Schätzung komplexer Social Relations Model-Daten mittels Likelihood- und Bayes-Methoden

Grunddaten zu diesem Projekt

Beschreibung

In einer Reihe von psychologischen Disziplinen wird das Round-Robin Design verwendet, um die Ursachen und Konsequenzen interpersoneller Wahrnehmungen, Urteile und Verhaltensweisen zu untersuchen. In diesem Design beurteilt jede Versuchsperson alle anderen Versuchspersonen bzgl. einer Urteilsdimension und wird von allen anderen Versuchspersonen bzgl. dieser Dimension eingeschätzt. Die Urteile werden dann mit dem Social Relations Model (SRM) analysiert, in dem verschiedenste SRM Parameter auf der Basis der Daten geschätzt werden. Aufbauend auf eigenen Vorarbeiten zur Likelihood-bzw. Bayes-Schätzung der SRM-Parameter wollen wir im Rahmen des Projekts das SRM auf komplexere Datensituationen erweitern und Likelihood- und Bayes-Methoden zur Auswertung dieser Daten herleiten und implementieren. Unter anderem sollen die beiden Schätzmethoden für den Fall von multivariaten Round-Robin Daten und von längsschnittlichen Round-Robin Daten ausgearbeitet und in statistischer Software implementiert werden. Insgesamt werden die von uns geplanten Erweiterungen inhaltlich arbeitenden Forschern die Möglichkeit geben, neue und spannende Forschungsfragen mit adäquaten statistischen Verfahren zu beantworten.