Handbuch Statistik, Methoden und Evaluation

Allgemeines lineares Modell, Ambulantes Assessment, Bayes''sche Verfahren in der Statistik, Befragung, Beobachtungsverfahren, Beurteilerübereinstimmung, Biochemische Verfahren, Bivariate deskriptive Statistik, Clusteranalyse, Effektstärke/Power, Einfache und multiple Regression, Ein-Stichproben-Tests, Einzelfallpläne, Entscheidungs- und Nutzenanalyse, Ereignisanalyse, Event-sampling, Experimentelle Versuchspläne, Exploratorische Faktorenanalyse, Generalisierbarkeitstheorie, Generalisierte lineare Modelle, Gütekriterien, Hämodynamische Verfahren, Hypothesentestung, Inhaltsanalyse, Internet, Itemresponse-Modelle für kategoriale Daten sowie für ordinale und metrische Daten, Konfidenzintervalle, Korrespondenzanalyse, Längsschnittstudien, Latent-Class Analyse, Logistische Regressionsverfahren, Loglineare Modelle, Mehrebenenanalyse, Meta-Analyse, Mischverteilungsmodelle, Missing Data-Analyse, Modelle der Evaluation, Modellvergleich, Multidimensionale Skalierung, Multitrait-Multimethod-Analyse, Multivariate lineare Verfahren, Neuronale Netzwerke, Neurowissenschaftliche Verfahren, Nonreaktive Methoden: Vermeidung reaktiver Effekte in der psychologischen Forschung, Physiologische Verfahren, Planung und Durchführung von Evaluationsstudien, Punktschätzung, Quasi-Experimentelle Versuchspläne, Resamplingverfahren, Skalierung, Stichprobenziehung, Strukturgleichungsmodelle, Tagebuch, Test auf Anpassung und Assoziation, Testtheorie, Theorie und Analyse kausaler Effekte, Univariate deskriptive Statistik, Varianzanalyse, Veränderungsmessung, Wahrscheinlichkeitstheorie, Wahrscheinlichkeitsverteilungen, Wissenschaftstheorie, Zeitreihenanalyse, Zielexplikation und Standards in der Evaluationsforschung, Zweistichprobentests etc.