Einfaktorielle ANOVA: Normalverteilung überprüfen
Die abhängige Variable sollte bei einer einfaktoriellen ANOVA für jede Gruppe etwa normalverteilt sein. Ist dies der Fall, so lassen sich die Ergebnisse am fehlerfreisten interpretieren. Allerdings gibt es auch genügend Belege aus aktuellen Studien, dass die einfaktorielle ANOVA robust gegenüber einer Verletzung der Normalverteilung ist (Blanca, Alarcón, Arnau, Bono, & Bendayan, 2017; Glass, Peckham, & Sanders, 1972; Harwell, Rubinstein, Hayes, & Olds, 1992; Lix, Keselman, & Keselman, 1996; Salkind, 2010; Schmider, Ziegler, Danay, Beyer, & Bühner, 2010).
-
Das Dialogfeld zur Überprüfung der Normalverteilung finden wir in SPSS unter Analysieren > Deskriptive Statistiken > Explorative Datenanalyse.
- Das folgende Dialogfeld erscheint.
- Wir möchten die Variable bdi auf Normalverteilung untersuchen. Sie ist daher unsere Abhängige Variable. Die Variable gruppe ist hier ein Faktor, da wir den BDI getrennt nach körperlicher Aktivität analysieren möchten.
Faktoren unterteilen die Ausgabe: für jede Faktorstufe jeder Variable in der Faktorenliste erhalten wir eine separate Analyse und ein separates Diagramm.
- Mit einem Klick auf erscheint das für die Überprüfung der Normalverteilung wichtigste Dialogfenster.
- Hier entfernen wir die Auswahl von unter Deskriptive Statistik und wählen .
Erst durch Auswahl des Kontrollkästchens werden die Tests auf Normalverteilung berechnet! - Durch Klicken auf wird die Eingabe bestätigt und wir gelangen wieder zum vorherigen Dialog.
- Damit sind alle Einstellungen gemacht. Durch Drücken auf wird die Ausgabe entsprechend unserer Auswahl erstellt. In der nächsten Sektion gehen wir Schritt-für-Schritt durch die Interpretation der Ausgabe.
Literaturverzeichnis
- Blanca, M. J., Alarcón, R., Arnau, J., Bono, R., & Bendayan, R. (2017). Non-normal data: Is ANOVA still a valid option? Psicothema, 29(4), 552–557. doi:10.
7334/ psicothema2016. 383 - Glass, G. V., Peckham, P. D., & Sanders, J. R. (1972). Consequences of Failure to Meet Assumptions Underlying the Fixed Effects Analyses of Variance and Covariance. Review of Educational Research, 42(3), 237–288. doi:10.
3102/ 00346543042003237 - Harwell, M. R., Rubinstein, E. N., Hayes, W. S., & Olds, C. C. (1992). Summarizing Monte Carlo Results in Methodological Research: The One- and Two-Factor Fixed Effects ANOVA Cases. Journal of Educational and Behavioral Statistics, 17(4), 315–339. doi:10.
3102/ 10769986017004315 - Lix, L. M., Keselman, J. C., & Keselman, H. J. (1996). Consequences of Assumption Violations Revisited: A Quantitative Review of Alternatives to the One-Way Analysis of Variance F Test. Review of Educational Research, 66(4), 579–619. doi:10.
3102/ 00346543066004579 - Salkind, N. J. (2010). Encyclopedia of Research Design (Vol. 2). Los Angeles: Sage.
- Schmider, E., Ziegler, M., Danay, E., Beyer, L., & Bühner, M. (2010). Is It Really Robust? Methodology, 6(4), 147–151. doi:10.
1027/ 1614- 2241/ a000016