Eine wesentliche Einschränkung der quantitativen Forschung im Bereich der Paartherapie besteht darin, dass sie fast ausschließlich auf der individuellen Analyseebene durchgeführt wurde. Die individuelle Ebene bezieht sich auf Veränderungen im selbst wahrgenommenen intrapsychischen oder interpsychischen Funktionieren, die analysiert werden, ohne die wechselseitige Natur von Beziehungen zu berücksichtigen (Kenny et al., 2020). Für Forschende und Praktizierende der Paartherapie sind Reziprozitätseffekte auf der dyadischen Ebene (z. B. eine höhere Beziehungszufriedenheit) oder auf der familiären Ebene (z. B. ein verbessertes Familienfunktionieren; Gurman & Kniskern, 1978) von besonderem Interesse. Ein Ansatz, der ausschließlich die individuelle Ebene betrachtet, blendet wechselseitige Effekte aus (d. h. wie sich die Verhaltensweisen der Mitglieder einer Dyade gegenseitig beeinflussen) und stellt damit eine Einschränkung dar, weil er nur zeigt, wie sich eine einzelne antwortende Person von einem Messzeitpunkt zum nächsten verändert. Obwohl diese Einschränkung in der Paartherapieforschung bekannt ist, wird ihr entweder durch einen unzureichenden Umgang mit quantitativen Daten begegnet oder solche Methoden werden ganz gemieden (Ochs et al., 2020). Beispiele für Ersteres sind die Mittelung der Outcome-Werte der Dyadenmitglieder oder getrennte Analysen für Ehemänner und Ehefrauen. In beiden Fällen wird die Interdependenz zwischen den Werten (d. h. die verschachtelte Datenstruktur) nicht berücksichtigt, und damit fällt das eigentlich interessierende Phänomen, nämlich die wechselseitige Natur von Beziehungen, als Forschungsgegenstand weg (Kenny et al., 2020).

In diesem Artikel möchten wir eine Alternative zur Datenanalyse auf individueller Ebene vorstellen. Dazu untersuchen wir die Zusammenhänge zwischen therapeutischer Allianz (d. h. der emotionalen Bindung zwischen Therapierenden und Klientel sowie ihrer Übereinstimmung über die Aufgaben und das Ziel der Therapie; Bordin, 1979) und Zufriedenheit in der Paarbeziehung. Zwar hat sich eine umfangreiche Literatur diesem Thema gewidmet und gezeigt, dass die Stärke der Allianz zwischen Therapierenden und Klientel das Behandlungsergebnis vorhersagt (Del Re et al., 2021; Flückiger et al., 2018; Friedlander et al., 2018), doch unser Studienziel ist es, diese Befunde weiter zu differenzieren, indem wir zeigen, wie die dyadische Analyse (Kenny et al., 2020) eingesetzt werden kann, um wechselseitige Effekte im Zeitverlauf zu erkennen.

Dyadische Analysen (Kenny et al., 2020) sind eine methodische Anpassung bereits bestehender statistischer Ansätze wie gemischter Modelle (MM; Curran & Bauer, 2011) oder Strukturgleichungsmodelle (SEM; Weston & Gore, 2006). Wie der Name der unter dem Begriff dyadische Analyse zusammengefassten Methoden andeutet, verlagert sie die Analyseebene vom Individuum auf die Dyade. Dyadische Analysen lassen sich auf Daten anwenden, die zu einem oder mehreren Zeitpunkten erhoben wurden, um eine vermutete Kovariation zwischen den Mitgliedern der Dyade zu untersuchen. Der Einsatz dyadischer Analysen als Instrument zur Auswertung von Längsschnittdaten ist von großem Interesse. Solche Längsschnittstudien können Moderatoren und Mediatoren (d. h. Prozesse) von Behandlungsergebnissen im Zeitverlauf identifizieren (Kazdin, 2007). Da das routinemäßige Outcome-Monitoring (ROM; Tilden & Wampold, 2017) in vielen Kliniken zur Standardpraxis wird, ist die Menge häufig erhobener Daten stark gestiegen. Solche Daten lassen sich in längsschnittlichen Forschungsdesigns nutzen, um besser zu verstehen, wie sich Systeme im Laufe der Zeit verändern. In der vorliegenden Studie untersuchen wir, wie sich wechselseitige Effekte im Zeitverlauf entwickeln, und haben uns daher entschieden, die verschachtelte Natur dyadischer Daten im Rahmen des Akteur-Partner-Interdependenzmodells (APIM; Cook & Kenny, 2005) zu konzeptualisieren. Im APIM werden wechselseitige Effekte als Akteur-Partner-Effekte bezeichnet (Cook & Kenny, 2005). Abbildung 1 zeigt eine visuelle Darstellung des APIM. Geht man dagegen davon aus, dass Veränderung deterministisch verläuft, kann ein dyadisches Wachstumskurvenmodell geeignet sein. Für eine ausführliche Diskussion darüber, wie das am besten passende Modell für längsschnittliche dyadische Datensätze ausgewählt wird, verweisen wir auf Kenny et al. (2020).

Im Gegensatz zur zentralen Annahme linearer quantitativer Methoden – dass Beobachtungen (d. h. Daten) voneinander unabhängig sind (Kenny et al., 2020) – lautet die grundlegende Annahme des APIM, dass die Daten nicht unabhängig sind. Nichtunabhängigkeit bedeutet, dass Personen, die sich in derselben Situation befinden, etwa ein Paar, das gemeinsam eine Therapie besucht, voneinander abhängige Outcome-Werte haben. Ihr Verhalten während der Therapie (z. B. ihre Allianz mit der paartherapeutischen Fachkraft) kann daher nicht nur ihr eigenes Ergebnis (z. B. die Beziehungszufriedenheit) vorhersagen, sondern auch das Ergebnis des jeweils anderen Teils des Paares. Die dyadische Analyse ermöglicht es, solche angenommenen wechselseitigen Effekte zu prüfen, also einen Test auf Nichtunabhängigkeit.

Nichtunabhängigkeit kann unterschiedliche Ursachen haben, etwa Kompositionseffekte (z. B. ähnliche Persönlichkeit; Klohnen & Luo, 2003), ein gemeinsames Schicksal (z. B. geteilte Kontextfaktoren; Ledermann et al., 2010) und Akteur-Partner-Effekte (z. B. die Wirkung der Depression des Ehemanns auf die Ehezufriedenheit der Ehefrau; Kenny, 1996; Kenny et al., 2020). Kompositionseffekte sind für die Paartherapieforschung nicht von besonderem Interesse, da sie wahrscheinlich wenig veränderbare Merkmale abbilden und daher kaum beeinflussen, wie sich solche Systeme im Verlauf der Therapie verändern (Kenny, 1996). Im Folgenden behandeln wir ausschließlich Akteur-Partner-Effekte als Quelle von Nichtunabhängigkeit innerhalb des APIM. Für eine ausführliche Diskussion darüber, wann statt des APIM das Common-Fate-Modell zu wählen ist, verweisen wir auf Galovan et al. (2017).

Wie sich aus mehreren Metaanalysen der Paartherapieforschung ableiten lässt (Rathgeber et al., 2019; Roddy et al., 2020; Shadish & Baldwin, 2003; Shadish & Baldwin, 2005), verwendete die große Mehrheit der Studien Forschungsdesigns, die die Untersuchung wechselseitiger Effekte vernachlässigten. Bestenfalls zeigen solche Studien, wie sich Einzelpersonen von einem Zeitpunkt zum anderen (meist nur zwischen zwei Zeitpunkten) verändern, entsprechend dem nomothetischen Ansatz (d. h. mit dem Ziel, allgemeine Vorhersagen über die Population zu treffen; Beltz et al., 2016). Sie zeigen nicht, wie sich Dyaden im Zeitverlauf verändern, und sind daher über die Veranschaulichung der allgemeinen Wirksamkeit von Behandlungen hinaus nur von begrenztem Interesse. Zwar wächst die Zahl der Studien, die wechselseitige Effekte mit dyadischen Analysen untersuchen, doch die meisten stammen aus der Sozialpsychologie sowie der Familien- und Entwicklungsforschung (Kenny et al., 2020). Obwohl die Vorteile dyadischer Analysen auf der Hand liegen, wurden sie in der Paartherapieforschung nach unserem Kenntnisstand bislang nur selten angewendet.

Der grundlegende Artikel von Anderson und Johnson (2010) über therapeutische Allianzen war höchstwahrscheinlich die erste wissenschaftliche Veröffentlichung, die das APIM in das Feld der Paartherapie einführte. Ein gemeinsamer Nachteil der durchgeführten Studien (z. B. Anderson & Johnson, 2010; Anderson et al., 2020; Bergeron et al., 2020) besteht darin, dass sie nur wenige Messzeitpunkte umfassen. Im Kern bedeutet dies, dass sie wechselseitige Einflüsse aufzeigen, nicht aber im Zeitverlauf. In der vorliegenden Studie möchten wir zeigen, wie dyadische Analysen in einem Längsschnittdesign eingesetzt werden können, um therapeutische Allianzen und Beziehungszufriedenheit als im Behandlungsverlauf häufig gemessene Zielgrößen zu untersuchen. Wir untersuchen also, wie sich die Mitglieder von Dyaden gegenseitig beeinflussten, während sie gemeinsam an einer intensiven stationären Paartherapie teilnahmen. Die hohe Zahl der Messzeitpunkte und die Gegenüberstellung von Outcome-Variable und Prozessvariable sollten es ermöglichen, den Zusammenhang zwischen Allianzen und Beziehungszufriedenheit genauer zu untersuchen. Das Ziel dieser Studie ist daher ein doppeltes: Sie greift das Anliegen der Pionierarbeit von Anderson und Johnson (2010) auf und erweitert deren Forschungsfragen. Erstens wollen wir die Leserschaft mit dyadischen Analysen vertraut machen und zeigen, wie diese mithilfe von MM angewendet und im Rahmen des APIM konzeptualisiert werden können, um Prozesse und Ergebnisse in der Paartherapie zu untersuchen. MM wurden gewählt, weil sie als der flexibelste Ansatz zur Schätzung des APIM gelten (Kenny et al., 2020). Zweitens wollen wir das Wissen darüber erweitern, wie Allianzen zwischen Therapierenden und Klientel im Kontext stationärer Paartherapie im Zeitverlauf mit der Beziehungszufriedenheit zusammenhängen. Im Sinne dieses zweiten Ziels untersuchen wir die folgenden Forschungsfragen:

• Sagt die Allianz einer Person mit der therapeutischen Fachkraft ihre eigene Zufriedenheit in der Paarbeziehung im Zeitverlauf vorher? (Akteureffekt).
• Sagt die Allianz einer Person mit der therapeutischen Fachkraft die Zufriedenheit des anderen Teils des Paares in der Paarbeziehung im Zeitverlauf vorher? (Partnereffekt).
• Sagt die Zufriedenheit einer Person in der Paarbeziehung ihre eigene Allianz mit der therapeutischen Fachkraft im Zeitverlauf vorher? (Akteureffekt).
• Sagt die Zufriedenheit einer Person in der Paarbeziehung die Allianz des anderen Teils des Paares mit der therapeutischen Fachkraft im Zeitverlauf vorher? (Partnereffekt).
• Werden Akteur- und Partnereffekte durch das Geschlecht beeinflusst? (Geschlechtsspezifisch).

METHODEN

Ethische Genehmigung

Die Verfassenden dieses Artikels beantragten eine ethische Genehmigung für diese Studie. Die Genehmigung wurde anschließend von der regionalen Ethikkommission erteilt (REFNUM 2018/148).

Behandlung

Es handelt sich um eine naturalistische Studie zur Paartherapie in einer stationären Klinik des öffentlichen norwegischen Gesundheitssystems, der Familieneinheit (FU) des Modum Bad Psychiatric Center in Vikersund, Norwegen. Dank der öffentlichen Krankenversicherung ist die Behandlung kostenlos. Die Paare blieben etwa 6–12 Wochen in der FU. Sie wurden von ihrer Hausarztpraxis an die FU überwiesen, häufig in Zusammenarbeit mit den örtlichen psychiatrischen Versorgungsdiensten. Zwar begleiten auch Kinder im Alter von 1 bis 16 Jahren ihre Eltern während des Klinikaufenthalts, sie sind jedoch nicht aktiv an der Therapie beteiligt und werden daher nicht weiter behandelt. Voraussetzung für die Aufnahme war, dass bei mindestens einem Teil des Paares eine psychische Störung nach der Internationalen Klassifikation der Krankheiten, 10. Revision (ICD-10; World Health Organization, 1992), diagnostiziert worden war und dass gleichzeitig eine Belastung der Beziehung vorlag (z. B. massive verbale Gewalt, Probleme mit Intimität, Belastung durch die Elternschaft oder außereheliche Beziehungen). Alle, die eine Aufnahme in die FU beantragten, wurden vom Personal zu ihrer psychiatrischen und partnerschaftlichen Vorgeschichte befragt, um zu beurteilen, ob das Behandlungsprogramm für sie geeignet war. Bevor eine Aufnahme in die FU in Betracht gezogen wurde, wurde geprüft, ob die vorherige Behandlung durch die örtliche psychiatrische Versorgung erfolglos geblieben war. Alle Aufnahmen in die FU waren geplant. Akut suizidale oder psychotische Personen sowie Personen mit aktuellem Substanzmissbrauch wurden nicht in die FU aufgenommen, ebenso wenig Paare mit anhaltender körperlicher Gewalt untereinander.

Die FU verfügt über insgesamt 12 therapeutische Fachkräfte (davon 66,67 % Frauen, mit einem Durchschnittsalter von 44,58 Jahren und einer durchschnittlichen Aus- und Weiterbildungsdauer von 7,16 Jahren als Fachkräfte der psychischen Gesundheitsversorgung), die jeweils die neun gleichzeitig aufgenommenen Paare betreuen. Alle Paare wurden von mindestens zwei therapeutischen Fachkräften behandelt (aus der klinischen Psychologie, Psychiatrie oder Familientherapie, jeweils zusammen mit einer Fachpflegekraft und/oder einer familientherapeutischen Fachkraft). Alle Behandelten wurden bei der Aufnahme ärztlich untersucht. Die Paartherapie, wie sie in dieser Einheit praktiziert wird, ist als integraler Bestandteil eines umfassenden Behandlungsprogramms zu verstehen und umfasst daher eine größere Vielfalt an Behandlungskomponenten als in der üblichen ambulanten Paartherapie. Zu diesen Komponenten gehören zweimal wöchentlich Paartherapiesitzungen (z. B. emotionsfokussiert, psychodynamisch und kollaborativ), eine wöchentliche Kunsttherapiesitzung, eine wöchentliche Psychoedukationssitzung und zweimal wöchentlich Sporteinheiten. Das Behandlungsprogramm der FU richtet sich zwar auf die Paarbeziehung, folgt aber keinem bestimmten Therapiemodell, sondern lässt sich am besten als Integration systemischer und individueller Perspektiven verstehen. Die eingesetzten Interventionsstrategien stammten daher aus Modellen der Einzel-, Paar- und Familientherapie. Für eine ausführliche Beschreibung des Behandlungsprogramms verweisen wir auf Tilden (2008). Alle therapeutischen Fachkräfte nahmen an einer zweiwöchentlichen Intervision mit externer Supervision sowie an einer wöchentlichen internen Supervision teil, die die Informationen aus dem strukturierten Feedback der Behandelten nutzte. Da das Projekt naturalistisch und plural angelegt war, kamen nicht manualisierte therapeutische Ansätze zum Einsatz; die Treue zu einem bestimmten Paartherapiemodell wurde daher nicht überprüft.

Teilnehmende

Alle Personen, die zwischen Januar 2018 und April 2021 in der FU stationär behandelt wurden, kamen für die Aufnahme in die Studie infrage. Von den 196 zur Teilnahme eingeladenen Personen gaben 169 ihre informierte Einwilligung. Weitere 23 wurden ausgeschlossen, weil sie die Einschlusskriterien nicht erfüllten, entweder weil sie nicht zusammen mit ihrer Partnerin bzw. ihrem Partner aufgenommen waren oder weil sie nicht in einer heterosexuellen Beziehung lebten. Die vorliegende Stichprobe umfasste somit 146 Personen, die 73 heterosexuelle Paare bildeten. Das Durchschnittsalter betrug 40,99 Jahre (SD 7.56, Spannweite 24–61). Insgesamt hatten 74,7 % der Teilnehmenden vor oder während des Klinikaufenthalts eine psychiatrische Diagnose erhalten; 23,7 % erfüllten die Kriterien für zwei Diagnosen, 4,8 % die Kriterien für drei Diagnosen. Die häufigsten Diagnosekategorien waren affektive Störungen (34,2 %) und Anpassungsstörungen (33,5 %) einschließlich der posttraumatischen Belastungsstörung (PTBS). Ein signifikant höherer Anteil der Frauen (83,5 %) als der Männer (65,7 %, χ ², p = 0.014) hatte eine solche Diagnose.

Von den 146 Teilnehmenden hatten 82,1 % (n = 120) einen Fragebogen zur Medikamenteneinnahme während der Behandlung ausgefüllt. Von diesen gaben 34,9 % an, bei der Aufnahme Medikamente einzunehmen (18,3 % Antidepressiva, 8,3 % Analgetika, 5% Anxiolytika und 3,3 % Hypnotika). Weitere 12,5 % gaben an, ein zweites Medikament einzunehmen (7,5 % Hypnotika, 3,3 % Anxiolytika und 1,7 % Analgetika), während 5,8 % zum Zeitpunkt der Aufnahme drei oder mehr Medikamente einnahmen (3,3 % Hypnotika und 2,5 % Analgetika). Am Ende der Behandlung gaben 32,5 % an, ein Medikament einzunehmen. Die Einnahme eines zweiten Medikaments war auf 9,2 % zurückgegangen, die Einnahme von drei oder mehr Medikamenten auf 5%. Diese Rückgänge von vor zu nach der Behandlung, sowohl bei der Medikamenteneinnahme insgesamt als auch bei der Einnahme eines zweiten Medikaments (von 34,9 % auf 32,5 % bzw. von 12,5 % auf 9,2 %), waren jedoch nicht signifikant (χ ² 0.15, p = 0.69 bzw. χ ² 0.67, p = 0.41).

Von den Teilnehmenden, die den Fragebogen zur Medikamenteneinnahme ausgefüllt hatten (n = 120), berichteten 18,3 % in der Therapie, in der Kindheit sexuellen Missbrauch erlebt zu haben, 19,7 % waren in der Kindheit körperlicher Misshandlung ausgesetzt gewesen, und weitere 48,3 % berichteten von anderen traumatischen Ereignissen in der Kindheit. Mehr als die Hälfte (54,6 %) der Antwortenden hatte in der Kindheit wiederholte Traumatisierungen erlebt. In 41,6 % der durch diese Antwortenden vertretenen Haushalte (n = 60) gab es ein erwachsenes Familienmitglied (d. h. ein Elternteil oder den anderen Teil des Paares), das in der Kindheit wiederholt traumatischen Ereignissen ausgesetzt gewesen war. Bei wiederholten traumatischen Ereignissen im Erwachsenenalter liegt der Anteil der betroffenen Haushalte bei 36,6 %. Ein Teil der Teilnehmenden aus diesen 82,1 % hatte zudem offen über eine Vorgeschichte von Abhängigkeit (15,8 %) und/oder Selbstverletzung (14,2 %) und/oder Suizidversuchen (7,5 %) berichtet.

Ablauf

Die systematische Erhebung häufiger Messungen und deren Nutzung als Feedback in Therapiesitzungen, in der Supervision und als Forschungsdaten ist in der FU seit Langem gängige Praxis. Während des Klinikaufenthalts wurde jede Woche gemessen. Alle Fragebögen waren Selbstauskunftsinstrumente und wurden online ausgefüllt.

Wöchentliche Messinstrumente

Die Revised Dyadic Adjustment Scale (RDAS; Busby et al., 1995) ist ein weit verbreiteter Fragebogen mit 14 Items, der ein globales Maß für den von jedem Teil des Paares eingeschätzten Konsens, die Zufriedenheit und die Kohäsion gegenüber dem anderen liefert. Der Wertebereich liegt zwischen 0 und 69, wobei höhere Werte eine bessere Anpassung anzeigen; der Cut-off-Wert liegt bei 48. Die RDAS weist akzeptable psychometrische Eigenschaften auf (Busby et al., 1995). Cronbachs Alpha betrug bei der Aufnahme 0.81 und am Ende der Behandlung 0.85.

Das Working Alliance Inventory (WAI; Horvath & Greenberg, 1989) ist ein weit verbreiteter Fragebogen zur Erfassung der therapeutischen Allianz zwischen Therapierenden und Klientel. Sieben Items des WAI (zwei zum Ziel, zwei zur Aufgabe und drei zur Bindung) wurden in die Fragebogenbatterie aufgenommen, die die Teilnehmenden wöchentlich ausfüllten. Studien zu Kurzversionen des WAI haben gute psychometrische Eigenschaften gezeigt (Hatcher & Gillaspy, 2006; Munder et al., 2010). Höhere WAI-Werte stehen für eine stärkere Arbeitsallianz. Cronbachs Alpha betrug bei der Aufnahme 0.88 und am Ende der Behandlung 0.90.

Statistische Analysen

Der Datensatz umfasst häufige Messungen vom Beginn bis zum Ende der Behandlung und wurde als Zwei-Ebenen-Struktur (wöchentliche Beobachtungen der Teilnehmenden, verschachtelt in ihren jeweiligen Dyaden) mit längsschnittlichen MM ausgewertet (Curran & Bauer, 2011). Mit bis zu 12 Messwellen erfüllt der Datensatz die von Singer et al. (2003) vorgeschlagenen Voraussetzungen für die Anwendung von MM. Um eine dyadische Datenanalyse durchführen zu können, mussten die Daten, wie von Kenny et al. (2020) empfohlen, in einer paarweisen Datenstruktur organisiert werden. Die paarweise Umstrukturierung ergab zugleich einen Datensatz im Langformat – eine Voraussetzung für die Analyse von Längsschnittdaten. Ein Webinar von West und Thorson (2017a) bietet eine praktische Anleitung zur Umstrukturierung vom individuellen in das paarweise Format.

Anders als herkömmliche Modelle für Messwiederholungen können MM fehlende Daten wirksam handhaben, da sie auf der Maximum-Likelihood-Schätzung (ML) beruhen. ML gilt als „State of the Art“ im Umgang mit fehlenden Daten (Schafer & Graham, 2002). ML nutzt alle verfügbaren Daten, vollständige wie unvollständige, um die Parameterwerte zu ermitteln, die mit der höchsten Wahrscheinlichkeit die Stichprobendaten hervorbringen. So wurden alle 73 an der Studie beteiligten Dyaden einbezogen, auch wenn teilweise Daten fehlten. Die Forschung zeigt, dass ML bei Längsschnittdaten der multiplen Imputation vorzuziehen ist (Shin et al., 2017).

Zur Unterscheidung der beiden Mitglieder derselben Dyade wurde eine Dummy-Variable (Geschlecht) gebildet. Der Hauptgrund dafür, das Geschlecht und nicht andere interessierende Variablen wie das Vorliegen einer psychischen Störung als Unterscheidungsvariable zu verwenden, war, dass es den größtmöglichen Stichprobenumfang erlaubte und eine Interpretation der Daten unter Geschlechterperspektive ermöglichte. Vor allem aber erlaubte die Aufnahme einer Dummy-Variable, die erklärte Varianz der geschätzten Werte jedes Dyadenmitglieds zu bestimmen und festzustellen, inwieweit diese Werte miteinander korrelierten. Der resultierende Korrelationskoeffizient ist unser Maß für Nichtunabhängigkeit (Kenny et al., 2020).

Alle Prozessvariablen wurden am Mittelwert zentriert. In unseren ersten Analysen war der WAI die Prozessvariable und die RDAS die Outcome-Variable. Anschließend wiederholten wir die Analysen mit der RDAS als Prädiktorvariable und dem WAI als Outcome-Variable. Damit sollten andere Einflussmuster untersucht werden als die in der Literatur zur Arbeitsallianz üblicherweise angenommenen (d. h. die Allianz als Prädiktor des Outcomes; Flückiger et al., 2018; Friedlander et al., 2018).

Die Zeitpunkte wurden zentriert, und es wurde eine Dummy-Variable namens obs_id gebildet, die jeder Dyade für jeden Zeitpunkt eine eindeutige Kennung zuweist. Wir verzögerten die am Mittelwert zentrierten Prozessvariablen zeitlich, um eine Cross-lagged-Regressionsanalyse zu ermöglichen, mit der geschätzt wird, wie die Werte eines Zeitpunkts die geschätzten Werte des folgenden Zeitpunkts vorhersagen. Das von uns angewandte Verfahren der zeitlichen Verzögerung ist bei West und Thorson (2017b) beschrieben. Das APIM diente als konzeptuelles Modell für die Cross-lagged-Regressionsanalyse. Die Gleichung dieses Modells lautet:

In unserer Analyse steht i für die Dyade, während die Y für die erhobene Variable jedes Dyadenmitglieds zu den Zeitpunkten t und t −1 stehen (d. h. um 1 zeitlich verzögert). Die a stehen für die Akteureffekte und die p für die Partnereffekte, während e die Fehlerterme für jedes Mitglied der Dyade bezeichnet. Der Achsenabschnitt (Intercept) jedes Dyadenmitglieds wird mit c ₁ bzw. c ₂ bezeichnet. Nach unserer Gleichung gibt es sechs Parameter (zwei Akteur-, zwei Partnerparameter und zwei Achsenabschnitte), die zwischen Dyaden variieren und miteinander kovariieren können. Die beiden Fehlerterme (einer für jedes Dyadenmitglied) sind von besonderer Bedeutung, da sie möglicherweise korrelieren. Diese Korrelation zwischen den Fehlern, r _ee, misst, inwieweit sich die beiden Mitglieder einer Dyade von einem Zeitpunkt zum nächsten ähneln oder nicht (d. h. die Erfassung der Nichtunabhängigkeit).

Den von Kenny et al. (2020) vorgeschlagenen Schritten folgend, konnten wir unsere Daten in einem Cross-lagged-Rahmen mit SPSS v. 27 analysieren. Der Ansatz von Kenny et al. (2020) zur dyadischen Cross-lagged-Regressionsanalyse empfiehlt, die Modellbildung mit einem vollständig saturierten Modell zu beginnen und das Modell zu vereinfachen, falls es nicht konvergiert. Im Modell unserer Studie wurden die Zufallseffekte entfernt. Diese Entscheidung wurde getroffen, weil die Ergebnisse mit Zufallseffekten nicht eindeutig positiv ausfielen, obwohl alle Konvergenzkriterien erfüllt waren. Dies bedeutete, dass die Validität der Ergebnisse nicht gesichert werden konnte. Bei genauerer Prüfung des Outputs wurde deutlich, dass die Zufallseffekte entweder nicht signifikant waren oder sich anderweitig als redundant erwiesen. Die Berechnung des Modells ohne Zufallseffekte verlief ohne weitere Hindernisse. Ihre Entfernung führte somit zu einem sparsameren Modell. Die verwendete Kovarianzstruktur CSH (Compound Symmetry: heterogen) erzeugt getrennte Fehlervarianzen für jedes Dyadenmitglied, was für die Bestimmung des Grades der Nichtunabhängigkeit zwischen den Werten der Mitglieder zentral ist. Außerdem setzten wir Testanweisungen (test statements) ein, die notwendig sind, um zu prüfen, ob Unterschiede zwischen den Dyadenmitgliedern signifikant waren. Die Ergebnisse dieser Testanweisungen kontrollierten somit zusätzlich für das Geschlecht und erleichterten die Interpretation der Ergebnisse (d. h. ob ein Effekt stärker ist als der andere). Für eine Schritt-für-Schritt-Anleitung zum Aufbau eines MM einschließlich Testanweisungen und zur Interpretation des Outputs verweisen wir auf ein Webinar von David Kenny (2015).

ERGEBNISSE

Deskriptive Statistik

Tabelle 1 enthält die deskriptive Statistik der einbezogenen Variablen auf individueller Messebene. Tabelle 2 enthält die Pearson-Korrelationen der einbezogenen Variablen bei Prä- und Posttest.

Test auf Nichtunabhängigkeit

Die dyadischen Analysen zeigten, dass die Fehlervarianzen der Frauen etwas höher waren als die der Männer, wenn der WAI als Kovariate betrachtet wurde (e ₁ = 67.48 bzw. e ₂ = 61.6). Nach Cohen (1992) kann die Korrelation zwischen diesen Fehlervarianzen als groß eingestuft werden (d = 0.59, p < 0.001). Mit der RDAS als Kovariate waren die Ergebnisse ähnlich, doch die Fehlervarianzen der Männer waren etwas höher als die ihrer Partnerinnen (e ₂ = 30.08 bzw. e ₁ = 24.08). Die Korrelation zwischen diesen Werten kann als mittel eingestuft werden (d = 0.34, p < 0.001). Diese Ergebnisse deuten darauf hin, dass die Werte der Dyadenmitglieder nicht voneinander unabhängig sind.

Die RDAS als Outcome-Variable mit dem WAI als Prozessvariable

Die Ergebnisse der dyadischen Analysen zeigen einen Haupteffekt des Geschlechts auf den Achsenabschnitt der RDAS (Schätzwerte 40.28, p < 0.001, und 42.73, p < 0.001, für Frauen bzw. Männer). Unsere Testanweisungen zeigen, dass der Unterschied zwischen diesen geschätzten Werten beim Achsenabschnitt signifikant war (Schätzwert 2.45, p < 0.001). Außerdem zeigte sich ein signifikanter und positiver Haupteffekt der Zeit auf die geschätzten RDAS-Werte (Schätzwert 0.31, Schätzwert p = 0.005).

Es zeigte sich ein signifikanter negativer Akteureffekt der WAI-Werte der Männer auf die RDAS-Werte von einer Woche zur nächsten (Schätzwert −0.31, p < 0.001). Darüber hinaus zeigte sich ein positiver Partnereffekt der WAI-Werte der Männer auf die RDAS-Werte der Frauen von einer Woche zur nächsten (Schätzwert 0.25, p = 0.001). Diese geschlechtsspezifischen Akteur- und Partnereffekte wurden durch die Testanweisungen zusätzlich gestützt (Schätzwert −0.34, p = 0.002, bzw. Schätzwert 0.22, p = 0.042). Auch die durchschnittlichen Akteur- und Partnereffekte unterschieden sich laut den Testanweisungen signifikant zwischen den Geschlechtern (Schätzwert −0.14, p = 0.007, bzw. Schätzwert 0.14, p = 0.007).

Der WAI als Outcome-Variable und die RDAS als Prozessvariable

Die Ergebnisse der dyadischen Analysen zeigen einen Haupteffekt des Geschlechts auf den Achsenabschnitt des WAI (Schätzwert 42.48, <0.001, und Schätzwert 41.97, p < .001, für Frauen bzw. Männer). Unsere Testanweisungen zeigen, dass der Unterschied zwischen diesen Werten beim Achsenabschnitt nicht signifikant war (p = 0.1). Es zeigte sich ein signifikanter positiver Haupteffekt der Zeit auf die geschätzten WAI-Werte (Schätzwert 0.22, p = 0.003).

Es zeigte sich ein signifikanter negativer Akteureffekt der RDAS-Werte der Frauen auf die WAI-Werte von einer Woche zur nächsten (Schätzwert −0.18, p < 0.001). Außerdem zeigte sich ein signifikanter positiver Partnereffekt der RDAS-Werte der Männer auf die WAI-Werte ihrer Partnerinnen von einer Woche zur nächsten (Schätzwert 0.15, p = 0.007). Der Geschlechtsunterschied beim Akteureffekt wurde durch die Testanweisungen zusätzlich gestützt (Schätzwert 0.16, p = 0.018), während der angenommene Geschlechtsunterschied beim Partnereffekt nicht signifikant war (p = 0.204). Die durchschnittlichen Akteur- und Partnereffekte unterschieden sich signifikant zwischen den Geschlechtern (Schätzwert −0.10, p = 0.003, bzw. 0.11, p = 0.003). Tabelle 3 gibt einen Überblick über die Ergebnisse der dyadischen Cross-lagged-Analysen.

DISKUSSION

Die vorliegende Studie verfolgte einen doppelten Zweck: zum einen darzustellen und zu veranschaulichen, wie dyadische Analyse und APIM auf Längsschnittdaten angewendet werden können, zum anderen genauer zu untersuchen, wie die Arbeitsallianzen zwischen Klientel und Therapierenden mit der Paarzufriedenheit zusammenhängen. Unsere Ergebnisse zeigen, dass die geschätzten Werte der Dyadenmitglieder nicht unabhängig voneinander waren, mit mittleren (WAI als abhängige Variable) bis großen (RDAS als abhängige Variable) Effektstärken (Cohen, 1992). Angesichts dieser Ergebnisse sollten wir folgern können, dass die Werte der Mitglieder derselben Dyade voneinander abhängig waren, was darauf hindeutet, dass die Voraussetzungen für die Interpretation von Akteur- und Partnereffekten erfüllt waren.

Wie die Ergebnisse der Analyse zeigen, verbesserten sich die Dyaden im Zeitverlauf bei beiden Maßen, der Allianz und der Paarzufriedenheit; dieser Befund stimmt mit der Literatur zur Wirksamkeit der Paartherapie überein (Barbato & D'Avanzo, 2020; Heatherington et al., 2015; Roddy et al., 2020; Shadish & Baldwin, 2003). Von größerem Interesse sind die Akteur-Partner-Effekte: Es zeigte sich eine signifikante Tendenz, dass Akteureffekte mit einem negativen Einfluss auf die abhängige Variable einhergingen, während Partnereffekte umgekehrt mit einem positiven Einfluss verbunden waren. Konkret wirkten sich die geschätzten Allianzwerte der Männer negativ auf die von ihnen angegebene Paarzufriedenheit aus, wenn diese eine Woche später erhoben wurde. Bei den Frauen bestand der signifikante Akteureffekt darin, dass sich ihre angegebene Paarzufriedenheit in der Folgewoche negativ auf ihre Allianz mit der therapeutischen Fachkraft auswirkte. Die Testanweisungen stützten einen Geschlechtsunterschied bei diesen Akteureffekten.

Interessanterweise betrafen beide signifikanten Partnereffekte die Art und Weise, wie die geschätzten Werte der Männer im WAI und in der RDAS die jeweilige abhängige Variable der Frauen (d. h. RDAS und WAI) eine Woche später positiv vorhersagten. Eine stärkere Allianz zwischen den Männern und der therapeutischen Fachkraft sagte die von den Frauen angegebene Paarzufriedenheit positiv vorher, und je zufriedener die Männer mit ihrer Paarbeziehung waren, desto stärker wurde die Allianz ihrer Partnerinnen mit der therapeutischen Fachkraft. Laut den Testanweisungen fanden sich Belege für Geschlechtsunterschiede darin, wie der WAI die RDAS vorhersagte, nicht aber umgekehrt.

Insgesamt stützen diese Ergebnisse die Literatur, die die Allianz mit dem Outcome in Verbindung bringt (Flückiger et al., 2018; Friedlander et al., 2018), differenzieren aber auch, wie wir dieses Zusammenspiel aus systemischer Perspektive verstehen können. Speziell für die Paartherapie zeigen diese Ergebnisse, dass es keinen direkten positiven Einflusspfad zwischen der Allianz des einzelnen Dyadenmitglieds mit der therapeutischen Fachkraft (d. h. dem Akteureffekt) und der wahrgenommenen Beziehungszufriedenheit des Paares gibt. Im Gegenteil, Akteureffekte scheinen sich negativ auf das Outcome auszuwirken. Es sind vielmehr die Partnereffekte, die die wahrgenommene Allianz mit der therapeutischen Fachkraft und die Zufriedenheit des Paares am stärksten positiv beeinflussten. Wie unsere Befunde zeigen: Eine Stärkung der Allianz des Mannes in der Therapie sagt einen Anstieg der Zufriedenheit seiner Partnerin in der Paarbeziehung vorher – was nahelegt, dass der Aufbau einer starken Allianz mit dem männlichen Mitglied der Dyade eine entscheidende Rolle dabei spielen kann, ein positives Ergebnis der Paartherapie zu fördern. Diese Interpretation wird durch frühere Studien gestützt (Halford et al., 2016; Symonds & Horvath, 2004). Alternativ ließen sich diese geschlechtsspezifischen Effekte möglicherweise als Ausdruck von Interaktionsmustern (z. B. Forderungs-Rückzugs- oder Verfolger-Distanzierer-Interaktionen; Betchen & Ross, 2000; Heavey et al., 1995) und/oder Bindungsstilen (Hazan & Shaver, 1987; Simpson, 1990) verstehen.

Aufgrund der Neigung der westlichen Kultur zum linearen Denken (Yama & Zakaria, 2019) mag es schwierig sein zu erklären, warum Akteureffekte mit einem negativen Einfluss, Partnereffekte dagegen mit positiven Einflüssen auf die abhängige Variable verbunden sind. Die etablierte Literatur, die die Arbeitsallianz als Prädiktor des Outcomes darstellt (Flückiger et al., 2018; Friedlander et al., 2018), macht diese Erklärung besonders schwierig. Zunächst könnte man annehmen, dass eine starke Allianz zwischen Klientel und Therapierenden, gleich von welchem Mitglied der Dyade sie erlebt wird, dieselbe Wirkung auf das Outcome hätte; wie die Ergebnisse dieser Studie nahelegen, ist dies jedoch nicht der Fall. Eine Möglichkeit, die in dieser Studie gefundenen Akteur-Partner-Effekte zu deuten, besteht darin, sie als Kontrastmuster zu betrachten. Nach Kenny et al. (2020) treten Kontrasteffekte auf, wenn sich die Reaktionen einer Person über wiederholte Interaktionen hinweg umkehren. Eine mögliche Erklärung für ein solches Muster ist, dass die Teilnehmerinnen unserer Stichprobe häufiger psychiatrische Diagnosen hatten als ihre Partner und von diesen daher zunächst als „Indexpatientin“ wahrgenommen wurden. Als die Therapie fortschritt und die Allianz des Mannes mit der therapeutischen Fachkraft an Stärke gewann, wurde das vorgebrachte Problem plausiblerweise zugleich umgedeutet: von einem Problem, das als der Einzelperson innewohnend verstanden wurde, zu einem Problem, das in Beziehungsbegriffen verstanden wurde (d. h. als ein Problem, das zwischen beiden entsteht). Man kann annehmen, dass diese Entfaltung des therapeutischen Prozesses so zu einem besseren Verständnis des eigenen Beitrags zu den Beziehungsproblemen beitrug – eine Voraussetzung dafür, sich voll auf die Therapie einzulassen. Eine solche Deutung könnte auch erklären, warum die Akteureffekte der Frauen darin bestanden, dass die gewonnene Paarzufriedenheit einen negativen Einfluss auf ihre Allianz mit der therapeutischen Fachkraft ausübte: Als sie erlebten, wie sich ihr Partner stärker auf die Therapie einließ (d. h. der Partnereffekt der Allianz der Männer sagte die Paarzufriedenheit ihrer Partnerinnen positiv vorher), hatten sie weniger unmittelbaren Bedarf an Unterstützung durch die therapeutische Fachkraft. Dies spiegelte sich in leichten, aber signifikanten Rückgängen der Allianzwerte der Frauen im Zeitverlauf wider, während sie mit ihren Partnern zufriedener wurden, also mehr Unterstützung von ihnen erfuhren. Zusammengefasst kehrte sich im Verlauf der Therapie die Einschätzung der Allianz mit der therapeutischen Fachkraft durch die Frauen um, während gleichzeitig die Paarzufriedenheit der Dyaden zunahm (was eine geringere Abhängigkeit von der therapeutischen Fachkraft und ein größeres Vertrauen in den Partner bedeutet). Auch wenn dieses sich herausbildende Verständnis von Veränderung eine noch zu prüfende Hypothese darstellt, sind wir der Ansicht, dass es mit den systemischen Annahmen der Zirkularität übereinstimmt, auf denen die Paartherapie beruht (Pinsof et al., 2018; Sprenkle et al., 2009). Indirekte Unterstützung für diese Deutung findet sich zudem bei der Betrachtung der Achsenabschnitte der Dyadenmitglieder: Sie zeigen, dass Frauen zu Beginn der Therapie unzufriedener sind (d. h. die klagende Seite), während Männer zu Beginn eine schwächere Allianz mit der therapeutischen Fachkraft haben (d. h. die sich zurückziehende Seite). Ähnliche Befunde sind auch an anderer Stelle in der Literatur zur Paartherapie dokumentiert (Friedlander et al., 2018; Jackson et al., 2014). Genauer gesagt sind Frauen zu Beginn der Therapie unzufriedener mit ihren Beziehungen und initiieren auch überproportional häufig die Paartherapie im Vergleich zu ihren männlichen Partnern (Boisvert et al., 2011; Doss et al., 2003). Zudem deuten Belege darauf hin, dass häufig Männer unter Druck stehen, an einer Therapie teilzunehmen, was die Bildung einer Allianz mit der therapeutischen Fachkraft zunächst erschweren kann (Halford et al., 2016). Neuere Forschung hat allerdings auch frühere Traumatisierungen als eine Variable benannt, die die Allianz der Männer zu Beginn der Therapie negativ beeinflusst (Anderson et al., 2020).

Insgesamt scheint die Literatur mit unserer Deutung übereinzustimmen, dass die Allianz der Männer mit der therapeutischen Fachkraft in der Paartherapie zentral für das Outcome ist. Unser sich herausbildendes Veränderungsmodell sagt die Paarzufriedenheit der Männer über die Zeit in Therapie hinaus nicht vorher. Höchstwahrscheinlich tragen weitere Faktoren dazu bei, etwa Traumata, das Funktionieren der Familie, ein Rückgang der Symptome psychischer Belastung oder eine Zunahme des Wohlbefindens, die im vorliegenden Forschungsdesign nicht berücksichtigt wurden. Selbst wenn künftige Forschung unsere Deutung nicht stützen, sondern andere Variablen als Wirkmechanismen aufzeigen sollte, deuten die in dieser Studie dargestellten Akteur-Partner-Effekte dennoch darauf hin, dass die Veränderung, die Einzelne und Paare in einer gemeinsamen Therapie durchlaufen, eng damit zusammenhängt, wie der jeweils andere Teil des Paares auf die Therapie anspricht.

Klinische Implikationen

Die Ergebnisse dieser Studie legen nahe, dass es für alle, die Paartherapie durchführen, besonders wichtig ist, sicherzustellen, dass sich der männliche Klient auf die Therapie einlässt, da dies die Beziehungszufriedenheit seiner Partnerin fördern kann. Im weiteren Therapieverlauf sollten Allianz und Outcome weiter beobachtet und das Vorgehen angepasst werden, um den Bedürfnissen der Klientel gerecht zu werden, soweit dies der Behandlung dient. Die Anwendung des routinemäßigen Outcome-Monitorings (ROM) in seinen verschiedenen Formen hat sich als wirksames Instrument erwiesen, um Therapien zu erkennen, die vom Kurs abkommen (Lambert & Shimokawa, 2011), und kann daher genutzt werden, um den Aufbau und die Aufrechterhaltung der Allianz zu beobachten. Auch wenn Selbstauskunftsfragebögen der Klientel direkten Nachfragen in der Sitzung vorzuziehen sind (Tilden & Wampold, 2017), sind wir der Ansicht, dass jedes Bemühen, die Allianz zu pflegen und zu erhalten, besser ist als Nachlässigkeit. In der Literatur finden sich Beispiele dafür, wie solches Feedback in der Sitzung mündlich eingeholt werden kann (z. B. „Gab es in dieser Sitzung ein bestimmtes Ereignis, das für Sie wichtiger war als alle anderen?“; McLeod., 2017), und wir empfehlen, diese so anzupassen, dass sie zur Paartherapie passen (z. B. zirkuläres Fragen: „Könnten Sie der anderen Person sagen, was Ihrer Meinung nach für sie das wichtigste Ereignis in dieser Sitzung war?“).

Einschränkungen

Auch wenn diese Studie erfolgreich zeigt, wie moderne statistische Methoden zur Untersuchung wechselseitiger Effekte eingesetzt werden können, hätte das vorliegende Forschungsdesign verbessert werden können. Da die Studie praxisorientiert sein sollte, wurden die bereits in der Klinik eingesetzten Messinstrumente verwendet. Die Allianz wird daher ausschließlich mit dem WAI erfasst (Horvath & Greenberg, 1989). Der WAI ist nicht für die Paartherapie konzipiert und enthält daher keine Fragen zu den verschiedenen Subsystemen des Systems aus Therapierenden und Klientel (Pinsof et al., 2008). Systemische Maße der Allianz einzusetzen und solche Daten mit dyadischen Analysen im Rahmen des APIM auszuwerten, wäre gegenüber den in der vorliegenden Studie verwendeten Messinstrumenten ein großer Vorteil.

Zudem gibt es mehrere Faktoren im Zusammenhang mit psychischen Störungen und früheren Traumatisierungen, die die Ergebnisse dieser Studie beeinflusst haben könnten. Wir erwähnen dies, weil der Großteil der Stichprobe die Kriterien für eine psychiatrische Diagnose nach ICD-10 (World Health Organization, 1992) erfüllt und mindestens die Hälfte der Stichprobe einer traumatischen Erfahrung ausgesetzt war. Aus der Literatur wissen wir, dass ein negativer Zusammenhang zwischen psychischer Belastung und Paarzufriedenheit besteht (Whisman & Baucom, 2012; Whisman et al., 2000), ebenso wie ein vermuteter Zusammenhang zwischen Trauma und Allianzbildung in der Paartherapie (Anderson et al., 2020). Wir sind daher zurückhaltend, unsere Befunde auf andere Populationen zu verallgemeinern. Wir haben nur heterosexuelle Paare einbezogen, weil das Geschlecht die naheliegende Unterscheidungsvariable war; unsere Befunde sind daher möglicherweise nicht auf Paare mit einer anderen sexuellen Orientierung übertragbar. Da es jedoch über Kulturen und Ethnien hinweg Belege für den Zusammenhang zwischen dem Auftreten psychiatrischer Symptome und Beziehungskonflikten gibt (McShall & Johnson, 2015), wäre zu erwarten, dass sich in anderen vergleichbaren Populationen Varianten des gefundenen Musters wechselseitiger Effekte (d. h. der von uns angenommenen Bedeutung, wie der andere Teil des Paares auf die Therapie anspricht) mit gemeinsamen Zügen finden.

Auch wenn wir anerkennen, dass die Besonderheit des in der FU angebotenen Behandlungsprogramms die Verallgemeinerbarkeit der Ergebnisse einschränken könnte, gehen wir davon aus, dass die gefundenen Zusammenhangsmuster zwischen Allianzen und Zufriedenheit in der Paarbeziehung in anderen Behandlungskontexten (z. B. ambulant) wahrscheinlich ähnlich wären. Studien aus anderen Kontexten zur Allianz in der Paartherapie zeigen ähnliche Ergebnisse wie unsere Studie und stützen damit diese Deutung (z. B. Anderson et al., 2020; Halford et al., 2016). Schließlich kann auch das naturalistische Design dieser Studie die Verallgemeinerbarkeit einschränken, weil mehrere indirekte Effekte nicht berücksichtigt werden (z. B.: Welche Interventionen setzte die paartherapeutische Fachkraft ein?). Auch wenn dies ein berechtigter Einwand ist, halten wir naturalistische Studien mit quantitativen Methoden, wie sie in dieser Studie vorgestellt werden, für wertvoll, da sie genau abbilden, wie sich Dyaden im Zeitverlauf verändern (Kenny et al., 2020).

SCHLUSSFOLGERUNG UND KÜNFTIGE FORSCHUNG

Die Ergebnisse dieser Studie zeigen, wie sich die Methode der dyadischen Analyse zur Untersuchung von Phänomenen wie Allianzen und ihrem Zusammenspiel mit der Paarzufriedenheit einsetzen lässt. Unsere Befunde zeigen, dass die Allianz- und Paarzufriedenheitswerte der Dyadenmitglieder stark voneinander abhängen. Darüber hinaus legt unsere Analyse nahe, dass die Einbindung des männlichen Mitglieds der Dyade in den therapeutischen Prozess, gemessen an der Arbeitsallianz, für ein erfolgreiches Therapieergebnis wesentlich zu sein scheint. Nach unserem Wissen ist dieser detaillierte Befund, auch wenn er erfahrenen Fachpersonen in der klinischen Praxis vertraut sein mag, im Feld der Paartherapieforschung neu. Unsere differenzierten Ergebnisse beruhen auf der dyadischen Analyse – einem statistischen Ansatz, der allen Forschenden offensteht, die sich für wechselseitige Effekte interessieren, etwa bei der Untersuchung von Paarbeziehungen, gemeinsamer Elternschaft, Eltern-Kind-Transaktionen oder der Arbeitsallianz zwischen Therapierenden und Klientel. Künftige Forschung, die die dyadische Analyse auf bereits gut erforschte Phänomene (z. B. therapeutische Allianzen) und auf wenig erforschte Populationen (z. B. ethnische Minderheiten, gleichgeschlechtliche Paare und Menschen mit Traumaerfahrung) anwendet, wird voraussichtlich wichtiges neues Wissen hervorbringen und dazu beitragen, das Feld der Paar- und Familientherapie voranzubringen.