Upload
trantram
View
213
Download
0
Embed Size (px)
Citation preview
15.04.2009
1
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
• Das Allgemeine lineare Modell
• Post‐hoc Tests bei der ANOVA
• Mehrfaktorielle ANOVA
Thomas Schäfer | SS 2009 1
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Das Allgemeine lineare Modell (ALM) ‐Varianz als Schlüsselkonzept
"The main technical function of research design is to controlvariance."
(Kerlinger, 1973)
4,00
5,00
6,00
7,00
pine
ss
Die Logik des Experimentes:
Varianz künstlich erzeugen
z.B. bei Befragungen: oder bei Experimenten:
Thomas Schäfer | SS 2009 2
material experience0,00
1,00
2,00
3,00
happ
Experimental‐ vs. KontrollgruppeTreatment vs. Nicht‐Treatment
15.04.2009
2
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Das Allgemeine lineare Modell
Thomas Schäfer | SS 2009 3
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Was Sie schon kennen: einfache lineare Regression
Das Allgemeine lineare Modell
Bei mehreren Prädiktoren: multiple Regression
Prädiktor 1 Prädiktor 2 usw.
Thomas Schäfer | SS 2009 4
Schätzwert
15.04.2009
3
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Und nun die Verallgemeinerung zum ALM
Das Allgemeine lineare Modell
FehlerKonkreter Wert
Thomas Schäfer | SS 2009 5
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Das Allgemeine lineare Modell
Thomas Schäfer | SS 2009 6
15.04.2009
4
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Das Allgemeine lineare Modell
Thomas Schäfer | SS 2009 7
Die Variable, die die Gruppen definiert, dient als Prädiktor!(z.B. Exp.‐Gruppe: 1, KG: 0)
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Das Allgemeine lineare Modell ‐ Grundaussage
Das bedeutet: Alle Verfahren (Varianzanalyse, t‐Test, Korrelation) beruhen auf ein und derselben Grundlage – der Multiplenberuhen auf ein und derselben Grundlage der Multiplen Regression
...if you were going to a desert island to do psychology researchand could take only one computer program with you to do
i i l ld h l i l i
Thomas Schäfer | SS 2009 8
statistical tests, you would want to choose multiple regression.(Aron & Aron, 2002)
15.04.2009
5
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Ziel: Überprüfung spezifischer Mittelwertsunterschiede bei Faktoren mit mehr als zwei Gruppen
Problem: nach einer signifikanten ANOVA mit mehr als 2 Gruppen wissen Sie
Post‐hoc Tests (Einzelvergleiche) bei der ANOVA
g ppnicht, welche Gruppen sich voneinander unterscheiden; Sie haben lediglich ein overall‐Ergebnis vorliegen
Bei der Berechnung einzelner t‐Tests würde sich aber der Alphafehler aufaddieren („kumulieren“)
Lösung durch die post‐hoc Tests: Kontrolle des Gesamt‐α (für alle durchgeführten Tests) (man spricht von Alphafehler‐Korrektur)
Thomas Schäfer | SS 2009
Verfahren (Beispiele):BonferroniSchefféNewman‐KeulsTukeyDunkan
9
Das Ergebnis ist ein p‐Wert pro Einzelvergleich
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Beispiel: ein Faktor mit 3 Stufen
Es gibt 3 mögliche Einzelvergleiche
Post‐hoc Tests (Einzelvergleiche) bei der ANOVA
Placebo Einfache D. Doppelte D.
1
32
Thomas Schäfer | SS 2009 10
18 17 25
18 9 24
20 16 16
15.04.2009
6
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Rekapitulation ANOVA
Untersuchte Fragestellung: Unterscheiden sich zwei oder mehr Gruppenmittelwerte signifikant voneinander?
F‐Test: Ist die Varianz der Gruppenmittelwerte höher, als rein durch Zufallsabweichungen zu erwarten? (je unterschiedlicher Werte sind, desto höher ist ihre Varianz)
Thomas Schäfer | SS 2009 11
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Die Idee des F‐Tests
Die gesamte Varianz der AV wird aufgeteilt in:
• Varianz zwischen den Gruppen ‐ Abweichung der G itt l t G t itt l t üb llGruppenmittelwerte vom Gesamtmittelwert über alle Gruppen
= systematische Varianz, erklärte Abweichung
• Varianz innerhalb der Gruppen ‐ Abweichung der einzelnen Messwerte innerhalb der Gruppen vom Gruppenmittelwert
= unsystematische Varianz, nicht erklärte Abweichung,
Thomas Schäfer | SS 2009 12
y , g,Fehlervarianz, Restvarianz
Der F‐Test drückt ein Varianzverhältnis aus:
• systematische Varianz /Fehlervarianz 2
2
inn
zw
ˆˆFσσ
=
15.04.2009
7
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Die Idee des F‐Tests
65
Beispiel: Wirkung eines Medikamentes
60
55
50
55
Gesamtmittel
2σ̂
Besserun
g
xA
xB
Thomas Schäfer | SS 2009 13
40
35
30Placebo Medikament
2inn
zw
ˆF
σσ
=
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Berechnung des F‐Wertes
QSdfQS
ˆˆF zw
zw
zw == 2
2
σσ
∑∑ −=+=j i
ijGesamtinnzwgesamt )xx(QS,QSQSQS 2 wobei
kdf
)xx(nQS
wobeidfQS
zw
k
jjjzw
inn
inninn
−=
∑ −=
1
2
σ QS: Quadratsumme
k: Anzahl der Gruppen
: Mittelwert der Gruppe j
nj: Anzahl der Messwerte in Gruppe j
N: Gesamtanzahl der
jx
Thomas Schäfer | SS 2009 14
kN)n(df
)xx(QS
und
k
jjinn
k
j
n
ijijinn
j
−=∑ −=
∑∑ −=
1
2
N: Gesamtanzahl der Messwerte
: Gesamtmittelwertx
QS in Gruppe j
15.04.2009
8
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Die Gesamtvarianz wird aufgeklärt durch die Wirkung mehrererFaktoren (man spricht von Haupteffekten) und dem spezifischen Zusammenwirken der Faktoren untereinander
Was ist neu bei der mehrfaktoriellen ANOVA?
spezifischen Zusammenwirken der Faktoren untereinander (Interaktion genannt)
Thomas Schäfer | SS 2009 15
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Die Anzahl von Faktoren (also UVs) und die Anzahl der jeweiligen Faktorstufen (also Ausprägungen) wird durch das faktorielleDesign angegeben
Was ist neu bei der mehrfaktoriellen ANOVA?
Design angegeben
Beispiele:
• Ein 2 x 3 Design hat 2 Faktoren, der erste Faktor hat 2 Faktorstufen, der zweite 3
• Ein 2 x 2 x 2 Design hat 3 Faktoren, alle mit 2 Faktorstufen
Daraus ist auch die Anzahl der resultierenden
Thomas Schäfer | SS 2009
Versuchsbedingungen ersichtlich (z.B. 2 x 3 = 6, 2 x 2 x 2 = 8)
16
15.04.2009
9
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Mehrfaktorielle Varianzanalyse
Analyse einzelner Faktoren (Haupteffekte) wie bei einfaktoriellerVarianzanalyse, z.B. bei zwei Faktoren A (mit k Ausprägungen), und B (mitmAusprägungen):
Analyse von Interaktionen (bei zwei Faktoren, A und B):
dfA = k‐1 dfB= m‐1
Über alle k ×m Gruppen berechnet
2
2
inn
AA ˆ
ˆFσσ
= 2
2
inn
BB ˆ
ˆFσσ
=
Thomas Schäfer | SS 2009 17
dfA×B = (k‐1)(m‐1)
(QStotal = QSA + QSB + QSA×B + QSwithin)
2
2
inn
BABA ˆ
ˆFσσ ×
× =
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Zweifaktorielle Varianzanalyse: Berechnung der QS
QS: Quadratsumme
k: Anzahl Ausprägungen, Faktor A
)xx(QS
k
k
j
m
l
n
iijltotal ∑∑∑ −=
2
2
m: Anzahl Ausprägungen, Faktor B
: Mittelwert der Gruppe jl
njl: Anzahl der Messwerte in Gruppe jl
N: Gesamtanzahl der Messwerte
: Gesamtmittelwert
: Zusammenfassung von Faktorstufen
jlx
xmdf
)x.x(knQS
kdf
)x.x(mnQS
A
m
llB
A
jjA
−=
∑ −⋅=
−=
∑ −⋅=
1
12
2
Thomas Schäfer | SS 2009 18
. : Zusammenfassung von Faktorstufen
innBAgesamtBA QSQSQSQSQS −−−=×
mkN)n(df
)xx(QS
und
k
j
m
ljlinn
k
j
m
l
n
ijlijlinn
⋅−=∑∑ −=
∑∑∑ −=
1
2
15.04.2009
10
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
• Notation (am Beispiel der )
Zweifaktorielle Varianzanalyse: Berechnung der QS
innQS
∑∑∑ −=k
j
m
l
n
ijlijlinn xxQS 2)(
ein beliebiger Messwert
weicht ab vom Mittelwert inseiner Gruppe (davon gibt es k • m)
Thomas Schäfer | SS 2009 19
pp ( g )
Diese quadrierte Differenz bilden Sie für:jeden Messwert i (davon gibt es immer n)jede Faktorstufe l des 2. Faktors (davon gibt es m)jede Faktorstufe j des 1. Faktors (davon gibt es k)
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Beispiel: 2 × 3 Design
2. Faktor
Placebo Einfache D. Doppelte D.
Männer
18 17 2518 9 24
Thomas Schäfer | SS 2009 20
20 16 16
Frauen
13 15 1715 17 129 22 18
1. Faktor
15.04.2009
11
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Beispiel: 2 × 3 Design
24
22
Arten von Interaktionen
Dep
ress
ivitä
t"
20
18
16
14
12
10
Geschlecht
weiblich
männlich
Thomas Schäfer | SS 2009 21
Psychopharmakon
doppelte Dosiseinfache DosisPlacebo
" 10 männlich
Die Interaktion versteckt sich im nicht‐gleichsinnigen Verlauf der Linien
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
F‐Verteilung
Thomas Schäfer | SS 2009 22
15.04.2009
12
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
F‐Werte in Statistiksoftware
Thomas Schäfer | SS 2009 23
Schreibweise: FA(..,…) = … (p = …)
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Effektgröße Eta‐Quadrat: Anteil der Gesamtvarianz, der durch einen Effekt (Haupteffekt bzw. Interaktion) aufgeklärt wird
Effektgrößen bei der mehrfaktoriellen ANOVA
Partielles Eta‐Quadrat: Anteil der möglichen aufzuklärenden Varianz, der auf einen Effekt zurückgeht (alle anderen Effekte sind auspartialisiert)
2
QSQS
gesamt
Effekt=η QSQSQSQSQS innBABAgesamt +++= ×
Thomas Schäfer | SS 2009
p )
24
innEffekt
EffektP QSQS
QS+
=2ηInterpretation: Konvention nach Cohen
15.04.2009
13
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
Powerbestimmung bei der zweifaktoriellen ANOVA
Thomas Schäfer | SS 2009 25
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
ANOVA als Spezialfall des ALM
Wissen wir nichtsWissen wir nichts über eine Person, dann ist der Mittelwert auf Y der beste Schätzer für ihren Y‐Wert.Der Fehler ist
Thomas Schäfer | SS 2009 26
natürlich sehr groß.
15.04.2009
14
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
ANOVA als Spezialfall des ALM
Kennen wir den Wert der Person auf der Variable XPerson auf der Variable X (Faktor 1), können wir ihren Wert auf der Variable Y durch die Regression von Y auf X genauer schätzen.Der Fehler wird kleiner.(Mit den Residuen kann diese
Thomas Schäfer | SS 2009 27
X1
(Mit den Residuen kann diese Vorhersage für den nächsten Faktor wiederholt werden, usw.)
methodenlehre ll – ALM und Mehrfaktorielle ANOVA
• F‐ Test für Messwiederholungen
Varianzanalyse – einige Variationen
• Fixed – vs. Random Factors(random factors: Faktorenstufen werden zufällig gezogen)
• Multivariate ANOVA (MANOVA)
• Kontrastanalyse
Thomas Schäfer | SS 2009 28