Sie sind auf Seite 1von 10

2100

Die Residuenanalyse informiert darüber, ob die Voraussetzungen für inferenzstatistische


Auswertungen (Signifikanztests, Konfidenzintervalle) erfüllt sind: Linearität, Homoskedastizität,
Normalverteilung, Unabhängigkeit.

Idealerweise sollten die Residuen unsystematisch um die Nulllinie schwanken.

Idealtypisches Streudiagramm der Residuen.

Einfaktorielle Versuchspläne

Unabhängige Variablen werden in einem Versuchsplan auch als „Faktoren“ bezeichnet.

Ein Faktor besitzt (meistens) nominale Kategorien. Man spricht auch von den „Stufen des Faktors“.

 Im Fall eines Experimentes spricht man auch von einem Treatmentfaktor und den Stufen des
Treatmentfaktors.

Werden für jede Faktorstufe eines einfaktoriellen Versuchsplans die gleiche Anzahl von
Beobachtungen erhoben, spricht man von einem balancierten Versuchsplan. Die Anzahl der
Beobachtungen pro Faktorstufe wird mit n bezeichnet.
Grundidee der ANOVA: Ist die Gruppenzugehörigkeit (Faktorstufe) einer Person unbekannt, so ist die
bestmögliche Vorhersage des Werts von 𝑦 dieser Person der Gesamtmittelwert. Kennt man die
Faktorstufe (Gruppenzugehörigkeit) einer Person, so ist die bestmögliche Vorhersage Werts von 𝑦
dieser Person der Gruppenmittelwert dieser Faktorstufe.

Da insgesamt n ∙ p Werte in die QStot eingingen, erhalten wir n ∙ p − 1 = N − 1 Freiheitsgrade (siehe


Berechnung Varianz).

Es wird nur derjenige Anteil der Unterschiedlichkeit aller Messwerte betrachtet, der mit den vier
verschiedenen Lehrmethoden zusammenhängt. Wie würden die einzelnen Messwerte aussehen,
wenn Sie ausschließlich von den vier verschiedenen Lehrmethoden bestimmt wären? Alle Schüler,
die nach derselben Methode unterrichtet wurden, erzielen identische Werte. Innerhalb einer Gruppe
gibt keinerlei Variation.

Anzahl der Freiheitsgrade für QSA dfA = p – 1


Freiheitsgrade Fehlerquadratsumme (QSe )

dfe = p ∙ (n − 1) = N – p

Da die Personen zufällig auf die Lerngruppen verteilt wurden lässt sich sagen,
dass in der Stichprobe 70% der Gesamtvariabilität auf Unterschiede zwischen
den vier Lehrmethoden zurückzuführen ist.

InferenzSind die beobachteten Mittelwertunterschiede zufällig aufgrund der getroffenen


Stichprobenauswahl zustande gekommen oder spiegeln sie tatsächliche Unterschiede zwischen den
Faktorstufen wider?

Zur Hypothesenprüfung brauchen wir sogenannte mittlere Quadrate („MQ“).


Der empirische F-Wert ist größer als der kritische F-Wert:

Wir lehnen die Nullhypothese ab und entscheiden uns für die Alternativhypothese

Ungleiche Stichprobengrößen
Der Anteil der Gesamtvariation der abhängigen Variablen, der durch die
unabhängige Variable im Vorhersagemodell aufgeklärt werden kann, wird auch als h2 (eta-Quadrat)
bezeichnet

„Effekt“-Modell (alternative Darstellung):


Zufällige Effekte

In Anwendungen ist man häufig an der Größe der Varianzkomponente 𝜎𝐴 2 interessiert (wie groß
sind z.B. die Mittelwertsunterschiede zwischen Therapeuten, Schulklassen oder Betrieben). Diese
berechnet man über die Erwartungswerte der mittleren Quadratsummen.
Mehrfaktorielle Versuchspläne
Auf Basis der linearen Regressionsanalyse lässt sich das Prinzip der
statistischen Kontrolle einer Drittvariablen erklären. Die zugehörige
statistische Kenngröße heißt partielle Korrelation.*

Signifikanztes Prüfung der Hypothese, dass eine partielle Korrelation signifikant von einem Wert r0
abweicht (hier: ungerichtet).