Konfidenzintervalls um den beobachteten Wert

Schätzung des Konfidenzintervalls um eine individuelle Messung Xj

xi = beobachteter Wert z = Wert der Standardnormalverteilung, der genau α/2 der Gesamtfläche unter der Verteilungskurve abschneidet

z = 1,65 für α = 0,10

z = 1,96 für α = 0,05

z = 2,58 für α = 0,01 SD (ε) = Standardmessfehler

SD (ε) = SD (x) ∙ √1-Rel

a) Verfahren mit höherer Reliabilität wählen

b) Größere Fehlerwahrscheinlichkeit α in Kauf nehmen

c) Einseitiges Testen

Beim zweiseitigen Testen verteilt sich die Fehlerwahrscheinlichkeit jeweils zur Hälfte auf das obere und das untere Ende der Verteilung

Beim einseitigen Testen wird nur die Fehlerwahrscheinlichkeit an einen Ende der Verteilung betrachtet

àKonsequenz: Verengung des (einseitigen) Konfidenzintervalls

• Intrapersonaler Vergleich:

  • „Ist die verbale Intelligenz geringer ausgeprägt als die numerische Intelligenz?“

  • Ist die Depressivität nach der Therapie geringer als vor der Therapie?“

• Interpersonaler Vergleich:

  • „Hat Bewerber A eine höhere verbale Intelligenz als Bewerber B?“

• Gibt an, wie groß die Messfehler-bedingten Unterschiede zwischen zwei Messungen maximal sein können (mit einer bestimmten Wahrscheinlichkeit)

• Fällt die beobachtete Differenz zwischen zwei Messungen größer als die berechnete kritische Differenz aus, lässt sie sich nicht mehr alleine durch Messfehler erklären

1. Integration basierend auf Erfahrung und Intuition

2. Integration basierend auf explizit ausformulierter Entscheidungsregel

   • Lineare Modelle:

     • »  (Gewichtete) Kombination von Prädiktoren prädiziert das Kriterium

     • »  Bedeutet, dass hohe Werte auf einer Variable geringe Werte auf einer anderen Variable kompensieren können

   • Konfigurationsmodelle:

     • »  Wenn-dann Modelle, die auch nicht-kompensatorische Verknüpfungen zulassen (bspw. „Und-Verknüpfungen“)

     • »  Siehe VL Entscheidungsregeln

• Klinische Urteilsbildung (erfahrungsbasierte Diagnostik): Menschliche Beurteilung als Basis der Integration

  • Beurteilung durch Experten in Psychotherapie (Fallkonferenz)

  • Orientierung an der Besonderheit des konkreten Falls

  • Vorhersage ist erfahrungs- und z.T. intuitionsgesteuert

  • Annahme: mehrjährige Ausbildung und Berufserfahrung erhöhen Validität der Vorhersage o Nicht auf die klinische Psychologie beschränkt (auch bei der Personalauslese, etc.)

• Statistische/formelle Urteilsbildung (evidenzbasierte Diagnostik): Urteilsbildung aufgrund einer empirisch ermittelten Verrechnungsvorschrift

  • Stützt sich auf empirisch gesicherte Zusammenhänge zwischen Prädiktor-und Kriteriumsvariablen o Beispiele:

  • Schwere/ Häufigkeit von Straftaten -> Rückfallrisiko von Straftätern

  • IQ/ Leistungsmotivation -> Vorhersage von Schulerfolg

  • Statistische Modelle

  • Regeln der Vorhersage sind explizit formuliert

  • Menschliche Beurteilung nur bei Datenerhebung (z.B. Schwere der Straftat), jedoch nicht bei Datenkombination involviert

  • Individuelle Besonderheiten/Eigenheiten werden nicht genutzt

1. Fehlerhaftigkeit menschlicher Beurteilung

   • Auch professionelle Diagnostiker unterliegen Verzerrungs- und

     Fehlertendenzen

   • Falsche Gewichtung oder Nichtberücksichtigung relevanter diagnostischer Hinweise sowie Überbewertung nicht-relevanter Hinweise

2. Keine konsistente Umsetzung von Entscheidungsregeln

   • Inkonsistenzen kommen häufig dadurch zustande, dass sich bei individuellen Fällen Besonderheiten aufdrängen, die als (zu) wichtig erachtet werden

3. Keine oder nur beschränkte Möglichkeit aus Rückmeldungen über die Richtigkeit der Diagnosen zu lernen