STATISTIK-FORUM.de

[Andrea.B]

Hallo!
Danke für die nette Antwort!
Wenn das + oder - egal ist, dann kann man doch auch davon ausgehen, dass der Leiter der Untersuchung erst ab -.20 sagt es ist ein kleiner Effekt, halt nur in die andere Richtung als beim + oder? Falls ja, hast du mich gerad weitergebracht Falls nicht, verstehe ich glaube ich noch nicht genau, was eine negative Effektgröße wirklich bedeutet!
Liebe Grüße,
Andrea

[PonderStibbons]

Das Minus einer Effektstärke zeigt lediglich die Richtung an. Was eine negative Effektgröße sonst sein sollte, weiß ich nicht. Es gibt auch Effektstärken ganz ohne Richtung. Zum Beispiel Effektmaße, die auf Varianzaufklärung basieren, da stellt sich die Frage schon gar nicht erst.
---
Gottseidank...Kanon für 36

[Andrea.B]

Danke euch allen!
Dann habe ich verstanden, was das Minus aussagt!

[Kornfink]

"A ist größer als B (d=0,2)". "A ist kleiner als B (d=0,2)" oder "A ist kleiner als B (d=-0,2)".

Entschuldiung PonderStibbons, aber das verstehe ich nicht.
Angenommen ich habe die Mittelwerte der Gruppen A und B. Der Mittelwert der Gruppe A ist signifikant größer als der Mittelwert der Gruppe B. Jetzt errechne ich mir anhand der Mittwertsdifferenzen und der Standardabweichungen der beiden Gruppen eine Effektstärke von 0.2 (Cohen's d=0.2). Wie interpretiere ich das? Was für einen Satz schreibe ich auf?

Außerdem: Wenn mein Cohen's d negativ ist (Bspw: -0.2), bedeutet dies dass der Mittwelwert der Gruppe A niedriger sein muss als der Mittelwert der Gruppe B?

Ich stehe, was die Effektstärke angeht, etwas auf dem Schlauch. Ich habe T-Tests für unabhängige Variablen gerechnet, mein Betreuer fordert Effektstärken. Mein Eindruck ist, dass das d abhängig ist davon, ob die Mittelwertsdifferenz positiv oder negativ ist. Dies wiederum ist aber abhängig davon, ob ich den niedrigeren Mittwert vom höheren Mittwelwert subrahiere oder anders herum. Dementsprechend frage ich mich, wie ich dieses d zu interpretieren habe.

Habe einen Satz von meinem Betreuer im Kopf à la: Bsp: d = 0.2 -> Wenn sich die eine Variable um eine Gradabstufung verbessert wird/erhöht wird (weil d positiv ist), verändert sich die andere Variable um 0.2 Gradabstufungen.
Bei diesem Satz klingelt jedoch das Wort "Korrelation" in meinem Kopf und ich verstehe nicht, warum man bei einem T-Test so interpretieren sollte.

Weiß jemand mehr?

lg Kornfink

[PonderStibbons]

Außer bei Verwendung in Meta-Analysen habe ich d-Angaben noch nie mit negativem Vorzeichen gesehen. Was d bedeutet, ergibt sich aus der Formel. d=1 ist ein Unterschied von 1 Standarabweichung.

Gruß

P.
---
Gottseidank...Kanon für 36

[Kornfink]

Dann versuche ich mich mal an einem Ergebnissatz: Bsp: Gruppe A und B. A ist besser; d = 0,5: Gruppe A weist hinsichtlich der abhängigen Variable einen Mittelwert auf, der um eine halbe Standardabweichung besser ist, als der Mittelwert der Gruppe B.

Nehme an, dass die Standardabweichung die gepoolte, gemittelte Standardabweichung beider Mittwelwerte darstellt. SD1 plus SD2 dividiert durch 2.

Habe ich es jetzt verstanden?

[Kopernikus]

Nicht ganz, die Standardabweichung der mittleren Differenz ist die Wurzel aus der Summe zweier Varianzen geteilt durch 2.

[Kornfink]

Jetzt bin ich vollends verwirrt. Was stimmt denn nun?
http://www.uni-konstanz.de/ag-moral/pdf ... ortrag.pdf Lies dir Seite 8/9 durch.

Ich möchte für meine Ergebnisse des T-Tests für unabhängige Stichproben (zwei Mittelwerte plus zwei Standardabweichungen) Cohen's d berechnen. Welche Formel nehme ich denn nun?

lg Kornfink

[PonderStibbons]

Nehme an, dass die Standardabweichung die gepoolte, gemittelte Standardabweichung beider Mittwelwerte darstellt. SD1 plus SD2 dividiert durch 2.

Eine gepoolte Standardabweichung ist keine gemittelte Standardabweichung. Es ist die Standardabweichung der Gesamtgruppe, die sich auch mit der entsprechenden Formel aus den Einzel-Standardabweichungen ermitteln lässt.

EDIT:
Ups, natürlich ist die gepoolte SD nicht identisch mit der SD der Gesamtgruppe.

[Kopernikus]

Außerdem wird die gepoolte Standardabweichung nur benutzt wenn ungleich große Stichproben bzw. Varianzen vorliegen. Die beiden Formeln dazu findest du hier.