Cartes mémoires Methoden der Unterschiedsprüfung Master (Seite 10 von 11)

Cartes-fiches	430
Langue	Deutsch
Catégorie	Psychologie
Niveau	Université
Crée / Actualisé	31.10.2022 / 03.07.2024
Lien de web	https://card2brain.ch/box/20221031_methoden_der_unterschiedspruefung_master
Intégrer	<iframe src="https://card2brain.ch/box/20221031_methoden_der_unterschiedspruefung_master/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

VL MANOVA

Wie heißt die Alternative Post-Hoc-Auswertung zum Standardvorgehen ((erst multivariat, dann mehrere univariate ANOVAS)?

"Bargmann-Roy Stepdown Analyse“

"Rey-Bergmann Stepdown Analyse“

"Rolf-Bargmann Stepdown Analyse“

"Roy-Bargmann Stepdown Analyse“

"Roy-Baumann Stepdown Analyse“

VL MANOVA

Wie geht man bei der alternativen Post-Hoc-Auswertung: „Roy-Bargmann Stepdown Analyse“ vor?

Schritte 1 und 2:

1. Sie bringen auf Basis theoretischer oder praktischer Überlegungen die abhängigen Variablen in eine Reihenfolge.

1. Sie bringen auf Basis theoretischer oder praktischer Überlegungen die unabhängigen Variablen in eine Reihenfolge.

2. Dann testen Sie die wichtigste Variable in einer multivariaten ANOVA (alpha-adjustiert).

2. Dann testen Sie die wichtigste Variable in einer univariaten ANOVA (alpha-adjustiert).

2. Dann testen Sie die wichtigste Variable in einer univariaten ANOVA (alpha nicht adjustiert).

VL MANOVA

Wie geht man bei der alternativen Post-Hoc-Auswertung: „Roy-Bargmann Stepdown Analyse“ vor?

Schritt 3 und 4

3. Anschließend testen Sie die nächste(n) Variablen mit ANOVAs, wobei die bereits geprüften Variablen als Korrelationen dienen

3. Anschließend testen Sie die nächste(n) Variablen mit ANOVAs, wobei die bereits geprüften Variablen als Kovariaten dienen

3. Anschließend testen Sie die nächste(n) Variablen mit ANCOVAs, wobei die bereits geprüften Variablen als Kovariaten dienen

4. Natürlich bleibt für die späteren Variablen immer weniger Varianz zum Aufklären übrig – das ist das Wesen der sequentiellen Analyse. Dafür sind die Tests abhängig von den „höheren“ Variablen

4. Natürlich bleibt für die späteren Variablen immer weniger Varianz zum Aufklären übrig – das ist das Wesen der sequentiellen Analyse. Dafür sind die Tests unabhängig von den „höheren“ Variablen

VL MANOVA

Sie haben a priori festgelegt, daß die Unterschiede in der Zeit wichtiger sind als bei den Fehlerzahlen („pfeif auf die Qualität…“)

Wie würde man in dem Beispiel nun für die erste Analyse vorgehen?

MANOVA mit Gruppe als between-Faktor und Zeit als abhängige Variable. alpha = 0.05/2 = 0.025

ANOVA mit Zeit als between-Faktor und Gruppe als abhängige Variable. alpha = 0.05/2 = 0.025

ANOVA mit Gruppe als within-Faktor und Zeit als abhängige Variable. alpha = 0.05/2 = 0.025

ANOVA mit Gruppe als between-Faktor und Zeit als abhängige Variable. alpha = 0.05/2 = 0.025

VL MANOVA

Sie haben a priori festgelegt, daß die Unterschiede in der Zeit wichtiger sind als bei den Fehlerzahlen („pfeif auf die Qualität…“).

Erste Analyse: ANOVA mit Gruppe als between-Faktor und Zeit als abhängige Variable. alpha = 0.05/2 = 0.025.

Was stimmt zur zweiten Analyse?

ANCOVA mit Gruppe als between-Faktor, Fehler als abhängige Variable und Zeit als Kovariate. alpha = 0.05/2 = 0.025

ANOVA mit Gruppe als between-Faktor, Fehler als abhängige Variable und Zeit als Kovariate. alpha = 0.05/2 = 0.025

ANCOVA mit Gruppe als between-Faktor, Fehler als unabhängige Variable und Zeit als Kovariate. alpha = 0.05/2 = 0.025

ANCOVA mit Gruppe als between-Faktor, Fehler als Kovariate und Zeit als abhängige Variable. alpha = 0.05/2 = 0.025

VL MANOVA

Warum bzw. in welchen Fällen verwendet man die MANOVA?

1. In manchen Fällen sind die Forschungsfragen multivariat: Messwertprofile, mehrdimensionale Konstrukte z.B. aus Fragebögen oder wie im Beispiel Kompensationsmechanismen. Die MANOVA ist also hier das natürliche Verfahren.

2. In seltenen Fällen kann es sein, daß die univariaten Tests nicht signifikant werden, aber ein multivariater Unterschied besteht:

3. MANOVAs eignen sich zur Analyse von Messwiederholungsdesigns

VL MANOVA

Was sind Nachteile der MANOVA?

1. Im Allgemeinen ist die Manova weniger (test)stark als univariate Analysen (Ausnahme: der seltene Spezialfall)

2. Ähnlich wie bei der Diskussion der multiplen Regression machen korrelierte Variablen (hier abhängige Variablen, dort Prädiktoren) Probleme bei der Interpretation. Lösung z.B: Roy-Bargmann-Stepdown-Analyse

VL MANOVA

Die abhängige Variable DV2 teilt keine Varianz mit der IV, die nicht auch durch DV1 und DV3 erklärt würde. In der Regressionsanalyse wäre sie ein klassischer Suppressor. In der MANOVA...?

- kann man sie als Kovariate einsetzen, um die Varianzaufklärung für DV1 und DV 3 zu erhöhen

VL MANOVA

Die MANCOVA ist eine direkte Erweiterung der ANCOVA auf den multivariaten Fall. Auch hier gibt es mehrere metrische aVs, kategoriale uVs und metrische KVs (Kontrollvariablen).

Die MANCOVA untersucht also Unterschiede von ________ zwischen Gruppen, wobei die ______ um den Einfluß der Kontrollvariablen bereinigt werden. Was kommt in Lücke 1 und 2?

1. Messwerten

1. Messwertvektoren

1. Kovariaten

2. Messwerte

2. Kovariate

VL MANOVA

Die MANOVA beantwortet die Frage, ob die Messwertvektoren sich für die unterschiedlichen Gruppen unterscheiden. Dabei wird im Hintergrund eine ______ der Messwerte gebildet, die optimal zwischen den Gruppen trennt – Ähnlichkeit zur Faktorenanalyse.

Regression

Linearkombination

Kovariate

Reihenfolge

VL MANOVA

Die MANOVA beantwortet die Frage, ob die Messwertvektoren sich für die unterschiedlichen Gruppen unterscheiden. Dabei wird im Hintergrund eine Linearkombination der Messwerte gebildet, die optimal zwischen den Gruppen trennt – Ähnlichkeit zur Faktorenanalyse.

Die anschließende Auswertung erfolgt am besten über ___________, bei denen die AVs in einer vorher festgelegten Reihenfolge untersucht werden.

sequentielle ANCOVAs

sequentielle ANOVAs

hierarschische ANCOVAs

hierarschische ANOVAs

VL MANOVA

Der Test des Between-Faktors in einer Split-Plot-Analyse entspricht...

einer univariaten ANCOVA mit den über die gemittelten Werte der Personen

einer univariaten ANOVA mit den über die Messwiederholung gemittelten Werten

einer multivariaten ANOVA mit den über die Messwiederholung gemittelten Werten

einer univariaten ANCOVA mit den über die Messwiederholung gemittelten Werten

VL MANOVA

Was ist die Fragestellung der Interaktion?

Sind die Steigungen der Segmente in den Gruppen verschieden?

VL MANOVA

Interaktion: Man testet also, ob sich die Steigung des Segments für die Gruppen unterscheidet, und zwar für alle Segmente gleichzeitig: Wie macht man das?

Man steckt die Steigungen aufeinanderfolgender Segmente als aVs in eine MANOVA, mit Treatment als between-Faktor!

VL MANOVA

Welche Aussage(n) ist/sind wahr?

Profilanalyse Interaktion = MANOVA der Differenzen

Wir haben Vektoren, deren Dimensionen die Differenzen der Messwerte aufeinander folgender Zeitpunkte sind. Bei 3 Zeitpunkten also 3 Dimensionen.

Der Vektor der Differenzen entsteht aus einem konstanten Vektor und einem Vektor, der gruppenspezifische Abweichungen der Messwerte für jeden Zeitpunkt enthält

Sind die ai-Vektoren gleich dem Nullvektor, gibt es eine Interaktion

Mittlere Änderung für jedes Segment. Nicht gruppenspezifisch

VL MANOVA

Mittlere Änderung für jedes Segment. Nicht gruppenspezifisch!

Diese (mittleren) Änderungen sind die Elemente von mü. Wenn ein Within-Haupteffekt vorliegt sind diese Elemente...

alle Null

Der Test muss also fragen: Ist der Vektor mü gleich dem Nullvektor?

nicht alle Null

Der Test muss also fragen: Ist der Vektor mü ungleich dem Nullvektor?

VL MANOVA

Welcher Effekt wird getestet durch eine einfaktorielle ANOVA der individuellen Mittelwerte (gemittelt über Zeitpunkte)?

Within-Haupteffekt

Between-Haupteffekt

Interaktion

VL MANOVA

Welcher Effekt wird über eine einfaktorielle MANOVA der Messwertdifferenzen getestet?

Within-Haupteffekt

Between-Haupteffekt

Interaktion

VL MANOVA

Der Within-Haupteffekt und die Interaktion werden getestet über eine einfaktorielle MANOVA der Messwertdifferenzen. Was bedeutet dann ein signifikanter Haupteffekt der Between-Variable?

- eine signifikante Interaktion between x within

- Ein signifikantes Ergebnis beim „Test des konstanten Terms“ ist äquivalent zu einem signifikanten within-Haupteffekt.

- (Da die Analysen alle between sind, braucht man die Spherizitätsannahme nicht.)

Übung ANCOVA

Das Verfahren impliziert, dass es keine _____ gibt, da alle den gleichen Anfangswert haben.

Haupteffekte

Interaktionen

Gruppenzugehörigkeit

Between-Faktoren

linearen Zusammenhänge

Übung ANCOVA

Die Bedingung: keine Interaktion zwischen der Gruppenzugehörigkeit und Kovariate (die KOvariate wirkt immer gleich, egal, welche Gruppe) ist äquivalent zu:

Gleiche Steigungen der Regressionsgeraden in allen Gruppen

Unterschiedliche Steigungen der Regressionsgeraden in allen Gruppen

Übung ANCOVA

Der Test entspricht einem _________ ANOVA-Modell

- sequenziellen

Übung ANCOVA

Was wird bei dem Modell nacheinader (sequenziell) eingefügt?

1. Kovariate

2. Gruppenvariable

3. Interaktion Kovariate x Gruppe

Übung ANCOVA

Wenn die Interaktion Kovariate x Gruppe signifikant wird....

können wir weiterrechnen

kann ich leider keine ANCOVA verwenden

sind die Steigungen der Regressionsgeraden in allen Gruppen gleich

sind die Steigungen der Regressionsgeraden in allen Gruppen unterschiedlich

muss die H0 verworfen werden

Übung MANOVA

Warum sollten die Korrelationen der AV niedrig sein?

- sonst kann man die Ergebnisse nicht unabhängig voneinander interpretieren

Übung MANOVA

step-down Analyse: Was passiert im 2. Schritt?

Die bereits untersuchte AV ( z.B. „Lesetest“) wird zur Kovariate für die nächste ANOVA mit der AV (z.B. „Rechentest).

Übung MANOVA

Was tun, wenn die AVs der MANOVA korrelieren?

Alpha Adjustierung!

Ergänzung: ungleiche Zellbesetzungen

Die traditionelle Varianzanalyse geht davon aus, dass die Stichproben alle gleich groß sind, wodurch die Effekte unabhängig geschätzt werden können

Bei einfaktoriellen ANOVAs stören ungleiche Stichprobengrößen nur bei...?

Homoskedastizität

Normalverteilung

Varianzhomogenität

abhängigen Beobachtungen

Heteroskedastizität

Ergänzung: ungleiche Zellbesetzungen

Was sind 2 Probleme die auftreten, wenn die Stichproben nicht gleich groß sind?

1. Die ANOVA ist nicht mehr robust gegen Varianzunterschiede in den Stichproben

2. Tests der Haupteffekte und Interaktionen sind nicht mehr unabhängig voneinander

Ergänzung: ungleiche Zellbesetzungen

Wenn die Stichprobengrößen nicht gleich sind, ______ die _______ miteinander. Lücke 1 und 2?

heißt: Wenn Faktor A signifikant wird, dann erhöht das auch die Chance, daß Faktor B signifikant wird.

1. korrelieren

2. UVs

Ergänzung: ungleiche Zellbesetzungen

______ der Messwerte wird sowohl von A als auch von B vorhergesagt. Wem soll man sie dann zuordnen?

Varianz

Ergänzung: ungleiche Zellbesetzungen

Das Problem der ungleichen Stichprobengrößen wird noch verschärft, wenn...?

- wenn Zellen im Design leer sind, also gar keine VPn enthalten

Ergänzung: ungleiche Zellbesetzungen

Was ist die Konsequenz der leeren Zellen und ungleichen Stchprobengrößen?

verschiedene Varianzschätzungen

Korrelation der AVs

unterschiedliche Interpretationen

unterschiedliche Dummycodierungen

Ergänzung: ungleiche Zellbesetzungen

Was macht die Default: Typ-3 Summe?

Berechnung der Quadratsummen

gemeinsame Varianz der Effekte rausgerechnet und nicht berücksichtigt

Berechnung der Abweichungsquadrate

Nur was der Faktor „unique“ beiträgt, geht in die Berechnung ein

Einzige Methode, mit der vollständige faktorielle Anovas mit ungleichen Zellgrößen getestet werden können

Ergänzung: ungleiche Zellbesetzungen

Wo sieht man die Berechnung der Typ 3 Methode im Output? Z.b. Im Interaktionsdiagramm mit der Beschreibung...

Beschreibung estimated marginal means

Beschreibung geschätzte Randmitttel

Ergänzung: ungleiche Zellbesetzungen

Die Alternative zu Typ-3 ist Typ-1. Diese Vorgehensweise entspricht dem _________ aus der Regressionsanalyse.

schrittweisen Modelltesten

sequentiellen Modelltesten

Ergänzung: ungleiche Zellbesetzungen

Was bedeutet also Typ 1 genau? Was passiert mit der Varianz?

Die gemeinsame Varianz wird also Faktor A zugeschlagen, wenn er als erstes in das Modell eingebaut wird.

Ergänzung: ungleiche Zellbesetzungen

Was ist der Nachteil von Typ1?

- die Ergebnisse hängen von der Reihenfolge der Eingabe der Faktoren ab

- Es kann sein, dass Haupteffekt A signifikant wird, wenn er als erster ins Modell kommt, aber nicht, wenn er als zweiter aufgenommen wird. blöd.

Ergänzung: ungleiche Zellbesetzungen

In einer 4-faktoriellen Varianzanalyse könnte man Tests für
• 4 Haupteffekte
• 6 Zweifach-Interaktionen
• 4 Dreifach-Interaktionen
• 1 Vierfach-Interaktion berechnen

Was stimmt zu Typ1 und Typ3?

Mit Typ 3-QS wird beim Test einer Dreifach-Interaktion gegen die 4 Haupteffekte und 6 Zweifachinteraktionen kontrolliert, nicht aber gegen die anderen Dreifach-Interaktionen oder gegen die Vierfach-IA

Mit Typ 1-QS wird beim Test einer Dreifach-Interaktion gegen die 4 Haupteffekte und 6 Zweifachinteraktionen kontrolliert, nicht aber gegen die anderen Dreifach-Interaktionen oder gegen die Vierfach-IA

Bei Typ 1-QS kontrolliert man gegen alle anderen Effekte

Bei Typ 3-QS kontrolliert man gegen alle anderen Effekte

Ergänzung: ungleiche Zellbesetzungen

Was ist der bessere Typ, auch wenn er sehr konservativ ist? ;)

Typ1

Typ3

Methoden der Unterschiedsprüfung Master

Créer ou copier des fichiers d'apprentissage

Créer ou copier des fichiers d'apprentissage

Connecte-toi pour voir toutes les cartes.

SWITCHaai

Office 365

Edulog

Apple ID

Google