24.12.2012 Aufrufe

Methoden der Psychologie - Johannes Gutenberg-Universität Mainz

Methoden der Psychologie - Johannes Gutenberg-Universität Mainz

Methoden der Psychologie - Johannes Gutenberg-Universität Mainz

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Prof. Dr. G. Meinhardt<br />

6. Stock, Taubertsberg 2<br />

R. 06-206 (Persike)<br />

R. 06-321 (Meinhardt)<br />

Sprechstunde je<strong>der</strong>zeit<br />

nach Vereinbarung<br />

Forschungsstatistik II<br />

Dr. Malte Persike<br />

� persike@uni-mainz.de<br />

� http://psymet03.sowi.uni-mainz.de/<br />

SS 2009<br />

Fachbereich Sozialwissenschaften<br />

Psychologisches Institut<br />

<strong>Johannes</strong> <strong>Gutenberg</strong> <strong>Universität</strong> <strong>Mainz</strong>


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

Einfaktorielle ANOVA – Mittelwertevergleiche<br />

� Problem: Ein signifikantes Ergebnis in <strong>der</strong> ANOVA zeigt<br />

nicht an, zwischen welchen Treatmentstufen <strong>der</strong> Effekt<br />

besteht.<br />

� Für die Prüfung <strong>der</strong> Mittelwerte einzelner Faktorstufen<br />

gibt es zwei unterschiedliche Verfahrensweisen<br />

1. A-Priori Tests zur Prüfung von Hypothesen,<br />

die bereits vor <strong>der</strong> Untersuchung formuliert<br />

worden sind.<br />

2. A-Posteriori Tests (Post-hoc Tests) zur<br />

Prüfung von Hypothesen, die nach Ansehen<br />

<strong>der</strong> Daten gebildet wurden.


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

Einfaktorielle ANOVA – Mittelwertevergleiche<br />

� Bei den Mittelwertevergleichen im Rahmen <strong>der</strong><br />

ANOVA müssen nicht stets nur zwei Mittelwerte<br />

verglichen werden.<br />

� Es können Fragen beantwortet werden wie<br />

1. Sind die Mittelwerte zweier Faktorstufen<br />

unterschiedlich?<br />

2. Ist eine Faktorstufe unterschiedlich zum<br />

Mittelwert aller vorhergehenden Faktorstufen?<br />

3. Sind die letzten beiden Faktorstufen<br />

unterschiedlich zu den ersten beiden?


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

Einfaktorielle ANOVA – Mittelwertevergleiche<br />

� Sind die Mittelwerte zweier Faktorstufen unterschiedlich?<br />

D= Aj −Am ≠<br />

� Ist eine Faktorstufe unterschiedlich zum Mittelwert aller<br />

vorhergehenden Faktorstufen?<br />

1<br />

D= A ( )<br />

k − ⋅ A1+ A2 + ... + Ak−1<br />

≠0<br />

k −1<br />

� Sind die letzten beiden Faktorstufen unterschiedlich zu<br />

den ersten beiden?<br />

1 1<br />

D= ⋅ ( A ) ( )<br />

1+ A2 − ⋅ Ak−1+ Ak<br />

≠0<br />

2 2<br />

0


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

Einfaktorielle ANOVA – Mittelwertevergleiche<br />

� Die allgemeine Formel zur Berechnung von Differenzen<br />

bei zwei o<strong>der</strong> mehr zu vergleichenden Mittelwerten<br />

lautet:<br />

mit<br />

j=<br />

1<br />

� Oft berücksichtigt man noch die Nebenbedingung<br />

k<br />

D = ∑c<br />

⋅x<br />

k<br />

∑<br />

j=<br />

1<br />

k<br />

∑<br />

j=<br />

1<br />

c<br />

c<br />

j<br />

j<br />

=<br />

=<br />

j j<br />

0<br />

2


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

Einfaktorielle ANOVA – Mittelwertevergleiche<br />

� Die Varianz einer so berechneten Mittelwertedifferenz in<br />

<strong>der</strong> ANOVA ist immer:<br />

1 ⎛ ⎞<br />

Var D = σˆ = ⎜ ∑ c<br />

⎟<br />

σˆ<br />

⎜⎝ ⎠<br />

2 2 2<br />

( ) D j Fehler<br />

n ⎜ ⎟ j=<br />

1<br />

� Es wird also die in <strong>der</strong> ANOVA berechnete<br />

Fehlervarianz zugrunde gelegt.<br />

� Dieses Vorgehen ist konzeptuell identisch mit dem Pollen<br />

<strong>der</strong> Varianzen beim unabhängigen t-Test.


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Priori Tests („Kontraste“)<br />

� Zur Berechnung von A-Priori Tests („Kontraste“) lassen<br />

sich nun zwei Prüfgrößen konstruieren<br />

t<br />

=<br />

=<br />

D<br />

σˆ<br />

D<br />

∑<br />

j=<br />

1<br />

n⋅D c<br />

df = df<br />

⋅σˆ<br />

2<br />

j Error<br />

F<br />

mit mit<br />

Fehler<br />

=<br />

D<br />

σ<br />

2<br />

2<br />

ˆ D<br />

n⋅D =<br />

⎛ ⎞⎟<br />

⎜ ⎟⋅<br />

2 2<br />

⎜<br />

⎜∑ c j σFehler<br />

⎜⎝<br />

⎟ j=<br />

1 ⎠<br />

2<br />

dfZähler<br />

= 1<br />

df = df<br />

Nenner Fehler


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Priori Tests („Kontraste“)<br />

� Die Äquivalenz <strong>der</strong> t-verteilten Prüfgröße und <strong>der</strong> Fverteilten<br />

Prüfgröße ergibt sich aus <strong>der</strong> Tatsache, dass<br />

man für die Prüfung von Differenzen von Mittelwerten<br />

zeigen kann, dass gilt:<br />

2<br />

= df = k df = 1; df = k<br />

t F<br />

Z N<br />

� Die quadrierte t- Verteilung mit df=k Freiheitsgraden<br />

entspricht genau <strong>der</strong> F-Verteilung mit einem Zähler- und<br />

df=k Nennerfreiheitsgraden


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Priori Tests („Kontraste“)<br />

� Zumeist sollen mit A-Priori Kontrasten genau zwei<br />

Treatmentstufen miteinan<strong>der</strong> vergleichen werden.<br />

� Dann vereinfachen sich die Formeln <strong>der</strong> t-verteilten<br />

Prüfgröße eines Kontrastes zu<br />

und<br />

t<br />

x − x Δx<br />

σˆ σˆ<br />

1 2 = = mit df = p( n−1)<br />

ΔxΔx 2<br />

σˆ<br />

Fehler<br />

SE = σˆ Δx<br />

= ⋅<br />

2<br />

n


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Priori Tests („Kontraste“)<br />

� Der Standardfehler bestimmt sich aus <strong>der</strong> Fehlervarianz,<br />

die ja die gepoolte Varianz aus allen Stichproben ist.<br />

� Damit gehen in die gepoolte Varianz <strong>der</strong> ANOVA n·k<br />

Datenwerte ein.<br />

� Beim normalen t-Test für 2 unabhängige Stichproben<br />

sind es nur n·2.<br />

� Ein t-Test (i.e. A-Priori Kontrast) in <strong>der</strong> ANOVA hat also<br />

bei k > 2 mehr Freiheitsgrade als ein einfacher<br />

paarweiser t-Test und ist daher trennschärfer.


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Posteriori Tests<br />

� Gerade bei umfangreicheren Versuchsdesigns und<br />

unklaren Hypothesen werden während <strong>der</strong> Auswertung<br />

Effekte entdeckt, für die zuvor keine Hypothesen<br />

bestanden.<br />

� In solchen Fällen ist es trotzdem sinnvoll zu prüfen, ob<br />

sich Signifikanzen ergeben, um gezielt Fragestellungen<br />

für weitere Untersuchungen zu entwickeln<br />

� Achtung: Eine im Nachhinein aufgestellte Hypothese<br />

mit einem A-Posteriori Test zu prüfen und zu belegen,<br />

hat faktisch keine Aussagekraft<br />

(ist jedoch in <strong>der</strong> empirischen Forschung durchaus verbreitet)


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Posteriori Tests – Scheffé Test<br />

� Ziel: Prüfung von paarweisen Mittelwertsunterschieden<br />

ohne α-Fehler Inflation<br />

� Scheffé konnte zeigen, dass durch eine Korrektur <strong>der</strong><br />

F-Statistik eine beliebige Anzahl von<br />

Mittelwertsvergleichen durchgeführt werden können,<br />

ohne dass es zur α-Fehler Kumulierung kommt<br />

F = ( k−1) ⋅F<br />

corr


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Posteriori Tests – Scheffé Test<br />

� Durch Umstellen <strong>der</strong> Gleichung für die F-verteilte<br />

Prüfgröße bei Mittelwertsvergleichen lässt sich damit <strong>der</strong><br />

kritische Mittelwertsunterschied berechnen<br />

D<br />

crit<br />

=<br />

� Der kritische F-Wert hat:<br />

2<br />

( p ) σFehler F(<br />

df , df ,1−α)<br />

2⋅ −1 ⋅ ⋅<br />

A Fehler<br />

� Ist also irgendeine Mittelwertedifferenz zwischen Gruppen<br />

in <strong>der</strong> ANOVA größer als D crit , so ist sie signifikant<br />

n<br />

dfZähler = p −1<br />

df =<br />

df<br />

Nenner Fehler


<strong>Methoden</strong> <strong>der</strong><br />

<strong>Psychologie</strong><br />

Varianzanalyse<br />

A-Posteriori Tests – Weitere Verfahren<br />

� Der Scheffé Test ist <strong>der</strong> konservativste unter den<br />

üblichen A-Posteriori Tests.<br />

� Er ist zudem robust gegenüber Verletzungen <strong>der</strong><br />

Voraussetzungen <strong>der</strong> ANOVA<br />

� An<strong>der</strong>e, progressivere Tests sind <strong>der</strong> Duncan-Test, <strong>der</strong><br />

Newmann-Keuls Test o<strong>der</strong> <strong>der</strong> Tukey Test

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!