Statistik fr Psychologen

8
Varianzanalyse mit Messwiederholung

Hans-Rdiger Pfister, Gerd Meier

Experimente mit Messwiederholung

Between-Subjects
Design:
Unabhngige
Stichproben pro
Bedingung

Hans-Rdiger Pfister, Gerd Meier

Within-Subjects
Design /
Messwiederholung /
Repeated
Measurement:
Die selbe Stichprobe
wird mehrfach unter
mehreren
Bedingungen
gemessen

Typische Anwendungsflle
Messung einer abhngigen Variable unter unterschiedlichen Treatments
Erinnerungsleistung unter verschiedenen Instruktionen
Reaktionszeit unter verschiedenen Beleuchtungsbedingungen
Messung mehrerer Items (z.B. eines Fragebogens oder Tests) auf einer
identischen Response-Skala
Persnlichkeitstest (ja/nein Antworten)
Produktrating (Ratingskalen 1 ... 7)
Messung einer abhngigen Variablen ber mehrere Zeitpunkte
(Longitudinalstudie)
Aktivittsindex ber 5-Minuten-Intervalle
IQ ber mehrere Jahre

Hans-Rdiger Pfister, Gerd Meier

Probleme

Carry-over Effekte: Beeinflussung eines Treatments j durch ein

vorangegangens Treatment i
Streffekte (kausale Einflsse)
Gewhnungseffekte
Lerneffekte

natrliche Entwicklungsprozesse
Alterungsprozesse
Ermdungsprozesse

technische Probleme
Belastung der Probanden
experimentelle Mortalitt
Konstanz der Bedingungen zwischen Treatments

Hans-Rdiger Pfister, Gerd Meier

Statistisches Modell
Fehlerterm fr den
Messwiederholungsfaktor

Individueller
Fehler von
Person i in
Stufe m

X im = + i + m + ( im + im )
Grand Mean
Effekt der
Person i:
Unterschiede
zwischen den
Personen

Effekt von Stufe m

des
experimentellen
Faktors

Interaktion von
Person i und
Stufe m

Personen: 1 ... i ... n

Faktorstufen: 1 ... m ... M
Hans-Rdiger Pfister, Gerd Meier

Visualisierung
Bei unabhngigen Stichproben gibt es nur den Treatment-Effekt und die FehlerKomponente, die alle individuellen Unterschiede, Messfehler, usw. enthlt.
Bei abhngigen Stichproben kann zwischen dem Fehleranteil, der auf interindividuellen
Unterschieden beruht, und dem Fehleranteil, der auf anderen Faktoren beruht,
unterschieden werden.
Die Personen (also die interindividuellen Unterschiede) knnen als ein weiterer Faktor
betrachtet werden (ein sogenannter random factor/Zufallsfaktor). Der dann noch
verbleibende Fehler ist die Interaktion zwischen Person und Treatment-Stufe.
Daraus folgt: die Fehlervarianz bei abhngigen Stichproben (Messwiederholungen) ist
stets kleiner als bei unabhngigen Stichproben (c.p.).

Hans-Rdiger Pfister, Gerd Meier

eim + im

Xim

Dekomponierung der Quadratsummen

SS withinSs = ( xim xi )
i

SStot = ( xim x ) 2

SStotal

SSwithin Ss

SSbetween Ss

SSbetweenSs = m ( xi x ) 2
i

SStreat

SSerror(treat X Ss)

SStreat = n ( xm x )

SSerror = SS withinSs SStreat

Person i

Bedingung m
Hans-Rdiger Pfister, Gerd Meier

F-Test

H0: 1 ... = m ... = M

2
E ( MStreat ) ( err
+ 2 ) + n 2
=
2
E ( MSerror )
( err
+ 2 )

Fdf :m 1,( n 1)( m 1) =

MStreat
MSerror

Voraussetzung (fr eine valide F-Verteilung):

Fehler sind normalverteilt
identische Fehlervarianzen in allen Bedingungen (Varianzhomogenitt)
zustzlich:
Spherizitt: Die Kovarianzmatrix der Treatment-Stufen hat gleiche
Diagonalelemente (Varianzen) und gleiche Nicht-Diagonalelemente
(Kovarianzen) [Tests und approximative Korrekturverfahren bei
Abweichung von der Spherizittsbedingung existieren (GreenhouseGeiser , Huynh-Feldt )]
Hans-Rdiger Pfister, Gerd Meier

Beispiel: Howell Tab. 14-3

Mittelwerte:
V1

V2

V3

22.333 22.000

V4

9.333

V5

5.778

6.778

20 19 10

17 15

25 30 13 12 17

30 27 13

19 27

26 16

17 18

26 24 14

15

Headaches

10

21 22

20

V1 V2 V3 V4 V5 subj

V1

V2

V3

V4

V5

Week

Hans-Rdiger Pfister, Gerd Meier

Beispiel
W1
21
20
17
25
30
19
26
17
26
22,33

W2
22
19
15
30
27
27
16
18
24

W3
8
10
5
13
13
8
5
8
14

22,00

Ipsativierung:

W4
6
4
4
12
8
7
2
1
8
9,33

W1
8.40
8.60
7.80
5.60
13.20
6.00
15.20
7.20
9.80
9.09

Hans-Rdiger Pfister, Gerd Meier

W5
6
4
5
17
6
4
5
5
9
5,78

W2
9.40
7.60
5.80
10.60
10.20
14.00
5.20
8.20
7.80
8.76

12,60
11,40
9,20
19,40
16,80
13,00
10,80
9,80
16,20
6,78

W3
-4.60
-1.40
-4.20
-6.40
-3.80
-5.00
-5.80
-1.80
-2.20
-3.91

Unterschiede
zwischen den
Personen
interessieren
nicht!

13,24

W4
-6.60
-7.40
-5.20
-7.40
-8.80
-6.00
-8.80
-8.80
-8.20
-7.47

W5
-6.60
-7.40
-4.20
-2.40
-10.80
-9.00
-5.80
-4.80
-7.20
-6.47

0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00

Berechnung der Quadratsummen mit R

SStotal
SS withinSs = ( xim xi )

i
m
sum((weeks - matrix(rep(rowMeans(weeks),
each=5), nrow=9, byrow=TRUE))^2) = 2679.6

SStot = ( xim x ) 2
i
m
sum((weeks-mean(mean(weeks)))^2) = 3166.31

SSbetweenSs = m ( xi x ) 2
i

SSwithin Ss

SSbetween Ss
sum((matrix(rep(rowMeans(weeks), each=5), nrow=9,
byrow=TRUE) - mean(mean(weeks)))^2) = 486.71

SStreat

SSerror(treat X Ss)

SStreat = n ( xm x )

SSerror = SS withinSs SStreat

SS(error) = SS(subj X Week) = SS(within)-SS(treat) = 230.4

sum((matrix(rep(colMeans(weeks),
Hans-Rdiger Pfister, Gerd Meier each=9), nrow=9) - mean(mean(weeks)))^2) = 2449.2

Personen als Faktor

summary(aov(Headache ~ subj * Week, data=week.long))
Df
Sum Sq Mean Sq
subj

486.71

60.84

Week

4 2449.20

612.30

subj:Week
32 230.40
7.20
SS(total) = SS(between) + SS(Week) + SS(between X Week)
summary(aov(Headache ~ Week + Error(subj/Week), data=week.long))
Error: subj
Df Sum Sq Mean Sq F value Pr(>F)
Residuals

8 486.71

60.84

Error: subj:Week
Df Sum Sq Mean Sq F value
Week

4 2449.2

Residuals 32

612.3

230.4

Pr(>F)

85.042 < 2.2e-16 ***

subj Week Headache

1

V1

21

V1

20

V1

17

V1

25

V1

30

V1

19

V1

26

V1

17

V1

26

V2

22

V2

19

V2

15

V2

30

V2

27

V2

27

V2

16

V2

18

V2

24

V3

7.2

SS(total) SS(between) = SS(Week) + SS(error)

..........

Hans-Rdiger Pfister, Gerd Meier

Beispiel: Howell p. 481 Motor Activity in Rats

Gabe von Midazolam an Ratten
ber mehrere Tage, Messung der
Aktivitt am letzten Tag ber 6
5min-Intervalle. Midazolam wirkt
inhibierend auf die motorische
Aktivitt

350

same
different
control

300

Abhngige Variable:
motorische Aktivitt

250
Activity

Faktor 1:
- Kontrolle
- gleicher Kontext
- verschiedener Kontext

200

150

Faktor 2 (Messwiederholung):
- Zeitinterall (6 Messungen im
Abstand von 5 min)

100

Hypothese:
Konditionierte Toleranz:
verschiedener Kontext =
Kontrollgruppe

50
Int1

Int2

Int3

Int4

Int5

Int6

Interval

Hans-Rdiger Pfister, Gerd Meier

2-faktorielle ANOVA mit 1 between-Faktor (B mit k Stufen) und 1

within-Faktor (M mit m Stufen)

SStotal

SStot = ( xikm x ) 2
i

df = knm - 1

SS withinSs = SS tot SS betweenSs

df = kn(m-1)

SSwithin Ss

SSM

SSMxB

SS b t = m ( xik x ) 2
k

df = kn 1
= (k-1) + k(n-1)

SSerror(M)

SSbetween Ss

SSB

SSerror(B)

df = (m-1)(k-1)

SS M = nK ( xm x ) 2

SS err ( M ) = SS withinSs SS M SS M B

df = m - 1

df = k(m-1)(n-1)

SS M B = SS cell SS M SS B

SS cell = n ( xkm x ) 2
m

Hans-Rdiger Pfister, Gerd Meier

SS B = mn ( xk x ) 2
k

df = k - 1

SS err ( B ) = m ( xik xk ) 2
k

df = k(n-1)

ANOVA mit R

SS.Group

SS.between = SS.Group + SS.error/Group = 670573.1

SS.error/Group

Error: subj

Df Sum Sq Mean Sq F value

Group

2 285815

142908

Residuals 21 384722

18320

Pr(>F)

7.8006 0.002928 **

---

Error: subj:Interval
Df Sum Sq Mean Sq F value
Interval
Group:Interval
Residuals

5 399737
10

Pr(>F)

79947 29.8524 < 2.2e-16 ***

80820

8082

3.0178

105 281199

2678

0.002164 **

SS.GroupInterval = SS.cells SS.Group SS.Intervals

761755.8 =
SS.within = SS.total SS.between

SS.Intervals

SS.errorW = SS.within SS.Interval SS.GroupInterval

Hans-Rdiger Pfister, Gerd Meier

ANOVA mit SPSS

Tests der Innersubjekteffekte
Ma: MASS_1
Quelle
INTERVAL

INTERVAL * GROUP

Fehler(INTERVAL)

Sphrizitt angenommen
Greenhouse-Geisser
Huynh-Feldt
Untergrenze
Sphrizitt angenommen
Greenhouse-Geisser
Huynh-Feldt
Untergrenze
Sphrizitt angenommen
Greenhouse-Geisser
Huynh-Feldt
Untergrenze

Quadratsum
me vom Typ III
399736,562
399736,562
399736,562
399736,562
80819,958
80819,958
80819,958
80819,958
281199,313
281199,313
281199,313
281199,313

df
5
3,285
4,337
1,000
10
6,569
8,674
2,000
105
68,979
91,080
21,000

Mittel der
Quadrate
79947,312
121695,64
92166,251
399736,56
8081,996
12302,398
9317,227
40409,979
2678,089
4076,581
3087,401
13390,443

Tests der Zwischensubjekteffekte

Ma: MASS_1
Transformierte Variable: Mittel
Quelle
Intercept
GROUP
Fehler

Hans-Rdiger Pfister, Gerd Meier

Quadratsum
me vom Typ III
4113798,063
285815,042
384722,063

df
1
2
21

Mittel der
Quadrate
4113798,1
142907,52
18320,098

F
224,551
7,801

Signifikanz
,000
,003

F
29,852
29,852
29,852
29,852
3,018
3,018
3,018
3,018

Signifikanz
,000
,000
,000
,000
,002
,009
,004
,070