Weitere Varianzanalysen
|
|
- Markus Waltz
- vor 6 Jahren
- Abrufe
Transkript
1 Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Weitere Varianzanalysen
2 Überblick Varianzanalyse mit Messwiederholung Kovarianzanalyse Multivariate Varianzanalyse 2
3 Einführung (z. B. Rasch, Friese, Hofmann & Naumann, 2014; Rey, 2012) Varianzanalyse (engl. analysis of variance, ANOVA): Statistisches Verfahren zum simultanen Vergleich mehrerer Mittelwerte Einfaktorielle und mehrfaktorielle Varianzanalyse Weitere Varianzanalysen Varianzanalyse mit Messwiederholung: Varianzanalyse für voneinander abhängige Messungen Kovarianzanalyse: Varianzanalyse, bei welcher der Einfluss von einzelnen Drittvariablen rechnerisch konstant gehalten wird Multivariate Varianzanalyse: Varianzanalyse für mehrere abhängige Variablen 3
4 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Varianzanalyse zu einem messwiederholten Versuchsdesign, bei dem die Messungen voneinander abhängig sind Beispiel: Lernleistungen werden während eines Lerntrainings wiederholt an denselben Versuchspersonen gemessen Neben der Effektvarianz kann die Personenvarianz aufgeklärt werden, die sich auf allgemeine Unterschiede zwischen den Personen bezieht Vor- und Nachteile von Varianzanalysen mit Messwiederholung Höhere Teststärke bzw. geringeres benötigtes N Auftreten von Übungs- und Sequenzeffekten (Reihenfolgeeffekte) Bestimmte Forschungsfragen lassen sich nicht (sinnvoll) mit Messwiederholung untersuchen 4
5 Varianzanalyse mit Messwiederholung Wann ist eine Messwiederholung sinnvoll? A: Ein einzelner Lerntext wird einmal mit und einmal ohne Unterstreichungen der zentralen Begriffe präsentiert. B: Beim Vokabellernen wird einmal mit roten und einmal mit blauen Karteikarten gelernt. C: Eine einzelne Animation wird mit oder ohne Unterbrechungen präsentiert. D: Ein Lernspiel wird einmal miteinander und einmal gegeneinander gespielt. Rey.participoll.com A B C D 0 5
6 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Zerlegung der Gesamtvarianz aller Messwerte in Personenvarianz, Effektvarianz und Residualvarianz (Fehlervarianz) Personenvarianz: Varianz, die auf systematische Unterschiede zwischen den Versuchspersonen zurückzuführen ist Effektvarianz: Varianz, die durch den Einfluss der experimentellen Faktoren (und deren Wechselwirkungen) verursacht wird Residualvarianz: Varianz, die nicht erklärt werden kann und die sich aus zwei Komponenten zusammensetzt (auf Stichprobenebene nicht voneinander trennbar) Wechselwirkung zwischen dem Personenfaktor und den Stufen des messwiederholten Faktors Restliche unsystematische Einflüsse 6
7 Leistung Leistung Varianzanalyse mit Messwiederholung Fiktive Ergebnisse zweier Studien mit Messwiederholung Jeweils mit einem einfaktoriellen, dreifachgestuften Versuchsdesign (d. h. drei Versuchsbedingungen) Sheldon Cooper Leonard Hofstadter Howard Wolowitz Sheldon Cooper Leonard Hofstadter Howard Wolowitz Rajesh Koothrappali Penny Mittelwert Rajesh Koothrappali Penny Mittelwert IQ Basketball Kochen IQ Mathe Gedächtnis Personenvarianz gering Effektvarianz hoch Personenvarianz hoch Effektvarianz gering 7
8 Varianzanalyse mit Messwiederholung Fiktive Rohdaten zu einer Studie (vgl. rechte Abbildung auf der vorherigen Seite) IQ Mathe Gedächtnis VPN Leistung Sheldon 9.5 Leonard 6.5 Howard 4.5 Rajesh 8.5 Penny 1.5 M 6.1 VPN Leistung Sheldon 9.0 Leonard 7.5 Howard 6.0 Rajesh 8.0 Penny 2.0 M 6.5 VPN Leistung Sheldon 9.5 Leonard 7.0 Howard 6.5 Rajesh 8.0 Penny 3.5 M 6.9 8
9 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Für ein einfaktorielles Design mit Messwiederholung gilt: F A QS df QS df A A AxVpn AxVpn F A QS A QS Ax Vpn df A df A x Vpn = Empirischer F-Wert für den Faktor A = Quadratsumme des Faktors A = Residualquadratsumme = Zählerfreiheitsgrade = Nennerfreiheitsgrade 9
10 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Formel zur Berechnung der Quadratsumme für die Wechselwirkung A x Vpn: QS AxVpn Formel nicht identisch für nicht messwiederholte Varianzanalysen Für das Beispiel gilt: Gruppenmittelwerte: 6.1, 6.5 und 6.9 Personenmittelwerte: 9.33, 7.00, 5.67, 8.17 und 2.33 Gesamtmittelwert: 6.5 Berechnung: QS AxVpn p N x im ( Ai PM G ) i 1 m 1 2 p = Anzahl an Faktorstufen von A N = Anzahl an Versuchspersonen Ā i = Mittelwert der Gruppe i P M = Mittelwert der Versuchsperson m G = Gesamtmittelwert ( ) ( )
11 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Formel zur Berechnung der Quadratsumme für den Haupteffekt A: QS A n Formel identisch für nicht messwiederholte Varianzanalysen Für das Beispiel gilt: Anzahl an Versuchspersonen in einer Gruppe: 5 Gruppenmittelwerte: 6.1 (IQ), 6.5 (Mathe) und 6.9 (Gedächtnis) Gesamtmittelwert: 6.5 Berechnung: p Ai G i 1 QS A 5 [( ) 2 2 ( ) n = Anzahl an Versuchspersonen in einer Gruppe Ā i = Mittelwert der Gruppe i G = Gesamtmittelwert 2 ( ) 2 ]
12 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Zählerfreiheitsgrade: Bei einer einfaktoriellen, univariaten Varianzanalyse mit Messwiederholung (MW) Formel: df A = p 1 p = Anzahl an Versuchsbedingungen Formel identisch für nicht messwiederholte Varianzanalysen Beispiel: Bei drei Versuchsbedingungen ist df A = 3 1 = 2 Nennerfreiheitsgrade: Bei einer einfaktoriellen, univariaten Varianzanalyse mit MW n = Anzahl an Versuchspersonen in einer Bedingung Formel: df A x Vpn = (p 1) (n 1) Formel nicht identisch für Varianzanalysen ohne MW Beispiel: Bei drei Versuchsbedingungen ist df A x Vpn = 2 4 = 8 12
13 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Berechnung des empirischen F-Wertes: QS df FA QS df A A AxVpn AxVpn Einsetzen ergibt: Kritischer F-Wert für df A = 2 und df A x Vpn = 8 sowie α =.05: F krit 4.46 Inferenzstatistische Entscheidung und Ergebnisdarstellung Da F emp = 1.79 < F krit = 4.46 wird H 0 vorläufig beibehalten, d. h. das Ergebnis ist nicht signifikant F A (2,8) = 1.79, p =.23, η p ² = β =.93 für f =.25 und α =.05 F A 13
14 Varianzanalyse mit Messwiederholung (z. B. Rasch, Friese, Hofmann & Naumann, 2014) Inferenzstatistische Voraussetzungen (vgl. ANOVA ohne MW) Homogenität der Korrelationen zwischen den Stufen des messwiederholten Faktors Intervallskalenniveau der AV Normalverteilung der AV in der Population Varianzhomogenität Zirkularitätsannahme (liberalere Variante der erstgenannten Voraussetzung): Varianzhomogenität der Differenzen der Messungen von jeweils zwei Faktorstufen Prüfung mittels Sphärizitätstest (Mauchly-Test) Korrekturverfahren bei Verletzungen der Annahme berichtigen die Freiheitsgrade Ergebnis wird weniger schnell signifikant 14
15 Kovarianzanalyse (Rey, 2012) Kovarianzanalyse (engl. analysis of covariance, ANCOVA): Varianzanalyse, bei welcher der Einfluss einer Drittvariablen (hier: Kovariate) auf die AV rechnerisch konstant gehalten, d. h. herausgerechnet (herauspartialisiert) wird Beispiel: Lernspiele mit vs. ohne Lernziele und IQ als Kovariate Vergleich ohne Kovarianzanalyse Mit Lernzielen Ohne Lernziele IQ Mit Lernzielen Kovariate Ohne Lernziele Lernleistung Lernleistung Vergleich mit Kovarianzanalyse Mit Lernzielen Ohne Lernziele 15
16 Kovarianzanalyse (Rey, 2012) Voraussetzungen für einen Einfluss der Kovarianzanalyse auf die Ergebnisse Unterschiedliche Mittelwerte der Kovariaten für die einzelnen Bedingungskombinationen Korrelation der Kovariaten mit der AV Mögliche Ergebnisse der Kovarianzanalyse Unterschiede zwischen verschiedenen Versuchsbedingungen verstärken sich Unterschiede zwischen verschiedenen Versuchsbedingungen verringern sich 16
17 Kovarianzanalyse In einer Lernstudie wird der Einfluss von Pausen in Animationen untersucht. Nach der Erhebung zeigt sich, dass die Studierenden unter der Bedingung mit Pausen besser gelernt, aber auch mehr Vorwissen besessen haben als in der KG ohne Pausen. Das Vorwissen wird daher als Kovariate berücksichtigt. Wie beeinflusst dies voraussichtlich die Ergebnisse? A: Der lernförderliche Pausen-Effekt wird stärker. B: Der lernförderliche Pausen-Effekt wird schwächer. C: Der lernförderliche Pausen-Effekt wird stärker und dadurch signifikant. D: Der lernförderliche Pausen-Effekt wird schwächer und dadurch nicht mehr signifikant. Rey.participoll.com A B C D 0 17
18 Inferenzstatistische Voraussetzungen der Kovarianzanalyse (Bortz & Schuster, 2010) Voraussetzungen entsprechen denen der Varianzanalyse Unabhängigkeit der Messwerte in den einzelnen Bedingungen (bei nicht messwiederholten Versuchsdesigns) Intervallskalenniveau der AV Normalverteilung der AV in der Population Varianzhomogenität als Gleichheit der Populationsvarianzen, aus denen die Stichproben stammen Außerdem: Annahme homogener Steigungen der Regressionen innerhalb der Stichproben Kovarianzanalyse reagiert bei ungefähr gleichgroßen Stichproben der Gruppen relativ robust gegenüber Verletzungen der Voraussetzungen 18
19 Multivariate Varianzanalyse (z. B. Bortz & Schuster, 2010; Stevens, 2009) Multivariate Varianzanalyse (engl. multivariate analysis of variance, MANOVA): Varianzanalyse für mehrere abhängige Variablen, bei denen die Mittelwertsunterschiede gleichzeitig geprüft werden Beispiel: Lernexperiment mit Behaltens- und Transferlernleistungen, kognitiver Belastung und Lernspaß als abhängige Variablen Vorteile multivariater Varianzanalysen Differenziertere Erfassung eines Konzeptes Berücksichtigung der Korrelationen zwischen den AVs Vermeidung der Alphafehler-Kumulierung Erhöhung der Teststärke Nachteil (u. a.): Schwierigere Interpretierbarkeit der Ergebnisse 19
20 Multivariate Varianzanalyse (Stevens, 2009) Multivariate Prüfstatistiken Pillai-Bartlett s V Wilk s Lambda Hotelling-Lawley s trace Roy s largest root Resultierende F- und p-werte aus diesen verschiedenen Prüfstatistiken in der Regel identisch Inferenzstatistische Entscheidung daher meist unabhängig von der gewählten Prüfstatistik In Fachzeitschriften häufig Wilk s Lambda berichtet 20
21 Inferenzstatistische Voraussetzungen der MANOVA ohne Messwiederholung Intervallskalenniveau der AVs Unabhängigkeit der Fehlerkomponenten von den Treatment-Effekten: Beispielsweise bei Messwiederholungen verletzt Multivariate Normalverteilung der AVs in der Population für die einzelnen Bedingungskombinationen Univariate Normalverteilungen garantieren keine multivariate Normalverteilung Graphische Inspektion oder (indirekte) Testung, z. B. mittels Test zur Schiefe und Exzess von Mardia (1970) Homoskedastizität als Homogenität der Varianz-Kovarianz-Matrizen der einzelnen Faktorstufenkombinationen: Überprüfung durch Box-M- Test oder Bartlett s χ 2 -Test 21
22 Inferenzstatistische Voraussetzungen der MANOVA mit Messwiederholung Varianzhomogenität unter den einzelnen Faktorstufen und Homogenität der Korrelationen zwischen den Faktorstufen Auch hier nur Prüfung der Zirkularitätsannahme mittels Sphärizitätstest (Mauchly-Test) Korrekturverfahren bei Verletzungen der Zirkularitätsannahme berichtigen die Freiheitsgrade, so dass das Ergebnis weniger schnell signifikant wird Bei der MANOVA mit MW ansonsten ähnliche Annahmevoraussetzungen wie bei der MANOVA ohne MW Ausnahme: Unabhängigkeit der Fehlerkomponenten von den Treatment-Effekten muss nicht vorliegen 22
23 Inferenzstatistische Voraussetzungen der MANOVA Überprüfung der Voraussetzungen in der Forschungspraxis (leider) eher unüblich (vgl. t-tests) Bezüglich der Annahme der multivariaten Normalverteilung unterschiedliche Angaben in der Literatur bezüglich der Robustheit Test robust bei großen und gleichverteilten Stichproben (z. B. Ito, 1969; Ito & Schull, 1964; Stevens, 1979) Test nicht robust (vgl. z. B. Wilcox, 2003) Bei Verletzungen der Voraussetzungen kann ein nonparametrisches Verfahren eingesetzt werden In der Praxis werden selten nonparametrische Verfahren genutzt 23
24 Beispiele für messwiederholte & multivariate (Ko-)Varianzanalysen in Fachzeitschriften Quelle: Mammarella, Fairfield und Di Domenico (2013) Quelle: Florax und Plötzner (2010) Quelle: Linek, Gerjets und Scheiter (2010) 24
25 Zusammenfassung Varianzanalyse mit Messwiederholung Varianzanalyse zu einem messwiederholten Versuchsdesign, bei dem die Messungen voneinander abhängig sind Zerlegung der Gesamtvarianz aller Messwerte in Personenvarianz, Effektvarianz und Residualvarianz (Fehlervarianz) Kovarianzanalyse: Varianzanalyse, bei welcher der Einfluss einer Drittvariablen auf die AV rechnerisch konstant gehalten wird Multivariate Varianzanalyse: Varianzanalyse für mehrere abhängige Variablen, bei denen die Mittelwertsunterschiede gleichzeitig geprüft werden 25
26 Prüfungsliteratur Rasch, B., Friese, M., Hofmann, W., & Naumann, E. (2014). Quantitative Methoden 2: Einführung in die Statistik für Psychologen und Sozialwissenschaftler (4. Aufl.). Heidelberg: Springer. Varianzanalyse mit Messwiederholung (S ) Rey, G. D. (2012). Methoden der Entwicklungspsychologie. Datenerhebung und Datenauswertung. Norderstedt bei Hamburg: BoD. Kovarianzanalyse (S ) 26
27 Weiterführende Literatur I Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Berlin: Springer. Versuchspläne mit Messwiederholungen (S ) Kovarianzanalyse (S ) Multivariate Mittelwertvergleiche (S ) Eid, M., Gollwitzer, M., & Schmitt, M. (2015). Statistik und Forschungsmethoden (4. Aufl.). Weinheim: Beltz. Einfaktorielle Varianzanalyse mit Messwiederholung (S ) Unterschiede zwischen mehreren Stichproben auf mehrere abhängige Variablen: Multivariate Varianzanalyse (S ) Gemeinsame Analyse kategorialer und metrischer unabhängiger Variablen (S ) 27
28 Weiterführende Literatur II Leonhart, R. (2013). Lehrbuch Statistik. Einstieg und Vertiefung (3. Auflage). Bern: Huber. Varianzanalyse mit Messwiederholung (S ) Kovarianzanalyse (S ) Multivariate Varianzanalyse (S ) Sedlmeier, P., & Renkewitz, F. (2013). Forschungsmethoden und Statistik: Ein Lehrbuch für Psychologen und Sozialwissenschaftler (2. Aufl.). München: Pearson. Varianzanalyse mit abhängigen Stichproben (S ) Kovarianzanalyse (S. 493) Multivariate Varianzanalyse (S ) Stevens, J. P. (2009). Applied multivariate statistics for the social sciences (5 th ed.). Hove, East Sussex: Routledge. 28
Mehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
MehrStichprobenumfangsplanung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
MehrZusammenfassung. Einführung in die Statistik. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Zusammenfassung Überblick 2 Überblick Zentrale Tendenz, Streuung und Verteilung Tabellen
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrAnwendungsaufgaben. Effektgröße bei df Zähler = df A = 1 und N = 40 (zu berechnen aus df Nenner ): Der aufgedeckte Effekt beträgt also etwa 23 %.
Anhang A: Lösungen der Aufgaben 39 beiden Kombinationen sehr hoch ist. (Dieses Ergebnis wäre aber in diesem Beispiel nicht plausibel.) 5. Der Faktor A und die Wechselwirkung werden signifikant: Lärm hat
MehrKorrelation und Regression
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Korrelation und Regression Überblick Kovarianz und Korrelation Korrelation und Kausalität
MehrNonparametrische Verfahren
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Nonparametrische Verfahren Überblick Einführung Mann-Whitney U-Test Wilcoxon-Test Kruskal-Wallis
MehrPrüfungsliteratur: Rudolf & Müller S
1 Beispiele zur univariaten Varianzanalyse Einfaktorielle Varianzanalyse (Wiederholung!) 3 Allgemeines lineares Modell 4 Zweifaktorielle Varianzanalyse 5 Multivariate Varianzanalyse 6 Varianzanalyse mit
MehrTabellen und Abbildungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Tabellen und Abbildungen Überblick Tabellen Abbildungen Polygonzug Histogramm Box-Plot
MehrEinführung in die Statistik Einführung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrSkript zur Vorlesung Statistik 2
Weder die Autorin noch der Fachschaftsrat Psychologie übernimmt Irgendwelche Verantwortung für dieses Skript. Das Skript soll nicht die Lektüre der Prüfungsliteratur ersetzen. Verbesserungen und Korrekturen
MehrMesswiederholungen und abhängige Messungen
Messwiederholungen und abhängige Messungen t Tests und Varianzanalysen für Messwiederholungen Kovarianzanalyse Thomas Schäfer SS 009 1 Messwiederholungen und abhängige Messungen Bei einer Messwiederholung
MehrBeispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)
MehrWeitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell
Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-06 Dr. Malte Persike persike@uni-mainz.de
Mehrmethodenlehre ll ALM und Mehrfaktorielle ANOVA Mehrfaktorielle ANOVA methodenlehre ll ALM und Mehrfaktorielle ANOVA
15.04.009 Das Allgemeine lineare Modell Post hoc Tests bei der ANOVA Mehrfatorielle ANOVA Thomas Schäfer SS 009 1 Das Allgemeine lineare Modell (ALM) Varianz als Schlüsselonzept "The main technical function
MehrGestaltungsempfehlungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
MehrZweifache Varianzanalyse
Zweifache Varianzanalyse Man kann mittels VA auch den (gleichzeitigen) Einfluss mehrerer Faktoren (unabhängige Variablen) auf ein bestimmtes Merkmal (abhängige Variable) analysieren. Die Wirkungen werden
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 11. Vorlesung: 18.0.200 Agenda. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse ii. iii. iv. Uni- vs. multivariate Varianzanalyse
MehrMethodenlehre. Vorlesung 5. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 5 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ 20.2.13 Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrSozialwissenschaftlerInnen II
Statistik für SozialwissenschaftlerInnen II Henning Best best@wiso.uni-koeln.de Universität zu Köln Forschungsinstitut für Soziologie Statistik für SozialwissenschaftlerInnen II p.1 Varianzanalyse Statistik
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
MehrLeseprobe aus: Eid, Gollwitzer, Schmitt, Statistik und Forschungsmethoden, ISBN 978-3-621-28201-7 2015 Beltz Verlag, Weinheim Basel
http://www.beltz.de/de/nc/verlagsgruppe-beltz/gesamtprogramm.html?isbn=978--6-80-7 Unterschiede zwischen mehreren abhängigen Stichproben: Varianzanalyse mit Messwiederholung und verwandte Verfahren Was
MehrKapitel 6: Zweifaktorielle Varianzanalyse
Kapitel 6: Zweifaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 1 Teststärkebestimmung a posteriori 4 Berechnen der Effektgröße f² aus empirischen Daten und Bestimmung
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 1. Vorlesung:.5.3 Agenda 4. Multivariate Varianzanalyse i. Einführung in die multivariate Variananalyse ii. iii. iv. Statistisches Modell, Hypothesentestung
MehrSignifikanzprüfung. Peter Wilhelm Herbstsemester 2014
Signifikanzprüfung Peter Wilhelm Herbstsemester 2014 1.) Auswahl des passenden Tests 2.) Begründete Festlegung des Alpha- Fehlers nach Abschätzung der Power 3.) Überprüfung der Voraussetzungen 4.) Durchführung
Mehr1 Varianzanalyse (ANOVA)
1 Varianzanalyse (ANOVA) Ziele: Erklärung einer Meßgröße durch ein additves Modell. Abschätzung der Wirkungsweise von Einflußfaktoren, ihres Zusammenwirkens und ihres anteiligen Beitrages an der Variation
MehrEinführung in die Varianzanalyse mit SPSS
Einführung in die Varianzanalyse mit SPSS SPSS-Benutzertreffen am URZ Carina Ortseifen 6. Mai 00 Inhalt. Varianzanalyse. Prozedur ONEWAY. Vergleich von k Gruppen 4. Multiple Vergleiche 5. Modellvoraussetzungen
MehrEmotional Design. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Emotional Design Überblick Einführung CATLM Vermenschlichung und Farbe Klassifikation
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Mittelwertvergleiche Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Überblick Letzte Woche: - Hypothesen Heute: -Versuchspläne Rückblick Hypothesentesten Kriterien von Hypothesen verschiedene Arten von Hypothesen Logik
Mehrt-test Einführung in die Statistik Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät
Professr E-Learning nd Nee Medien Institt für Medienforschng Philosophische Fakltät Einführng in die Statistik t-test Überblick Zfallsstichproben generieren Zentrale Verteilng abtragen Kritischen nd empirischen
MehrGestaltungsempfehlungen
Gestaltungsempfehlungen Prof. Dr. Günter Daniel Rey 1 Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische Überprüfung Variablenarten Versuchspläne Beispiel eines Experimentes Statistische
MehrHypothesentests mit SPSS. Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav
Beispiel für eine einfaktorielle Varianzanalyse Daten: museum_m_v05.sav Hypothese: Die Beschäftigung mit Kunst ist vom Bildungsgrad abhängig. 1. Annahmen Messniveau: Modell: Die Skala zur Erfassung der
MehrAufgaben zu Kapitel 3
Aufgaben zu Kapitel 3 Aufgabe 1 a) Berechnen Sie einen t-test für unabhängige Stichproben für den Vergleich der beiden Verarbeitungsgruppen strukturell und emotional für die abhängige Variable neutrale
MehrVarianzanalyse * (1) Varianzanalyse (2)
Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz
MehrModul G.1 WS 07/08: Statistik 31.01.2008 1
Modul G.1 WS 07/08: Statistik 31.01.2008 1 Varianzanalyse Als Varianzanalyse bezeichnet man eine große Gruppe datenanalytischer und mustererkennender statistischer Verfahren, die zahlreiche unterschiedliche
MehrStatistik-Quiz Sommersemester
Statistik-Quiz Sommersemester Seite 1 von 8 Statistik-Quiz Sommersemester Die richtigen Lösungen sind mit gekennzeichnet. 1 In einer Gruppe von 337 Probandinnen und Probanden wurden verschiedene Merkmale
MehrKapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten
Kapitel 5 - Einfaktorielle Experimente mit festen und zufälligen Effekten 5.1. Einführung Einfaktorielle Varianzanalyse Überprüft die Auswirkung einer gestuften (s), unabhängigen Variable X, auch Faktor
MehrEinfache Varianzanalyse für unabhängige Stichproben
Einfache Varianzanalyse für unabhängige Stichproben VARIANZANALYSE Die Varianzanalyse ist das dem t-test entsprechende Mittel zum Vergleich mehrerer (k 2) Stichprobenmittelwerte. Sie wird hier mit VA abgekürzt,
MehrPflichtmodul E2: Theorie und Methoden psychologischen Messens und Beobachtens. Ausgewählte Methoden. Mag. Dr. Ulrich Tran Sommersemester 2011
Pflichtmodul E2: Theorie und Methoden psychologischen Messens und Beobachtens Ausgewählte Methoden Mag. Dr. Ulrich Tran Sommersemester 2011 Überblick LV gibt Einführung in Grundlagen, Anwendung(SPSS) und
MehrStatistik für Psychologen, Pädagogen und Mediziner
Thomas Köhler Statistik für Psychologen, Pädagogen und Mediziner Ein Lehrbuch ^~i: Verlag W. Kohlhammer 1 Einführung: Begriffsklärungen und Überblick 11 1.1 Aufgaben und Subdisziplinen der Statistik 11
MehrGrundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel
Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)
MehrStatistik. Für Sozialwissenschaftler. Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen
Jürgen Bortz Statistik Für Sozialwissenschaftler Dritte, neu bearbeitete Auflage Mit 71 Abbildungen und 224 Tabellen Springer-Verlag Berlin Heidelberg Newlfork London Paris Tokyo Inhaltsverzeichnis Einleitung
MehrAllgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse
Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Kapitel 7: Varianzanalyse mit Messwiederholung 7.1 Einfaktorielle Varianzanalyse mit Messwiederholung 1 Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung 2 Teststärkebestimmung a posteriori
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrEinfaktorielle Varianzanalyse
Einfaktorielle Varianzanalyse 5 Einfaktorielle Varianzanalyse Dieses und das folgende Kapitel beschäftigen sich mit einem in den sozialwissenschaftlichen Disziplinen sehr weit verbreiteten und beliebten
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 7: Varianzanalyse mit Messwiederholung Nach dem Starten von GPower müssen Sie für Varianzanalysen
MehrUnsystematische Störvariablen
wirken auf AV, variieren aber nicht mit UV haben keinen Einfluss auf Unterschiede zwischen den Bedingungen Unsystematische Störvariablen (Eid, Gollwitzer & Schmitt, 2010, S. 56f) Es gibt individuelle Unterschiede
MehrSeminar: Multivariate Analysemethoden. Dozent: Dr. Thomas Schäfer. Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz
Seminar: Multivariate Analysemethoden Dozent: Dr. Thomas Schäfer Referentinnen: Tina Schönleiter, Sarah Heilmann, Nicole Lorenz 22.05.2012 GLIEDERUNG 1. Einführung 1.1 unsere Fragestellungen 1.2 unsere
MehrGrundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2
Grundlagen sportwissenschaftlicher Forschung Inferenzstatistik 2 Dr. Jan-Peter Brückner jpbrueckner@email.uni-kiel.de R.216 Tel. 880 4717 Statistischer Schluss Voraussetzungen z.b. bzgl. Skalenniveau und
MehrLehrbuch der Statistik
Jürgen Bortz Lehrbuch der Statistik Für Sozialwissenschaftler Zweite, vollständig neu bearbeitete und erweiterte Auflage Mit 71 Abbildungen und 223 Tabellen Springer-Verlag Berlin Heidelberg New York Tokyo
MehrAllgemeines Lineares Modell Seminarüberblick
Allgemeines Lineares Modell Seminarüberblick zu meiner Person maik.beege@phil.tu-chemnitz.de Rawema-Haus, Straße der Nationen 12, Raum 209 0371 / 531 31758 Sprechstunde nach Vereinbarung (oder einfach
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-06) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrJun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König. Interventionsstudien. Workshop am Tag der Zentren (PH Weingarten am
Jun. Prof. Dr. Sarah Lukas Prof. Dr. Stefan König Interventionsstudien Workshop am Tag der Zentren (PH Weingarten am 5.0.015) Weingarten, Balingen, 1.11.007 den 5.0.015 S. König & S. Lukas Folie 1 Agenda
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
MehrKapitel 7: Varianzanalyse mit Messwiederholung
Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II
ÜBUNGSAUFGABEN ZU INFERENZSTATISTIK II 1.1 Durch welche Elemente lässt sich laut der Formel für die multiple Regression der Wert einer Person auf einer bestimmten abhängigen Variable Y vorhersagen? a)
MehrVarianzanalyse. Seminar: Multivariate Verfahren Dr. Thomas Schäfer. Datum: 25. Mai 2010
Varianzanalyse Seminar: Multivariate Verfahren Dozent: Dr. Thomas Schäfer Referenten: Ralf Hopp, Michaela Haase, Tina Giska Datum: 25. Mai 2010 Gliederung I Theorieteil 1. Das Prinzip der Varianzanalyse
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 8. Vorlesung: 08.05.003 was man/frau schon immer wissen wollte I Interpolation und Extrapolation Schlussfolgerung auf erwarteten Wert einer Person aufgrund
MehrPsychologische Methodenlehre Statistik
RAINER LEONHART Psychologische Methodenlehre Statistik Mit 21 Abbildungen und 40 Tabellen Mit 64 Ubungsfragen Ernst Reinhardt Verlag Miinchen Basel Inhalt Vorwort 9 1 Einfuhrung in die Forschungsmethoden
MehrVarianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)
Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe
MehrInhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
MehrLernziele Experimentelles Praktikum
Lernziele Experimentelles Praktikum Inhaltsverzeichnis 1. Theoretischer Hintergrund des Artikels 2. Grundlagen des Experimentierens 3. Schritte der allgemeinen Versuchsplanung 4. Unabhängige Variablen
MehrA posteriori: Berechnung von Kennwerten nach der Durchführung einer Untersuchung (z.b. Teststärke, Effekt, Abschn. 3.4, Band 1).
α-fehler: Der α-fehler, auch Fehler 1. Art, bezeichnet die Fehlentscheidung, die H1 anzunehmen, obwohl in Wirklichkeit die H0 gilt ( Abschn. 3.1.5, Band α-fehler-kumulierung: Erhöhung des Gesamt-α-Fehlers
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 1. Vorlesung: 07.04.2003 Agenda 1. Organisatorisches 2. Literaturempfehlungen 3. Überblick: Was ist multivariate Statistik? 4. Lernziele und Prüfungsanforderungen
MehrHypothesentests mit SPSS. Beispiel für einen t-test
Beispiel für einen t-test Daten: museum-f-v04.sav Hypothese: Als Gründe, in ein Museum zu gehen, geben mehr Frauen als Männer die Erweiterung der Bildung für Kinder an. Dies hängt mit der Geschlechtsrolle
MehrSTATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG
STATISTISCHE MUSTERANALYSE - DARSTELLUNGSVORSCHLAG Statistische Methoden In der vorliegenden fiktiven Musterstudie wurden X Patienten mit XY Syndrom (im folgenden: Gruppe XY) mit Y Patienten eines unauffälligem
MehrGlossar. Cause of Effects Behandelt die Ursache von Auswirkungen. Debriefing Vorgang der Nachbesprechung der experimentellen Untersuchung.
Abhängige Variable Die zu untersuchende Variable, die von den unabhängigen Variablen in ihrer Ausprägung verändert und beeinflusst wird (siehe auch unabhängige Variable). Between-Subjects-Design Wenn die
MehrStatistik-Team. Tobias Kley: Übung: Freitag, Uhr, HGA 10 Tutorium (SPSS) - ab
Statistik-Team Tobias Kley: tobikley@uni-muenster.de Übung: Freitag, 9.00-10.00 Uhr, HGA 10 Tutorium (SPSS) - ab 26.10.2009 Koordination: Dr. Helge Thiemann Helge.Thiemann-i5m@ruhr-uni-bochum.de 0234/
Mehr1. Es sind einfach zu viele! Varianzanalytische Verfahren.
1. Es sind einfach zu viele! Varianzanalytische Verfahren. In diesem Kapitel behandeln wir die Varianzanalyse (ANOVA). Varianzanalysen kommen in sehr sehr vielen verschiedenen Gestalten einher. Das Ziel
MehrPrüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko
Prüfen von Unterschiedshypothesen für ordinale Variablen: Mann-Whitney Test und Ko Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik
MehrQuantitative Methoden Band 2 Einführung in die Statistik für Psychologen und Sozialwissenschaftler
Springer-Lehrbuch B. Rasch M. Friese W. Hofmann E. Naumann Quantitative Methoden Band 2 Einführung in die Statistik für Psychologen und Sozialwissenschaftler 3., erweiterte Auflage Mit 29 Abbildungen und
MehrLehrinhalte Statistik (Sozialwissenschaften)
Lehrinhalte Technische Universität Dresden Institut für Mathematische Stochastik Dresden, 13. November 2007 Seit 2004 Vorlesungen durch Klaus Th. Hess und Hans Otfried Müller. Statistik I: Beschreibende
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, Taubertsberg 2 R. 06-206 (Persike) R. 06-214 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrI Einführung 1. 1 Über den Umgang mit Statistik 3
I Einführung 1 1 Über den Umgang mit Statistik 3 1.1 Statistik richtig lehren und lernen 3 1.2 Testergebnisse richtig interpretieren 6 1.3 Einfluss des Zufalls 8 1.4 Die Interpretation von Zusammenhängen
MehrStatistik für Psychologen und Sozialwissenschaftler
Markus Bühner Matthias Ziegler Statistik für Psychologen und Sozialwissenschaftler Mit über 480 Abbildungen Ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrInformationen zur KLAUSUR am
Wiederholung und Fragen 1 Informationen zur KLAUSUR am 24.07.2009 Raum: 032, Zeit : 8:00 9:30 Uhr Bitte Lichtbildausweis mitbringen! (wird vor der Klausur kontrolliert) Erlaubte Hilfsmittel: Alle Unterlagen,
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
Mehr