Sie sind auf Seite 1von 51

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

IS06_mehrfaktorielle_anova 2
1. Zweifaktorielle Varianzanalyse

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?

IS06_mehrfaktorielle_anova 3
1. Zweifaktorielle Varianzanalyse

Effekt der Lernbedingung

strukturell bildhaft emotional


5 12 12
7 7 11
3 8 12
4 10 12
6 13 13

IS06_mehrfaktorielle_anova 4
1. Zweifaktorielle Varianzanalyse

Effekt des Geschlechts


mnnlich 5
7
3
4
6
weiblich 6
8
4
5
7

IS06_mehrfaktorielle_anova 5
1. Zweifaktorielle Varianzanalyse

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

IS06_mehrfaktorielle_anova 6
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

IS06_mehrfaktorielle_anova 7
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.

IS06_mehrfaktorielle_anova 8
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

Die Summe der Effekte ist Null.

IS06_mehrfaktorielle_anova 9
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.

IS06_mehrfaktorielle_anova 10
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..

Die Summe der Effekte ist Null.


Der Interaktionseffekt gibt die Wirkung der Kombination
bestimmter Faktorstufen ber die Haupteffekte hinaus an.

IS06_mehrfaktorielle_anova 11
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!


IS06_mehrfaktorielle_anova 12
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.
IS06_mehrfaktorielle_anova 13
2. Effekte: Interaktionseffekte: Beispiele

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

IS06_mehrfaktorielle_anova 14
2. Effekte: Interaktionseffekte: Beispiele

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!

IS06_mehrfaktorielle_anova 15
2. Effekte: Interaktionseffekte: Beispiele

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..

IS06_mehrfaktorielle_anova 16
2. Effekte: Interaktionseffekte: Beispiele

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.
IS06_mehrfaktorielle_anova 17
2. Effekte: Interaktionseffekte: Beispiele

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

IS06_mehrfaktorielle_anova 18
3. Strukturgleichung & Quadratsummen

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
IS06_mehrfaktorielle_anova 19
3. Strukturgleichung & Quadratsummen

Quadratsummenzerlegung

SStotal = SSbetween + SSwithin


SStotal = SSFaktor A + SSFaktor B + SSAxB + SSwithin

IS06_mehrfaktorielle_anova 20
3. Strukturgleichung & Quadratsummen

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

IS06_mehrfaktorielle_anova 21
3. Strukturgleichung & Quadratsummen

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

IS06_mehrfaktorielle_anova 22
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

IS06_mehrfaktorielle_anova 23
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 within df Nenner = p q (n 1) bzw. N p q

MS AxB df Zhler = ( p 1) (q 1)
FAxB =
MS within df Nenner = p q (n 1) bzw. N p q

IS06_mehrfaktorielle_anova 24
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

IS06_mehrfaktorielle_anova 25
5. Interaktionsformen

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.

IS06_mehrfaktorielle_anova 26
5. Interaktionsformen: keine Interaktion

Keine Interaktion

Die Diagramme zeigen die Gruppenmittelwerte der vier Zellen.


Beide Diagramme zeigen die gleichen Daten!

IS06_mehrfaktorielle_anova 27
5. Interaktionsformen: Keine Interaktion

Keine Interaktion

Wenn die Linien der Graphen parallel verlaufen, gibt es keine


Interaktion!

IS06_mehrfaktorielle_anova 28
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.

IS06_mehrfaktorielle_anova 29
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.

IS06_mehrfaktorielle_anova 30
5. Interaktionsformen: Hybride Interaktion

Hybride Interaktion

Im linken Diagramm: gleicher Trend


Im rechten Diagramm: entgegengesetzte Trends
Hybride Interaktion

IS06_mehrfaktorielle_anova 31
5. Interaktionsformen

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

IS06_mehrfaktorielle_anova 32
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

IS06_mehrfaktorielle_anova 33
7. Mehrfaktorielle ANOVA

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)

IS06_mehrfaktorielle_anova 34
7. Mehrfaktorielle ANOVA

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

IS06_mehrfaktorielle_anova 35
7. Mehrfaktorielle ANOVA

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.

IS06_mehrfaktorielle_anova 36
7. Mehrfaktorielle ANOVA

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
IS06_mehrfaktorielle_anova 37
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.

IS06_mehrfaktorielle_anova 38
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.

IS06_mehrfaktorielle_anova 39
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.

IS06_mehrfaktorielle_anova 40
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

IS06_mehrfaktorielle_anova 41
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

IS06_mehrfaktorielle_anova 42
8. Zufallseffekte: Beispiel: einfaktorielle ANOVA

Beispiel: Alter und Klausurerfolg

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

IS06_mehrfaktorielle_anova 43
8. Zufallseffekte: Beispiel: einfaktorielle ANOVA

Beispiel: Alter und Klausurerfolg

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.

IS06_mehrfaktorielle_anova 44
8. Zufallseffekte: Beispiel: einfaktorielle ANOVA

Beispiel: Alter und Klausurerfolg


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.

IS06_mehrfaktorielle_anova 45
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?
MS FaktorA df Zhler = p 1
FA =
MS FaktorAxB df Nenner = ( p 1) (q 1)

MS FaktorB df Zhler = q 1
FB =
MS FaktorAxB df Nenner = ( p 1) (q 1)

MS FaktorAxB df Zhler = ( p 1) (q 1)
FAxB =
MS within df Nenner = N p q

IS06_mehrfaktorielle_anova 46
8. Zufallseffekte: Beispiel: zweifaktorielle ANOVA

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.

IS06_mehrfaktorielle_anova 47
8. Zufallseffekte: Beispiel: zweifaktorielle ANOVA

Zweifaktorielle ANOVA mit gemischten Effekten

MS FaktorA df Zhler = p 1
fest FA =
MS FaktorAxB df Nenner = ( p 1) (q 1)

MS FaktorB df Zhler = q 1
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

IS06_mehrfaktorielle_anova 48
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

IS06_mehrfaktorielle_anova 49
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.

IS06_mehrfaktorielle_anova 50
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 51