Thomas Schäfer

Effect sizes are the currency of psychological research. They quantify the results of a study to answer the research question and are used to calculate statistical power. The interpretation of effect sizes—when is an effect small, medium, or large?—has been guided by the recommendations Jacob Cohen gave in his pioneering writings starting in 1962: Either compare an effect with the effects found in past research or use certain conventional benchmarks. The present analysis shows that neither of these recommendations is currently applicable. From past publications without pre-registration, 900 effects were randomly drawn and compared with 93 effects from publications with pre-registration, revealing a large difference: Effects from the former (median r = 0.36) were much larger than effects from the latter (median r = 0.16). That is, certain biases, such as publication bias or questionable research practices, have caused a dramatic inflation in published effects, making it difficult to compare an actual effect with the real population effects (as these are unknown). In addition, there were very large differences in the mean effects between psychological sub-disciplines and between different study designs, making it impossible to apply any global benchmarks. Many more pre-registered studies are needed in the future to derive a reliable picture of real population effects.

Zusammenfassung. Wie sollten Daten aus psychologischen Studien analysiert und dargestellt werden? Trotz jahrzehntelanger Argumentationen und Empfehlungen zu dieser Frage gibt es in der Praxis noch immer erhebliche Defizite: der Fokus auf Signifikanztests, das Weglassen von Angaben zur Größe von Effekten, der Verzicht auf das Berechnen von Konfidenzintervallen, das Ignorieren der statischen Power von Studien und vereinzelt sogar das Unterschlagen von Streuungsinformationen bei Mittelwerten prägen nach wie vor die Landschaft psychologischer Vorträge und Publikationen. In diesem Artikel wird argumentiert, dass diese Situation eine zu geringe oder schlicht unklare Evidenz psychologischer Forschung bedingt und daher sowohl eine der Ursachen für die aktuelle Replikationskrise ist als auch die psychologische Theorienbildung und effizientes praktisches Handeln auf Grundlage psychologischer Erkenntnisse erschwert. Gleichzeitig wird gezeigt, wie sich mit den New Statistics (Effektgrößen, Konfidenzintervalle, Power und Replikation) die Evidenz vergrößern lässt. Dabei liegt der Fokus weniger auf neuen Analysemethoden, sondern mehr auf einem längst überfälligen Umdenken in Bezug auf die Art und Weise der Datenauswertung und Dateninterpretation. Faustregeln, alternative Arten von Ergebnisabbildungen, Simulationen zur statistischen Power und schließlich eine Checkliste mit Empfehlungen sollen helfen, das Bewusstsein für den wissenschaftlichen und praktischen Gehalt von Daten und Analyseergebnissen zu schärfen und die Planung von Studien und das Berichten von Analyseergebnissen nachhaltig zu verbessern.

Aus Studien an jüngeren Stichproben ist bekannt, dass Musikhören genutzt wird, um zahlreiche positive Effekte zu erzielen, die sich in 3 Hauptdimensionen gliedern lassen: Selbstwahrnehmung, soziale Verbundenheit, Stimmungs-/Erregungsregulation. Für ältere Menschen bergen diese positiven Effekte im Hinblick auf die Verbesserung affektiver Probleme und die Steigerung der sozialen Teilhabe ein enormes Potenzial. Offen ist jedoch bisher, ob das Muster der Musiknutzung im hohen Alter mit dem in jüngeren Jahren vergleichbar ist, und ob der Zugang zu Musik in verschiedenen Wohnsituationen zufriedenstellend ist.

Individual differences in the strength of music preference are among the most intricate psychological phenomena. While one person gets by very well without music, another person needs to listen to music every day and spends a lot of temporal and financial resources on listening to music, attending concerts, or buying concert tickets. Where do these differences come from? The hypothesis presented in this article is that the strength of music preference is mainly informed by the functions that music fulfills in people’s lives (e.g., to regulate emotions, moods, or physiological arousal; to promote self-awareness; to foster social relatedness). Data were collected with a diary study, in which 121 respondents documented the goals they tried to attain and the effects that actually occurred for up to 5 music-listening episodes per day for 10 successive days. As expected, listeners reporting more intense experience of the functional use of music in the past (1) had a stronger intention to listen to music to attain specific goals in specific situations and (2) showed a larger overall strength of music preference. It is concluded that the functional effectiveness of music listening should be incorporated in existing models and frameworks of music preference to produce better predictions of interindividual differences in the strength of music preference. The predictability of musical style/genre preferences is also discussed with regard to the present results.