Die relative Größe von Akteur- und Partnereffekten in der paarbasierten psychologischen Forschung (Actor-Partner-Independence-Model)ein systematischer Review

Im Mittelpunkt dieser Arbeit stand das Akteur-Partner-Interdependenz-Modell (APIM; Kenny, Kashy & Cook, 2006), welches eine wichtige Grundlage für die Analyse abhängiger dyadischer Daten bietet. Neben dem theoretischen Hintergrund zur dyadi-schen Datenanalyse wurde eine aktuelle Bestandsaufnahme der Literatur rund um dieses Modell vorgenommen. Das Standard-APIM wurde genauer erklärt und Bezug auf die drei Auswertungsmethoden mittels Strukturgleichungsmodell, Mehrebenenanalyse und poo-led-Regression genommen, sowie deren Vor- und Nachteile erläutert. Ebenso wurde der Unterschied in der Auswertung von unterscheidbaren und ununterscheidbaren Dyaden-mitgliedern genauer beleuchtet. Anschließend wurden Anwendungsfelder und die vor-herrschenden Applikationen: Akteur-Partner-Moderator-Modell und Akteur-Partner-Mediator-Modell (APMoM; APMeM; Ledermann & Bodenmann, 2006), Akteur-Partner-Kovariablen-Modell (Ledermann, 2007) sowie das Cross-lagged APIM (Ackermann et al., 2012) dieses Modells aufgearbeitet. Ein weiterer Teil dieser Arbeit beschäftigte sich mit den vier APIM-Mustern (Kenny & Cook, 1999), die sich aus den vier verschiedenen Kombinationen von Akteur- und Partnereffekten ergeben und relevant für die Analyse von Daten sind. Anschließend wurde auf die relative Größe von Akteur- und Partnereffekten - be-rechnet mittels Parameter k (Kenny & Ledermann, 2010) - Bezug genommen. Es wurde erläutert wie die Berechnung von k zustande kommt und wie k und dessen Konfidenzin-tervall mittels Strukturgleichungsmodell direkt geschätzt werden können. Auch hier wurde auf den Unterschied bei der Schätzung zwischen unterscheidbaren und ununterscheidba-ren Dyaden hingedeutet. Vorteile, Grenzen und Zukunftsvisionen dieses Parameters wurden ebenso erläutert. Hinterher wurde aus der gefundenen Literatur eine begrenzte Auswahl an Studien getroffen, um eine genauere Datenanalyse rund um den Parameter k durchzuführen. Mittels der Formeln von Kenny und Ledermann (2010) wurde k berechnet und aufgrund theoretischer Überlegungen das dazugehörige Konfidenzintervall geschätzt. Die beiden Methoden der Zuordnung der APIM-Muster - einerseits durch die Signifikanzüberprüfung der einzelnen Akteur- und Partnereffekte, andererseits durch die Berechnung der Konfi-denzintervalle von k – zeigten in dieser Arbeit kaum unterschiedliche Ergebnisse. Am häufigsten wurden das Akteur-orientierte sowie das Paar-orientierte APIM-Muster zugeteilt – sowohl bei Männern als auch bei Frauen. Dennoch blieb der größte Teil ohne eindeutige Zuteilung. Die Verteilung von k liegt – bis auf zwei Ausnahmen – im positiven Bereich. Eine Unterscheidung hinsichtlich der Verteilung von k kann man getrennt für Männer und Frauen nicht erkennen. Die Tatsache, dass auch oft eine Zuteilung zum Partner-orientieren Muster erfolgte, zeigt, dass zukünftig ein größeres Augenmerk auf das invertiert berechnete k geworfen werden sollte. Während der Verfassung dieser Arbeit, wurden erst die Komplexität des APIM, sowie dessen vielseitige Anwendungs- und Erweiterungsmöglichkeiten richtig bewusst. So einige Unklarheiten und statistische Prob-leme begleiteten diese Arbeit, teilweise auch aufgrund des oft fehlerhaften Study-Reports in der bisherigen APIM-Literatur. So wurde erstmals das invertierte k berechnet, sobald der Partnereffekt größer als der Akteureffekt ausfiel. Ebenso ist der Vergleich der k-Werte aus unterschiedlich geschätzten APIM fraglich. Gerade dies zeigt auf, dass zukünftige Forschungsarbeiten auf diesem Gebiet notwendig sind und die Grenzen der Anwendung des APIM und des Parameters k noch lange nicht ausgeschöpft wurden.The focus of the present study was on the Actor-Partner-Interdependence-Model (APIM; Kenny, Kashy & Cook, 2006), which presents an important way for the analyses of de-pendent data from dyads. After illustrating the theoretical background relating to the anal-yses of dyadic data, the current literature around this topic was systematically collected. The study gives a detailed explanation about the Standard-APIM with reference to the three possible evaluation methods: the structural equation model, the multilevel analyses and the pooled regression and the pro’s and con’s of this methods. Also the differences between distinguishable and indistinguishable dyad members were discussed. Afterwards the applications of the APIM: Actor-Partner-Moderator-Model, Actor-Partner-Mediator-Model (APMoM; APMeM; Ledermann & Bodenmann, 2006), Actor-Partner-Covariable-Model (Ledermann, 2007) and the cross-lagged APIM (Ackermann et al., 2012) were also presented. Next the four APIM-patterns (Kenny & Cook, 1999) were described, which are given from the four possible combinations of the actor- and partner effects. These pat-terns are relevant for the analysis of the data. Afterwards the focus of interest was the relative measurement size of the actor- and partner effect – represented through the parameter k (Kenny & Ledermann, 2010). The calculation process of k was discussed, as well as the estimation of k and his confi-dence interval with the help of structural equation modeling with reference to the differ-ence between distinguishable and indistinguishable dyad members. Advantages, Limita-tions and future directions of k were also discussed. Subsequently a limited choice of studies was used to prevent a detailed analysis of the parameter k. K was calculated with the formulas provided by Kenny and Ledermann (2010) and the confidence interval was estimated on theoretical considerations. The two methods of allocating the APIM-patterns – either with reference to the significant effects or with the help of the confidence interval of k, showed almost no differences. Most frequently the actor-only or the couple-oriented APIM-pattern was found in the data – equally for men and women. However most of the data couldn’t be allocated to any of this pattern. The distribution of k showed that most of the k-values were positive – with only two exceptions. A difference according to the distribution of k for men and women is not obvious. Because of the fact, that the partner-only pattern was more common than expected in the literature, this pattern should be given more attention in future research. During this study several problems occurred, often associated with a lack of clarity and statistical evaluation problems, the latter often with reference to the incomplete study reports. In the present study the inverted k was calculated if the partner effect was greater than the actor effect – a non common practice in the current literature. Also the com-parison of the k-values across studies with different methods of statistical estimations is questionable. These are important facts that future researches are necessary and the limitations of the APIM and the parameter k have not yet been reached