Sie sind auf Seite 1von 7

Statistik fr Psychologen

6
Varianzanalyse, Kontraste und Einzelvergleiche

Hans-Rdiger Pfister, Gerd Meier

Teststrategien bei der ANOVA

Gibt es irgendeinen
unspezifischen
Effekt der UV?
H1: nicht alle j sind gleich.
Experiment

Omnibus F-Test

Gibt es ein spezifisches


Effektmuster hinsichtlich der
Stufen der AV?
z.B. H1: (j = k) > (m = n)
Experiment

Geplante Vergleiche
(a priori Kontraste)

signifikant

Kein Effekt

post-hoc Vergleiche
(paarweise)

Hans-Rdiger Pfister, Gerd Meier

Typ I Fehlerrate
Typ I Fehler (-Fehler): pro Test ist die Wahrscheinlichkeit einer flschlichen
Zurckweisung der H0 (PC error rate: Per Comparison Error Rate)
Werden pro Experiment mehrere Tests durchgefhrt, z.B.
1 < 2

und 1 < (3 + 4)/2 und 3 > 4

spricht man von einer Familie von Vergleichen. Die Wahrscheinlichkeit,


mindestens einen Typ-I Fehler zu begehen, wenn man alle Tests in der
Familie durchfhrt, nennt man Family Wise Error Rate (FW error rate). D.h.,
die Wahrscheinlichkeit, einen Typ-I Fehler zu machen, falls die H0 stimmt,
nimmt zu mit der Anzahl durchgefhrter Tests (-Fehler Inflation)
PC = ;

c = number of comparison s/family

FW = 1 (1 ) c
FW c

Hans-Rdiger Pfister, Gerd Meier

Geplante (a priori) Kontraste

Formuliere eine (oder mehrere) spezifische Hypothese(n) hinsichtlich der Unterschiede


zwischen den Stufen eines Faktors vor(!) der Durchfhrung des Experiments

1.
2.

[a und b] [c und d]
d > [a und b und c]

Formuliere einen linearen Kontrast L (Vergleich) (ck: Kontrastkoeffizient):

L = c11 + c22 + ....+ ck 3


Kombination vonStufen: gleichesVorzeichen
OppositionvonStufen: gegenstzlichesVorzeichen

L = c1x1 + c2 x2 +....+ ck x3
z.B.: L =1 x1 +1 x2 1 x3 1 x4

Ausschluss: ck = 0

=0
Spezialfall: t-Test fr zwei Gruppen

Hans-Rdiger Pfister, Gerd Meier

Signifikanztest fr Kontraste

Der Erwartungswert eines Kontrasts unter der


H0 ist 0
da alle j identisch sind (unter H0) und da
die Summe aller cj = 0, ist der E(L) = 0

E(L | H 0 ) = c j E( x j ) = c j j = c j = 0

Der Standardfehler von L ist:

sL = MSerr

mit MSerror als Schtzer der

1
c2j
n

fr alle nj gleich

Populationsvarianz

tdf =K (n1) =

Die Teststatistik t ist t-verteilt mit K(n-1)


Freiheitsgraden (quivalenter F-Test: F = t2)

L
sL

Hans-Rdiger Pfister, Gerd Meier

Beispiel
Gruppe
Mittel
1.
2.
3.
4.

1
17

2
24

3
27

4
16

Unterscheidet sich 1 von 2, 3 und 4?


Unterscheidet sich 2 von 3 und 4?
Unterscheidet sich 3 von 4?
Unterscheiden sich 1 und 2 von 3 und 4?

Gruppe

n = 6; K = 4; N = 24
MSerr = 5,6

Kontrast:
1
2
3
4

Kontrast 1:

Gewicht
Gewicht
Gewicht
Gewicht

1
0
0
1/2

- 1/3
1
0
1/2

- 1/3
- 1/2
1
- 1/2

- 1/3
- 1/2
-1
- 1/2

1
1
1
24 27 16 = 5 . 33
3
3
3
1
L1 = 5 . 6 c 2j = 1 . 24 = 1 . 114
6
5 . 33
t df = 4 ( 6 1 ) = 20 =
= 4 . 79
1 . 114
p ( L > | t |) = 0 . 000016
L 1 = + 1 17

Hans-Rdiger Pfister, Gerd Meier

Unabhngige (orthogonale) Kontraste

Zwei Kontraste L1 und L2 sind unabhngig, wenn die Inferenzen nicht redundant
sind: Aus dem Ergebnis eines Kontrastes L1 kann nichts ber das Ergebnis von L2
geschlussfolgert werden.
k

1j 2 j

= 0 orthogonal

Bei K Faktorstufen knnen maximal K-1 unabhngige Kontraste gebildet werden:

1,2,3,4,5
1,2
1

3,4,5
3

4,5
4

Hans-Rdiger Pfister, Gerd Meier

Post-hoc Vergleiche

Nach einem signifikantem omnibus F-Test knnen die paarweisen Differenzen


verglichen werden, unter Kontrolle der FW: Bonferroni-Adjustment, Tukey-Test (Tukey
HSD), Scheff-Test, und viele andere ...

Bonferroni-Adjustment (Dunns Test)

Bei nomineller Fehlerrate und c Vergleichen wird der


nominale -Fehler durch Adjustierung = /c erreicht.
Konservativer Test: mit ist die FW hchstens (u.U.
geringer).

Tukey HSD Test

Die studentized range statistic q hat eine


Stichprobenkennwerteverteilung, die von K (Anzahl
Gruppen) und dferror abhngt (tabelliert)

Identifiziere den kritischen q-Wert fr ein bestimmtes ,


K, und dferror. Berechne HSD (Honestly significant
difference)

berprfe die Differenzen zwischen allen Mittelwerten:


Falls eine Differenz grer als die HSD ist, ist sie
signifikant, sonst nicht.

HSD = q

MS err
n

Hans-Rdiger Pfister, Gerd Meier

Morphine Tolerance (cf. Howel p.373ff.)


1.
2.
3.
4.

injection of morphine reduces pain (drug effect)


drug effect of morphine decreases after several injections: tolerance
Assumption concerning tolerance: a learned compensatory
mechanisms develops over trials and counterbalances the drug effect
this compensation is learned, i.e., conditioned to the situation or
setting where the morphine has been given previously

DV: lick latency of rat on a hot surface


IV with 5 levels:
M - M: 3 x morphine -> 1 x morphine
M - S: 3 x morphine -> 1 x saline
S - S: 3 x saline -> 1 x saline
S - M: 3 x saline -> 1 x morphine
Mc - M: morphine in different cage -> morphine

Hans-Rdiger Pfister, Gerd Meier

Overall ANOVA
Reduced pain sensitivity
35

30

lick-latency (95% CI)

25

20

15

S-M = Mc-M > M-M = S-S > M-S

10

Df Sum Sq Mean Sq F value


Pr(>F)

condition

4 3497.6

874.4

Residuals

35 1120.0

32.0

27.325 0.0000000002443 ***

---

M-S

M-M

S-S

S-M

Mc-M

Rat Group

Hans-Rdiger Pfister, Gerd Meier

Multiple t-Tests
t=

x1 x2

x x2
= 1
2 MS err
1 1
MS err +
n
n n

35

> round(pairwise.t.test(morph$latency,
morph$condition,
p.adjust.method="none")$p.value, 3)

30

M-S

M-M S-S

S-M

M-M

0.041

NA

NA

NA

S-S

0.018 0.726

NA

NA

S-M

0.000 0.000

NA

Mc-M 0.000 0.000

lick-latency (95% CI)

25

0 0.086

20

15

10

Bonferroni: = /c

> round(pairwise.t.test(morph$latency,
morph$condition,
p.adjust.method="bonferroni")$p.value, 3)
M-S M-M

S-S

S-M

M-M

0.411

NA

NA

NA

S-S

0.183

NA

NA

S-M

0.000

0 0.001

NA

Mc-M 0.000

M-S

M-M

S-S

S-M

Mc-M

Rat Group

0 0.000 0.858

Hans-Rdiger Pfister, Gerd Meier

Tukey HSD
q =0.05,k =5,df =35 = 4.066
HSD = 4.066

95% family-wise confidence level

32
MSerr
= 4.066
= 8.13
n
8
M-M-M-S
S-S-M-S

S-M-M-S

Mc-M-M-S

S-S-M-M

S-M-M-M

Mc-M-M-M

S-M-S-S

Mc-M-S-S

Mc-M-S-M

10

20

30

Differences in mean levels of condition

Hans-Rdiger Pfister, Gerd Meier

a priori Kontraste
fit.contrast(morph.aov, "condition", CM, df=TRUE )
Estimate Std. Error
10.954451

t value

c=( -3 2 -3 2 2 )

81

c=( 0 -1 0 0 1 )

19

2.828427

6.7175144 0.00000008872312 35

c=( -1 0 1 0 0 )

2.828427

2.4748737 0.01831863808163 35

c=( 0 1 -1 0 0 )

-1

Pr(>|t|) DF

7.3942545 0.00000001192497 35

2.828427 -0.3535534 0.72579445725095 35

35

2.
3.

4.

Kontrast: Bedingungen mit S (im 4.


Durchgang) versus Bedingungen mit
M im 4. Durchgang
Kontrast: Mc-M versus M-M (neuer
Kontext versus alter Kontext:
Konditiionierung)
Kontrast: M-S versus S-S
(Kompensationsmechanismus:
Hypersensibilisierung)
Kontrast: M-M versus S-S
(Toleranzentwicklung)

30

25
lick-latency (95% CI)

1.

20

15

10

M-S

M-M

S-S

S-M

Mc-M

Rat Group

Hans-Rdiger Pfister, Gerd Meier