SPSS Mixed ANOVA durchführen

Was ist eine ANOVA mit Messwiederholung?

Eine ANOVA mit Messwiederholung wird verwendet, um zu überprüfen, ob es signifikante Unterschiede zwischen den Mittelwerten von zwei oder mehr Gruppen gibt, wenn die Daten durch Zeit, Personen oder andere Faktoren wiederholt gemessen wurden. Diese Art der Analyse ist besonders nützlich, wenn man mehrere Messungen für jede Beobachtung hat und überprüfen möchte, ob es signifikante Unterschiede in den Mittelwerten dieser Messungen gibt. In diesem Artikel wird beschrieben, wie man eine ANOVA mit Messwiederholung in SPSS durchführt und wie man das Ergebnis interpretiert. Zunächst wird jedoch eine kurze Einführung in die Konzepte der ANOVA mit Messwiederholung gegeben.

ANOVA mit Messwiederholung, auch als „ANOVA mit ungepaarten Stichproben“ oder „einfaktorielle ANOVA mit Messwiederholung“ bezeichnet, ist ein statistisches Verfahren, das verwendet wird, um zu überprüfen, ob es signifikante Unterschiede zwischen den Mittelwerten von zwei oder mehr Gruppen gibt. Die ANOVA mit Messwiederholung ist eine Erweiterung der Einfaktorielle ANOVA, die verwendet wird, wenn es nur eine unabhängige Variable gibt, aber mehrere Messungen für jede Beobachtung gemacht wurden. Die ANOVA mit Messwiederholung testet die HypotheseHypothese Eine Hypothese ist eine vorläufige Annahme über einen Zusammenhang oder ein Phänomen, die aufgrund von Beobachtungen oder vorherigen Erkenntnissen gemacht wird und überprüft werden kann, indem sie durch Forschung oder Experimente gestützt oder widerlegt wird., dass die Mittelwerte aller Gruppen gleich sind, indem sie die Varianz innerhalb der Gruppen und die Varianz zwischen den Gruppen misst. Wenn die Varianz zwischen den Gruppen größer ist als die Varianz innerhalb der Gruppen, gibt es wahrscheinlich signifikante Unterschiede zwischen den Mittelwerten der Gruppen.

Was berechnet die ANOVA mit Messwiederholung?

Die ANOVA mit Messwiederholung berechnet zwei Arten von Varianz: die Varianz innerhalb der Gruppen und die Varianz zwischen den Gruppen. Die Varianz innerhalb der Gruppen misst die Streuung der Werte innerhalb einer Gruppe und gibt an, wie sehr sich die Werte innerhalb einer Gruppe voneinander unterscheiden. Die Varianz zwischen den Gruppen misst die Streuung der Mittelwerte der Gruppen und gibt an, wie sehr sich die Mittelwerte der Gruppen voneinander unterscheiden.

Die ANOVA mit Messwiederholung verwendet diese beiden Arten von Varianz, um zu überprüfen, ob es signifikante Unterschiede zwischen den Mittelwerten der Gruppen gibt. Wenn die Varianz zwischen den Gruppen größer ist als die Varianz innerhalb der Gruppen, gibt es wahrscheinlich signifikante Unterschiede zwischen den Mittelwerten der Gruppen. Wenn die Varianz innerhalb der Gruppen größer ist als die Varianz zwischen den Gruppen, gibt es keine signifikanten Unterschiede zwischen den Mittelwerten der Gruppen. Die ANOVA mit Messwiederholung berechnet auch einen F-Wert, der verwendet wird, um die Signifikanz des Unterschieds zu beurteilen.

Wo kann ich die Beispieldaten herunterladen?

Die Beispieldaten findest du hier: Beispieldaten

Voraussetzungen

  • Die abhängige Variableabhängige Variable Die abhängige Variable ist die Variable, die in einer Studie gemessen oder beobachtet wird und die von der unabhängigen Variable abhängig ist. Die unabhängige Variable ist die Variable, die in der Studie manipuliert oder gesteuert wird und die vermutete Ursache für die Veränderungen in der abhängigen Variable ist. ist intervallskaliert. Die ANOVA verwendet aufwändige Rechnungen, für die wir ein entsprechendes SkalenniveauSkalenniveau Das Skalenniveau bezieht sich auf den Typ von Daten, der in einer Studie erhoben wurde, und gibt an, wie die Daten in Bezug auf die Messbarkeit und die Möglichkeit zur Verwendung von Statistiken kodifiziert sind. benötigen (Intervall oder Ratio). Hier ist die Anleitung für Skalenniveaus.
  • Innensubjektfaktor ist nominalskaliert. Der Innensubjektfaktor ist die Variable, die die Gruppen voneinander trennt. Beispielsweise die Form der Diät, die Stadt, etc. Diese Variable muss nominalskaliert sein und mindestens drei Gruppen haben. Falls du weniger als drei Gruppen hast, kannst du den t-Test für abhängige Stichproben verwenden.
  • Unabhängige Messungenunabhängige Messungen Unabhängige Messungen sind Messungen, die von verschiedenen Beobachtern oder Messverfahren durchgeführt werden und die vermutlich keine Wechselwirkungen oder Verzerrungen durch die Beobachter oder Messverfahren haben. Sie werden verwendet, um die Zuverlässigkeit und Validität von Messungen und Studien zu verbessern und werden häufig in der Psychologie und Sozialwissenschaften verwendet.: die Varianzanalyse vergleicht unterschiedliche Messobjekte, in unserem Fall Versuchspersonen, zu unterschiedlichen Zeitpunkten. Die Gruppen oder Bedingungen (UV) dürfen sich nicht gegenseitig beeinflussen, das heißt, eine Versuchsperson darf sich unter keinen Umständen in mehreren Gruppen zu befinden.
  • AusreißerAusreißer Ausreißer sind Datenpunkte, die deutlich von den übrigen Daten abweichen und die Verteilung der Daten beeinflussen können. Sie können aufgrund von Messfehlern, ungewöhnlichen Ereignissen oder menschlichem Fehler auftreten und sollten in der Regel in der Analyse berücksichtigt werden, um sicherzustellen, dass die Ergebnisse valide sind.: Die ANOVA ist empfindlich gegenüber Ausreißern, weshalb der Datensatz auf Ausreißer hin überprüft werden sollte. Bestenfalls gibt es keine Ausreißer in keiner Gruppe. Anleitung für Ausreißer.
  • NormalverteilungNormalverteilung Die Normalverteilung, auch Gauss-Verteilung genannt, ist eine Art von Verteilung, bei der die Werte einer Variablen symmetrisch um den Mittelwert angeordnet sind und die Wahrscheinlichkeit, dass Werte in bestimmten Bereichen auftreten, durch eine Glockenkurve dargestellt wird. : die abhängige Variable (Gewicht) in jeder Gruppe sollte so weit wie möglich normalverteilt sein – jedoch nicht zwangsläufig. Das gilt für jede unserer untersuchten Gruppen. Anleitung Test auf Normalverteilung.
  • Sphärizität: Die Varianzen zwischen den einzelnen Gruppen sollte gleich sein. Falls die Sphärizität nicht gegeben ist, besteht die Gefahr für einen Fehler 1. Art (α-Fehler, falsch positiv). Das bedeutet, dass wir ein Ergebnis bestätigen, obwohl es nicht wahr. (Ein Patient wird als krank angesehen, obwohl er gesund ist.)

Berechnung der mixed ANOVA in SPSS

Berechnung der ANOVA mit Messwiederholung in SPSS

  1. Auswahl Menü

    Wir wählen im Menü aus: Analysieren > Allgemeines lineares Modell > Messwiederholung

  2. Messwiederholung Faktoren

    Es erscheint das Dialogfenster Messwiederholung: Faktoren definieren. Hier bestimmen wir den Faktor, der bei einer Messwiederholung „Zeit“ sein kann. In unserem Beispiel haben wir 3 Messzeitpunkte im Datensatz. Deshalb nennen wir den Innersubjektfaktor „Zeit“ und geben bei Anzahl der Stufen den Wert 3 ein.

    Anschließend klicken wir auf den Hinzufügen-Knopf darunter.

  3. Faktoren definieren

    Der Faktor wurde in das nächste Feld hinzugefügt. Wir sehen den Eintrag Zeit(3).
    Da wir keine weiteren Faktoren bestimmen werden, klicken wir auf den Definieren-Knopf weiter unten.

  4. Messwiederholung Innersubjektvariablen

    Es erscheint ein neues Fenster mit mehreren Feldern. Links befinden sich alle verfügbaren Variablen aus unserem Datensatz. Rechts ist unser Faktor (Zeit) mit seinen Stufen aufgeteilt. Jeder Stufe ordnen wir eine Variable aus unserem Datensatz zu. Hierfür schieben wir die jeweilige Variable von links nach rechts.

    In unserem Beispiel wandern die Variablen Gewicht 1, Gewicht 2 und Gewicht 3 in dieses Feld.

    In unserer Studie möchten wir mehrere Gruppen an unterschiedlichen Zeitpunkten messen. Deshalb müssen wir SPSS noch die Variable nennen, die die Gruppen unterteilt. Diese Variable muss nominalskaliert sein. In unserem Beispiel heißt die Variable Gruppe. Diese Variable kommt in das Feld Zwischensubjektfaktoren.

    Im nächsten Schritt klicken wir auf den Knopf Diagramme, der sich weiter rechts befindet.

  5. Diagramme: Faktoren wählen

    In diesem Feld stellen wir die Diagramme ein. Der Faktor (Zeit) kommt in das Feld horizontale Achse. In das Feld seperate Linien kommt die Variable Gruppe.

    Anschließend klicken wir auf den Knopf Hinzufügen.

  6. Diagramme: hinzugefügte Diagramme

    Die Einstellungen wurden übernommen. Wir sehen den Eintrag Zeit*Gruppe.

    Anschließend wählen wir Liniendiagramm aus, andere Felder bleiben leer.

    Wir übernehmen die Einstellungen und klicken auf Weiter.

  7. Auswahl Post HocPost Hoc Post-hoc-Analysen sind Analysen, die nach der Durchführung einer Studie durchgeführt werden, um die Ergebnisse der Studie zu interpretieren und zu vertiefen.

    Als Nächstes kommt der Post hocTest. Wir klicken auf den Knopf Post hoc auf der rechten Seite.

  8. Post hoc Analysen einstellen

    Im Fenster ziehen wir unseren Faktor nach rechts, um diesen für einen Post hoc test auszuwählen. In unserem Beispiel verwenden wir die Variable Gruppe.

    Anschließend wählen wir die Testvarianten aus:
    Tukey und Games-Howell

    Games-Howell wählen wir vorsichtshalber aus, um später die Analyse durchzuführen, selbst wenn die Varianzgleichheit nicht angenommen werden kann.

    Zum Bestätigen klicken wir unten auf Weiter.

  9. Auswahl geschätzte Randmittel

    Als Nächstes wählen wir den Knopf Geschäzte Randmitte im rechten Menü aus.
    Hinweis: In älteren SPSS Versionen verstecken sich die Einstellungen für „Geschätzte Randmittel“ im Knopf Optionen.

  10. Geschätzte Randmittel einstellen

    Wir wählen im Fenster Zeit und Gruppe*Zeit aus.
    Wir setzen einen Haken bei Haupteffekte vergleichen
    Und wählen bei Anpassung des Konfidenzintervalls die Option: Bonferroni.

    Anschließend klicken wir auf Weiter.

  11. Auswahl Optionen

    Anschließend klicken wir auf Optionen.

  12. Optionen auswählen

    Hier wählen wir folgende Optionen aus:
    – Deskriptive Statistiken
    – Schätzungen der Effektgröße
    – Homogenitätstests

    In der Regel wählen wir bei Signifikanzniveausignifikanzniveau Das Signifikanzniveau, auch als alpha-Niveau bezeichnet, ist der Schwellenwert, der verwendet wird, um zu bestimmen, ob ein Ergebnis in einer Studie statistisch signifikant ist. Es gibt an, wie wahrscheinlich es ist, dass ein bestimmtes Ergebnis oder eine Beobachtung durch Zufall entstanden ist, wenn die Nullhypothese wahr ist. In der Regel wird das Signifikanzniveau auf 0,05 oder 0,01 festgelegt, was bedeutet, dass ein Ergebnis als statistisch signifikant angesehen wird, wenn der p-Wert kleiner als dieser Schwellenwert ist. den Wert: .05

    Anschließend wird auf Weiter geklickt.

  13. Startklar: Mixed ANOVA in SPSS berechnen

    Wir klicken auf OK und starten die Berechnungen. SPSS zeigt die Analysen in der Ausgabedatei an, die wir im nächsten Kapitel gemeinsam analysieren.

Analyse Mixed ANOVA

Deskriptive Statistiken

jhjhjhj

Mauchly-Test auf Sphärizität in SPSS

1212

Levene-Test auf Gleichheit der Fehlervarianzen

Box-Test auf Gleichheit der KovarianzKovarianz Die Kovarianz ist ein Maß für den Zusammenhang zwischen zwei oder mehr Variablen, das angibt, wie sehr sich die Werte der Variablen im Verhältnis zueinander ändern und kann verwendet werden, um die Streuung der Daten zu beschreiben.-Matrizen

Test der Innersubjekteffekte

Diagramm der Interaktionseffekte

Test der Innersubjekteffekte

Test der Zwischensubjekteffekte

Ergebnisse publizieren

xxx

Über mich: Dr. Peter Merdian

Experte für Neuromarketing und Data Science

Hi, ich bin Peter Merdian und Statistic Hero ist mein Herzensprojekt um Menschen zu helfen, einen einfachen Einstieg in die Statistik zu finden. Ich hoffe, dir gefallen die Anleitungen und du findest nützliche Informationen! Ich selbst habe in Neuromarketing promoviert und liebe datengetriebene Analysen. Vor allem mit komplexen Zahlen. Ich kenne aus eigener Erfahrung all die Probleme, die man als Student im Studium hat. Aus diesem Grund sind dieAnleitungen möglichst praxisorientiert und einfach gehalten. Fühl dich frei, mit deinen eigenen Datensätzen die Anleitungen zu nutzen und spannende Ergebnisse zu berechnen. Ich wünsche dir Erfolg in deinem Studium, deiner Forschung oder auf der Arbeit.
Willst du mir Feedback geben oder mich erreichen? Bitte hier: Dr. Peter Merdian LInkedIn