Beruflich Dokumente
Kultur Dokumente
5
Einfaktorielle Varianzanalyse
Experimentelles Design
AV: Fehler
Randomisierung
UV: Musik-Typ
Control
Pop
leise /
laut
UV: Lautstrke
Rock
leise /
laut
Jazz
leise /
laut
Classic
leise /
laut
t1
UV: Zeitpunkt
t2
Fragestellungen
Beispiel
7
6
error rate
5
4
3
2
1
0
Kontrolle
Popmusik
Klassik
Schlager
Music
error rate
5
4
normal
leise
2
1
0
Kontrolle
mit Musik
Music
AV
UV1
UV2
Das Grundmodell
X ij = + ( j ) + eij = + j + eij
Xij:
j:
Populationsmittelwert in Bedingung j
eij:
j:
Visualisierung
eij
(eij)
(Xij)
Xij
( X
i
x ) 2 = ( x j x ) 2 + ( xij x j ) 2
( X
i
ij
i
ij
x ) 2 =n ( x j x ) 2 + ( xij x j ) 2
SStotal
df = N-1
SStreat
df = k-1
SSerror
df = k(n-1)
Fehler
Fehler e:
der konkrete Messwert auf der abhngigen Variable einer Person wird durch eine
Vielzahl von Faktoren ko-determiniert, die zusammengefasst den Fehlerterm e
bilden.
die Fehlervarianz (d.h. die Unterschiede zwischen Personen, die nicht durch die
systematischen experimentellen Faktoren erklrt werden knnen =
Zufallsfluktuationen) in der Population wird bezeichnet durch 2e.
die Fehlervarianz in der Stichprobe in Bedingung j wird als Differenz zwischen dem
Bedingungsmittelwert und den Beobachtungen berechnet werden: eij = xij - j, und
dient als Schtzer der Populationsvarianz.
Annahmen fr Inferenzstatistische Tests:
Varianzhomogenitt: 21 = 22 = ... 2j = ... 2e
Normalverteilung: N(0, 2e)
Unabhngigkeit: Fehler sind ber die Bedingung nicht korreliert (->
Randomisierung)
Treatment
Treatment :
Falls ein Treatment j einen kausalen Effekt auf die AV hat,
wird der Wert der AV um eine Konstante j erhht oder
vermindert (treatment effect, causal effect).
Der Treatment Effekt bezeichnet die relative Abweichung in
Bedingung j vom grand mean: j = j - .
Der Treatment Effekt ist mit dem Fehler e unkorreliert.
In einem balancierten Design sind die Treatments
untereinander unabhngig (nicht korreliert).
Ein Gedankenexperiment
Gleiche Population,
kein Fehler
Gleiche Population,
mit Fehler
4 Treatments
X-Wert
Unterschiedliche Populationen,
kein Fehler
Unterschiedliche
Populationen, mit Fehler
20
15
10
counting
rhyming
adjective
imagery
intentional
experimental condition
Statistische Hypothesen
Nullhypothese H0:
Die Stichproben unter allen k Treatments stammen aus der gleichen Population: die
Populationsmittelwerte sind fr alle Stichproben identisch
H1: ij: i j
SStotal
N 1
SS error
MS error =
K (n 1)
SS
MStreatment = treatment
K 1
MStotal =
Whrend sich die Quadratsummen (SS) additiv verhalten (Total = Treatment + Error),
verhalten sich die Mean Squares (MS) nicht additiv!
s 2j
j =1
=
2
e
= MS error
s =
2
x
e2
n
e2 = n sx2 = MStreat
E ( MS error ) = e2
MS error =
SS error
= e2
df error
MStreat ist ein erwartungstreuer Schtzer fr die Fehlervarianz nur dann, wenn H0 wahr ist. Andernfalls
(H0 ist falsch) ist 2 > 0, und dann schtzt MStreat die Summe aus Fehler- und Treatmentvarianz:
E ( MS treat ) = e2 + n 2
MStreat =
SStreat
e2
df treat
Angenommen H0 sei wahr: Dann ist E(MSerror) = E(MStreat), da beide Terme unabhngige und
erwartungstreue Schtzer von 2e sind. Das Verhltnis beider Schtzer hat dann einen
Erwartungswert = 1.
(ii) Angenommen H1 sei wahr: Dann ist E(MSerror) < E(MStreat), da MStreat ein Schtzer fr die
Fehlervarianz plus Treatmentvarianz ist. Das Verhltnis der beiden Schtzer hat dann einen
Erwartungswert > 1.
Die F-Verteilung: Das Verhltnis zweier unabhngiger Schtzungen der Populationsvarianz folgt der
sogenannten F-Verteilung mit K-1 (Zhler) und K(n-1) (Nenner) Freiheitsgraden:
density(F)
0.7
Fdftreat =k 1; df error =k ( n 1)
MStreat
=
MSerror
0.6
0.5
0.4
0.3
0.2
0.1
1
Die F-Verteilung
Dichtefunktion
Verteilungsfunktion
df = 6,50
1.0
0.7
0.6
0.8
Density (df:3,16)
0.5
0.4
0.3
0.6
0.4
0.2
0.2
0.1
0.0
0.0
0
F-value
F-value
4 351.52
87.88
Residuals
45 435.30
9.67
Pr(>F)
20
15
10
counting
rhyming
adjective
imagery
intentional
experimental condition
10