ANOVA

Die ANOVA (Varianzanalyse) ist ein statistisches Verfahren, das testet, ob sich die Mittelwerte von zwei oder mehreren Gruppen / Zeitpunkte 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.

Es gibt dabei 3 verschiedene Arten von ANOVAs:

  1. Die Innersubjekt-ANOVA oder auch ANOVA für Messwiederholungen genannt. Sie wird immer dann angewendet, wenn dieselben Patienten / Probanden mehrfach getestet wurden, z. B. vor und nach einer Therapie.
  2. Die Zwischensubjekt-ANOVA oder auch ANOVA für Gruppenvergleiche genannt. Sie wird immer dann verwendet, wenn verschiedene Gruppen miteinander vergleichen möchtest. Das ist z. B. der Fall, wenn Patienten mit der gleichen Krankheit in 3 Gruppen aufgeteilt werden und dann unterschiedliche Medikamente bekommen. So könnte man den Effekt der verschiedenen Medikamente vergleichen. Dieses Design ist dabei beliebig erweiterbar, z. B. um den Effekt der Dosis (als weiteren Faktor).
  3. Die Mixed-Model-ANOVA: Hier vermischen wir nun die Inner- und Zwischensubjekt ANOVA. Dieser Typ kommt in der Medizin sehr häufig vor, da wir hier den Vorteil haben Gruppen im zeitlichen Verlauf zu vergleichen. Ein Beispiel wären z. B. Patienten mit der gleichen Krankheit, die in 3 Gruppen 3 verschiedene Medikamente erhalten und dann einmal vor und einmal nach der Therapie gemessen werden. So könnte z. B. ein Therapieeffekt im zeitlichen Verlauf gemessen werden.

Eta Quadrat (η2)

Effektstärke, welche häufig in der ANOVA (Varianzanalyse) gebraucht wird.

Es handelt sich um den Quotienten der Quadratsumme des Modells und der totalen Quadratsumme (vgl. multipler Determinationskoeffizient).

Eta Quadrat ist nicht erwartungstreu, denn es besitzt einen positiven Bias. Weiterhin wird Eta Quadrat immer geringer für einen einzelnen Prädiktor, je mehr Prädiktoren die ANOVA enthält (das partielle Eta Quadrat löst dieses zweite Problem). Daher siehe lieber: Partielles Eta Quadrat.

Lade dir hier die Formelsammlung für deinen Bland-Altman-Plot herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!

10 % Rabatt auf unsereWorkshops & Kurse im Onlineshop!

Trage dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmäßige Rabatte, Tipps und Coachinginhalte für deine empirische Promotion

You have Successfully Subscribed!

Lade dir hier die Checkliste für deinen Methodenteil herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!


Jetzt 10 % Rabatt auf alle

Workshops & Kurse sichern!

You have Successfully Subscribed!

Downloade dir hier das Flowchart für deine ANOVA

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!

Lade dir hier die Vorlage für den Aufbau deines Datensatzes herunter

Melde dich für meinen Newsletter an und erhalte sofort die Excel-Vorlage!

You have Successfully Subscribed!