Statistik

Wissenschaft Psychologie
1

Hallo ihr,

Beim Arbeiten schreiben bemerkt man erst, wieviel man nicht weiß/nicht gelernt hat. Also hier meine Fragen:

  1. Wie interpretiert man die WW einer zweifaktoriellen bivariaten VAN mit UV1: Geschlechtm UV2: Ärgerinduktion (2) und AV: Skalenwerte (5), wenn sie nicht signifikant ist. (Ich steh da gerade ziemlich auf der Leitung) Ausdrücken möchte ich es ca. so: Männer und Frauen unterscheiden sich in ihrer Beeinflussbarkeit durch die Ärgerinduktion nicht (F1,56 = 1,137, n.s.). Aber die Interpretation hat irgendwas… ?

  2. Ich will die zweifaktorelle biv. VAN nur benutzen, um festzustellen, dass die Ärgerinduktion keinen Einfluss auf mögliche Geschlechtsunterschiede hat. Nachfolgend will ich aber einen T-Test f. unabhängige Messungen berechnen, um die Geschlechtsunterschiede zu errechnen. Ist das überhaupt erlaubt danach erst nen T-Test zu berechnen? (Bei der VAN ist alles n.s.)

  3. Ab wann kann man bei einem n.s. Ergebnis von einer Tendenz sprechen (bei einem Signifikanzniveau von 5%)?

Ich danke allen mir Weiterhelfenden herzlichst!
LG, Christiane

2

Hallo Christiane!

Hmm - da ist ein paar falsche Vorannahme in Deiner Frage…

Du hast Dich für ein Hypothesentestendes Verfahren entschieden, welches den Fehler der 1.Art untersucht. Da der Fehler der 2.Art unbekannt ist, lässt sich aufgrund einer Ablehnung der Alternativhypothese nicht auf die Richtigkeit der Nullhypothese schliessen!

Diesen Fehler darfst Du nicht machen in der inhaltlichen Interpretation.

Des Weiteren kann man nicht ab einem bestimmten Signifikanzniveau davon sprechen, das es einen „Trend“ bzw. Tendenz gibt (Man macht dies in der Praxis aber tatsächlich, wenn das festgelegte Signifikanzniveau nur knapp verfehlt ist. Da jeder mit 5% rechnet, spricht man bis 10% von dem „Trend“, aber genaugenommen ist das Mist). Man legt methodisch korrekt eingangs ein Signifikanzniveau fest und darf dann, bei Vergleich des Quantils aus der Untersuchung mit dem kritischen Wert - nur auf diesem Niveau argumentieren.

Je nach dem wieviele Tests man rechnet muss man dieses Niveau auch noch adjustieren.

Theoretisch testest Du bei Deiner ANOVA 3 Hypothesen:

-Unterschiede durch UV1 hinsichtlich der AV
-Unterschiede durch UV2 hinsichtlich der AV
-Interaktion zwischen UV1 und UV2 hinsichtlich der AV

Theoretisch muss man schon hier Alpha-Adjustieren - das macht nun aber wirklich keiner…

Im Anschluss an eine mehrstufige UV (größer als 2 Gruppen) möchte man den Unterschied eventuell genau lokalisieren. Dann empfiehlt sich der Scheffe-Test, den gibt es unter SPSS bei der ANOVA für umsonst mit dabei…

Einen T-Test kannst Du natürlich unabhängig rechnen (hier mein übliches Plädoyer für den Mann-Whitney-Wilcoxon-U-Test stattdessen), musst aber hierbei auf jeden Fall Dein Signifikanzniveau adjustieren. Sinnvoll ist dies jedoch bei bereits durchgeführter ANOVA nicht wirklich.

Aber das Wichtigste ist wie gesagt: Du darfst nicht von einer Annahme der Nullhypothese sprechen, das gibt das Modell nicht her.

Etwaige Rückfragen auch gerne per E-Mail.

Lieben Gruß
Patrick

3

Hallo Christiane,

  1. Wie interpretiert man die WW einer zweifaktoriellen
    bivariaten VAN mit UV1: Geschlechtm UV2: Ärgerinduktion (2) und
    AV: Skalenwerte (5), wenn sie nicht signifikant ist.

strenggenommen kann man sie nicht interpretieren, wenn man nicht weiß, wie groß der Beta-Fehler ist. Dennoch würde ich so etwas schreiben wie: „Die Auswertung hat keine Hinweise darauf erbracht, daß die Stufen der Ärgerinduktion bei Männern und Frauen unterschiedlich wirken (F1,56 = 1,137; n.s.)“.

  1. Ich will die zweifaktorelle biv. VAN nur benutzen, um
    festzustellen, dass die Ärgerinduktion keinen Einfluss auf
    mögliche Geschlechtsunterschiede hat. Nachfolgend will ich aber
    einen T-Test f. unabhängige Messungen berechnen, um die
    Geschlechtsunterschiede zu errechnen. Ist das überhaupt erlaubt
    danach erst nen T-Test zu berechnen? (Bei der VAN ist alles
    n.s.)

Warum nimmst Du nicht das Ergebnis der ANOVA für den Haupteffekt der Geschlechter?

  1. Ab wann kann man bei einem n.s. Ergebnis von einer Tendenz
    sprechen (bei einem Signifikanzniveau von 5%)?

Manche machen das, wenn das Signifikanzniveau unter 10%, aber über 5% liegt. Die Methode finde ich allerdings fragwürdig.

Einen guten Rutsch wünscht Dir

Oliver

4

Hallo :smile:

strenggenommen kann man sie nicht interpretieren, wenn man
nicht weiß, wie groß der Beta-Fehler ist. Dennoch würde ich so
etwas schreiben wie: „Die Auswertung hat keine Hinweise darauf
erbracht, daß die Stufen der Ärgerinduktion bei Männern und
Frauen unterschiedlich wirken (F1,56 = 1,137; n.s.)“.

Wow! Und ich überlege Stunden, wie die Interpretation lauten kann.
Wie groß der Beta-Fehler ist? Das hab ich auch noch nie gehört… Die machen viel zu wenig Statistik auf der Uni *lacht*

Warum nimmst Du nicht das Ergebnis der ANOVA für den
Haupteffekt der Geschlechter?

Weil der Haupteffekt bei der ANOVA seltsamerweise n.s. ist, beim T-Test aber nicht. Ich hatte ja vor, nur die Anova zu rechnen.

Manche machen das, wenn das Signifikanzniveau unter 10%, aber
über 5% liegt. Die Methode finde ich allerdings fragwürdig.

Okay, dankeschön!

Wünsch auch nen guten Rutsch.
LG, Christiane

5

Du hast Dich für ein Hypothesentestendes Verfahren
entschieden, welches den Fehler der 1.Art untersucht. Da der
Fehler der 2.Art unbekannt ist, lässt sich aufgrund einer
Ablehnung der Alternativhypothese nicht auf die Richtigkeit
der Nullhypothese schliessen!

Ich will nicht die Nullhypothese bestätigen, sondern nur das Verwerfen der Alternativhypothese interpretieren. Dann kann man nicht sagen, dass es keinen Unterschied gibt??

Dankeschön & LG,
Christiane

6

Hallo Christiane, :wink:

Wow! Und ich überlege Stunden, wie die Interpretation lauten
kann.

danke für das Kompliment. :smile:

Wie groß der Beta-Fehler ist? Das hab ich auch noch nie
gehört…

Du kennst den Begriff des Alpha-Fehlers? Das ist der Fehler, den man macht, wenn man sich für die Alternativhypothese (H1) entscheidet, obwohl die Nullhypothese (H0) zutrifft.

Auf der anderen Seite gibt es den Beta-Fehler: der Fehler, den man macht, wenn man sich für die Nullhypothese entscheidet, obwohl die Alternativhypothese zutrifft.

Wenn die Interaktion nicht signifikant ist und man sich deshalb für die Beibehaltung der Nullhypothese - es gibt keine Interaktion - entscheidet, dann setzt man sich dem Risiko aus, den Beta-Fehler zu begehen. Um sich gegenüber diesem Risiko abzusichern, müßte man wissen, wie hoch der Beta-Fehler ist. Wenn die Wahrscheinlichkeit des Beta-Fehlers gering ist, kann man mit einiger Berechtigung die Annahme vertreten, daß wohl keine Interaktion existiert. Wenn man aber nicht weiß, wie groß der Beta-Fehler ist, ist die Interpretation einer nichtsignifikanten Interaktion mindestens problematisch.

Du kannst die Wahrscheinlichkeit des Beta-Fehlers in SPSS abschätzen, wenn Du Dir die beobachtete Power anzeigen läßt (steht, glaube ich, unter Optionen. In den älteren deutschen SPSS-Fassungen haben sie „observed power“ mit „beobachteter Schärfe“ übersetzt). 1-Power ist dann die Wahrscheinlichkeit des Beta-Fehlers. Allerdings ist die von SPSS vorgenommene Schätzung nicht besonders gut.

Warum nimmst Du nicht das Ergebnis der ANOVA für den
Haupteffekt der Geschlechter?

Weil der Haupteffekt bei der ANOVA seltsamerweise n.s. ist,
beim T-Test aber nicht. Ich hatte ja vor, nur die Anova zu
rechnen.

Das ist in der Tat merkwürdig. Eigentlich hat die ANOVA eine größere Power als der t-Test. Sind die Voraussetzungen für die ANOVA bzw. den t-Test erfüllt? Neulich hatten wir uns darüber unterhalten und damals war Varianzenhomogenität nicht gegeben.

Beste Grüße,

Oliver

1 „Gefällt mir“
7

Hallo!

Ich will nicht die Nullhypothese bestätigen, sondern nur das
Verwerfen der Alternativhypothese interpretieren. Dann kann
man nicht sagen, dass es keinen Unterschied gibt??

Oh Mann, doppelte Verneinung zu so später Stunde - schnell noch ein Glas Rotwein…

Wenn man die Alternativhypothese nicht bestätigen kann, dann ist man in der Tat (strenggenommen) „so schlau als wie zuvor“. Wie Oliver geschrieben hat, hängt das mit dem Fehler der zweiten Art (Betafehler) zusammen.

Wenn der T-Test signifikant wird aber die ANOVA nicht, dann kann man ja notfalls so tun, als hätte man sie nie gerechnet (also wegen Alphaadjustierung, denn sonst würde der T-Test wohl auch nicht mehr signifikant werden). Wenn es nicht grundsätzlich notwendig ist (z.B. bei hormonellen Zusammenhängen = u.U. großer biologischer Unterschied), würde ich sowieso von Geschlechtsunterschieden absehen wollen; dies ist keine gute Hypothesenbildung in Bezug auf mögliche Randomisierung und somit dem experimentellen Gedanken an sich.

Lieben Gruß
Patrick

8

Hallo,

Ich schreib hier mal für beide Antworten, da sie ja ziemlich das gleiche aussagen.

Du kennst den Begriff des Alpha-Fehlers?

Was ein Beta-Fehler ist weiß ich schon. Ich wusste nur nicht, dass man die ns VAN nicht interpretieren darf, wenn man nicht weiß, wie groß der Beta-Fehler ist.

Du kannst die Wahrscheinlichkeit des Beta-Fehlers in SPSS
abschätzen, wenn Du Dir die beobachtete Power anzeigen läßt (…)
1-Power ist dann die Wahrscheinlichkeit
des Beta-Fehlers. Allerdings ist die von SPSS vorgenommene
Schätzung nicht besonders gut.

Das SPSS gibt mir jetzt e schon die Wkt für den Beta-Fehler, d.h. ich muss nicht mehr 1 - Power rechnen oder?
(Geschlecht: .618, Ärger: .134) und die WW ist .210
Ab welchem Wert kann ich die WW dann interpretieren?

Weil der Haupteffekt bei der ANOVA seltsamerweise n.s. ist,
beim T-Test aber nicht. Ich hatte ja vor, nur die Anova zu
rechnen.

Das ist in der Tat merkwürdig. Eigentlich hat die ANOVA eine
größere Power als der t-Test. Sind die Voraussetzungen für die
ANOVA bzw. den t-Test erfüllt? Neulich hatten wir uns darüber
unterhalten und damals war Varianzenhomogenität nicht gegeben.

Ja, die Vorraussetzungen sind erfüllt. Varianzen sind homogen (beim Box-M Test. Für das Geschlecht ist die Signifikanz bei der VAN .097
Beim T-Test sind die Varianzen bis auf 2 von 5 Skalen homogen. Da kann ich aber die korrigierten Werte nehmen, das ist ja kein Problem oder? Hmm…achso…ich bin blöd *g* Vielleicht wird das Geschlecht bei der VAN nicht signifikant, weil eigentlich nur eine Skala (T-Test) signifikant wird… Und die VAN berechnet ja die Signifikanz für den Haupteffekt Geschlecht… das tut der T-Test ja nicht?

LG & einen schönen Tag noch, Christiane

9

Hallo Christiane,

Das SPSS gibt mir jetzt e schon die Wkt für den Beta-Fehler,
d.h. ich muss nicht mehr 1 - Power rechnen oder?
(Geschlecht: .618, Ärger: .134) und die WW ist .210

mir ist neu, daß SPSS die Wk für den Beta-Fehler ausgibt. Sag doch einmal bitte, wie die Überschrift der Spalte im SPSS-Output heißt, der Du diese Zahlen entnommen hast.

Ja, die Vorraussetzungen sind erfüllt. Varianzen sind homogen
(beim Box-M Test. Für das Geschlecht ist die Signifikanz bei
der VAN .097
Beim T-Test sind die Varianzen bis auf 2 von 5 Skalen homogen.

Hast Du eine mehrfaktorielle MANOVA gerechnet und keine univariate ANOVA?

Und
die VAN berechnet ja die Signifikanz für den Haupteffekt
Geschlecht… das tut der T-Test ja nicht?

Doch, bei einer zweistufigen UV ist der Haupteffekt einer univariaten ANOVA dasselbe wie der Mittelwertsunterschied beim t-Test, aber Du hast ja wohl multivariat gerechnet.

Grüße,

Oliver Walter

1 „Gefällt mir“
10

Hallo,

mir ist neu, daß SPSS die Wk für den Beta-Fehler ausgibt. Sag
doch einmal bitte, wie die Überschrift der Spalte im
SPSS-Output heißt, der Du diese Zahlen entnommen hast.

Das hab ich von ihrer letzten Antwort entnommen :wink:

Hast Du eine mehrfaktorielle MANOVA gerechnet und keine
univariate ANOVA?

Es sind 5 Avs und beim ersten Eintrag schrieb ich glaub ich auch bivariat. Ich hab die mehrfaktorielle genommen, ja.

Lg, Christiane

11

Hallo Christiane,

Hast Du eine mehrfaktorielle MANOVA gerechnet und keine
univariate ANOVA?

Es sind 5 Avs und beim ersten Eintrag schrieb ich glaub ich
auch bivariat.

damit ist geklärt, warum die Ergebnisse der t-Tests anders ausfallen.

BTW: Als bivariat bezeichnet man den Fall mit zwei abhängigen Variablen.

Im übrigen glaube ich erst, daß SPSS den Beta-Fehler ausgibt, wenn ich es gesehen habe :wink:

Bis bald sagt

Oliver Walter