actionbrowser.com
Beitrag aus planung&analyse 17/4 in der Rubrik "Statistik kompakt" Autoreninformation Johannes Lüken, Diplom Psychologe, ist Leiter des Bereichs Multivariate Analysen bei IfaD, Institut für angewandte Datenanalyse, Hamburg. Schwerpunkte seiner Tätigkeit sind die Entwicklung neuer Methoden, deren Implementierung in Analysetools, sowie die Anwendung, Schulung und Beratung im Hinblick auf diese Verfahren. Prof. Dr. Heiko Schimmelpfenni g ist Projektleiter für Multivariate Analysen bei IfaD, Institut für angewandte Datenanalyse, sowie Professor für Betriebswirtschaftslehre an der BiTS, Business and Information Technology School, Hamburg. Er ist bei IfaD schwerpunktmäßig für die Beratung, Anwendung und Schulung dieser Verfahren verantwortlich und vertritt in der Lehre das Gebiet der Quantitativen Methoden der Wirtschaftswissenschaft. Literatur Eid, M. ; Gollwitzer, M. Einfaktorielle varianzanalyse mit messwiederholung berichten. ; Schmitt, M. (2013): Unterschiede zwischen mehreren abhängigen Stichproben: Varianzanalyse mit Messwiederholung und verwandte Verfahren.
Daran anschließend folgt eine sogenannte Varianzzerlegung. Die Gesamtvarianz ergibt sich aus der Abweichung der Messwerte aller Personen zu allen Zeitpunkten vom Gesamtmittelwert. Diese Gesamtvarianz lässt sich in einzelne Komponenten zerlegen: SS total= SS zwischen _ Personen + SS Effekt +SS residual Die Varianz zwischen den Personen ist der Teil der Varianz, der auf Unterschiede der untersuchten Personen zurückgeht bzw. dadurch erklärt wird. Wir ignorieren nachfolgend diesen Teil der Varianz. Varianzanalyse mit Messwiederholung | IfaD. Uns interessiert nämlich, was innerhalb der Personen passiert, sprich: welcher Teil des Fehlers durch die Kenntnis des Messzeitpunktes (=Effekt) reduziert wurde. Der Teil der Varianz, der keiner der beiden Informationen zugewiesen werden kann, ist der verbleibende nicht erklärte Fehler (=Residual). Anmerkung: Für Person g bei Messung k Die Vermengung der Elemente Person und Zeitpunkt ist für abhängige Stichproben bei der Berechnung des Residualfehlers berücksichtigt. Im Weiteren wird die durch die Messzeitpunkte erklärte Varianz näher betrachtet.
3047955/(1-0. 3047955)) 0. 6621372 Der f-Wert für die ANOVA ist 0, 6621372 Cohen: Statistical Power Analysis for the Behavioral Sciences (1988), S. 284-287 hilft hier bei der Einordnung. Einfaktorielle Varianzanalyse (ANOVA) mit Messwiederholung in SPSS durchführen - Analysieren (50) - YouTube. Ab 0, 1 ist es ein schwacher Effekt, ab 0, 25 ein mittlerer und ab 0, 4 ein starker Effekt. Demzufolge ist der mit der ANOVA beobachtete Unterschied ein starker Unterschied, da 0, 6621372 über der Grenze zum starken Effekt liegt. Die Effektstärke der ANOVA wird selten berichtet, da die paarweisen Vergleiche/Unterschiede interessanter sind. Weitere nützliche Tutorials findest du auf meinem YouTube-Kanal.
Zudem erwiesen sich beide Effekte als sehr stark. Der Interaktionsterm Koffeinkonsum x Lärmpegel zeigte keine Signifikanz. Du konntest den Effekt von Koffeinkonsum auf die Konzentrationsfähigkeit somit replizieren. Die Mittelwerte offenbaren zudem, dass die Personen umso konzentrierter waren, je leiser die Umgebung war (unabhängig vom Koffeinkonsum).