Transformationsmodelle

 

In diesem Anhang sind die Ergebnisse der verschiedenen Modelltests ausführlich dargestellt. In Tabelle C.13 bis C.16 werden die in Abschnitt 3.2 näher beschriebenen Modelle (unrestringiert, linear, affin und projektiv) in ihrer Vorhersagegüte verglichen. Dazu wird für jedes dieser Modelle dessen Likelihood nach dem PRAXIS-Algorithmus von Brent (1973) berechnet. Zuerst werden in den Tabellen C.1 bis  C.12 die nach dem Maximum-Likelihood-Verfahren geschätzten Transformationsmatrizen für die verschiedenen Modelle gegenübergestellt. Die Modelle werden mit einem Likelihood-Quotienten-Test untereinander verglichen, der auf dem Verhältnis zweier Likelihoods basiert. Die Prüfgröße ist -verteilt, wobei sich die Anzahl der Freiheitsgrade aus der Differenz der Parameteranzahlen von Modell 1 und Modell 2 bestimmt.

Für jede Versuchsperson einzeln werden drei unterschiedliche Situationen betrachtet: Die Transformationen im Ausgangskontext sagen aufgrund der -Koordinaten der Standardreize die Koordinaten der Abgleiche vorher, die im Ausgangskontext hergestellt werden, sie schätzen also die Gedächtniseffekte. Die unter Zielkontext aufgeführten Transformationen versuchen, die Koordinaten der Einstellungen im veränderten Kontext aus den Koordinaten der Standardreize im Ausgangskontext zu bestimmen. Die für den Kontexteffekt geschätzten Transformationen gehen schließlich vom Zentroid der Einstellungen im Ausgangskontext aus und versuchen, daraus die Koordinaten der Einstellungen im veränderten Kontext vorherzusagen. Hierbei geht es also um bereinigte Kontexteffekte, aus denen die Gedächtniseffekte unter den in Abschnitt 3.1 dargestellten Annahmen herausgerechnet sind. Die Parameter dieser drei Transformationen werden nach verschiedenen Modellen aus den Meßwerten geschätzt. Zum Vergleich der Modelle werden dann jeweils die folgenden Signifikanztests gerechnet:

linear vs. unrestringiert: Vergleich der Vorhersage der Koordinaten durch eine -Matrix (lineares Modell) mit der Vorhersage durch die Mittelwerte der Koordinaten der Einstellungen zum jeweiligen Standardreiz (unrestringiertes Modell).

affin vs. unrestringiert: Vergleich der Vorhersage der Koordinaten durch eine -Matrix (affines Modell) mit der Vorhersage durch die Mittelwerte der Koordinaten der Einstellungen zum jeweiligen Standardreiz (unrestringiertes Modell).

projektiv vs. unrestringiert: Vergleich der Vorhersage der Koordinaten durch eine -Matrix (projektives Modell) mit der Vorhersage durch die Mittelwerte der Koordinaten der Einstellungen zum jeweiligen Standardreiz (unrestringiertes Modell).

linear vs. affin: Vergleich der Vorhersagegüte von linearem und affinem Modell.

affin vs. projektiv: Vergleich der Vorhersagegüte von affinem und projektivem Modell.

linear vs. projektiv: Vergleich der Vorhersagegüte von linearem und projektivem Modell.

Ein signifikantes Ergebnis bedeutet in diesen Fällen jeweils, daß das Modell mit der größeren Parameterzahl die Daten signifikant besser beschreibt als das Modell mit der geringeren Parameterzahl. Da hier eigentlich die Nullhypothese bewiesen werden soll (die linearen/affinen/projektiven Modelle reichen zur Beschreibung der Transformationen), empfiehlt es sich, das Signifikanzniveau bei diesen Tests höher als üblich anzusetzen. Ich werde deshalb hier ein Signifikanzniveau von zugrundelegen.

 
Tabelle C.1:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson SCA im Ausgangskontext

 
Tabelle C.2:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson SCA im Zielkontext

 
Tabelle C.3:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson SCA für den bereinigten Kontexteffekt

 
Tabelle C.4:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson EIM im Ausgangskontext

 
Tabelle C.5:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson EIM im Zielkontext

 
Tabelle C.6:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson EIM für den bereinigten Kontexteffekt

 
Tabelle C.7:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson SIG im Ausgangskontext

 
Tabelle C.8:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson SIG im Zielkontext

 
Tabelle C.9:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson SIG für den bereinigten Kontexteffekt

 
Tabelle C.10:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson WES im Ausgangskontext

 
Tabelle C.11:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson WES im Zielkontext

 
Tabelle C.12:   Durch den PRAXIS-Alogrithmus geschätzte Transformationsmatrizen bei Versuchsperson WES für den bereinigten Kontexteffekt

 
Tabelle C.13:   Ergebnisse der Modelltests bei Versuchsperson SCA

 
Tabelle C.14:   Ergebnisse der Modelltests bei Versuchsperson EIM

 
Tabelle C.15:   Ergebnisse der Modelltests bei Versuchsperson SIG

 
Tabelle C.16:   Ergebnisse der Modelltests bei Versuchsperson WES

Last modified 10-29-98