STATISTIK-FORUM.de

[milan86]

Hallo,

ich habe eine abhängige Variable (intervallskaliert) und möchte untersuchen, ob diese Variable durch eine unabhängige Variable (mit 4 Eigenschaftsausprägungen) signifikant beeinflusst wird. In der ANOVA (einfaktoriellen Varianzanalyse) komme ich zu einem hochsignifikanten Ergebnis. Welchen Test muss ich jetzt anwenden, um nähere Informationen darüber zu erhalten welche Eigenschaftsausprägung wie stark die abhängige Variable beeinflusst? Mir schwebt da der Bonferroni-Test vor. Aber da es so viele unterschiedliche Tests gibt, wollte ich fragen, welcher für meine Fragestellung am geeignetsten wäre oder ob das nicht so relevant ist (es kommt ja bestimmt nicht von ungefähr, dass es sehr viele nachfolgende Testmöglichkeiten in der Analyse gibt).
Ich arbeite mit SPSS und würde mich über Ratschläge freuen.

Gruß,

milan

[strukturmarionette]

Hi,

statt vom

Nachweis einer Beeinflussung

bei der einfaktoriellen ANOVA, könnte man besser ´statistische Unterschiede´ zwischen einzelnen Teilstichproben formulieren.

(im folgenden eine Auswahl von SPSS, weil nähere Angaben über Deine Vars und Design fehlen)
_________________________________
bei Varianzomogenität zwischen den Teilstichproben:
**************************************************************

• LSD. Verwendet T-Tests, um alle paarweisen Vergleiche zwischen Gruppenmittelwerten durchzuführen. Es erfolgt keine Korrektur der Fehlerrate bei Mehrfachvergleichen.

• Bonferroni. Führt paarweise Vergleiche zwischen Gruppenmittelwerten mit T-Tests aus; regelt dabei jedoch auch die Gesamtfehlerrate, indem die Fehlerrate für jeden Test auf den Quotienten aus der experimentellen Fehlerrate und der Gesamtzahl der Tests gesetzt wird. Dadurch wird das beobachtete Signifikanzniveau für Mehrfachvergleiche angepasst.

• Sidak. Ein paarweiser multipler Vergleichstest, basierend auf einer T-Statistik. Beim Sidak-Test wird das Signifikanzniveau für die multiplen Vergleiche korrigiert und es werden engere Grenzen vergeben als bei Bonferroni.

• Scheffé. Führt gemeinsame paarweise Vergleiche gleichzeitig für alle möglichen paarweisen Kombinationen der Mittelwerte durch. Verwendet die F-Stichprobenverteilung. Dieser Test kann verwendet werden, um nicht nur paarweise Vergleiche durchzuführen, sondern alle möglichen linearen Kombinationen von Gruppenmittelwerten zu untersuchen.

• F nach R-E-G-W. Mehrfaches Rückschrittverfahren nach Ryan-Einot-Gabriel-Welsh, basierend auf einem F-Test.

• Q nach R-E-G-W. Mehrfaches Rückschrittverfahren nach Ryan-Einot-Gabriel-Welsh, basierend auf der studentisierten Spannweite.

• S-N-K. Führt alle paarweisen Vergleiche zwischen Mittelwerten unter Verwendung der t-Verteilung aus. Bei gleich großen Stichproben werden auch die Mittelwertpaare innerhalb homogener Untergruppen verglichen; dabei wird ein schrittweises Verfahren verwendet. Die Mittelwerte werden in absteigender Reihenfolge (vom größten zum kleinsten Wert) sortiert, extreme Differenzen werden zuerst getestet.

• Tukey. Verwendet die Student-Verteilung für alle möglichen paarweisen Vergleiche zwischen den Gruppen. Setzt die Fehlerrate für das Experiment gleich der Fehlerrate für die Gesamtheit aller paarweisen Vergleiche.

• Tukey-B-Test. Verwendet die Student-Verteilung für paarweise Vergleiche zwischen Gruppen. Der kritische Wert ist der Durchschnitt des entsprechenden Werts für die ehrlich signifikante Differenz nach Tukey und für Student-Newman-Keuls.

• Duncan. Bei diesem Test werden paarweise Vergleiche angestellt, deren schrittweise Reihenfolge identisch ist mit der Reihenfolge, die beim Student-Newman-Keuls-Test verwendet wird. Abweichend wird aber ein Sicherheitsniveau für die Fehlerrate der zusammengefassten Tests statt einer Fehlerrate für die einzelnen Tests festgelegt. Es wird die studentisierte Bereichsstatistik verwendet.

• GT2 nach Hochberg. Ein paarweiser Vergleichstest, der auf dem studentisierten Maximalmodul beruht. Ähnelt dem Test auf ehrlich signifikante Differenz nach Tukey.

• Gabriel. Ein paarweiser Vergleichstest, der das studentisierte Maximalmodul verwendet. Er ist in der Regel aussagekräftiger als der GT2-Test nach Hochberg, wenn unterschiedliche Zellengrößen vorliegen. Der Gabriel-Test kann ungenau werden, wenn die Zellengrößen stark variieren.

• Waller-Duncan. Ein Test für Mehrfachvergleiche auf der Grundlage einer T-Statistik; verwendet eine Bayes-Methode.

• Dunnett. Ein paarweiser T-Test für Mehrfachvergleiche, der ein Set von Verarbeitungen mit einem einzelnen Kontrollmittelwert vergleicht. Als Kontrollkategorie ist die letzte Kategorie voreingestellt. Sie können aber auch die erste Kategorie einstellen. Verwenden Sie einen zweiseitigen Test, um zu überprüfen, ob sich der Mittelwert bei jeder Stufe (außer der Kontrollkategorie) des Faktors von dem Mittelwert der Kontrollkategorie unterscheidet. Wählen Sie <>Kontrolle, um zu überprüfen, ob der Mittelwert bei allen Stufen des Faktors kleiner als der Mittelwert der Kontrollkategorie ist. Wählen Sie >Kontrolle, um zu überprüfen, ob der Mittelwert bei allen Stufen des Faktors größer als der Mittelwert der Kontrollkategorie ist.

_________________________________
bei Varianzheterogenität zwischen den Teilstichproben:
**************************************************************
• Tamhane-T2. Konservative, paarweise Vergleichstests auf der Grundlage eines T-Tests. Dieser Test ist für ungleiche Varianzen geeignet.

• Dunnett-T3. Ein paarweiser Vergleichstest, der auf dem studentisierten Maximalmodul beruht. Dieser Test ist für ungleiche Varianzen geeignet.

• Games-Howell. Ein manchmal schwacher, paarweiser Vergleichstest. Dieser Test ist für ungleiche Varianzen geeignet.

• Dunnett-C. Ein paarweiser Vergleichstest, der auf dem studentisierten Bereich beruht. Dieser Test ist für ungleiche Varianzen geeignet.

S.

[milan86]

Besten Dank soweit!
Bleibt mir wohl nicht erspart mich tiefer in die Materie einzuarbeiten