Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Universität Heidelberg Psychologisches Institut Universität Heidelberg Psychologisches Institut
Anwendung von
Multi-Level Moderation in
Worst Performance Analysen
Präsentation auf der FGME 2015 - Jena
Gidon T. Frischkorn, Anna-Lena Schubert,
Andreas B. Neubauer & Dirk Hagemann
16. September 2015
Universität Heidelberg Psychologisches Institut
Was ist die Worst Performance Rule?
„On multitrial cognitive tasks, worst performance trials are more indicative of general intelligence (g) than best performance trials“ (Larson & Alderton, 1990)
Warum ist dieses Phänomen interessant? (siehe Coyle, 2003)
1) Die WPR widerspricht bestimmten Annahmen der KTT
2) Die WPR hinterfragt wichtige Annahmen zur Struktur und Konzeptualisierung des Intelligenzkonstrukts
3) Die WPR hängt von der g-Ladung der verwendeten Aufgabe ab
16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie 2
Universität Heidelberg Psychologisches Institut
Wie sehen Worst Performance Analysen
typischerweise aus?
Klassische WPA:
1) Trials nach Leistung sortieren
2) Performanz-Bänder oder Perzentile bilden
3) Mittelwert oder Median für die Performanz-Bänder oder Perzentile berechnen
4) Korrelation zwischen Mittelwert/Median und einem Indikator für allgemeine Intelligenz berechnen
(siehe Coyle, 2003 & Schubert, Frischkorn & Hagemann, 2015)
16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie 3
Universität Heidelberg Psychologisches Institut
Probleme von Worst Performance Analysen
• Die klassische WPA beschreibt das
Phänomen der WPR eher als es zu testen
• Die Unterschiede zwischen Korrelationen
auf Signifikanz zu prüfen ist sehr
testschwach, insbesondere im Bereich
kleiner Korrelationen (Cohen, 1988)
4 16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie
Universität Heidelberg Psychologisches Institut
Die Worst Performance Rule als Moderation
Im Kern ist das Phänomen der WPR eine Moderation:
• Der Zusammenhang zwischen allgemeiner Intelligenz und Leistung in einer kognitiven Verarbeitungsaufgabe wird durch das Perzentil der Leistung bestimmt
Vorteile dieser Konzeptualisierung:
• Die WPR wird als Anstieg der Korrelation bzw. des Regressionsgewichts zwischen allgemeiner Intelligenz und Leistung in einer kognitiven Verarbeitungsaufgabe modelliert
Darstellung der WPR in einem einzelnen Regressionskoeffizienten
Vereinfachte Testung dieses Koeffizienten auf statistische Bedeutsamkeit
5 16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie
Universität Heidelberg Psychologisches Institut
Ein Multi-Level Framework für WPA
Die Datenstruktur dieser Analyse entspricht einer Zwei-Ebenen Struktur: Trials in Personen – deshalb sollte diese Analyse in einem Multi-Level Modell durchgeführt werden.
• Auf Level 1 wird die Leistung L im Trial i der Person p durch das Perzentil vorhergesagta
• Auf Level 2 wird die Leistung durch die allgemeine Intelligenz vorhergesagt
6 16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie
aDer Verlauf von RT-Mittelwerten
über Perzentile wird annähernd
perfekt durch ein Polynom dritten
Grades beschrieben.
Universität Heidelberg Psychologisches Institut
Ein Multi-Level Framework für WPA
• Indem nun die interindividuellen Unterschiede des Regressionsgewichts des Perzentils der Leistung durch allgemeine Intelligenz vorhergesagt wird, implementieren wir die Interaktion zwischen Perzentil und allgemeiner Intelligenz:
7 16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie
• woraus die folgende vollständige Gleichung des MLM folgt:
Universität Heidelberg Psychologisches Institut
Empirisches Beispiel
• Stichprobe:
– 121 Teilnehmer (58.7% weiblich) aus der
Allgemeinbevölkerung
– 18 bis 61 Jahre alt (M = 36.64, SD = 15.65)
– Allgemeine Intelligenz (gemessen mit dem BIS):
• M = 99.6, SD = 5.7 (BIS Stand., M = 100, SD = 10)
• Range = 86.3 - 114.8
• Rel = .937 (geschätzt mit Cronbach‘s α)
8 16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie
Universität Heidelberg Psychologisches Institut
Empirisches Beispiel
• Kognitive Verarbeitungsaufgabe:
– Sternberg Memory Span Task
• Teilnehmer sehen ein Set aus 5 Zahlen (1 bis 9)
• Anschließen wird eine Zahl als Probe präsentiert
• Teilnehmer soll möglichst schnell entscheiden, ob
die Zahl im Memory Set enthalten war oder nicht
9 16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie
3
Memory Set Probe
5 1 8 6 5
Universität Heidelberg Psychologisches Institut
Empirisches Beispiel
• Schätzung des MLM:
– Random Intercept Model als Baseline
– Schrittweise Parameter hinzufügen
– Evaluation des Model-Fits durch Likelihood-
Ratio Test und Verringerung in AIC & BIC
– Prädiktoren:
• Perzentil: 9-stufig, zentriert auf das 5. Perzentil
• Intelligenz: kontinuierlich, z-standardisiert
16.09.2015
Differentielle Psychologie und
Persönlichkeitspsychologie 10
Universität Heidelberg Psychologisches Institut
Empirisches Beispiel
• Model Fit:
16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie 11
Model Df AIC BIC LogLike LogRatio p
Baseline 3 161167.7 161189.7 -80580.9
+FE P 4 148224.5 148253.9 -74108.3 12945.2 < .01
+FE P2 5 146327.1 146363.9 -73158.6 1899.4 < .01
+FE P3 6 145157.9 145202.0 -72573.0 1171.2 < .01
+RE P 8 136084.3 136143.1 -68034.1 9077.7 < .01
+RE P2 11 133958.7 134038.9 -66968.0 2132.2 < .01
+RE P3 15 133137.7 133247.3 -66553.5 829.0 <.01
+FE g 16 133133.4 133251.0 -66550.7 5.7 = .017
+FE P x g 17 133133.0 133257.9 -66549.5 2.4 = .121
+FE P2 x g 18 133127.8 133260.1 -66545.9 7.2 < .01
+FE P3 x g 19 133110.8 133250.5 -66536.4 19.0 < .01
Universität Heidelberg Psychologisches Institut
Empirisches Beispiel
• Parameter des angenommenen Models – RTs steigen mit
Perzentilen
– Teilnehmer mit höheren Werten auf g haben schnellere Reaktionszeiten
– Mit steigendem Perzentil wird der Effekt von g auf RT größer
Schätzer S.E.
Intercept 825.8* 18.3
FE P 43.4* 2.5
FE P2 10.0* 0.5
FE P3 3.4* 0.2
FE g -89.2* 19.3
FE P x g -8.6* 2.6
FE P2 x g -3.0* 0.6
FE P3 x g -0.7* 0.2
16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie 12
Universität Heidelberg Psychologisches Institut
Empirisches Beispiel
16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie 13
Universität Heidelberg Psychologisches Institut
Empirisches Beispiel
• Vergleich von Korrelationen mit b-Gewichten
– Korrelation steigt (nicht signifikant) mit Perzentilen an
(z = 1.266, p = .103, q = .10)
– b-Gewicht steigt bedeutsam mit Perzentilen an
– SD(RT) steigt deutlich (nicht linear) mit Perzentil an
Perzentil 1 2 3 4 5 6 7 8 9
rIQ,RT -.39 -.39 -.40 -.39 -.40 -.40 -.41 -.43 -.47
bIQ,RT -57.76 -67.39 -75.05 -82.87 -92.70 -106.36 -123.62 -151.78 -222.83
SDRT 140.52 164.18 179.25 201.18 221.79 251.00 283.79 336.05 454.39
16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie 14
Die Standardabweichung des IQ liegt mit 0.954 leicht unter 1
Universität Heidelberg Psychologisches Institut
Diskussion
• Das MLM kann den Anstieg in unstandardisierten Regressionsgewichten mit einer höheren Power testen
• Interpretation der Ergebnisse muss für unstandardisierte Koeffizienten angepasst werden
• Die Standardabweichung der Leistung spielt, entgegen der bisher herrschenden Meinung, eine entscheidende Rolle im Bezug auf die WPR
• Möglicherweise sind unstandardisierte Effekte eine bessere Möglichkeit die WPR darzustellen: – Repräsentieren die absoluten Unterschiede in der Leistung der
Personen
– Anstieg der unstandardisierte Effekte ist eine notwendige Bedingung für die WPR (angenommen die SD der Leistung bleibt konstant oder steigt mit den Perzentilen an)
16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie 15
Universität Heidelberg Psychologisches Institut Universität Heidelberg Psychologisches Institut
Vielen Dank für Ihre
Aufmerksamkeit!
Bei Fragen können Sie mich gerne jederzeit
ansprechen oder kontaktieren.
Universität Heidelberg Psychologisches Institut
Literatur
Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. Hilsdale, New Jersey: Lawrence Erlbaum Associates.
Coyle, T. R. (2003b). A review of the worst performance rule: Evidence, theory, and alternative hypotheses. Intelligence, 31 , 567-587.
Larson, G. E., & Alderton, D. L. (1990). Reaction time variability and intelligence: A "worst performance" analysis of individual differences. Intelligence, 14 , 309-325.
Schubert, A.-L., Frischkorn, G. T., & Hagemann, D. (2015, June).
A systematic replication of the worst performance rule. Retrieved from https://osf.io/ekzrv
17 16.09.2015 Differentielle Psychologie und
Persönlichkeitspsychologie