Statistik in psychologischen Publikationen: lesen und interpretieren
Konzept des Seminars
In diesem Seminar lesen wir drei Publikationen aus der psychologischen Literatur und setzen uns mit den dort beschriebenen statistischen Methoden auseinander. Im Zentrum des Seminars steht die kritische Lektüre. Kurze Erläuterungen zu den technischen Aspekten der verwendeten statistischen Verfahren dienen in erster Linie dazu, die Methoden in Bezug zur Forschungsfrage und zu den Schlussfolgerungen einer Studie zu setzen. Wir fragen jeweils, welche Aussagen die Daten tatsächlich stützen, welche Interpretationen nachvollziehbar sind und wo methodische Einschränkungen berücksichtigt werden sollten. Statistik wird nicht als isoliertes Methodenwissen behandelt, sondern als Teil wissenschaftlicher Argumentation. Das Seminar lädt dazu ein, psychologische Fachliteratur aufmerksam und eigenständig zu lesen und statistische Analysen differenziert zu beurteilen.
Diese drei vorgegebenen Publikationen begleiten uns über das Semester hinweg und bilden den gemeinsamen Bezugspunkt für die verschiedenen Themen:
Wagenmakers et al.: “Registered replication report: Strack, Martin, & Stepper (1988).” (Wagenmakers u. a. 2016)
Strohmaier et al.: “Effects of length of mindfulness practice on mindfulness, depression, anxiety, and stress: A randomized controlled experiment.” (Strohmaier u. a. 2022)
Komischke et al.: “Group Vs Individual Grief-Focused Cognitive Behavioral Therapy for Older Adults: A Randomized Clinical Trial.” (Komischke u. a. 2026)
Zusätzlich zu den drei vorgegebenen Publikationen setzen Sie sich eigenständig mit einer selbst gewählten Studie auseinander. Diese Studie sollte idealerweise ein Thema behandeln, das Sie inhaltlich interessiert. Die einzige formale Voraussetzung ist, dass es sich nicht um eine Metaanalyse handelt und die Stichprobengrösse mehr als 40 beträgt. Im Anschluss an die Sitzungen erhalten Sie jeweils zwei bis drei Wochenfragen zum behandelten Thema. Anhand dieser Fragen setzen Sie sich mit Ihrer Publikation auseinander. Es empfiehlt sich, die Überlegungen dazu fortlaufend schriftlich festzuhalten. Zu Semesterende fassen Sie diese Überlegungen in einem kurzen Abschlussbericht zusammen. Einmal im Verlauf des Seminars übernehmen Sie zudem die Rolle von Expert:innen für ein Thema. In dieser Funktion verfassen Sie einen kurzen Bericht zu den Wochenfragen, formulieren mindestens eine fundierte Diskussionsfrage und bringen Ihre Überlegungen in die gemeinsame Diskussion ein.
Das Seminar ist auf 12 Sitzungen angelegt und umfasst die folgenden Themen: Forschungsfrage, Design und Hypothesen, Schätzen und Testen, Power und Stichprobengrösse, multiples Testen und Sensitivitätsanalysen, ein weiteres vertiefendes Thema sowie Metaanalysen.
Forschungsfrage, Design und Hypothesen
In diesem Themenblock geht es darum, wie aus einer Forschungsfrage eine Studie wird.
Im Zentrum stehen die Entscheidungen, die früh im Forschungsprozess getroffen werden. Dazu gehören das Formulieren der Forschungsfrage, die Wahl eines passenden Designs, die Festlegung des primären Endpunkts sowie die Übersetzung der Fragestellung in testbare Hypothesen. Ob diese Entscheidungen in einer Studie nachvollziehbar beschrieben sind, hat einen wesentlichen Einfluss auf die Interpretation der Resultate.
Konkret besprechen wir in diesen Sitzungen die folgenden Themen:
Eine Studie untersucht im Allgemeinen eine klar definierte Forschungsfrage in Bezug auf bestimmte Variablen in einer bestimmten Zielgruppe. Das PICO-Schema kann dabei helfen, Forschungsfragen präzise zu beschreiben. Population (wer wird untersucht?), Intervention (was wird untersucht?), Comparison (was dient als Vergleich?) und Outcome (was wird gemessen?) fassen die wichtigsten Bestandteile einer Forschungsfrage kurz zusammen. Das PICO-Schema eignet sich vor allem für experimentelle Studien. Manche Studien verfolgen aber auch andere Ziele, zum Beispiel eine Prävalenz zu schätzen, ein diagnostisches Tool zu validieren oder Prädiktoren für ein Ereignis zu finden.
Das Design einer Studie ist auf diese Forschungsfrage ausgerichtet. Zum Design gehören beispielsweise die Art der Aufteilung der Teilnehmenden in die verschiedenen Gruppen, die Verblindung oder auch Ein- und Ausschlusskriterien. Eine gute Orientierung beim Lesen bietet hier die Frage, ob das Design so beschreiben ist, dass eine Replikation grundsätzlich möglich wäre.
Die Endpunkte (Outcomes) sind die messbaren Ergebnisse einer Studie im Unterschied zu den allgemeinen Zielen (Objectives). Der primäre Endpunkt ist die wichtigste Grösse einer Studie. Anhand des primären Endpunkts wird ein Effekt nachgewiesen oder nicht; ausserdem bildet er die Grundlage für die Stichprobengrössenberechnung. Sekundäre Endpunkte erfassen zusätzliche relevante Effekte.
Hypothesen sagen möglichst klar und formell, welche Ergebnisse eine Studie im Hinblick auf PICO erwartet. Die Studienhypothese beschreibt ein erwartetes oder gewünschtes Ergebnis. Die Nullhypothese sagt meist das Gegenteil, zum Beispiel, dass kein Effekt besteht. Eine gut formulierte Hypothese ist testbar, und die Studie prüft, ob sie durch die Daten gestützt oder widerlegt wird.
Wochenfragen
1.1 Welche Forschungsfrage wird in Ihrer Publikation untersucht? Gibt es nachvollziehbare Gründe dafür, warum genau diese Forschungsfrage gewählt wurde? Formulieren Sie eine alternative Forschungsfrage zum selben Thema.
2.1 Notieren Sie alle Eigenschaften des Studiendesigns, die in Ihrer Publikation genannt werden. Passt das Design zur Forschungsfrage?
2.2 Formulieren Sie die Bestandteile Ihres Studiendesigns nach PICO.
3.1 Beschreiben Sie Ihre Studie mit 3 möglichst passenden Attributen (z.B. explorativ , induktiv, erklärend) und begründen Sie Ihre Auswahl.
3.2 Werden in Ihrer Studie Hypothesen getestet? Wenn ja, welche?
Übungen
Stellen Sie sich die Frage, was eigentlich eine gute Sportstunde ausmacht. Formulieren Sie dazu eine gut definierte Forschungsfrage.
Zu Strohmaier et al.: Welche Forschungsfrage wird untersucht? Welche Ziele (Objectives) verfolgt die Studie? Mit welchen Variablen (Outcomes) werden diese Ziele beschrieben? Was ist die Zielgruppe?
Zu Komischke et al.: Wie wurden die Teilnehmer:innen in randomisiert? Was vermuten Sie, weshalb wurde das so gemacht?
Zu Strohmaier et al.: Wie wurde die Studie verblindet? Welche Probleme in Bezug auf die Verblindung werden beschrieben? Kennen Sie andere Studien mit ähnlichen Problemen?
Zu Strohmaier et al. und Komischke et al.: Suchen Sie im Haupttext der Publikation alle Informationen darüber, wie die Studienpopulation entstanden ist. Nehmen Sie kurz Stellung dazu.
Sie möchten das Experiment zum Ankereffekt durchführen und lesen dazu die Beschreibung des Studiendesigns in der Originalpublikation (Tversky und Kahneman 1974). Welche Informationen fehlen Ihnen für die Umsetzung der Studie? Welche Informationen fehlen Ihnen für die Interpretation der Resultate?
Formulieren Sie für das Konformitätsexperiment von Asch eine Hypothese in PICO-Form.
Wählen Sie eine der drei Publikationen und diskutieren Sie, wo Sie diese entlang der besprochenen Dimensionen (experimentell / beobachtend, induktiv / deduktiv) verorten würden. Welche weiteren Attribute könnten relevant sein?
Zu Strohmaier et al.: Welche Hypothesen werden getestet?
Ergänzende Lektüre
- Shmueli, Galit. 2010. „To Explain or to Predict?“ Statistical Science (Shmueli 2010)
Schätzen und Testen
In diesem Themenblock geht es um den Umgang mit Unsicherheit.
Nachdem die Daten erhoben worden sind, möchte man sie nutzen um damit die Forschungsfrage zu beantworten. Das heisst, man muss beurteilen: Wie gross ist ein beobachteter Unterschied? Wie präzise ist die Schätzung dieses Unterschieds? Handelt es sich um einen Zufallsbefund? Diese Fragen führen in einen Bereich, in dem statistische Begriffe vertraut wirken und trotzdem oft missverstanden werden. Gerade deshalb lohnt es sich, genauer hinzuschauen, was Konfidenzintervalle, p-Werte und Effektgrössen tatsächlich aussagen – und was nicht.
Konkret starten wir bei der Kontroverse um statistische Signifikanz, d.h. bei der seit einigen Jahren intensiv geführte Diskussion darüber, wie p-Werte verwendet und interpretiert werden und welche Rolle statistische Signifikanz bei der Bewertung von Studienergebnissen spielen sollte. Wir setzen uns mit der Dichotomisierung in „p < 0.05“ und „p > 0.05“ auseinander. Und lernen verbreitete Missverständnisse kennen (ein statistisch nicht signifikantes Ergebnis bedeutet nicht automatisch, dass kein Effekt vorliegt, und zwei Studien müssen sich nicht widersprechen, nur weil eine ein „signifikantes“ und die andere ein „nicht signifikantes“ Ergebnis liefert).
Konfidenzintervalle werden konstruiert, um die Unsicherheit einer Schätzung zu beschreiben und von einer beobachteten Stichprobe auf eine Population zu schliessen. Dabei beschreibt ein 95%-Konfidenzintervall nicht die Wahrscheinlichkeit, mit der der wahre Wert in diesem Intervall liegt. Gemeint ist vielmehr, dass bei wiederholter Anwendung langfristig ungefähr 95% der Konfidenzintervalle den wahren Wert einschliessen. p-Werte sind direkt mit Konfidenzintervallen verbunden. Der p-Wert ist die kleinste Zahl \(p\), für die gilt, dass das Konfidenzintervall mit Signifikanzniveau \(1-p\) den Wert 0 nicht enthält.
Wenn ein Effekt statistisch signifikant ist, heisst das nicht unbedingt, dass er auch im alltagssprachlichen Sinn signifikant ist. Für die praktische Einordnung von Resultaten werden deshalb zusätzlich Effektgrössen berichtet. Für Unterschiede zwischen zwei Mittelwerten ist beispielsweise Cohen’s d eine standardisierte Effektgrösse. Für Varianzanalysen werden ausserdem Eta-Quadrat und partielles Eta-Quadrat verwendet.
Ein Spezialfall von Hypothesentests begegnet uns bei den sogenannten Nichtunterlegenheitsstudien. In solchen Studien soll nicht gezeigt werden dass sich zwei Dinge unterscheiden, sondern dass sie gleich oder zumindest hinreichend ähnlich (non-inferior) sind. Anhand des Konzepts von non-inferiority kann man nicht nur Konfidenzintervalle besser verstehen, sondern auch grundsätzlich über die Grenzen von Hypothesentests nachdenken. Denn mit klassischen Nullhypothesentests lässt sich Gleichheit eben nicht nachweisen.
Das führt ganz grundsätzlich zur Frage, ob sich Evidenz auch anders quantifizieren lässt. Während die frequentistische Statistik darauf zielt, langfristig den Anteil falscher Schlussfolgerungen zu kontrollieren (performance philosophy of statistics), wird in der bayesianischen Statistik Unsicherheit direkt in Form von Wahrscheinlichkeiten für Hypothesen oder Parameterwerte ausgedrückt (probabilistic philosophy of statistics). So kann man beispielsweise mit einem mit Bayes-Faktor auch Evidenz für die Nullhypothese quantifizieren.
Wochenfragen
3.1 Wählen Sie ein Konfidenzintervall aus ihrer Studie aus und beschreiben Sie es in eigenen Worten.
3.2 Wie viele p-Werte werden in Ihrer Studie gezeigt? Wie werden diese von den Autor:innen interpretiert? Wie werden statistisch nicht signifikante Ergebnisse interpretiert?
3.3 Suchen Sie ein statistisch signifikantes Ergebnis in Ihrer Studie und entscheiden Sie: Haben die Autor:innen glaubhaft gezeigt, dass ein statistisch signifikanter Effekt vorliegt? Denken Sie, dieser Effekt ist auch im alltagssprachlichen Sinne “signifikant“?
3.4 Konzentrieren Sie sich nur auf nicht signifikante p-Werte in Ihrer Studie. Werden nicht signifikante Ergebnisse diskutiert - wenn ja wie? Werden nicht signifikante Ergebnisse berichtet - wenn ja wie und wo? Überzeugt Sie das? Was hätten Sie anders gemacht?
4.1 Welche Effektstärke Masse wird in ihrer Studie verwendet. Beschreiben Sie in 1-2 Sätzen wie diese Effektstärke zu interpretieren ist. Falls nicht, was ist die Argumentation der Autor:innen? Was ist ihre Meinung dazu?
4.2 Setzten die Autor:innen Ihres Papers die Effektstärken in einen grösseren Zusammenhang, bzw. interpretieren die Relevanz der Effektstärke. Sind Sie damit einverstanden? Falls nein, wieso nicht?
Übungen
Betrachten Sie die Abbildung 4 in Wagenmakers et al. Warum sind die Konfidenzintervalle unterschiedlich breit? Wofür steht die gestrichelte vertikale Linie? Was bedeutet es, wenn der Punktschätzer links bzw. rechts der Linie liegt? Was bedeutet es, wenn das Konfidenzintervall die Linie kreuzt? Betrachten Sie das Konfidenzintervall der Originalstudie. Was schliessen Sie daraus in Bezug auf die Interpretation des Ergebnisses der Originalstudie?
Betrachten Sie die Abbildung 3 in Strohmaier et al. Formulieren Sie die Bedeutung des Konfidenzintervalls für den Gesamteffekt in eigenen Worten.
In Strohmaier et al.: Wie interpretieren Sie die p-Werte in Tabelle 1?
In Komischke et al.: Wie interpretieren Sie die p-Werte im letzten Satz des Abschnitts “Participant Characteristics”?
In Tabelle 3 in Strohmaier et al.: Welche Effekte sind statistisch signifikant? Welche sind Ihrer Meinung nach auch signifikant im alltagssprachlichen Sinn?
In Komischke et al.: Lesen Sie den Abschnitt “Clicincally Relevant Response” und setzen Sie ihn in Bezug zum Hauptergebnis der Studie. Welche zusätzlichen Informationen erhalten Sie aus diesem Abschnitt und wie relevant finden Sie diese?
Ergänzende Lektüre
Amrhein, Valentin, Sander Greenland, und Blake McShane. 2019. „Scientists rise up against statistical significance“. Nature (Amrhein u. a. 2019)
Wasserstein, Ronald L., und Nicole A. Lazar. 2016. „The ASA Statement on p-Values: Context, Process, and Purpose“. The American Statistician (Wasserstein und Lazar 2016)
Power und Stichprobengrösse
In diesem Themenblock geht es um die Frage, wann ein empirischer Test tatsächlich aussagekräftig ist.
Power ist in erster Linie ein Hilfsmittel für die Planung von Studien. Wenn jedoch ein erwarteter Effekt nicht nachgewiesen werden konnte, wird sie auch für die Interpretation relevant. Was schliesst man dann aus dem Ergebnis: dass tatsächlich kein Effekt vorhanden war oder dass die Studie einfach nicht gut genug darauf ausgelegt war, in zu entdecken?
Konkret setzen wir uns mit folgenden Themen auseinander:
Die Power ist die Wahrscheinlichkeit, einen vorhandenen Effekt zu entdecken. Mit Hilfe der Stichprobengrössenberechnung wird die Anzahl Messwerte so festgelegt, dass die Studie über eine ausreichende Power verfügt. Dabei spielen vor allem vier Grössen eine Rolle: der erwartete Effekt, die Streuung, das Signifikanzniveau und die gewünschte Power. Weil man den erwarteten Effekt und dessen Streuung meistens nicht kennt (sonst müsste man die Studie ja nicht machen), kommen hier verschiedene Hilfsmittel zum Zug: Pilotstudien, die “minimal clinically important difference” oder auch Effektstärken. Neben geschlossenen Formeln gibt es für Stichprobengrössenberechnungen auch simulationsbasierte Ansätze, bei denen unter vorgegebenen Bedingungen wiederholt Daten simuliert werden, um abzuschätzen, wie oft eine geplante Analyse einen wahren Effekt erkennen würde. Obwohl Power und Stichprobengrösse vor Beginn einer Studie festgelegt werden, stolpert man beim Lesen immer wieder über sogenannte Post-hoc-Poweranalysen - also den Versuch, nachträglich aus den Daten noch einmal etwas über die Teststärke zu erfahren. Deshalb diskutieren wir zum Abschluss dieses Themenblocks über Zombie Hypothesen und “severe testing”, das heisst die Frage, ob eine Behauptung so geprüft wurde, dass sie tatsächlich mit hoher Wahrscheinlichkeit verworfen würde, falls sie falsch wäre.
Wochenfragen
5.1 Auf welches Outcome wurde Ihre Studie gepowert und welche Power wurde verwendet?
5.2 Wie wurde die Stichprobengrösse ermittelt (z.B. über eine Effektstärke, mit Simulationen etc.)? Werden Annahmen erwähnt, die in die Schätzung der Stichprobengrösse einbezogen wurden?
6.1 Wie wurde das in Ihrer Studie beschriebene Experiment gestoppt? Gibt es Informationen dazu, welche Stichprobengrösse geplant war und ob diese erreicht wurde?
6.2 Wurden in Ihrer Studie Post-hoc-Power-Analysen durchgeführt, und falls ja, was haben diese ergeben?
Übungen
Wo im empirischen Zyklus würden Sie die Studien von Strohmaier et al., Komischke et al. und Wagenmakers et al. verorten?
Zu Komischke et al.: In dieser Studie wurde die gewünschte Power nicht erreicht (siehe Abschnitt 1 in “Statistical Methods” und Abschnitt 1 in “Participant Characteristics”). Welche Konsequenzen hat das für die Interpretation der Resultate? Überlegen Sie zuerst allgemein und dann spezifisch im Kontext von non-inferiority.
Zu Strohmaier et al.: Die Stichprobengrösse für die Primär- und die Sekundäranalyse unterscheidet sich stark (siehe Abschnitt “Participants”). Was schliessen Sie daraus für die Interpretation der Ergebnisse?
Ergänzende Lektüre
Senn, Stephen. 2021. „Determining the Sample Size“. In Statistical Issues in Drug Development. (Senn 2021)
Multiples Testen und Sensitivitätsanalysen
In diesem Themenblock geht es um die vielen Entscheidungen, die bei der Datenerhebung und Datenanalyse getroffen werden müssen.
Zu einer Forschungsfrage gibt es meistens nicht nur einen möglichen Vergleich, einen idealen Endpunkt oder genau eine offensichtlich beste Analysemethode. Aus zunächst wenigen methodischen Entscheidungen können sich im Verlauf einer Analyse immer mehr mögliche Wege ergeben. Es entsteht ein “garden of forking paths”. Beim Lesen von Studien ist es nicht immer einfach, nachzuvollziehen wie sich die Autor:innen einer Publikation in diesem Garten bewegt haben. Wurden mehrere Auswertungen gemacht und dann diejenigen, die den eigenen Interessen entsprachen, besonders hervorgehoben? Oder wurde a priori ein Weg gewählt und dann mit Sensitivitätsanalysen zusätzlich geprüft, wie die Ergebnisse ausgefallen wären, wenn man anders entschieden hätte? In beiden Fällen liegen mehrere Tests vor - deren Interpretation unterscheidet sich jedoch stark.
Multiples Testen ist ein Problem, weil mit jedem zusätzlichen Test die Wahrscheinlichkeit eines falsch-positiven Resultats steigt. Das tritt nicht nur an offensichtlichen Stellen auf, sondern zum Beispiel auch bei Subgruppenanalysen oder beim sequenziellen Testen. Mögliche Korrekturmethoden sind etwa die Bonferroni-Holm-Prozedur oder – je nach Anwendungsfall – auch Gatekeeping.
Sensitivitätsanalysen sollen zeigen, wie stark die Ergebnisse einer Studie von einzelnen Analyseentscheidungen abhängen. So lässt sich zum Beispiel prüfen, ob eine Studie zu einem anderen Ergebnis gekommen wäre, wenn mit fehlenden Werten anders umgegangen worden wäre. Im Idealfall stärkt eine solche Sensitivitätsanalyse die Schlussfolgerung.
Beim Umgang mit der Tatsache, dass es in Studien und ihrer Auswertung oft viele mögliche Wege gibt, hilft eine klare Unterscheidung zwischen primären und sekundären Endpunkten. Studien können durchaus mehreres gleichzeitig tun: eine vorab definierte Hauptfrage prüfen und daneben weitere Muster in den Daten explorieren. Für den primären Endpunkt sind konfirmatorische Aussagen möglich. Sekundäre Endpunkte haben einen anderen Status. Hier werden p-Werte eher als Hinweise auf mögliche Effekte gelesen, die – zusammen mit den geschätzten Effektgrössen – zur Entwicklung neuer Hypothesen beitragen können. Entscheidend ist, dass diese zwei Ebenen in der Beschreibung der Ergebnisse klar auseinandergehalten werden.
Estimanden können in diesem Zusammenhang als eine Art präregistrierte Sensitivitätsanalyse gesehen werden. Ein Estimand ist eine detaillierte Beschreibung des Behandlungseffekts, der von Interesse ist und quantifiziert werden soll. Dazu gehören Treatment, Population, Variable, Population-level-Summary und die Handhabung von intercurrent events. Idealerweise stützen mehrere Estimanden dieselbe inhaltliche Schlossfolgerung und zeigen so auf, dass das Ergebnis einer Studie nicht wesentlich von den Analyseentscheidungen abhing. So gesehen sind Estimanden der ideale Begleiter auf einem Spaziergang durch den garden of forking paths.
Wochenfragen
7.1 Für die Frage 3.2 haben Sie die p-Werte in Ihrer Studie gezählt. Prüfen Sie nun, ob in Ihrer Publikation für multiples Testen korrigiert wurde. Ändert diese Information etwas an Ihrer Einstellung zur Interpretation der Ergebnisse durch die Autor:innen?
7.2 Werden in Ihrer Studie Subgruppenanalysen durchgeführt? Wenn nicht, gäbe es Analysen, die Sie ev. informativ fänden?
7.3 Gibt es in Ihrer Studie Sensitivitätsanalysen und wenn ja, welche?
7.4 Welche Ergebnisse Ihrer Studie wären besonders anfällig für Änderungen (z.B. in den Annahmen, den Daten etc.)? Für welche dieser Ergebnisse wäre eine Sensitivitätsanalyse aufschlussreich?
Übungen
Zu Strohmaier et al.: Nehmen Sie Stellung zur Diskussion der Bonferroni Korrektur (Diskussion, Abschnitt 4).
Zu Strohmaier et al.: In den Abschnitten “Data Analysis” und “Outcomes” werden mehrere Sensitivitätsanalysen genannt. Welche und was haben diese ergeben?
In Komischke et al.: Welche Sensitivitätsanalysen wurden durchgeführt und was haben diese ergeben? Welche Sensitivitätsanalysen hätten Sie zusätzlich aufschlussreich gefunden?
In Komischke et al.: Vergleichen Sie die Ergebnisse der intention-to-treat und in der per-protocol Analyse und formulieren Sie dazu eine Interpretation in eigenen Worten.
Formulieren Sie eine Beschreibung der ersten vier Attribute eines Estimanden am Beispiel der in Wagenmakers et al. replizierten Studie. Beschreiben Sie anschliessend einen zweiten Estimanden, den Sie mit dem oben formulierten Estimanden vergleichen könnten.
Ergänzende Lektüre
- Thabane, Lehana, Lawrence Mbuagbaw, Shiyuan Zhang, u. a. 2013. „A tutorial on sensitivity analyses in clinical trials: the what, why, when and how“. BMC Medical Research Methodology (Thabane u. a. 2013)
Vertiefendes Thema
Hier nehmen wir uns Zeit, ein Thema aus dem Seminar weiterzuverfolgen oder ein neues Thema aufzugreifen, das von den Seminarteilnehmenden eingebracht wird. Themen aus vergangen Semestern waren zum Beispiel:
- Modellevaluation
- Strukturgleichungsmodelle
- Netzwerkanalysen
- Kausale Inferenz