Voraussetzungen der Varianzanalyse (ANOVA)

Die ANOVA (ANalysis Of VAriance – Varianzanalyse) untersucht den Effekt eines oder mehrerer Faktoren (Inner-Subjekt- oder Zwischen-Subjekt-Faktoren) und Interaktionen auf eine abhängige Variable. Die abhängige Variable hat dabei metrisches Skalenniveau.

Die ANOVA setzt einige Bedingungen an die Verteilung der Daten voraus, die ich Dir in diesem Beitrag zusammen stellen werde. Je nach Art der Faktoren ist die Prüfung von verschiedenen Voraussetzungen notwendig. Weiterlesen

Der Aufbau der statistischen Datenanalyse

Die statistische Datenanalyse ist aus mehreren Bausteinen aufgebaut. Die Basis bildet die deskriptive Statistik zusammen mit den Abbildungen. Darauf aufbauend wird dann die schließende Statistik mit den Signifikanztests gerechnet.

Dieser Aufbau – die deskriptive Statistik und Abbildungen als Basis für die schließende Statistik – ist entscheidend, denn nur mit einer fundierten deskriptiven Analyse

  • kannst Du sicher sein, dass die Daten passen (keine Tippfehler, keine extremen Ausreißer usw.),
  • kannst Du Deine Daten und Zusammenhänge/Unterschiede beschreiben und
  • kannst Du die passenden Methoden als Signifikanztests auswählen (z.B. parameterisch oder nichtparametrisch).

Weiterlesen

Die ANCOVA oder Kovarianzanalyse – Verwendung und Voraussetzungen

Die ANCOVA oder auch Kovarianzanalyse ist eine statistische Methode, bei der ähnlich wie bei der ANOVA oder Varianzanalyse eine metrische abhängige Variable auf Unterschied zwischen Gruppen untersucht wird. Im Gegensatz zur ANOVA wird in der ANCOVA aber ein zusätzlicher metrischer Faktor – auch genannt Kovariate – mit ins Modell aufgenommen.

fig_ancova

Die ANCOVA oder Kovarianzanalyse ist demnach eine Erweiterung der ANOVA um eine metrische Kovariate. Weiterlesen

Voraussetzungen der logistischen Regression

Die logistische Regression wird gerechnet, wenn der Einfluss von Faktoren auf eine dichotome abhängige Variable untersucht werden soll. Dabei können die Faktoren metrisch oder kategorial sein.

Im Gegensatz zur linearen Regression hat die logistische Regression nicht ganz so viele Voraussetzungen. Dennoch ist es wichtig, die Voraussetzungen zu prüfen, denn nur wenn sie erfüllt sind, darf das Ergebnis der logistischen Regression verwendet werden. Weiterlesen