Statistik
Komplexere varianzanalytische Designs
Komplexere varianzanalytische Designs
-
- 1 / 76
-
Lernkarten
Definiere Interaktion 1. Ordnung
Das Muster der Mittelwertsunterschiede ist verschieden in Abhängigkeit der Gruppen bzw Stufen
Definiere eine Interaktion 2. Ordnung
Die Interaktion 1. Ordnung ist in Abhängigkeit des Faktors Gruppe verschieden (Vergleich zweier Interaktionen)
Wie berechnet man, ob eine Interaktion 2. Ordnung besteht? (Bsp 2 Gruppen,jeweils Interaktion über vorher nachher( -> x-Achse) und Stufe 1 und 2 (->separate Linien))
Pro Gruppe bzw Interaktionsplot: (Wert Stufe 1 minus Wert Stufe 2 für nachher) minus (Wert Stufe 1 minus Wert Stufe 2 für vorher)
-> Diese Werte werden verglichen - wenn identisch: keine Interaktion 2. Ordnung
Wenn die Differenz der Unterschiede gleich ist zwischen 2 Gruppen..
Das Mittelwertsmuster in Abhängigkeit von A ist anders für B1 und B2
- Beschreibt eine..
Zwei Variablen interagieren, wenn die Effekte einer der unabhängigen Variablen..
..nicht über alle Stufen der zweiten unabhängigen Variable gleich sind
Drei unabhängige Variablen interagieren, wenn..
die Interaktion zweier der unabhängigen Variablen nicht über alle Stufen der dritten unabhängigen Variable gleich ist
Eta Quadrat (in R: eta.sq) partiell ist..
Quadratsumme des Effektes geteilt durch (Quadratsumme Effekt plus Quadrtsumme Fehler)
-> der durch den Faktor erklärte Varianzanteil
mathematische Voraussetzungen für eine Anova
Voraussetzungen für Designs mit abhängigen Stichproben
Spherizität bedeutet..
dass alle Korrelationen (VT und NT1, VT und NT2, NT1 und NT2) etwa gleich hoch sind (sollten positiv sein)
anders ausgedrückt: Messwertdifferenzen sollten homogen sein
Wenn die Spherizitätsbedingung nicht erfüllt ist..
Was sind zweifaktorielle hierarchische Versuchspläne?
Versuchspläne, bei denen durch Schachtelung des einen Faktors unter den anderen Faktor eine Hierarchie der Faktoren entsteht.
Dreifaktorielle teilhierarchische Versuchspläne: Was ist richtig?
Dreifaktorielle hierarchische Versuchspläne: Was ist richtig?
Lateinische Quadrate für unabhängige Stichproben: Was ist richtig?
Lateinische Quadrate mit unabhängigen Stichproben - R output
Beispiel für ein Sequenzeffekt (Beschreibung)
Das vorhergehende interferiert mit dem nachfolgenden - zB Stroop task oder Lösen von Task 1 führt zu besserem Abschneiden in Task 2
x Achse Testposition, y Achse Leistung; verschiedene Linien bezeichnen Bedingungen. Diese steigen alle gleichmässig an ohne überkreuzung - Interpretation?
Anstieg: es gibt einen übungseffekt. Es gibt einen Haupteffekt Bedingung und einen Haupteffekt Testposition. Haupteffekt interpretierbar - dh, dass Position zusätzlichen Varianzanteil erklärt, der aus fehlerterm eliiniert werden kann - kleinerer Fehlerterm - kleinerer p-Wert
Sequenzeffekt: x Achse Testposition, y Achse Leistung; Linien bezeichnen Bedingungen. Wie sieht der Plot aus?
Die Unterschiede zwischen den Bedingungen sind je nach Testposition verschieden - linien steigen nicht gleichförmig an, Unterschiedsmuster pro Testposition anders
Eine Interaktion 2. Ordnung wird auch.. genannt
Tripelinteraktion
Bei einem bedingten Haupteffektkontrast muss die Summe..
nicht null ergeben
Mit dem bedingten Haupteffektkontrast kann man..
Kontraste formulieren und testen nur in Bezug auf eine Gruppe - Möglichkeit, Stärke des Unterschieds im Detail anzuschauen, was spezifischere Aussagen ermöglicht
F-Wert für A wird folgendermassen berechnet:
(QS A geteilt durch df A) / (QS e geteilt durch df e)
Effektstärke f wird folgendermassen berechnet:
Wurzel aus (eta quadrat partiell geteilt durch 1 minus etaquadrat partiell)
bzw Wurzel aus (QSa geteilt durch QSe)
Der F Wert als Prüfgrösse sollte möglichst..
hoch sein
Trendanalyse: beinhaltet Faktor mit mindestens..
Trendanalyse: Bei J Stufen der unabhängigen Variable, wie viele Kontraste werden berechnet?
J-1
Trendanalyse: Was ist richtig?
Trendanalyse: Wenn im R output eine Signifikanz für linear und quadratisch ausgegeben wird, bedeutet dies..
dass linear eine von null unterschiedliche Varianz erklärt und dass der quadratische Kontrast zusätzlich Varianzanteil erklärt
Kontraste sind orthogonal, wenn..
Polynomialkontrast
Anzahl Kontraste:
J-1; wobei J Anzahl Stufen des Faktors
J-1 orthogonale Kontraste erklären..
Berechung F Wert: Was ist richtig?
Was ist richtig?
Was ist der Sinn hinter einer Kovarianzanalyse?
Kontrolle von personengebundenen, intervallskalierten Störvariablen, die nicht durch Randomisierung eliminiert werden können
Kovarianzanalyse
Bei abhängigen Stichproben ist es nicht sinnvoll, eine einmalig erhobene Kovariable zu erheben. Warum?
Weil bei abhängigen Stichproben die VPN rauspartialisiert werden im long Datensatz (ansonsten statt 5 plötzlich 15 VPN). Eine einmalig erhobene Kontrollvariable wäre dann nicht von VPN unterscheidbar und würde somit auch rauspartialisiert.
Varianzanalyse mit abhängigen Stichproben: IQ als Kovariable sinnvoll?
Nein, Kovariable muss sich unterschieden über Messzeitpunkte
