IS06 Mehrfaktorielle Anova

Themen-berblick
Semesterberblick Inferenzstatistik
Datum Thema Datum Thema

24.04.17 Multiple Regression 1 12.06.17 Post-hoc-Tests und Kontraste
01.05.17 1. Mai 19.06.15 Mehrfaktorielle ANOVA
08.05.17 Multiple Regression 2 26.06.15 Messwiederholte ANOVA
15.05.17 Das Allgemeine Lineare Model 03.07.17 Kovarianzanalyse
22.05.17 Einfhrung ANOVA 10.07.15 Nonparametrische Verfahren
29.05.17 Einfaktorielle ANOVA 17.07.17 Wiederholung
05.06.17 Pfingsten Freitag, 14-16 Uhr Klausur
28.07.17 (Orientierungsprfung)*
*Wiederholungtermin: Fr., 13.10.2017
IS06_mehrfaktorielle_anova 1
Mehrfaktorielle Varianzanalyse
Mehrfaktorielle Varianzanalyse: Gliederung

1. Zweifaktorielle Varianzanalyse
2. Effekte
Haupteffekte
Zelleneffekte
Interaktionseffekte
3. Strukturgleichung & Quadratsummen
4. F-Test
5. Interaktionsformen
6. Zweifaktorielle ANOVA in R
7. Mehrfaktorielle ANOVA
8. Zufallseffekte
Zweifaktorielle Varianzanalyse
Wenn mehrere unabhngige Variablen (UVs) vorliegen, muss eine
mehrfaktorielle Varianzanalyse berechnet werden.
Es wird dann untersucht, ob die AV von den unterschiedlichen
UVs abhngt.
Beispiel: Hngt die Gedchtnisleistung (AV) von der

Lernbedingung (UV1) und dem Geschlecht (UV2) ab?
Effekt der Lernbedingung
strukturell bildhaft emotional

5 12 12
7 7 11
3 8 12
4 10 12
6 13 13
Effekt des Geschlechts

mnnlich 5
7
3
4
6
weiblich 6
8
4
5
7
Zweifaktorielles Design
strukturell bildhaft emotional
mnnlich 5 12 12
7 7 11
3 8 12
4 10 12
6 13 13
weiblich 6 13 13
8 8 12
4 9 13
5 11 13
7 14 14
2. Effekte
Zellen und Randmittelwerte
Faktor B
Faktor A B1: strukturell B2: bildhaft B3: emotional
A1: mnnlich
y11 = 5 y12 = 10 y13 = 12 y1. = 9
A2: weiblich y21 = 6 y22 = 11 y23 = 13 y2. = 10
y.1 = 5.5 y.2 = 10.5 y.3 = 12.5 y.. = 9.5
2. Effekte: Haupteffekte
Haupteffekt A
Der Haupteffekt der Stufe j des Faktors A berechnet sich als:
a1 = y1. y.. = 9 9.5 = 0.5

a j = y j . y..
a2 = y2 . y.. = 10 9.5 = 0.5
Die Summe der Effekte ist Null.
2. Effekte: Haupteffekte
Haupteffekt B
Der Haupteffekt der Stufe k des Faktors B berechnet sich als:
b1 = y1 y = 5.5 9.5 = 4
bk = y.k y.. b2 = y2 y = 10.5 9.5 = 1
b3 = y3 y = 12.5 9.5 = 3
2. Effekte: Zelleneffekte
Zelleneffekte [ab]11 = 5 9.5 = 4.5

Der Effekt einer Kombination [ab]12 = 10 9.5 = 0.5
bestimmter Stufen der Faktoren A und B [ab]13 = 12 9.5 = 2.5
berechnet sich als: [ab]21 = 6 9.5 = 3.5
[ab] jk = y jk y.. [ab]22 = 11 9.5 = 1.5
Die Summe der Effekte ist Null. [ab]23 = 13 9.5 = 3.5
Der Zelleneffekt ist wenig
aussagekrftig, da er auch von den
Haupteffekten beeinflusst wird.
2. Effekte: Interaktionseffekte
Interaktionseffekte (A x B)
Ein Interaktionseffekt wird als Differenz der Zelleneffekte und der
beteiligten Haupteffekte berechnet:
(ab) jk = [ab] jk a j bk
= ( y jk y..) ( y j . y..) ( y.k y..)
= y jk y j . y.k + y..

Der Interaktionseffekt gibt die Wirkung der Kombination
bestimmter Faktorstufen ber die Haupteffekte hinaus an.
2. Effekte: Interaktionseffekte
Interaktionseffekte (A x B)
( ab) jk = y jk y j . y.k + y..

( ab)11 = 5 9 5.5 + 9.5 = 0
( ab)12 = 10 9 10.5 + 9.5 = 0
(ab)13 = 12 9 12.5 + 9.5 = 0
(ab) 21 = 6 10 5.5 + 9.5 = 0
(ab) 22 = 11 10 10.5 + 9.5 = 0
(ab) 23 = 13 10 12.5 + 9.5 = 0
Es liegen im Beispiel keine Interaktionseffekte vor!

2. Effekte: Interaktionseffekte: Beispiele
Beispiel 1: Einfluss bildhafter 14
Verarbeitung auf die 12

Gedchtnisleistung bei Mnnern 10
und Frauen
8 Frauen
Mnner
strukturell bildhaft 6
Frauen 5 13 9 4
2
Mnner 5 10 7.5
0
5 11.5 8.25 strukturell bildhaft
Interaktion: Frauen profitieren

von bildhafter Verarbeitung strker
als Mnner.
strukturell bildhaft gesamt

F 5 (-0.75) 13 (0.75) 9
M 5 (0.75) 10 (-0.75) 7.5
G 5 11.5 8.25
(ab) jk = y jk y j . y.k + y..

(ab)11 = 5 9 5 + 8.25 = 0.75
(ab)12 = 13 9 11.5 + 8.25 = 0.75
(ab) 21 = 5 7.5 5 + 8.25 = 0.75
(ab) 22 = 10 7.5 11.5 + 8.25 = 0.75
Beispiel 2: Einfluss bildhafter 14

Verarbeitung auf die 12
Gedchtnisleistung bei Mnnern 10
und Frauen
8 Frauen
Mnner
strukturell bildhaft 6
Frauen 5 11.5 8.25 4
2
Mnner 5 11.5 8.25
0
5 11.5 8.25 strukturell bildhaft
Keine Interaktion!
strukturell bildhaft gesamt

F 5 (0) 11.5 (0) 8.25
M 5 (0) 11.5 (0) 8.25
G 5 11.5 8.25
(ab) jk = y jk y j . y.k + y..
Beispiel 3: Einfluss von Alkohol auf 600
die Reaktionszeit bei Mnner und 500
Frauen 400
Frauen
300
Mnner
200
ohne Alk. mit Alk.
Frauen 230 500 365 100
0
Mnner 230 350 290 ohne Alkohol mit Alkohol
230 425 327.5
Interaktion: Frauen werden

durch Alkohol strker
beeintrchtigt als Mnner.
Beispiel 4: Wirksamkeit der Medikamente M1 und M2 bei Mnner

und Frauen.
zwei Medikamente M1 und M2 (Faktor A)
an Mnnern und Frauen getestet (Faktor B)
kein Unterschied zwischen den Geschlechtern und den
Medikamenten
aber eine Wechselwirkung (Interaktion):
- bei Frauen wirkt M1 gut, M2 kaum
- bei Mnnern entgegengesetzt
M1 fr Frauen, M2 fr Mnner besser geeignet
Strukturgleichung (2-fakt. ANOVA)
yijk = y.. + a j + bk + (ab) jk + eijk

yijk = y.. Gesamtmittelwert
+ ( y j . y..) Effekt Faktor A
+ ( y.k y..) Effekt Faktor B

+ ( y jk y j . y.k + y..) Interaktion
+ eijk Fehler
= Strukturgleichung einfaktorielle ANOVA + Effekt des

zweiten Faktors + Interaktionseffekt
Quadratsummenzerlegung
SStotal = SSbetween + SSwithin

SStotal = SSFaktor A + SSFaktor B + SSAxB + SSwithin
Quadratsummen
p
SS FaktorA = n p ( y j . y..)
j =1
q
SS FaktorB = nq ( y.k y..)
k =1
p q
SS AxB = n p ,q ( y jk y j . y.k + y..)
j =1 k =1
n p q
SS within = ( yijk y jk )
i =1 j =1 k =1
Mittlere Quadrate und Freiheitsgrade
SS FaktorA p = Anzahl der Stufen von Faktor A

MS FaktorA = q = Anzahl der Stufen von Faktor B
p 1
n = Anzahl Vpn in jeder Zelle
SS FaktorB (Annahme gleichbesetzter
MS FaktorB = Zellen)
q 1
SS FaktorAxB
MS FaktorAxB =
( p 1) (q 1)
SS within
MS within =
N pq
4. F-Test
Statistische Hypothesen
Bei einer 2-faktorienllen ANOVA gibt es drei Nullhypothesen:
1. H0 fr Faktor A:
j =0 fr alle j, oder: 1. = 2 . = 3 . = ... = p .
2. H0 fr Faktor B:
k = 0 fr alle k, oder: 1 = 2 = 3 = ... = q

3. H0 fr A x B:
( ) jk = 0 fr alle jk, oder: jk = j + k
4. F-Test
Drei F-Tests
MS FaktorA df Zhler = p 1
FA =
MS within df Nenner = p q (n 1) bzw. N p q
MS FaktorB df Zhler = q 1
FB =
MS AxB df Zhler = ( p 1) (q 1)
FAxB =
4. F-Test
Erklrte Varianzanteile
R 2
y .( A, B , A B ) =R 2
y. A +R 2
y.B +R 2
y . A B
SS A
R 2
y. A =
SStotal
SS B
R 2
y.B =
SStotal
SS A B
R 2
y . A B =
SStotal
Es gibt drei Formen der Interaktion:
ordinale Interaktion
Beide Haupteffekte sind global interpretierbar.
hybride Interaktion
Nur einer der beiden Haupteffekte ist global
interpretierbar.
disordinale Interaktion
Keiner der beiden Haupteffekte ist global interpretierbar.
5. Interaktionsformen: keine Interaktion
Keine Interaktion
Die Diagramme zeigen die Gruppenmittelwerte der vier Zellen.

Beide Diagramme zeigen die gleichen Daten!
5. Interaktionsformen: Keine Interaktion
Keine Interaktion
Wenn die Linien der Graphen parallel verlaufen, gibt es keine

Interaktion!
5. Interaktionsformen: Ordinale Interaktion
Ordinale Interaktion
Wenn der gleiche Trend fr beide Linien in beiden Diagrammen

gilt (alle Graphen steigen oder alle Graphen fallen), spricht man
von einer ordinalen (geordneten) Interaktion.
5. Interaktionsformen: Disordinale Interaktion
Disordinale Interaktion
Wenn unterschiedliche Trends fr beide Linien in beiden

Diagrammen gelten (ein Graphen steigt, einer fllt), spricht man
von einer disordinalen (ungeordneten) Interaktion.
5. Interaktionsformen: Hybride Interaktion
Hybride Interaktion
Im linken Diagramm: gleicher Trend

Im rechten Diagramm: entgegengesetzte Trends
Hybride Interaktion
Welch Interaktionsform?
B1 B2
A1 18 22
A2 25 40
B1 B2
A1 25 20
A2 15 40
B1 B2
A1 20 30
A2 25 35
6. Zweifaktorielle ANOVA in R
model <- aov_ez(id="Code",

dv="Wrter",
data=df,
between=c("Bedingung", "Geschlecht"))
summary(model)
Anova Table (Type 3 tests)
Response: Wrter
num Df den Df MSE F ges Pr(>F)
Bedingung 2 60 12.34 4.4593 0.129407 0.01565 *
Geschlecht 1 60 12.34 4.7218 0.072955 0.03374 *
Bedingung:Geschlecht 2 60 12.34 1.2691 0.040585 0.28853
---
Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Eine Varianzanalyse kann mit beliebig vielen Faktoren berechnet

werden
Damit sind auch Interaktionen hherer Ordnung mglich: drei-,
vier-, fnf, n-fach-Interaktionen (bei n Faktoren).
Die Interpretation solcher Mehrfachinteraktionen ist oft
schwierig.
Beispiel: Evaluation eines Entspannungstrainings
Faktor A: Geschlecht des Kursleiters
Faktor B: Geschlecht der Kursteilnehmer
Faktor C: Art des Trainings: Progressive Muskelrelaxation (PMR) vs.
Autogenes Training (AT)
Faktor A: Geschlecht d. Th.

weiblich mnnlich
Faktor B: Ge- weiblich mnnlich weiblich mnnlich
schlecht (Pat.)
Faktor C: Art AT
75 65 65 75
des Trainings
PMR
70 70 70 70
AT PMR
80 80
75 75
70 m 70 m
65 w 65 w
60 60
m w m w
Eine dreifach-Interaktion (AxBxC) bedeutet, dass sich die

zweifach-Interaktionen (AxB) fr die beiden Stufen von C
unterscheiden.
oder, dass sich die zweifach-Interaktionen (AxC) fr die beiden
Stufen von B unterscheiden.
oder, dass sich die zweifach-Interaktionen (BxC) fr die beiden
Stufen von A unterscheiden.
Eine 4-fach Interaktion ist darauf zurckzufhren, dass sich die

beteiligten 3-fach Interaktionen voneinander unterscheiden.
1 Faktor:
SStotal = SSwithin + SSA
2 Faktoren:
SStotal = SSwithin + SSA + SSB + SSAxB
3 Faktoren:
SStotal = SSwithin + SSA + SSB + SSC +
SSAxB + SSBxC + SSAxC + SSAxBxC
4 Faktoren:
SStotal = SSwithin + SSA + SSB + SSC + SSD +
SSAxB + SSAxC + SSAxD +SSBxC +SSBxD+ SSCxD+
SSAxBxC + SSAxBxD + SSAxCxD + SSBxCxD +
SSAxBxCxD
8. Zufallseffekte
Feste Effekte vs. Zufallseffekte
Bisher haben wir nur Varianzanalysen fr so genannte feste

Effekte besprochen.
Definition: Man spricht von festen Effekten, wenn alle mglichen
bzw. alle interessierenden Stufen eines Faktors im Versuchsplan
realisiert werden.
Beispiele: Geschlecht, Therapieform, etc.
In diesem Fall ist das Ergebnis der ANOVA nur auf die realisierten
Stufen zu beziehen.
8. Zufallseffekte
Zufallseffekte
Hufig sind Gruppenbildungen jedoch nicht eindeutig, weil eine
UV keine festen Abstufungen hat.
Beispiel:
UV: Extraversion (gering, mittel, hoch)
AV: Prfungserfolg in einer mndlichen Prfung.
In diesem Fall sollte eine ANOVA mit Zufallseffekten berechnet
werden.
8. Zufallseffekte
Zufallseffekte
Definition: Wenn ein Faktor viele Abstufungen hat und fr eine
Untersuchung zufllig einige davon ausgesucht werden, spricht
man von Zufallseffekten.
Beispiele: Persnlichkeitseigenschaften, Alkoholkonsum, Alter,
etc.
Wenn ein Faktor als Zufallsfaktor betrachtet wird, so ist eine
Generalisierung der Ergebnisse auf andere (nicht untersuchte)
Stufen mglich.
8. Zufallseffekte
Feste Effekte vs. Zufallseffekte

Feste Effekte Zufallseffekte
Alle mglichen / Einige Stufen werden aus vielen
interessierenden Stufen eines mglichen Stufen ausgesucht.
Faktors werden realisiert.
Keine Generalisierbarkeit auf Generalisierbarkeit ist gegeben.
nicht realisierte Stufen.
Die Summe der Effekte ist Null. Die Summe der Effekte muss
nicht Null sein.
H0: Alle Effekte sind Null. H0: Die Varianz der Effekte ist
j=0 (fr alle j) Null.
() = 0
8. Zufallseffekte: Beispiel: einfaktorielle ANOVA
Beispiel: Alter und Klausurerfolg

Gruppenbildung: Vp Alter Gruppe Punkte
Alter < 24 Gruppe 1 1 23 1 20
Alter 24 Gruppe 2 2 19 1 22
3 29 2 28
4 21 1 26
Willkrliche Gruppenbildung 5 22 1 30
6 19 1 22
Eigentlich soll untersucht werden, 7 27 2 24
ob der Studienerfolg vom Alter 8 24 2 20
im Allgemeinen abhngt. 9 22 1 24
10 28 2 26

20 20 1 25
Gruppe 1 (jung) Gruppe 2 (alt)

yi1 (yi1-m1) yi2 (yi2-m2)
20 25 23 0
28 9 20 9
24 1 22 1
26 1 25 4
30 25 24 1
22 9 22 1
27 4 24 1
24 1 24 1
24 1 20 9
25 0 26 9
m1=25 =76 m2=23 =36
SSbetween SS within
MSbetween = MS within =
df between df within
i =1 ni ( yi y )
p 2
(y
p
i =1
n
j =1
yi )
2
=
ij
=
p 1 Np
10 1 + 10 1 76 + 36
= = 20 = = 6.22
2 1 18
Bei einer einfaktoriellen ANOVA mit Zufallseffekten werden die

Quadratsummen wie bisher berechnet.

MSbetween
Fdf b ,df w =
MS within
20
F1,18 = = 3.21
6.22
Der kritische F-Wert betrgt 4.35
kein statistisch bedeutsamer Unterschied!
Fazit: Kein Unterschied in der Durchfhrung des F-Tests im
Vergleich zur Analyse mit festen Effekten.
Dies gilt jedoch nur fr die einfaktorielle ANOVA.
8. Zufallseffekte: Beispiel: zweifaktorielle ANOVA
Zweifaktorielle ANOVA mit Zufallseffekten

Beispiel: Wie wirkt sich das Alter (UV1) und die Extraversion (UV2)
eines Kandidaten auf das Ergebnis einer mndlichen Prfung
aus?
FA =
MS FaktorAxB df Nenner = ( p 1) (q 1)
FB =
MS FaktorAxB df Zhler = ( p 1) (q 1)
FAxB =
MS within df Nenner = N p q
Zweifaktorielle ANOVA mit gemischten Effekten

Liegt ein Faktor mit festem Effekt und ein Faktor mit Zufallseffekt
vor, spricht man von einer ANOVA mit gemischten Effekten.
Wichtig: Es muss bei der Berechnung der F-Tests beachtet
werden, welcher Faktor als Zufallsfaktor eingegeben wird.
Beispiel: Einfluss des Geschlechts (Faktor A) und des Alters
(Faktor B) auf die ngstlichkeit einer Person
Die folgenden Berechnungen gehen davon aus, dass
Faktor B der Zufallsfaktor ist.
Zweifaktorielle ANOVA mit gemischten Effekten
fest FA =
zufllig FB =
MS within
df Nenner = N p q
MS FaktorAxB
FAxB = df Zhler = ( p 1) (q 1)
MS within
df Nenner = N p q
8. Zufallseffekte: berblick
berblick ber die Berechnung der F-Tests

Faktor A Faktor B AxB
A fest, MS FaktorA MS FaktorB MS FaktorAxB
F= F= F=
B fest MS within MS within MS within
A zufllig, MS FaktorA MS FaktorB MS FaktorAxB

F= F= F=
B zufllig MS FaktorAxB MS FaktorAxB MS within
A fest, MS FaktorA MS FaktorB MS FaktorAxB
F= F= F=
B zufllig MS FaktorAxB MS within MS within
Mehrfaktorielle ANOVA: Zusammenfassung
Zusammenfassung
Liegen mehrere nominalskalierte unabhngige Variablen und
eine intervallskalierte abhngige Variable vor, kann eine
mehrfaktorielle ANOVA berechnet werden.
In diesem Fall knnen neben den Haupteffekten auch
Interaktionseffekte berechnet werden. Die Interaktion gibt
jeweils an, ob die einzelnen Bedingungskombinationen ber den
Einfluss der Haupteffekte hinaus spezifische Effekte haben.
Auch fr den Interaktionseffekt kann eine Quadratsumme
berechnet werden; daher ist auch ein F-Test fr die Interaktion
mglich.
Mehrfaktorielle ANOVA: Zusammenfassung
Es wird zwischen ordinalen, disordinalen und hybriden

Interaktionen unterschieden.
Mehrfaktorielle ANOVAs knnen mit beliebig vielen Faktoren
(=UVs) berechnet werden (aber alle npq > 20!).
In diesem Fall ergeben sich Interaktionen hherer Ordnung,
denen wieder bestimmte SS zugeordnet werden knnen.
Werden Stufen eines Faktors zufllig aus einer groen Anzahl
mglicher Stufen ausgewhlt, mssen ANOVAS mit
Zufallseffekten berechnet werden
Bei der mehrfaktoriellen Varianzanalyse beeinflusst die Art des
Faktors (fest vs. zufllig), welche Varianz im Nenner des F-Bruchs
verwendet werden muss.

IS06 Mehrfaktorielle Anova

Hochgeladen von

Dokumentinformationen

Beschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Beschreibung:

Copyright:

Verfügbare Formate

IS06 Mehrfaktorielle Anova

Hochgeladen von

Beschreibung:

Copyright:

Verfügbare Formate

Themen-berblick

Datum Thema Datum Thema

Mehrfaktorielle Varianzanalyse: Gliederung

Beispiel: Hngt die Gedchtnisleistung (AV) von der

Effekt der Lernbedingung

strukturell bildhaft emotional

Effekt des Geschlechts

Zellen und Randmittelwerte

a1 = y1. y.. = 9 9.5 = 0.5

Die Summe der Effekte ist Null.

Die Summe der Effekte ist Null.

Zelleneffekte [ab]11 = 5 9.5 = 4.5

Die Summe der Effekte ist Null.

( ab) jk = y jk y j . y.k + y..

Es liegen im Beispiel keine Interaktionseffekte vor!

Beispiel 1: Einfluss bildhafter 14

Verarbeitung auf die 12

Interaktion: Frauen profitieren

strukturell bildhaft gesamt

(ab) jk = y jk y j . y.k + y..

Beispiel 2: Einfluss bildhafter 14

Frauen 5 11.5 8.25 4

strukturell bildhaft gesamt

(ab) jk = y jk y j . y.k + y..

Beispiel 3: Einfluss von Alkohol auf 600

die Reaktionszeit bei Mnner und 500

230 425 327.5

Interaktion: Frauen werden

Beispiel 4: Wirksamkeit der Medikamente M1 und M2 bei Mnner

Strukturgleichung (2-fakt. ANOVA)

yijk = y.. + a j + bk + (ab) jk + eijk

+ ( y j . y..) Effekt Faktor A

+ ( y.k y..) Effekt Faktor B

= Strukturgleichung einfaktorielle ANOVA + Effekt des

SStotal = SSbetween + SSwithin

Mittlere Quadrate und Freiheitsgrade

SS FaktorA p = Anzahl der Stufen von Faktor A

k = 0 fr alle k, oder: 1 = 2 = 3 = ... = q

Es gibt drei Formen der Interaktion:

Die Diagramme zeigen die Gruppenmittelwerte der vier Zellen.

Wenn die Linien der Graphen parallel verlaufen, gibt es keine

Wenn der gleiche Trend fr beide Linien in beiden Diagrammen

Wenn unterschiedliche Trends fr beide Linien in beiden

Im linken Diagramm: gleicher Trend

model <- aov_ez(id="Code",

Anova Table (Type 3 tests)

Eine Varianzanalyse kann mit beliebig vielen Faktoren berechnet

Faktor A: Geschlecht d. Th.

Eine dreifach-Interaktion (AxBxC) bedeutet, dass sich die

Eine 4-fach Interaktion ist darauf zurckzufhren, dass sich die

Feste Effekte vs. Zufallseffekte

Bisher haben wir nur Varianzanalysen fr so genannte feste

Feste Effekte vs. Zufallseffekte

Beispiel: Alter und Klausurerfolg

Beispiel: Alter und Klausurerfolg

Gruppe 1 (jung) Gruppe 2 (alt)

Beispiel: Alter und Klausurerfolg

Bei einer einfaktoriellen ANOVA mit Zufallseffekten werden die

Beispiel: Alter und Klausurerfolg

Zweifaktorielle ANOVA mit Zufallseffekten

Zweifaktorielle ANOVA mit gemischten Effekten