Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Prof. Dr. Günter Daniel Rey
Professur Psychologie digitaler LernmedienInstitut für Medienforschung Philosophische Fakultät
Einführung in die Statistik
Weitere Varianzanalysen
28. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Varianzanalyse mit Messwiederholung• Kovarianzanalyse• Multivariate Varianzanalyse
Überblick
38. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Einführung (z.B. Rasch, Friese, Hofmann & Naumann, 2014; Rey, 2017)
48. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
58. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
Rey.participoll.com
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.
Varianzanalyse mit Messwiederholung
0
vote at Rey.participoll.com
A B C D
68. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
78. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Fiktive Ergebnisse zweier Studien mit Messwiederholung• Jeweils mit einem einfaktoriellen, dreifachgestuften Versuchsdesign
(d.h. drei Versuchsbedingungen)
Varianzanalyse mit Messwiederholung
Personenvarianz geringEffektvarianz hoch
Personenvarianz hochEffektvarianz gering
0123456789
10
IQ Basketball Kochen
Leist
ung
Sheldon Cooper Leonard Hofstadter Howard WolowitzRajesh Koothrappali Penny Mittelwert
0123456789
10
IQ Mathe Gedächtnis
Leist
ung
Sheldon Cooper Leonard Hofstadter Howard WolowitzRajesh Koothrappali Penny Mittelwert
88. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Fiktive Rohdaten zu einer Studie (vgl. rechte Abbildung auf der vorherigen Seite)
Varianzanalyse mit Messwiederholung
VPN Leistung
Sheldon 9.5Leonard 6.5Howard 4.5Rajesh 8.5Penny 1.5
M 6.1
VPN Leistung
Sheldon 9.0Leonard 7.5Howard 6.0Rajesh 8.0Penny 2.0
M 6.5
VPN Leistung
Sheldon 9.5Leonard 7.0Howard 6.5Rajesh 8.0Penny 3.5
M 6.9
IQ Mathe Gedächtnis
98. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Für ein einfaktorielles Design mit Messwiederholung gilt:
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
AxVpn
AxVpn
A
A
A
df
QS
df
QS
F
FA = Empirischer F-Wert für den Faktor AQSA = Quadratsumme des Faktors AQSAxVpn = ResidualquadratsummedfA = ZählerfreiheitsgradedfAxVpn = Nennerfreiheitsgrade
108. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Formel zur Berechnung der Quadrat-summe für die Wechselwirkung A x Vpn:
• 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:
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
p
i
N
m
MiimAxVpn GPAxQS1 1
2)(
p = Anzahl an Faktorstufen von AN = Anzahl an VersuchspersonenĀi = Mittelwert der Gruppe iPM = Mittelwert der Versuchsperson mG = Gesamtmittelwert
567.36.5)–2.33(6.9–.53...6.5)–9.33(6.1–.59 22AxVpnQS
118. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Formel zur Berechnung der Quadratsumme für den Haupteffekt A:
• 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:
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
p
i
iA GAnQS1
2n = Anzahl an Versuchspersonen in einer GruppeĀi = Mittelwert der Gruppe iG = Gesamtmittelwert
6.1.320 · 5]6.5)– (6.9 6.5)– (6.5 6.5)– [(6.1 · 5 222 AQS
128. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Zählerfreiheitsgrade: Bei einer einfaktoriellen, univariatenVarianzanalyse mit Messwiederholung (MW) • Formel: dfA = p – 1• Formel identisch für nicht messwiederholte Varianzanalysen• Beispiel: Bei drei Versuchsbedingungen ist dfA = 3 – 1 = 2
• Nennerfreiheitsgrade: Bei einer einfaktoriellen, univariatenVarianzanalyse mit MW • Formel: dfAxVpn = (p – 1) · (n – 1) • Formel nicht identisch für Varianzanalysen ohne MW• Beispiel: Bei drei Versuchsbedingungen ist dfAxVpn = 2 · 4 = 8
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
p = Anzahl an Versuchsbedingungen
n = Anzahl an Versuchs-personen in einer Bedingung
138. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Berechnung des empirischen F-Wertes:
Einsetzen ergibt:
• Kritischer F-Wert für dfA = 2 und dfAx Vpn = 8 sowie α = .05: Fkrit ≈ 4.46• Inferenzstatistische Entscheidung und Ergebnisdarstellung
• Da Femp = 1.79 < Fkrit = 4.46 wird H0 vorläufig beibehalten, d.h. das Ergebnis ist nicht signifikant
• FA(2,8) = 1.79, p = .23, ηp² = .31. 1-β = .93 für f = .25 und α = .05
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
79.1
8
57.32
6.1
AF
AxVpn
AxVpn
A
A
A
df
QS
df
QS
F
148. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Inferenzstatistische Voraussetzungen (vgl. ANOVA ohne MW)• Homogenität der Korrelationen zwischen den Stufen des
messwiederholten Faktors• Intervallskalenniveau der AV• Normalverteilung der AV in der Population (getrennt für jede
Versuchsbedingung oder auf Basis der Residuen)• Varianzhomogenität
• Zirkularitätsannahme (liberalere Variante der erstgenannten Voraus-setzung): 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
Varianzanalyse mit Messwiederholung (z.B. Rasch, Friese, Hofmann & Naumann, 2014)
158. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Kovarianzanalyse (engl. analysis of covariance, ANCOVA): Varianz-analyse, 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
Kovarianzanalyse (Rey, 2017)
80859095
100105110115120125130
Mit Lernzielen Ohne Lernziele
IQ Kovariate
4045505560657075808590
Mit Lernzielen Ohne Lernziele
Lern-leistung Vergleich ohne
Kovarianzanalyse
4045505560657075808590
Mit Lernzielen Ohne Lernziele
Lern-leistung Vergleich mit
Kovarianzanalyse
168. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Kovarianzanalyse (Rey, 2017)
178. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
Rey.participoll.com
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.
Kovarianzanalyse
Rey.participoll.com
0
vote at Rey.participoll.com
A B C D
188. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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 (getrennt für jede
Versuchsbedingung oder auf Basis der Residuen)• 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
Inferenzstatistische Voraussetzungen der Kovarianzanalyse (Bortz & Schuster, 2010)
198. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Multivariate Varianzanalyse (z. B. Bortz & Schuster, 2010; Pituch & Stevens, 2015)
208. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Multivariate Varianzanalyse (Pituch & Stevens, 2015)
218. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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 χ2-Test
Inferenzstatistische Voraussetzungen der MANOVA ohne Messwiederholung
228. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Inferenzstatistische Voraussetzungen der MANOVA mit Messwiederholung
238. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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 u.a. ein nonparametrisches Verfahren eingesetzt werden
• In der Praxis werden selten nonparametrische Verfahren genutzt
Inferenzstatistische Voraussetzungen der MANOVA
248. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
Beispiele für messwiederholte & multivaria-te (Ko-)Varianzanalysen in Fachzeitschriften
Quelle: Mammarella, Fairfield und Di Domenico (2013) Quelle: Florax und Plötzner (2010)
Quelle: Linek, Gerjets und Scheiter (2010)
258. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
Verbesserungsvorschläge
268. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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
Zusammenfassung
278. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• 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. 65-90)
• Rey, G. D. (2017). Methoden der Entwicklungspsychologie. Datenerhebung und Datenauswertung (2., überarbeitete Auflage). Norderstedt: BoD.• Kovarianzanalyse (S. 107-109)
Prüfungsliteratur
288. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Berlin: Springer.• Versuchspläne mit Messwiederholungen (S. 285-304)• Kovarianzanalyse (S. 305-323)• Multivariate Mittelwertvergleiche (S. 471-486)
• Eid, M., Gollwitzer, M., & Schmitt, M. (2017). Statistik und Forschungsmethoden (5. Aufl.). Weinheim: Beltz.• Einfaktorielle Varianzanalyse mit Messwiederholung (S. 462-484)• Unterschiede zwischen mehreren Stichproben auf mehrere
abhängige Variablen: Multivariate Varianzanalyse (S. 505-526)• Gemeinsame Analyse kategorialer und metrischer unabhängiger
Variablen (S. 690-704)
Weiterführende Literatur I
298. Weitere VarianzanalysenProf. Dr. Günter Daniel Rey
• Leonhart, R. (2017). Lehrbuch Statistik. Einstieg und Vertiefung(4. Auflage). Bern: Huber.• Varianzanalyse mit Messwiederholungen (S. 495-546)• Kovarianzanalyse (S. 547-564)• Multivariate Varianzanalyse (S. 576-578)
• Sedlmeier, P., & Renkewitz, F. (2018). Forschungsmethoden und Statistik: Ein Lehrbuch für Psychologen und Sozialwissenschaftler (3. Aufl.). München: Pearson.• Varianzanalyse mit abhängigen Stichproben (S. 485-500)• Weitere Varianten der Varianzanalyse (S. 504-508)
• Pituch, K. A., & Stevens, J. P. (2015). Applied multivariate statistics for the social sciences (6th ed.). Hove, East Sussex: Routledge.
Weiterführende Literatur II