Use LEFT and RIGHT arrow keys to navigate between flashcards;
Use UP and DOWN arrow keys to flip the card;
H to show hint;
A reads text to speech;
38 Cards in this Set
- Front
- Back
Einfaktorielle Varianzanalyse, feste Effekte: Voraussetzungen
|
- av: mind. Intervallskala, normalverteilt
- mind. 20 Elemente pro Stichprobe (Zelle) - ähnlich stark besetzte Gruppen (Zellen) - Varianzhomogenität der av |
|
Quadratsummenzerlegung: QSa, QSe
|
QSa: Varianz zw. den Zellen/ Gruppen
QSe: Varianz innerhalb der Zellen |
|
Zweifaktorielle Varianzanalyse, feste Effekte: Voraussetzungen
|
- aV: mind. Intervallskaliert, normalverteilt
- ähnlich stark belegte Zellen - Varianzhomogenität zw. Gruppen |
|
Interpretierbarkeit von Zelleneffekten:
|
nicht sehr Aussagekräftig, da keine Aussage über Ursache der Effekte
|
|
MANOVA: Quadratsummenzerlegung MQ
|
MQa=QSa/ (p-1)
MQB= QSb/ (q-1) MQa*b= QSa*b/ ((p-1)*(q-1)) MQe= QSe/ p*q(n-1) |
|
MANOVA: Quadratsummenzerlegung F- Werte
|
Fa= MQa/ MQe
Fb= MQb/ MQe Fa*b= MQa*b/ MQe |
|
Interaktionsformen
|
Linien parallel: keine Interaktion
Linien überkreuzend: keine Haupteffekte Linien parallel zur x- Achse: Haupteffekt des Faktors der x- Achse statistisch nicht bedeutsam Lininen übereinander: '' y- Achse |
|
Disordinale Interaktion
|
Divergierende Linien: steigt eine, fällt die andere
> Keine Haupteffekte interpretierbar Rangreihenfolge ungleich |
|
Ordinale Interaktion
|
Beide Geraden für beide Faktorenstufenabfolgen denselben Trend
> beide Haupteffekte interpretierbar Rangreihenfolge gleich |
|
MANOVA: Erklärte Varianz
|
Eta quadrat p,a= QSa/ (QSa+QSe)
Eta quadrat p, b= QSb/ (QSb+ QSe) Eta quadrat p, a*b= QSa*b/ (Qsa*b+ASe) p: partiell |
|
Kovarianzanalayse
|
Kontrolle von intervallskalierten personengebundenen Störvariablen
i.d.R. vor dem Experiment durch: Randomisierung Durch die Verkleinerung der Fehlervarianz > Vergösserung der Power (höhere Power als Blockvarianzanalyse da strengere Voraussetzungen) |
|
Kovarianzanalyse: Voraussetzung
|
- Fehler: normalverteilt
- Linearer Zusammenhang zw. aV und KV - uV und KV unabhängig voneinender |
|
Kovarianzanalyse: Regressionsrechnung
|
Zur Berechnung der adjustierten Mittelwerte: Gesamtmittelwerte über alle Personen bezüglich KV gleich
|
|
Möglicher Umgang mit Störvariablen
|
- Parallelisieren anhand der vorab erhobenen Störvariable: matched sample, Blockvarianzanalyse, abhängige Stichprobe (Messwiederholungen)
- Kovarianzanalyse: Störvariable miterheben und post hoc mathematisch ausrechnen - Störvariable als zusätzliche uV/ Faktor nehmen und das Design entsprechend anpassen |
|
Einteilung varianzanalytische Verfahren
|
- Anzahl der unabhängigen Variablen (Faktoren)
- Feste vs. zufällige Stufenwahl - Messwiederholung - Blockvarianzanalyse - Kovarianzanalyse |
|
Faktorstufenkombination
|
Zelle
|
|
ANOVA/ t- Test (Nachteil t- Test)
|
Multiple T- Tests erhöhen den Alpha Fehler
> Bei einer mehrfachen Durchfühung von einem Signifikanztests steigt die Wahrscheinlichkeit dass mind. ein Test statistisch signifikant wird |
|
Varianzanalysen/ ANOVAS
|
In Faktoriellen Versuchsplänen dazu verwendet, die Mittelwerte von zwei oder mehr Stichproben/ Gruppen auf signifikante Unterschiede zu testen.
> Prüfung ob Varianz innerhalb der Gruppe sich von jener zwischen den Gruppen unterscheidet |
|
Wann ANOVA?
|
Sobald die Mittelwerte von mehr als zwei Gruppen miteinander verglichen werden sollten
|
|
ANOVA: Signifikanztest
|
F- Test
(Wenn ausgerechneter F- Wert grösser ist als F kritisch aus der Tabelle (Leonahrt ab. S.638), ist der Test signifikant (d.h. H0 wird abgelehnt) |
|
Signifikantes Ergebnis bei der Varianzanalyse?
Mind. 1 sign. Mittelwertsunterschied. - Welcher? (Tests) |
- Kontraste: a priori
- Post- Hoc- Tests: a posteriori |
|
Varianzanalyse anstelle eines t- Tests?
|
Ja, eine einfaktorielle Varianzanalyse mit 2 stufen ist gleichwertig wie ein t- Test für zwei unabhängige Stichproben (F= t²)
|
|
Grundbegriffe ANOVA: Faktor
|
uB und Kontextvariablen bei faktoriellen Versuchsplänen
|
|
Stufen
|
Verschiedene Ausprägung einer uV bzw. eines Faktors
|
|
Zellen
|
Bestimmte Faktoren- Stufen- Kombination
|
|
Haupteffekt
|
Effekt, der nur auf einen der Faktor zurückzuführen ist.
|
|
Haupteffekt: Interpretierbar wenn:
|
Rangfolge der Zellmittelwerte innerhalb jeder Stufe des anderen Faktors gleich sind
|
|
Interaktion/ Wechselwirkung
|
Effekt, der auf die Kombination von Faktorstufen (versch. Faktoren) zurückgeht
Effekt eines Faktores, der von den Stufen des anderen Faktors abhängig ist |
|
Voraussetzungen, um einen Effekt kausal interpretieren zu können
|
Randomisierung
(+ Voraussetzungen für jeweilige Testverfahren) |
|
Voraussetzungen, um einen Effekt kausal interpretieren zu können und auf eine Population generalisieren zu können
|
Randomiserung
Stichprobe: repräsentativ für die Population (+ Voraussetzungen für jeweilige Testverfahren) |
|
Matching
|
Kontrolle von personengebundenen Störvariablen
Abhängige Stichproben Parallelisieren, Messwiederholung Bsp. IQ, Alter, Vorwissen, Motivation |
|
Berücksichtigung von Kovariablen
|
Einfluss von intervallskalierten Störvariablen lässt sich statistisch kontrollieren, indem man sie bei der Auwertung als Kovariable mitberücksichtigt
Unabhängige Stichprobe Kovarianzanalyse Bsp. IQ, Alter, Vorwissen, Motivation |
|
Auswirkungen von Matching
|
Fehlervarianz wird reduziert, grössere Effektstärke > Power steigt an
(Man kommt mit kleinen Stichproben aus um gewünschte Power zu erhalten) |
|
Auswirkungen von Kovarianzanalyse
|
Falls KV& av miteinander korrelieren, aber keine Korr. zw. KV& uV:
- Reduktion der Fehlervarianz > Grössere Effektstärke - Grössere Power |
|
Vorteil Kontraste
|
Testen spezifischer > einseitige Hypothesen
höhere Power |
|
Eigenschaften Kontraste
|
- a prori, hypothesengeleitet
- Teststärker da keine Alpha Anpassung - Begrenzte Anzahl (J-1) Vergleiche (Orthogonaliät) |
|
Eigenschaften Post- Hoc Vergleiche
|
Scheffe, Tukey- HSD- Test
- post hoc, explorativ - weniger teststark, strenger bzw. konservativer > höhere p- Werte - unbegrenzte Anzahl Vergleiche |
|
Ersetzung der Kontraste durch t- Tests?
|
Nein- Kontrast höhere Power (Fomel; unterschiedl. Freiheitsgrade)
|