Methoden

An der Studie nahmen *N* = [Anzahl] Personen teil ([Anzahl] weiblich, [Anzahl] männlich, [Anzahl] divers). Das Durchschnittsalter betrug *M* = [Wert] Jahre (*SD* = [Wert], Range: [Min]–[Max] Jahre). Die Teilnehmenden wurden über [Rekrutierungsweg] rekrutiert.

Folgende Ausschlusskriterien wurden definiert: (a) [Kriterium 1], (b) [Kriterium 2], und (c) [Kriterium 3]. Insgesamt wurden [Anzahl] Personen von der Analyse ausgeschlossen.

Eine a-priori Poweranalyse mit G*Power (Faul et al., 2007) ergab bei einer angenommenen Effektstärke von *d* = [Wert], α = .05 und einer angestrebten Power von (1 – β) = .80 eine benötigte Stichprobengröße von *N* = [Anzahl].

Die Studie wurde in Übereinstimmung mit der Deklaration von Helsinki durchgeführt und von der Ethikkommission der [Institution] genehmigt (Ethikvotum: [Nummer]). Alle Teilnehmenden gaben vor Studienbeginn ihre schriftliche Einwilligung nach erfolgter Aufklärung.

Die Erhebung und Verarbeitung der Daten erfolgte pseudonymisiert und in Übereinstimmung mit der Datenschutz-Grundverordnung (DSGVO). Die Teilnehmenden wurden über die Datenschutzbestimmungen aufgeklärt und stimmten der Datenverarbeitung zu.

Zur Erfassung von [Konstrukt] wurde der [Name des Instruments] ([Autor/en], [Jahr]) eingesetzt. Das Instrument umfasst [Anzahl] Items, die auf einer [Anzahl]-stufigen Likert-Skala von [unterer Pol] bis [oberer Pol] beantwortet werden. In der Originalversion zeigte das Instrument eine gute interne Konsistenz (α = [Wert]). In der vorliegenden Stichprobe betrug Cronbachs α = [Wert].

Zur Bildung eines Gesamtscores wurden die Items [gemittelt/summiert]. Höhere Werte indizieren [Bedeutung]. Die Skala zeigte eine [gut/ausreichende/exzellente] interne Konsistenz (α = [Wert], ω = [Wert]).

Die Datenerhebung erfolgte [online/im Labor/hybrid] im Zeitraum von [Start] bis [Ende]. Die Bearbeitungszeit betrug durchschnittlich [Anzahl] Minuten (*M* = [Wert], *SD* = [Wert]). Zunächst wurden die Teilnehmenden über [Information], anschließend [weitere Schritte].

Alle statistischen Analysen wurden mit R (Version [X.X.X]; R Core Team, 2024) durchgeführt. Folgende R-Pakete wurden verwendet: *tidyverse* (Wickham et al., 2019) für Datenaufbereitung, *psych* (Revelle, 2024) für psychometrische Analysen, und *ggplot2* (Wickham, 2016) für Visualisierungen.

Fehlende Werte wurden mittels [listwise deletion/FIML/multiple Imputation] behandelt. Insgesamt wiesen [Anzahl] Fälle ([Prozent]%) fehlende Werte auf. [Weitere Beschreibung der Methode].

Vor der Durchführung der Hauptanalysen wurden die statistischen Voraussetzungen geprüft. Die Normalverteilungsannahme wurde mittels [Shapiro-Wilk-Test/Kolmogorov-Smirnov-Test/QQ-Plots] überprüft. Die Varianzhomogenität wurde mit dem [Levene-Test/Bartlett-Test] getestet.

Für alle statistischen Tests wurde ein Signifikanzniveau von α = .05 festgelegt. Zur Kontrolle der α-Fehler-Kumulierung bei multiplen Testungen wurde eine [Bonferroni-Korrektur/Holm-Korrektur/FDR-Korrektur] angewendet.

Zur Überprüfung von Mittelwertsunterschieden zwischen [Gruppe 1] und [Gruppe 2] wurde ein [unabhängiger/gepaarter] t-Test durchgeführt. Die Effektstärke wurde mittels Cohens *d* berechnet und nach Cohen (1988) interpretiert (*d* = 0.2: klein, *d* = 0.5: mittel, *d* = 0.8: groß).

Zur Untersuchung von Gruppenunterschieden wurde eine [einfaktorielle/mehrfaktorielle] Varianzanalyse (ANOVA) berechnet. Als Effektstärkemaß wurde partielles η² berichtet. Post-hoc Paarvergleiche wurden mittels [Tukey-HSD/Bonferroni] durchgeführt.

Zusammenhänge zwischen den Variablen wurden mittels [Pearson/Spearman] Korrelationskoeffizienten untersucht. Die Interpretation der Effektstärken erfolgte nach Cohen (1988): |*r*| = .10 (klein), |*r*| = .30 (mittel), |*r*| = .50 (groß).

Zur Vorhersage von [abhängige Variable] wurde eine [einfache/multiple/hierarchische] lineare Regressionsanalyse durchgeführt. Als Prädiktoren wurden [Variable 1, Variable 2, ...] in das Modell aufgenommen. Die Modellgüte wurde anhand von R² und des adjustierten R² beurteilt.