Design:
Es ist ein Within-Subject Pretest-Posttest Design; also ohne Kontrollgruppe. Meine Teilnehmer füllen eine Umfrage vor und nach der Intervention aus. Ich möchte entsprechend Unterschiede in den vorher-nachher-Werten finden. Meine UV ist das Coaching (codiert als 0=vorher; 1=nachher). Meine AVs sind Stressbewertung, Stimmung, Resilienz und Selbstwirksamkeit. Allerdings werden diese Konstrukte mit 4 verschiedenen psychometrischen Fragebögen gemessen, die jeweils immer auch aus mehreren Subskalen bestehen aus denen sich teilweise zusätzlich noch einen Overall Score berechnen lässt. Mich interessiert nun eben nicht nur die Veränderung des Overall Scores, sondern auch auf welcher Subskala genau diese Veränderungen stattfanden.
Beispiel: Wenn sich allgemein die Stimmung hebt, möchte ich wissen, ob eine (oder mehrere) der Subskalen insbesondere dafür verantwortlich sind (z.B. "Wut" hat signifikant abgenommen, während "Müdigkeit" sich nicht signifkant verändert hat).
Meine bisherige Überlegung war nun, dass ich jeweils eine multivariate repeated measures MANOVA mache mit den einzelnen Fragebögen (denn diese bestehen ja in sich schon aus mehreren Subskalen). Also insgesamt 4 MANOVAs. Sollte sich eine signifkante Veränderung finden, müsste ich ja nun herausfinden, wo genau diese stattfand und dafür einen Post-hoc Test machen, oder? Nun hab ich allerdings im Internet echt super viele Meinungen dazu gefunden, was da angebracht ist. Vielleicht mehrere Post-hoc univariate ANOVAs und im Anschluss Tukey? Ich hab nicht so die Ahnung ehrlich gesagt und bin nach vielen lesen sehr verwirrt.
.... Oder ist MANOVA vielleicht völlig falsch und ich sollte lieber von Anfang an mehrere ANOVAS machen? Das wurde nämlich in ner ähnlichen Studie gemacht, was ich aber für nicht so gut halte, weil dann der Typ 1 Error höher ist, oder?
Ich wäre super dankbar für eure Hilfe! Sorry für den Roman, wollte alle wichtigen Infos liefern
Liebe Grüße,
C
