Alternativhypothese

Die Alternativhypothese drückt die Vorhersage eines Effektes aus (z. B. Vorhersage einer Mittelwertsdifferenz zwischen Kontroll- und Experimentalgruppe). Sie bildet das logische Gegenstück zur Nullhypothese (H0), kann gerichtet oder ungerichtet sein und wird auch H1 genannt.

Ein Beispiel:

Männer kaufen häufiger rote Autos als Frauen (H1).

Männer kaufen genauso häufiger rote Autos wie Frauen (H0).

 

 

ANCOVA

Die ANCOVA (Kovarianzanalyse) ist ein statistisches Verfahren, das verwendet wird, um zu testen, ob sich die Mittelwerte zwischen zwei oder mehreren Gruppen unterscheiden, wobei der zu untersuchende Effekt bzgl. des Einflusses einer oder mehrerer Kovariaten angepasst wird. Eine ANCOVA kann somit in Datensituationen verwendet werden, in denen der Effekt einer oder mehrerer kategorialer unabhängiger Variablen unter Anpassung für ein oder mehrerer Kovariaten auf eine metrische abhängige Variable untersucht werden soll. Die aus der ANCOVA resultierenden Teststatistiken folgen einer F-Verteilung und dienen dem Test der Haupteffekte und Interaktionen der einzelnen Prädiktoren auf Signifikanz. Es handelt sich um einen Spezialfall des allgemeinen linearen Modells.

 

 

ANOVA

Die ANOVA (Varianzanalyse) ist ein statistisches Verfahren, das testet ob sich die Mittelwerte von zwei oder mehreren Gruppen signifikant unterscheiden. Eine ANOVA kann somit in Datensituationen verwendet werden, in denen der Effekt einer oder mehrerer kategorialer unabhängiger Variablen auf eine metrische abhängige Variable untersucht werden soll. Die aus der ANOVA resultierenden Teststatistiken folgen einer F-Verteilung und dienen dem Test der Haupteffekte und Interaktionen der einzelnen Prädiktoren auf Signifikanz. Es handelt sich um einen Spezialfall des allgemeinen linearen Modells.

 

 

Autokorrelation

Autokorrelation tritt dann auf, wenn die Residuen zweier Beobachtungen innerhalb eines linearen Regressionsmodells miteinander korrelieren (und somit abhängig voneinander) sind.

Siehe auch Durbin-Watson Test für genauere Informationen.

Autokorrelation ist auch im Rahmen der Zeitreihenanalyse von Bedeutung. Da dieses Glossar aber auf Medizinstatistik spezialisiert ist, wird nicht näher auf diesen Aspekt eingegangen.

 

 

Balkendiagramm

Das Balkendiagramm ist ein Weg der Datenvisualisierung, bei der auf der x-Achse verschiedene Ausprägungen einer (unabhängigen) kategorialen Variablen und auf der y-Achse ein Maß der zentralen Tendenz einer (abhängigen) metrischen Variable (üblicherweise das arithmetische Mittel ± 1 Standardabweichung) abgebildet werden. Die Höhe eines jeden Balkens repräsentiert also den Mittelwert der abhängigen Variable in der jeweiligen Gruppe, die Fehlerbalken deren Streuung.

Anleitung: In SPSS erzeugt man ein Balkendiagramm über Grafiken/ Diagrammerstellung/Balken. Hier einfach die kateogoriale Variable in die x-Achse und die metrische Variable in die y-Achse ziehen. Zielmaß (Mittelwert) und Fehlerbalken (1 Standardabweichung) auswählen, bestätigen.

Nach der Erstellung kann die Grafik in der Outputdatei durch klicken auf die Grafik beliebig angepasst werden. Am leichtesten geht dies, wenn man eine Vorlage über Datei/Vorlage zuweisen direkt auswählt. Hier bietet sich zum Beispiel Publikation grey an.

Expertentipp: Soll die Grafik für eine Abschlussarbeit oder eine Publikation verwendet werden, dann sollte unbedingt auf Farben verzichtet werden. Das spart Druckkosten, da Farbgrafiken extrem teuer sind.

 

Trag dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmässige für deine empirische Promtion

You have Successfully Subscribed!