Vergleichbarkeitsbasierte informative Prior-Verteilungen für Bayesianische Replikation von Strukturgleichungsmodellen (CIBR-SEM)

• Antragsteller: Dr. Aron Fink; Dr. Christoph König
• Fachliche Zuordnung: Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 570467746

Die Reproduzierbarkeit wissenschaftlicher Ergebnisse ist ein Thema, das in der letzten Dekade große Aufmerksamkeit erhalten hat. Die Bayesianische Datenanalyse bietet dahingehend eine andere Perspektive. Dabei geht es nicht unmittelbar um eine exakte Replikation wissenschaftlicher Ergebnisse, sondern, durch einen iterativen Prozess mittels informativer Prior-Verteilungen, um die graduelle Reduktion von Unsicherheit bezogen auf das Vorliegen eines bestimmten Effekts. Ein solcher Ansatz ist besonders für die psychologische Forschung geeignet, da die meisten Studien eher als konzeptionelle und nicht als direkte Replikationen zu charakterisieren sind. Gerade die mit konzeptuellen Replikationen verbundene Heterogenität in Studieneigenschaften und Ergebnissen wird als ein Hauptgrund für das Ausbleiben von Effektreplikationen genannt. Gleichzeitig kann sie auch als eines der Hindernisse für die Nutzung informativer Prior-Verteilungen im Rahmen Bayesianischer Analysen angesehen werden. Angesichts vielfältiger Unterschiede in Stichproben, verwendeten Instrumenten und sich widersprechenden Ergebnissen ist unklar, welche Ergebnisse zur Spezifikation informativer Prior-Verteilungen für konzeptionelle Replikationen verwendet werden können. Diese Unsicherheit führt dazu, dass informative Prior-Verteilungen vernachlässigt werden. Insbesondere bei multivariaten Methoden wie der Strukturgleichungsmodellierung (SEM) werden solche Verteilungen kaum verwendet. CIBR-SEM setzt hier an und bietet wesentliche Fortschritte in zwei für die psychologische Forschung (und darüber hinaus) relevanten Bereichen: a) die systematische Entwicklung und Anwendung informativer Prior-Verteilungen und b) eine Erweiterung bestehender Methoden zur Bewertung des Replikationserfolgs in einem Bayesianischen Kontext. CIBR-SEM entwickelt, basierend auf einer innovativen Kombination von Propensity-Score-Matching und meta-analytischer SEM, ein neuartiges Verfahren zur quantitativen Integration von Heterogenitätsquellen für die Spezifikation von informativen Prior-Verteilungen im Kontext von Bayesianischer SEM. CIBR-SEM illustriert, wie das resultierende Vergleichbarkeitsmaß angewendet wird, um Heterogenität bei der Konzeption von konzeptionellen Replikationen zu berücksichtigen und den Replikationserfolg zu bestimmen. Mit einer Kombination von umfangreichen Simulationsstudien und Echtdatenanalysen wird das Verfahren im Kontext Bayesianischer Replikationsstudien und SEM getestet. Das neue Verfahren ist außerdem in eine umfassende Disseminationsstrategie eingebettet, die unter anderem die Entwicklung eines R-Pakets und einen projektspezifischen Workshop umfasst, um die Anwendung in der Forschungspraxis sicherzustellen. Zusammenfassend stellt CIBR-SEM einen konzeptionellen und methodischen Fortschritt dar, der nicht nur für die psychologische Forschung relevant ist, sondern auch für die allgemeine Bayesianische Replikationsforschung eine grundlegende wissenschaftliche Bedeutung aufweist.

• DFG-Verfahren: Sachbeihilfen