Einfaktorielle ANOVA

Einfaktorielle ANOVA: Einstieg in die Interpretation und Auswertung

Die folgenden Seiten werden sich jetzt mit der Interpretation und Auswertung der Ergebnisse beschäftigen. Die gilt sowohl für die Ausgabe der einfaktoriellen ANOVA, als auch für die post-hoc Tests und Kontraste. Zuerst werden wir uns mit der Interpretation der deskriptiven Statistiken beschäftigen. Auch wenn man von den deskriptiven Statistiken keine Schlüsse über die Signifikanz der Ergebnisse ziehen kann, sind die deskriptiven Statistiken wichtig, um beispielsweise Trends aus den Daten zu sehen und sind daher fester Bestandteil einer wissenschaftlichen Arbeit.

Wie wir bereits am Anfang dieses How-To erwähnt haben, ist eine der Voraussetzungen der ANOVA die Gleichheit der Varianzen (Homoskedastizität). Ist diese Voraussetzung nicht erfüllt, müssen wir ein anderes, robusteres Verfahren verwenden, was allerdings schon Teil der Ausgabe ist.

Danach hängt das weitere Vorgehen davon ab, ob post-hoc Tests oder Kontraste interpretiert werden sollen (hier noch einmal die Übersicht mit den Unterschieden zwischen den beiden).

Einfaktorielle ANOVA mit post-hoc Tests

Bei der Berechnung der einfaktoriellen ANOVA haben wir bereits einige post-hoc Tests ausgewählt und berechnen lassen. Jetzt kommt es darauf an, ob Homoskedastizität gegeben ist. Falls, nein, können wir die Standard-ANOVA nicht interpretieren und müssen stattdessen die robustere Welch-ANOVA auswerten. Bei mangelnder Homoskedastizität muss auch ein andere post-hoc Test interpretiert werden. All dies, sowie die korrekte Verschriftlichung der Ergebnisse, besprechen wir später.

Einfaktorielle ANOVA mit Kontrasten

Wenn eine spezielle Forschungshypothese im Vorfeld bereits bekannt war, können wir statt post-hoc Tests auch Kontraste berechnen. Auch hier gilt: wenn Homoskedastizität nicht gegeben ist, muss die robustere Welch-ANOVA interpretiert werden. Wir besprechen, wie man Kontraste für die einfaktorielle ANOVA mit SPSS berechnet und auch wie man entsprechend Anpassungen vornimmt, wenn man mehr als einen Kontrast berechnet. Im Anschluss interpretieren wir die Ergebnisse jeweils, wenn Homoskedastizität gegeben ist und wenn nicht.