Mittelwertvergleiche, Teil II: Varianzanalyse

Transkript

1 FB 1 W. Ludwig-Mayerhofer Statistik II 1 Herzlich willkommen zur Vorlesung Mittelwertvergleiche, Teil II:

2 FB 1 W. Ludwig-Mayerhofer Statistik II 2 : Wichtigste Eigenschaften Anwendbar auch bei mehr als zwei Gruppen. Bei mehr als zwei Gruppen sind Fragen des Testens er Unterschiede (unterscheiden sich irgendwelche Mittelwerte) vs. spezifischer Unterschiede zu lösen. Mit der V. können auch Einflüsse mehrerer Gruppierungsvariablen analysiert werden (z.b. zwei Therapien bei zwei verschiedenen Krankheitsformen). Es gibt auch für abhängige Stichproben (hier nicht besprochen).

3 FB 1 W. Ludwig-Mayerhofer Statistik II 3 Die visuell y Studierende unterscheiden sich in ihrem Zigarettenkonsum. Können wir diese Unterschiede möglicherweise durch die Zugehörigkeit zu Gruppen erklären?

4 FB 1 W. Ludwig-Mayerhofer Statistik II 4 Kein Unterschied zwischen Gruppen... y

5 FB 1 W. Ludwig-Mayerhofer Statistik II 5... oder Unterschiede? y

6 FB 1 W. Ludwig-Mayerhofer Statistik II 6 verbal Die Unterschiedlichkeit (Varianz) der Datenwerte kann in zwei Teile zerlegt werden: Die Unterschiedlichkeit, die auf die Gruppenzugehörigkeit zurückgeht, ausgedrückt in den Abweichungen der Gruppenmittelwerte y i vom Gesamtmittelwert y. Die Unterschiedlichkeit, die nicht auf die Gruppenzugehörigkeit zurückgeht, ausgedrückt in den Abweichungen der individuellen Messwerte vom Gruppenmittelwert.

7 FB 1 W. Ludwig-Mayerhofer Statistik II 7 r m formal i, i=1...r Gruppen In jeder Gruppe werden Daten von j, j=1...m Personen erhoben (d.h. pro Gruppe gleich viele Personen wichtige Vereinfachung, die bei experimentellen Studien oft befolgt wird). Die Summe aller quadrierten Abweichungen vom Mittelwert ( Quadratsumme, QS) lässt sich zerlegen in ( ) 2 ( ) 2 y = + ( ) ij y m yi y yij yi i= 1 j= 1 i= 1 i= 1 j= 1 r QS total = QS zwischen + QS innerhalb r m 2

8 FB 1 W. Ludwig-Mayerhofer Statistik II 8 Zusammenhangsmaß Eta² Das Verhältnis der durch die Gruppenzugehörigkeit bedingten Abweichungen vom Mittelwert (QS zwischen ) zur Gesamtheit der Abweichungen ist ein Maß für die Stärke des Einflusses der Gruppenzugehörigkeit. 2 η (Eta Quadrat) = QS QS zwischen total Es handelt sich mithin um ein PRE-Maß.

9 FB 1 W. Ludwig-Mayerhofer Statistik II 9 : Global Zur Prüfung, ob sich die Gruppen überzufällig unterscheiden, werden nicht die Quadratsummen, sondern die Varianzen zu einander in Beziehung gesetzt. Diese heißen hier auch mittlere Quadratsummen (MQS). MQS MQS zwischen innerhalb innerhalb = = r r m ( ) m yi y QSzwischen i= 1 = = r 1 r 1 2 ( yij yi ) QS i= 1 j= 1 n r n r 2

10 FB 1 W. Ludwig-Mayerhofer Statistik II 10 Die Größe MQS F = MQS zwischen innerhalb : Global folgt einer F-Verteilung mit r-1 und n-r Freiheits-graden. Sie prüft, ob sich irgendwelche Gruppenmittelwerte voneinander unterscheiden, also H H o 1 : 2 : μ1 = μ = = μr = μ μ μ für mindestens ein i i

11 FB 1 W. Ludwig-Mayerhofer Statistik II 11 : Einzelvergleiche Der e F-Test sagt nur aus, dass sich irgendwelche Gruppen in irgendeiner Art unterscheiden. Für speziellere Hypothesen können herangezogen werden: A priori-vergleiche durch Bildung von Kontrasten A -Vergleiche durch spezielle Teststatistiken, die für multiple Vergleiche geeignet sind.

12 FB 1 W. Ludwig-Mayerhofer Statistik II 12 : Einzelvergleiche a priori Vergleich einzelner Gruppen aufgrund theoretischer Annahmen. Vorgehen: Bilden von Kontrasten durch Linearkombinationen. r = r r mit i = i= 1 g c y c y c y c z.b. g = 1y1+ 1y2 + 0 y3 für H 1 : μ1 < μμ ; 2 > μμ ; 3 = μ g = 0,5y1 0,5y2 + 1 y3 für H 1 : μ1, μ2 < μ; μ3 > μ 0

13 FB 1 W. Ludwig-Mayerhofer Statistik II 13 : Einzelvergleiche a priori Der Standardfehler von g beträgt c1 c2 cr SE( g) = MQSinnerhalb + + m m m g SE( g) Die Statistik folgt einer t-verteilung mit n-r Freiheitsgraden.

14 FB 1 W. Ludwig-Mayerhofer Statistik II 14 Einzelvergleiche a priori: Beispiel (Ramsey/Schafer, S. 150) Geprüft werden soll folgende Annahme: Gruppe 1 unterscheidet sich nicht vom Gesamtmittelwert, Gruppe 2 und 4 liegen unter diesem, Gruppe 3 und 5 darüber. g = 0 y + ( 0,5 y ) + 0,5 y + ( 0,5 y ) + 0,5y = ,900 0,5 4, ,5 5,921 0,5 4, ,5 5,343 = 1, ( 0,5) + 0,5 + ( 0,5) + 0,5 SE( g) = 2, 666 = 0, , 393 t = = 3,192 > 1,67 0, 436 (t-verteilung, 65d.f.)

15 FB 1 W. Ludwig-Mayerhofer Statistik II 15 Multiple Vergleiche (a ) Problem: Korrektur für multiples Testen. Vorgehen: Es wird eine kritische Differenz (oder Grenzdifferenz) berechnet, die einen Korrekturfaktor für das mehrfache Testen enthält. Überschreitet die Stichprobendifferenz zwischen zwei Messwertpaaren diese kritische Differenz, so wird angenommen, dass auch die Differenz in der Grundgesamtheit von 0 verschieden ist. Es gibt eine erhebliche Menge von Vorschlägen zur Berechnung dieser kritischen Differenz. Der im Folgenden besprochene Scheffé-Test gilt als konservativ, d.h. er stellt hohe Anforderungen an die Anerkennung einer Differenz als signifikant.

16 FB 1 W. Ludwig-Mayerhofer Statistik II 16 Multiple Vergleiche: Der Scheffé-Test Die kritische Differenz wird berechnet nach 1 1 DScheffe = MQSinnerhalb + r n r m m Im Beispiel: D Scheffe ( r 1) F 1, ;1 1 1 = 2, ,513 = 1, α Der größte Abstand zwischen zwei Gruppen beträgt 1,871. Kein Abstand überschreitet also die kritische Differenz kein signifikanter Einzelunterschied!

17 FB 1 W. Ludwig-Mayerhofer Statistik II 17 Abschließender Hinweis Die meisten Berechnungsmethoden dieser Vorlesung funktionieren auch bei unterschiedlichen Gruppengrößen (statt einheitlicher Größe m werden dann n 1, n 2... n r verwendet). Das gilt aber nicht grundsätzlich. Auch werden Probleme fehlender Normalverteilung bzw. Varianzhomogenität der Daten durch ungleiche Gruppengrößen verstärkt.

18 FB 1 W. Ludwig-Mayerhofer Statistik II 18 Zweifaktorielle : Keine Interaktion

19 FB 1 W. Ludwig-Mayerhofer Statistik II 19 Zweifaktorielle : Ordinale Interaktion

20 FB 1 W. Ludwig-Mayerhofer Statistik II 20 Zweifaktorielle : Disordinale Interaktion

21 FB 1 W. Ludwig-Mayerhofer Statistik II 21 Zweifaktorielle : Hybride Interaktion

22 FB 1 W. Ludwig-Mayerhofer Statistik II 22 Zusätzliche Literatur Ramsey, Fred L. & Schafer, Daniel W.: The Statistical Sleuth. A Course in Methods of Data Analysis. Pacific Grove, CA: Duxbury, 2. Aufl