Effektstärken für die einfaktorielle ANOVA berechnen

Effektstärkenmaße haben Varianz (sie variieren jedes Mal, wenn wir das gleiche Experiment durchführen würden), aber sie können auch systematische Verzerrungen haben. Für Cohen’s d ist eine weniger verzerrtes Effektstärkenmaß Hedges‘ g. Für Eta-Quadrat (η²) sind weniger verzerrte Schätzer Epsilon-Quadrat (ε²) und Omega-Quadrat (ω²).  

Auch wenn es etliche Studien gibt, die Eta-Quadrat einen Bias bescheinigen (z.B. Carroll & Nordholm, 2016; Lakens & Albers, 2017; Okada, 2013; Troncoso Skidmore & Thompson, 2013), dürfte der Hauptgrund für die geringe Verbreitung alternativer Effektstärkenmaße die fehlende Unterstützung vieler Statistikprogramme sein. Um dem entgegenzuwirken berechnet dieser Rechner neben dem bekannten Eta-Quadrat zusätzlich noch Epsilon-Quadrat und Omega-Quadrat.

Rechner

@misc{statistikguru,
    title    = {StatistikGuru},
    subtitle = {Effektstärken für die einfaktorielle ANOVA berechnen},
    year     = {2018},
    month    = {jul},
    url      = {https://statistikguru.de/rechner/einfaktorielle-anova-effektstaerken.html},
    author   = {Hemmerich, Wanja A.},
    urldate  = {2023-06-10}
}

Literaturverzeichnis

1. Carroll, R. M., & Nordholm, L. A. (2016). Sampling Characteristics of Kelley’s ε and Hays‘ ω. Educational and Psychological Measurement, 35(3), 541–554. doi:10.1177/001316447503500304
2. Lakens, D., & Albers, C. (2017). When power analyses based on pilot data are biased: Inaccurate effect size estimators and follow-up bias. Advance online publication. doi:10.17605/OSF.IO/B7Z4Q
3. Okada, K. (2013). Is omega squared less biased? A comparison of three major effect size indices in one-way ANOVA. Behaviormetrika, 40(2), 129-147. doi:10.2333/bhmk.40.129
4. Troncoso Skidmore, S., & Thompson, B. (2013). Bias and precision of some classical ANOVA effect sizes when assumptions are violated. Behavior research methods, 45(2), 536–546. doi:10.3758/s13428-012-0257-2