Conference Object

Relationsanalyse (RELAN) - Aussagenlogische, statistische und kausale Analyse von Daten

Author(s) / Creator(s)

Maderthaner, Rainer

Abstract / Description

Einleitung: Seit der Einführung des Korrelationskoeffizienten, wurde er in Millionen von biologischen, soziologischen und psychologischen Studien verwendet. Viele komplexe statistische Methoden wie Faktorenanalyse, Regressionsanalyse, Strukturgleichungsmodellierung basieren auf dem Korrelationskoeffizienten - trotz seiner statistischen Schwächen (oft nur Linearität, Abhängigkeit von Verteilungen, Symmetrie der Assoziation, Paarassoziationen, fehlende kausale Interpretierbarkeit). Einige alternative nicht-parametrische Assoziationskonzepte wurden vorgeschlagen (CFA (Krauth & Lienert, 1973), Bayesian Analysis (Phillips, 1974), Inductive Item Tree Analysis (van Leeuwe, 1974; Schrepp, 2003), Boolean Analysis (Flament, 1976), HYPAG (Ortner, Mattes & Wottawa, 1980), Aussagenlogische Analyse von Kontingenztafeln (Eye & Brandstätter, 1984), Prädiktionsanalyse (Hildebrand, Laing & Rosenthal, 1977; Eye, 1991). Methode: Relationsanalyse – RELAN – (Maderthaner, 2022) ist eine neue multivariate, multifunktionale nicht-parametrische statistische Auswertungsmethode, welche auf Aussagenlogik basiert, somit auf verbal formulierte Hypothesen anwendbar ist, und eine realistischere Prüfung von Kausalhypothesen zulässt. Die verfügbare Programmversion (www.relan.at) erlaubt das Testen und Simulieren von Hypothesen (mit bis zu zehn Variablen), die Exploration von logischen Zusammenhängen ("Data Mining") sowie das richtungs- und zeitabhängige Testen von Ursache-Wirkungs-Hypothesen. Ergebnisse: Computersimulationen zeigen, dass korrelative Assoziationsmaße nicht in der Lage sind, einfache und komplexe logische Gesetzmäßigkeiten sowie gerichtete kausale Abhängigkeiten zwischen Variablen aufzufinden. Fazit: Relationsanalysen erlauben eine erschöpfende logische Analyse eines Variablensystems, bei der insbesondere Effekte von Ursachen, Mediatoren, Moderatoren und Wirkungsbedingungen statistisch evaluiert werden können. Maderthaner, R. (2022). Relationsanalyse (RELAN) – Aussagenlogische, statistische und kausale Analyse von Daten Download of the program “RELAN Beta 1.0”: www.relan.at Keywords: Statistical method, variable relations, propositional logic, simulation, cause-effect, exploration

Keyword(s)

statistical evaluation propositional logic variable relations simulation exploration

Persistent Identifier

Date of first publication

2023-03-24

Is part of

TeaP Conference 2023, Trier, Germany

Publisher

ZPID (Leibniz Institute for Psychology)

Citation

Maderthaner, R. (2023). Relationsanalyse (RELAN) - Aussagenlogische, statistische und kausale Analyse von Daten. Talk at the TeaP in Trier. University of Trier.
  • Author(s) / Creator(s)
    Maderthaner, Rainer
  • PsychArchives acquisition timestamp
    2023-03-24T08:52:40Z
  • Made available on
    2023-03-24T08:52:40Z
  • Date of first publication
    2023-03-24
  • Abstract / Description
    Einleitung: Seit der Einführung des Korrelationskoeffizienten, wurde er in Millionen von biologischen, soziologischen und psychologischen Studien verwendet. Viele komplexe statistische Methoden wie Faktorenanalyse, Regressionsanalyse, Strukturgleichungsmodellierung basieren auf dem Korrelationskoeffizienten - trotz seiner statistischen Schwächen (oft nur Linearität, Abhängigkeit von Verteilungen, Symmetrie der Assoziation, Paarassoziationen, fehlende kausale Interpretierbarkeit). Einige alternative nicht-parametrische Assoziationskonzepte wurden vorgeschlagen (CFA (Krauth & Lienert, 1973), Bayesian Analysis (Phillips, 1974), Inductive Item Tree Analysis (van Leeuwe, 1974; Schrepp, 2003), Boolean Analysis (Flament, 1976), HYPAG (Ortner, Mattes & Wottawa, 1980), Aussagenlogische Analyse von Kontingenztafeln (Eye & Brandstätter, 1984), Prädiktionsanalyse (Hildebrand, Laing & Rosenthal, 1977; Eye, 1991). Methode: Relationsanalyse – RELAN – (Maderthaner, 2022) ist eine neue multivariate, multifunktionale nicht-parametrische statistische Auswertungsmethode, welche auf Aussagenlogik basiert, somit auf verbal formulierte Hypothesen anwendbar ist, und eine realistischere Prüfung von Kausalhypothesen zulässt. Die verfügbare Programmversion (www.relan.at) erlaubt das Testen und Simulieren von Hypothesen (mit bis zu zehn Variablen), die Exploration von logischen Zusammenhängen ("Data Mining") sowie das richtungs- und zeitabhängige Testen von Ursache-Wirkungs-Hypothesen. Ergebnisse: Computersimulationen zeigen, dass korrelative Assoziationsmaße nicht in der Lage sind, einfache und komplexe logische Gesetzmäßigkeiten sowie gerichtete kausale Abhängigkeiten zwischen Variablen aufzufinden. Fazit: Relationsanalysen erlauben eine erschöpfende logische Analyse eines Variablensystems, bei der insbesondere Effekte von Ursachen, Mediatoren, Moderatoren und Wirkungsbedingungen statistisch evaluiert werden können. Maderthaner, R. (2022). Relationsanalyse (RELAN) – Aussagenlogische, statistische und kausale Analyse von Daten Download of the program “RELAN Beta 1.0”: www.relan.at Keywords: Statistical method, variable relations, propositional logic, simulation, cause-effect, exploration
    de_DE
  • Publication status
    unknown
  • Review status
    unknown
  • Citation
    Maderthaner, R. (2023). Relationsanalyse (RELAN) - Aussagenlogische, statistische und kausale Analyse von Daten. Talk at the TeaP in Trier. University of Trier.
  • Persistent Identifier
    https://hdl.handle.net/20.500.12034/8142
  • Persistent Identifier
    https://doi.org/10.23668/psycharchives.12613
  • Language of content
    deu
  • Publisher
    ZPID (Leibniz Institute for Psychology)
  • Is part of
    TeaP Conference 2023, Trier, Germany
    en
  • Keyword(s)
    statistical evaluation
    en
  • Keyword(s)
    propositional logic
    en
  • Keyword(s)
    variable relations
    en
  • Keyword(s)
    simulation
    en
  • Keyword(s)
    exploration
    en
  • Dewey Decimal Classification number(s)
    150
  • Title
    Relationsanalyse (RELAN) - Aussagenlogische, statistische und kausale Analyse von Daten
    de_DE
  • DRO type
    conferenceObject
  • Visible tag(s)
    ZPID Conferences and Workshops