Methoden der Unterschiedsprüfung Master

1. Befehle aus dem Output kopieren

2. neues Syntaxfenster öffnen

3. Dort reinkopieren

4. "Ausführen" anklicken, um den Code zu starten

1. Frage: Vorher vs Nachher = 1 -0,5 -0,5

2. Frage: 0 1 -1 

Gleichabstöndigkeit der Zeitpunkte

--> Laut Command-Reference ist es aber möglich, Trendanalysen auch bei ungleichen Abständen der Zeitpunkte zu machen. Dazu muß man die Syntax /WSFACTOR= zeitp 3 POLYNOMIAL(1,2,8)
eingeben, um zu signalisieren, daß die Differenz zwischen Zp 1 und 2 eine Woche beträgt (2-1), aber zwischen Zp 2 und 3 sechs Wochen (8-2).

Treatment als HE, bei Zwischensubjekteffekte in der Tabelle

- Y Wertebereich von minimum bis maximum?

- X Achse: gibt es eigentlich unterschiedliche (Zeit)abstände?

- die Variablen in der Datei sollten nach den Messwiederholungsfaktoren sortiert sein

--> Bei einem MWH-Faktor A mit 3 Stufen und einem MWH-Faktor B mit 4 Stufen sollten also die
• ersten vier Variablen die Messungen der VP unter Stufe 1 von Faktor A und Stufen 1-4 von Faktor B sein
• die nächsten vier Variablen Messung auf Stufe 2 von Faktor A und Stufen 1-4 von Faktor B

= Kovarianzanalyse

- eine metrische abhängige Variable
- unabhängige Variablen kategorial + eine oder mehrere metrische Kontrollvariablen (Kovariaten; KV)

- Die Kontrollvariablen sind bspw. bekannte Einflussgrößen, die in der aktuellen Untersuchung nicht interessieren
• Ihr Einfluß soll „rausgerechnet“ werden

Untersucht werden soll die Wirkung eines Trainings für ein Computerprogramm
(neues Training vs. Standardtraining, kategoriale UV)
- Gemessen wird die Leistung in einer Klausur (Punktzahl, metrische AV)
- Dabei soll der Einfluss der Erfahrung mit Computern rausgerechnet werden (Jahre,
metrische UV), weil ohnehin klar ist, daß jemand mit mehr Computererfahrung im
Test besser sein wird.
- Eine andere mögliche KV wäre die Leistung in einem Eingangstest.

- den Residuen

- den Abweichungen der Werte von der Gruppen- Regressionsgerade.

- kleinere Varianz innerhalb der Stichprobe = kleinere Fehlervarianz = größerer F-Bruch = Unterschiede zwischen Gruppen werden leichter signifikant

- wird erklärt durch den Grand Mean 
- plus den Effekt der Zugehörigkeit zu Gruppe a (Gruppenmittelwert)
- plus einen Fehlerterm aufgrund der Wirkung der Kovariaten

- plus zufälligen Rest-Fehler

- auf die Wirkung einer Kovariate (messbar, für Fragestellung evtl. irrelevant)

Die neuen Messwerte werden so berechnet, daß der neue Gruppenmittelwert dem geschätzten Gruppenmittelwert am Mittelwert der Kovariaten entspricht.

Man tut also so, als ob alle VPn denselben Kovariatenwert hätten (den Mittelwert) – das ist ja der Zweck des Rausrechnens.

Die Auswertung am Mittelwert der Kovariaten ergibt eine ganz andere Reihenfolge der Gruppen

1. die stark und linear mit der AV zusammenhängen
2. die aus sachlogischen Gründen nicht interessieren
3. für die der Zusammenhang zur AV für alle Gruppen gleich ist
4. deren Mittelwerte sich für die Gruppen nicht unterscheiden (sic)
5. die a-priori festgelegt sind (nicht einfach rumprobieren)
6. nur wenige sind

- mehrere metrische abhängige Variablen

- unabhängige Variablen kategorial (MANOVA) oder metrisch (Kontrollvariable: MANCOVA; Prädiktoren: kanonische Korrelation)

- statt mit je einem Messwert pro VP hat man es mit Messwert- und Parametervektoren zu tun

- Die Schätzverfahren bleiben praktisch gleich, nur daß man statt Varianzschätzern Schätzer für Varianz-Kovarianzmatrizen berechnet.

- Sie betrachten die Leistung der VPn in einer Aufgabe auf den Dimensionen „Zeit“ und „Fehler“. Jede VP liefert Ihnen also einen Vektor von Messwerten.

- Gute VPn sollten wenig Zeit brauchen und wenig Fehler machen.
- Aber: Wer sich mehr Zeit läßt, macht weniger Fehler.
- Fehler und Zeiten sollten also negativ korreliert sein
- Typische Beispiele: Testbearbeitung, Produktion in Industrie, sportliche Leistungen (Springreiten)

- Sie trainieren eine Gruppe von Industriearbeitern mit einem neuen Training zur Auge-Hand-Koordination (ein Computerspiel).
- Anschließend vergleichen Sie diese Treatmentgruppe mit einer Kontrollgruppe (Zeiten und Fehler).
- Frage: Wirkt das Treatment?

- Der multivariate Test betrachtet den Unterschied/ Abstand der beiden Zentroiden (oder Mittelwertsvektoren)

- Ist der Unterschied in einer Linearkombination von Zeit und Fehlerzahl (relativ zur Streuung) so groß, dass wir nicht mehr an H0 glauben?

Die Berechnung univariater ANOVAs auf den einzelnen aVs, gefolgt von Einzelvergleichen (geplant oder ungeplant).

1. viele Einzeltests, also alpha-Adjustierung nötig
2. bei korrelierten aVs (Normalfall!) sind die Einzeltests nicht unabhängig; dafür gibt es keine Standardadjustierung