STATISTIK-FORUM.de

[mwp2022_]

Hallo zusammen,

ich möchte mittels G*Power meine Stichprobengröße berechnen. Allerdings bin ich nicht sicher, welche Einstellungen ich vornehmen muss. Ich habe gelesen, dass ich sowohl F tests als auch t tests nutzen kann bei G*Power dafür. Stimmt das?
Ich möchte eine Moderationsanalyse mit UV, AV und dem Moderator rechnen - das sind also 3 Prädiktoren (UV, AV und die Interaktion UV+AV). Um die Effektgröße und Power anzugeben, soll man sich ja an Literatur orientieren im besten Fall. Das wäre hier 0,02 für f^2 und 0,8 für die Power. Dazu noch 1 getesteter Prädiktor (die Interaktion). Wähle ich F tests - Linear multiple regression: Fixed model, R^2 increase aus, kommt als total sample size 395 raus.
Wähle ich t tets - Linear multiple regression: Fixed model, single regression coefficient (und tails = one) aus + die Einstellungen von f^2 etc. wie eben, kommt eine Stichprobengröße von 311 raus.

Zusätzlich habe ich die Möglichkeit, Altersgruppen zu vergleichen. Mit den Ergebnissen oben würde das aber heißen, dass jede Altersgruppe 395 bzw. 311 Teilnehmende haben muss, um vergleichbar zu sein. Das ist ja unmöglich

Wo liegt denn jetzt der Unterschied und für was entscheide ich mich?

Danke euch!

[PonderStibbons]

Wähle ich t tets - Linear multiple regression: Fixed model, single regression coefficient (und tails = one)

Das sollte schon zweiseitig sein. Und wieso f²=0,02, ist der erwartete Effekt denn so klein und wieso ist es dann wichtig,
diesen nachzuweisen?

Zusätzlich habe ich die Möglichkeit, Altersgruppen zu vergleichen. Mit den Ergebnissen oben würde das aber heißen, dass jede Altersgruppe 395 bzw. 311 Teilnehmende haben muss, um vergleichbar zu sein.

Es wäre doch nur ein weiterer Prädiktor und eventuell eine weitere Wechselwirkung im Modell. Wieso sollte man
die Stichprobengröße vervielfachen, welche Rechnung hast Du vor?

Mit freundlichen Grüßen

PonderStibbons

[mwp2022_]

Einseitig habe ich gewählt, da meine Hypothesen einseitig gestellt sind. Bsp: Je größer das Stressempfinden, desto niedriger das Commitment. Der Zusammenhang nimmt ab, je stärker PsyCap ausgeprägt ist.
zu f^2 -> da hast du recht. In den Studien, die ich bisher gefunden habe, ist idR keine Effektstärke angegeben. Es gab nur eine ähnliche, dort war es 0,15. Daran könnte ich mich natürlich orientieren

Das verstehe ich nicht. G*Power ist doch dazu da, u.a. die Stichprobengröße zu ermitteln. Wenn ich nun weiß, dass ich quasi 3 Stichproben brauche (also Altersklasse 20-30, 31-40, 41-50), dann müssen doch alle drei Gruppen entsprechend viele Teilnehmende haben, wie in der Berechnung oben rausgekommen ist oder?

Ich habe soeben mal eine neue Stichprobengröße berechnet mit den angepassten Werten. Also f^2 = 0,15 und 6 Prädiktoren, wenn die 3 Altersgruppen jeweils ein Prädiktor wären wie du gesagt hast. Da kommt jetzt eine vieeel geringere Zahl raus. F-Test 55 und t-Test 43. Das kann doch nicht sein oder? Wäre aber zumindest mal eine schaffbarere Zahl an Teilnehmern als >300

[PonderStibbons]

Einseitig habe ich gewählt, da meine Hypothesen einseitig gestellt sind.

Das eine hat mit dem anderen wenig zu tun, siehe https://psychologie.uni-graz.at/de/biol ... -list/faq/ FAQ #3
Daher solltest Du zweiseitig testen. Übrigens dürfte das "einseitig" der wesentliche Grund für die
unterschiedlichen Ergebnisse bei den Fallzahlberechnungen sein, wenn ich die Beschreibung richtig
verstanden habe.

Es gab nur eine ähnliche, dort war es 0,15. Daran könnte ich mich natürlich orientieren

Die Effektstärkemaße aus Stichprobendaten veröffentlichter Studien sind meist deutlich höher als
die tatsächlichen, aber eine "mittlere" Effektstärke wäre immerhin ein Effekt, den zu erforschen
ausreichend interessant wäre.

Ich habe soeben mal eine neue Stichprobengröße berechnet mit den angepassten Werten. Also f^2 = 0,15 und 6 Prädiktoren, wenn die 3 Altersgruppen jeweils ein Prädiktor wären wie du gesagt hast. Da kommt jetzt eine vieeel geringere Zahl raus. F-Test 55 und t-Test 43. Das kann doch nicht sein oder?

Ich hätte jetzt eher etwas in der Richtung n=120 erwartet, aber vielleicht berücksichtigt G*power
die Reduktion der Fehlervarianz durch Co-Variablen, oder die Beziehung zwischen f² und
Stichprobengröße ist sehr steil.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hi,

ch frage mich, ob das jetzt angenommene für den Omnibus-Test der ganzen Regression oder für die zu untersuchende Interaktion steht. Es kann nicht sein, dass man für beides das gleiche annimmt und es kann nicht sein, dass für beides die gleiche Fallzahl herauskommt: Die Interaktion Commitment mal PsyCap korreliert mutmaßlich mit Commitment und mit PsyCap und wenn Prädiktoren miteinander korrelieren, dann braucht man mehr Fälle.

LG, Bernhard