1. Varianzanalytische Methoden: Komplexe Messwiederholungsdesigns

ANOVA kann auch den abhängigen Faktor untersuchen

wenn die Kombination von abhängigem und unabhängigem Faktor untersucht wird -> meistens interessanter!!

• ein Zwischensubjektfaktor (unabh.; z.B. Versuchs- und Kontrollgruppe)

• ein Innersubjektfaktor (abh.; z.B. Prä- und Postmessung)

-> jeweils zwei Stufen

• unsystematische Variablilität innerhalb der Stufen des unabh. faktors

• unsystematische Variabilität innerhalb der Stfen des abh. faktors

-> beide von Interaktion betroffen

• Von jeder Vp liegt nur ein Messwert pro Stufe des abhängigen Faktors vor

• Dadurch sind die Fehler der intraindividuellen Variabilität mit Interaktionseffekten zwischen Vpn und den Stufen des abhängigen Faktors konfundiert

durch das Residuum

• Ho (ZSF)

• H0 (ISF)

• H0 (Interaktion)

-> F-Test für ZSF anhand QS-Fehöer , für ISF und Interaktion anhand QS-Res

Wenn der Effekt verschiedener Faktorenstufenkombinationen nicht additiv ist

sie sind besser über die Kontraste darstellbar und untersuchbar

gibt den Unterschied zwischen Gruppen auf die AV an

gibt den Unterschied inerhalb von Gruppen auf die AV an

nicht-additive Effekte von 2 oder mehr UVs auf AVs

• Nicht direkt überprü}ar mit JASP oder SSPS

• Näherungsweise: Überprüfung der univariaten NV

• Bei Geltung multivariater NV ist auch jede Variable univariat NV

• Verletzung bei größeren Stichproben nicht so schlimm

• Mauchly-Test: wenn p > 0.05 ist Sphärizität gegeben

• Annahme, dass Varianzen der Differenzen aller Paare von abhängigen Messungen gleich sind

• Erübrigt sich für bloß 2 abhängige Messungen

Greenhouse-Geiser-& Huynh-Feldt-Korrekturen

• bestimmen einen Faktor Epsilon zur Korrektur der Zähler- und Nennerfreiheitsgrade der F-Tests

• dient zur Kontrolle der Typ-1-Fehlerrate

• Greenhouse-geisser konservativer (eher Beibahaltung H0)

• Huynh-Feldt progressiver (eher Verwerfung H0)

  
  

ggf. Bildung des Mittelwerts der p-Werte

1. Metrische AV

2. Unabh. Gruppen, an denen mid. 2 abhängige Messungen vorgenommen werden

3. Varianzhomogenität

4. Sphärizität

5. Multivariate Normalverteilung (innerhalb der Stufen des ZSF)

genauso wie alle ANOVA robustes Verfahren

• wenn verletzt, ist korrektur notwendig

• ansonsten droht zu hohe Typ-1-Fehlerrate

MANOVA

• von SPSS automatisch ausgegeben

• weniger Testmacht als mixed ANOVA

• Varianz-Kovarianz-Matrizen müssen über uunabh. Gruppen gleich sein -> Box-M-Test (Voraussetzungstest, damit H0 der Gleichheit beibehalten werden kann)

• auch in JASP implementiert

um auch für metrische und dichotome Dritt-/Störvariablen zu kontrollieren

• durch Herauspartialisierung

• = ANOVA über die Residuen nach Herauspartialisierung des Effekts der Drittvariable auf die AV

• Ziel: ist Drittvariable wirklich Störvariable, führt Bereinigung zu Verkleinerung der Fehlervarianz -> Erhöhung der testmacht für UV

• kontrolliert für Störvariablen und macht damit aus Störvariable eine Kontrollvariable

Für klassische Interventionsdesigns (RCT) über Daten zu T2 unter Kontrolle der Baseline zu T1

• hat mehr testmacht als mixed ANOVA

• testet interessierenden Effekt als Haupteffekt und nicht als interaktion

• erlauben Untersuchung vielfältiger Fragestellungen

• flexibel anzuwenden

  
  

• Verteilungsannahmen

• Homoskedastizität

• Linearität

• andere Verteilungen als NV (generalized linear models)

• feste und zufällige Effekte, heteroskedastische Datenstrukturen (generalized linear mixed model)