Varianzanalyse
Die ein-/zwei-/multifaktorielle Varianzanalyse überprüft
den Einfluß einer/zweier/mehrerer p-fach gestuften, unabhängigen
Variable(n) auf die abhängige Variable.
Gibt es einen statistisch signifikanten Varianzanteil der abhängigen
Variable, der allein durch die unabhängige(n) Variable(n) erklärt
werden kann? Wenn ja -> Unterschiede in der AV kann man auf die UV(s)
zurückführen! => signifikanter Unterschied zwischen mind.
zwei Meßergebnissen!
Treatment(faktor) = Unabhängige Variable
Hypothesen einer einfaktoriellen Varianzanalyse: |
H0: m1 = m2 = ... = mp |
H1: mi =/ mi’ (nur zwei Meßergebnisse
müssen sich unterscheiden!) |
Hypothesen einer zweifaktoriellen Varianzanalyse: |
Drei voneinander unabhängige Nullhypothesen: |
H0: m1 = m2 = ... = mp (Faktor A) |
H0: m1 = m2 = ... = mq (Faktor B) |
H0: mij = mi + mj - m (keine Interaktion) |
Vorteile der einfaktoriellen Varianzanalyse gegenüber mehreren
T-Tests:
- bei 100 T-Tests führen 5 zu einer zufälligen Signifikanz
-> a-Fehler-Inflation -> Bonferoni-Korrektur -> Wahrscheinlichkeit
eines signifikanten Ergebnisses sinkt
- komplexere Vergleiche als Paarvergleiche sind möglich
Vorteile zweifaktorieller Varianzanalysen gegenüber einfaktoriellen:
- Vpn werden nicht nur nach der interessierenden UV gruppiert, sondern
zusätzlich nach Variablen, die ebenfalls einen starken Einfluß
auf die AV haben -> der Effekt dieser anderen UV wird nicht nur aus
der Fehlervarianz (Verringerung der Fehlervarianz) herausgenommen, sondern
kann auch auf seine statistische Bedeutsamkeit überprüft werden
- kann Effekte prüfen, die sich aus der Kombination mehrerer UVs
ergeben (-> Interaktionen/Wechselwirkungen)
NACHTEIL: mit steigender Anzahl von UVs -> rapider Zuwachs
der zu untersuchenden Vpn z.B. bei 4 dreifachgestuften Faktoren: 3x3x3x3=81
Gruppen; bei n=10: 810 Vpn
Voraussetzungen der (einfaktoriellen) Varianzanalyse:
- Die Fehlerkomponenten (=Abweichungen der Meßwerte vom jeweiligen
Stichprobenmittelwert) müssen in der jeweiligen Treatmentstufe/Stichprobe
normalverteilt sein.
- Die Varianzen der Fehlerkomponenten innerhalb der Treatmentstufen/Stichproben
müssen gleich sein d.h. sich nicht signifikant unterscheiden.
- Die Fehlerkomponenten müssen (innerhalb einer und zwischen mehreren
Stichproben) voneinander unabhängig sein d.h. Treatmenteffekte und
Fehlereffekte müssen additiv sein => erfüllt wenn,
die Vpn den Treatmentstufen zufällig zugewiesen wurden und die gleichen
Vpn nicht unter versch. Treatmentstufen untersucht werden.
Einzelvergleiche/Kontraste:
- ein signifikantes Ergebnis in der Varianzanalyse läßt nicht
erkennen welche einzelne Treatmentstufen sich voneinander signifikant unterscheiden
-> deshalb Einzelvergleiche
- a priori (=vorher): a -Fehler-Inflation -> a -Fehler-Korrektur oder
Bonferoni-Korrektur notwendig, außer die Einzelvergleichs-hypothesen
sind gut theoretisch begründet bzw. aufgrund von Vorversuchen aufgestellt
worden
- a posteriori (=danach/nach der Varianzanalyse): ebenfalls a-Fehler-Korrektur
notwendig
A-Posteriori-Einzelvergleich: Scheffe-Test
- für Einzelvergleiche auf dem a-Niveau der Varianzanalyse
- gegenüber Verletzungen der Voraussetzungen relativ robust
- entscheidet tendeziell konservativ zugunsten der H0
Varianzanalysen mit Meßwiederholungen:
- Vpn werden nicht einmal, sondern öfters gemessen und können
auch unter versch. Treatmentstufen gemessen werden
- erfassen Veränderungen über die Zeit z.B. in Therapieforschung,
Gedächtnisforschung eingesetzt
- wird auch angewendet, wenn Stichproben parallelisiert wurden
einfaktorielle Varianzanalyse ohne Meßwiederholung ->
Erweiterung des T-Test für unabhängige Stichproben
einfaktorielle Varianzanalyse mit Meßwiederholung -> Erweiterung
des T-Test für abhängige Stichproben
Voraussetzungen von Varianzanalysen mit Meßwiederholungen:
- Bedingungen 1+2 der Voraussetzungen der Varianzanalyse ohne Meßwiederholung
- Bedingung 3 der Voraussetzungen der Varianzanalyse ohne Meßwiederholung
verletzt, da die Messungen zwischen versch. Treatmentstufen voneinander
abhängig sind
- zusätzlich: die Varianzen in den einzelnen Treatmentstufen und
die Korrelationen zwischen den Treatmentstufen müssen homogen sein
-> ansonsten: progressive Entscheidungen d.h. Begünstigung der
H1
Kovarianzanalyse
- ermöglicht die Reduktion der Fehlervarianz, ohne daß die
Anzahl der Vpn bzw. Anzahl der Faktoren (wie in mehrfaktoriellen Varianzanalysen)
erhöht werden müßte oder die Vpn unter mehreren Faktorenstufen
beobachtet werden müssen (wie bei Meßwiederholungsplänen)
- sogenannte Kontrollvariablen (die intervallskaliert sein müssen)
müssen jedoch in der Untersuchung miterhoben werden
- dadurch ist eine „Herauspartialisierung“ von A-Priori-Unterschieden
zwischen den einzelnen Vpn möglich -> der Einfluß einer oder
mehrerer Kontrollvariablen(= Störvariablen) auf die abhängige
Variable wird neutralisiert
- Vorgehen: 1. Regressionsgleichung zwischen der AV und Kontroll-variablen,
um die Werte der AV vorherzusagen; Tatsächliche Werte - Vorhergesagte
Werte = Regressionsresiduen bzw. bereinigte Werte (,die vom Einfluß
der Kontrollvariablen frei sind.) 2. Varianzanalyse mit den bereinigten
Werten
z.B. 3 Lehrmethoden (=dreifach gestufte UV, Treatment), die auf
ihre Wirksamkeit(=AV) überprüft werden sollen, werden beispielsweise
durch die Intelligenz der Vpn (=Kontrollvariable) beeinflußt, die
miterfaßt wird und durch die Kovarianzanalyse „herauspartialisiert“
wird, so als hätten alle Vpn das gleiche Intelligenzniveau