Methoden der Unterschiedsprüfung

• Cohen's d
• Pearson r
• Determinationskoeffizient eta^2

Partial eta^2 Anteil aufgeklärter Varianz > KEINE standardisierte Interpretation > Kontext

eta^2 ist der Anteil aufgeklärter Varianz z.B. n^2= 0.21 für einen Haupteffekt > durch Kenntnis der Gruppenzugehörigkeit der VP (=Stufe des Faktors) kann 21% der Variabilität der Messwerte vorhergesagt werden

eta^2 hat die Eigenschaft der Additivität (bei komplett gekreuzten und gleich großen Stichproben) - einzelne Effektstärken von Haupteffekten und Interaktionen lassen sich zu einer Gesamtvarianzaufklärung addieren

• 1 Nachteil: die Größe eines einzelnen Effektwertes hängt von der Anzahl/Stärke der anderen Effekte ab im Design z.B. Faktor A kann in einem einfaktoriellen im Vergleich zu einem zweifaktoriellen Design unterschiedl. Effektstärken bekommen
  • Lösung partial eta^2 im Kontext von mehrfaktoriellen Anovas, diese zeigen die unique Varianzaufklärung des untersuchten Effektts, sind aber nicht merh additiv (der Nenner ist verschieden)
• 2. Nachteil: eta^2 ist kein erwartungstreuer Schätzer der warhen Varianzaufklärung
• 3. Nachteil: auch hier stellt sich die übliche Frage "wie viel ist viel"?

richtig

ABER: kritisch, wenn die Korrelationen zu hoch sind ca. ab .6/.7 zu hoch

• Problem = Multikollinearität: Lineare Abhängigkeit der Prädiktoren
  • Überprüfung durch Toleranzwert ( <.1 /.2 kritisch)
  • Lösung: Zentrieren der Variablen (Mittelwert abziehen)

richtig

Kritisch, wenn die größte Distanz größer als eine 99.9% Quantil einer Chi^2 Verteilung mit df= Anzahl der Prädiktoren – wenn die größte Mahalanobis-Distanz im Output kleiner ist als das kritische Quantil, haben wir kein multivariaten Outlier

• Multiple Korrelation R: Korrelation der wahren und der vorhergesagten Kriteriumswerte
•  R^2 = Anteil der aufgeklärten Varianz
• Überschätzt wahren Wert systematisch => korrigiertes R^2