Die Grundlage für alle weiteren Sektionen: Wie schätzt man lineare Zusammenhänge, was bedeutet „unter Kontrolle von", und wie zerlegt man Effekte in direkte und indirekte Pfade? Von einfacher OLS-Regression über Mediation und Moderation bis hin zu hierarchisch geschachtelten Daten — diese Tools bilden das Fundament für das Verständnis der statistischen Paradoxe in Sektion 3 und der kausalen Methoden in Sektion 4.

Wie groß muss eine Stichprobe sein? Was ist ein bedeutsamer Effekt? Und was passiert, wenn Daten fehlen? Diese drei Fragen entscheiden über die Qualität jeder empirischen Studie — vor der Datenerhebung und nach ihr.

Kontraintuitive Effekte, die selbst erfahrenen Forschern Fallen stellen. Alle Paradoxe hier beruhen auf Regressionslogik — deshalb kommt diese Sektion nach den Grundlagen. Wer Abschnitt 1 versteht, versteht auch, warum diese Ergebnisse nicht überraschend sind.

Unter welchen Bedingungen darf man von Assoziation auf Kausalität schließen? Diese Sektion behandelt das Potential-Outcomes-Framework, natürliche Experimente und Matching-Methoden — das methodische Handwerkszeug der modernen Kausalanalyse.

Wie misst man psychologische Konstrukte, und wie gut tut ein Test das? Von der klassischen Reliabilität bis zu modernen IRT-Modellen — diese Sektion deckt die Grundlagen der Psychometrie ab.

Wie gut erkennt ein Instrument, was es erkennen soll? Klinische und psychologische Diagnostik braucht präzise Kennzahlen — von Sensitivität und Spezifität über Beurteilerübereinstimmung bis hin zur differenziellen Validität.