Einfaktorielle Varianzanalyse. Einführendes Beispiel Es soll in einer empirischen Untersuchung...
-
Upload
baldawin-appelhans -
Category
Documents
-
view
103 -
download
0
Transcript of Einfaktorielle Varianzanalyse. Einführendes Beispiel Es soll in einer empirischen Untersuchung...
Einfaktorielle VarianzanalyseEinfaktorielle Varianzanalyse
Einführendes Beispiel
Es soll in einer empirischen Untersuchung überprüft werden, ob das Alter von
Vpn einen Einfluss auf ihre Einstellung zu Gewalt in der Erziehung hat.
Dazu werden die Probanden in zwei Gruppen eingeteilt:
Gruppe 1: Vpn < 20 Jahre
Gruppe 2: Vpn > 20 Jahre
Stichprobentyp: unabhängig
UV (Faktor): Alter
Ausprägung der UV: 2 (Vpn < 20 Jahre & Vpn > 20 Jahre)
AV: Einstellung zu Gewalt in der Erziehung
Testverfahren: t-Test für unabhängige Stichproben
t-Test
Prüft, ob die Mittelwerte einzelner Gruppen (maximal 2) einer
Variablen in der Grundgesamtheit gleich groß sind.
Problem: Wie verhält es sich, wenn die UV mehr als 2
Ausprägungen hat?
Beispiel Es soll in einer empirischen Untersuchung überprüft werden, ob das Alter von
Vpn einen Einfluss auf ihre Einstellung zu Gewalt in der Erziehung hat. Dazu werden die Probanden in vier Gruppen eingeteilt:Gruppe 1: Vpn < 20 JahreGruppe 2: Vpn 20-40 JahreGruppe 3: Vpn 40-60 JahreGruppe 4: Vpn > 60 Jahre
Vorgehensweise bei Berechnung eines t-Testes Vergleich zwischen:
Gruppe 1 & Gruppe 2 Gruppe 2 & Gruppe 3 Gruppe 1 & Gruppe 3 Gruppe 2 & Gruppe 4 Gruppe 1 & Gruppe 4 Gruppe 3 & Gruppe 4
Vergleich zwischen 3 Gruppen
1. Hypothese µ1 = µ 2
2. Hypothese µ2 = µ 3
Falls die Hypothesen 1 und 2 zutreffen, bedingt sich die letzte
Nullhypothese von selbst!
3. Hypothese µ1 = µ3
Schlussfolgerung
Wenn die UV mehr als zwei Ausprägungen hat:
1. Können nur p-1 verschiedenen unabhängige Nullhypothesen
getestet werden (p = Zahl der Faktorstufen)
2. Mit jedem t-Test erhöht sich die Irrtumswahrscheinlichkeit α
α-Fehler-Adjustierung (Irrtumswahrscheinlichkeiten der
Einzeltests muss in ihrer Summe ein Gesamt-α von 5% haben)
Jeder Test wird mit einer Irrtumswahrscheinlichkeit von 5/m%
geprüft (m = Anzahl der durchgeführten Tests)
Argumente gegen einen t-Test bei mehr als 2 Ausprägungen der UV
Die Anzahl der Paare, die man mit einem t-Test vergleichen
möchte, ist zu groß!
Bei vielen t-Test werden schon einige zufällig signifikant:
große Schwierigkeiten, die signifikanten Ergebnisse zu
interpretieren!
Varianzanalyse
Erlaubt einen gleichzeitigen Vergleich zwischen mehreren
Stichproben, oder:
Überprüft den Einfluss 1 UV mit mehr als zwei Ausprägungen
auf 1 AV.
Voraussetzung für die Varianzanalyse:
AV muss intervallskaliert sein!
Formen der Varianzanalyse
Stufen der AV
1 2
Stufen
der UV
1einfaktorielle univariate VA
einfaktorielle multivariate VA
2Mehrfaktorielle univariate VA
mehrfaktorielle multivariate VA
Hypothesen der Varianzanalyse
Ho = Alle verglichenen Gruppenmittelwerte der AV sind in
der Grundgesamtheit identisch.
Ho = µ1 = µ2 = ... µ m
H1 = Mindestens 2 Gruppenmittelwerte der AV
unterscheiden sich in der Grundgesamtheit.
H1 = µ1 ≠ µ2 = ... µ m
Beispieldatensatz
Vpn < 20 Jahre 20-40 Jahre 40-60 Jahre > 60 Jahre
1 2 3 6 5
2 1 4 8 5
3 3 3 7 5
4 3 5 4 3
5 1 0 10 2
Summe 10 15 35 20
Mittelwerte 2 3 7 4
Ziel und Grundgedanke der Varianzanalyse Zerlegung der Varianzen bzw. Streuung in ihre verschiedenen
Bestandteile
Lassen sich vorhandene Unterschiede auf Unterschiede zwischen den Gruppen zurückführen?
(im Beispiel: Altersunterschiede)
Oder:
Lassen sich vorhandene Unterschiede auf Unterschiede innerhalb der Gruppe zurückführen?
(im Beispiel: Zusammensetzung der jeweiligen Stichprobe so genannte „Störvariablen“ oder „Fehlervariablen“)
1. Schritt: Bestimmung von QStot und σ2
tot
Bestimmung der Gesamtvarianz aller Messwerte
n
i
i
n
xx
1
2
2
1
df
QStottot 2
df tot = (n x p - 1)
2. Schritt: Bestimmung von QStreat und σ2
treat
Vpn < 20 Jahre 20-40 Jahre
40-60 Jahre
> 60 Jahre
1 2 3 6 5
2 1 4 8 5
3 3 3 7 5
4 3 5 4 3
5 1 0 10 2
Summe 10 15 35 20
Mittelwerte 2 3 7 4
2. Schritt: Bestimmung von QStreat und σ2
treat
Vpn < 20 Jahre 20-40 Jahre
40-60 Jahre
> 60 Jahre
1 2 3 7 4
2 2 3 7 4
3 2 3 7 4
4 2 3 7 4
5 2 3 7 4
Frage: Wie verhalten sich die Varianzen zwischen den Stichproben?
3. Schritt: Bestimmung von QSFehler und σ2
Fehler
Frage: Wie verhalten sich die Varianzen innerhalb der Gruppe?
Unterscheiden sich die Messwerte innerhalb einer Gruppe, so
kann dieses nur auf Störgrößen zurückgeführt werden.
Quantifizierung der Störgröße: Berechnung der Abweichung
jeder Vpn vom Gruppenmittelwert
Fehler
FehlerFehler
df
QS2 df= p x (n - 1)
3. Schritt: Signifikanzberechnung
Fehler
treatF
2
2
dfzähler = p - 1
dfnenner = p x (n – 1)
Darstellungsweise der Ergebnisse
QS df 2 F p
Treatment 70 3 23,33 8,10 .049
Fehler 46 16 2,88
Total 116 19 6,11
Einzelvergleiche
falls ein signifikanter F-Wertes existiert:
Durchführung von Einzelvergleichen oder
Kontrasten (Scheffé) Test
Bestimmung der kritischen Differenzschwelle, ab der Mittelwerte
signifikant werden.
n
FpDiff
anpFehlercrit
%%100,1,12 *)1(2
Einzelvergleiche
Vpn < 20 Jahre 20-40 Jahre 40-60 Jahre > 60 Jahre
1 2 3 6 5
2 1 4 8 5
3 3 3 7 5
4 3 5 4 3
5 1 0 10 2
Summe 10 15 35 20
Mittelwerte 2 3 7 4
…Ende