ANOVA-Rechner für Messwiederholungen - F-Statistik und Effektgröße
Fortgeschrittene statistische Tests
Geben Sie unten Ihre Daten ein. Jede Zeile steht für eine Person und jede Spalte für eine andere Bedingung oder einen Messzeitpunkt. Werte können durch Kommas, Leerzeichen oder Tabs getrennt werden.
ANOVA-Rechner für Messwiederholungen - F-Statistik und Effektgröße
Fortgeschrittene statistische Tests
Jede Zeile = eine Person; jede Spalte = eine Bedingung. Beispiel: 8,9,7 in einer Zeile.
Über den ANOVA-Rechner für Messwiederholungen
Die ANOVA mit Messwiederholungen (Varianzanalyse) ist ein statistisches Verfahren, das verwendet wird, wenn dieselben Personen unter mehreren Bedingungen oder zu verschiedenen Zeitpunkten gemessen werden. Im Unterschied zur ANOVA zwischen Personen kontrolliert das Design mit Messwiederholungen individuelle Unterschiede, indem jede Person als eigene Kontrolle dient, was die statistische Power deutlich erhöht.
Dieser Rechner führt eine einfaktorielle ANOVA mit Messwiederholungen durch. Das Design umfasst einen einzigen Innersubjekt-Faktor (Bedingung oder Zeit) mit k Stufen, gemessen an n Personen. Die Gesamtvarianz der Daten wird in drei Komponenten zerlegt: Varianz aufgrund von Unterschieden zwischen den Bedingungen (der interessierende Faktor), Varianz aufgrund individueller Unterschiede zwischen den Personen und Restfehler-Varianz.
Die F-Statistik wird als Verhältnis der mittleren Quadratsumme zwischen den Bedingungen (MSbetween) zur mittleren Fehlerquadratsumme (MSerror) berechnet. Ein hoher F-Wert im Verhältnis zum kritischen Wert der F-Verteilung (mit dfbetween = k−1 und dferror = (n−1)(k−1) Freiheitsgraden) zeigt an, dass sich mindestens ein Bedingungsmittelwert signifikant von den anderen unterscheidet.
Die Effektgröße wird mit Eta-Quadrat (η²) angegeben, das SS_between geteilt durch SS_total entspricht. Ein Wert von η² = 0,01 gilt nach Cohen als klein, 0,06 als mittel und 0,14 oder höher als groß. Partielles Eta-Quadrat wird in der Forschung häufig berichtet, da es den Anteil der durch den interessierenden Faktor erklärten Varianz fokussiert.
Der Rechner nimmt Sphärizität an, also dass die Varianzen der Differenzen zwischen allen Bedingungspaaren gleich sind. Wird diese Annahme verletzt (erkennbar mit dem Mauchly-Test), wenden Forschende üblicherweise die Greenhouse-Geisser- oder Huynh-Feldt-Korrektur an, um die Freiheitsgrade anzupassen. Für explorative Analysen und schnelle Prüfungen sind die hier berechneten unkorrigierten F- und η²-Werte ein nützlicher Ausgangspunkt.
Dieses Werkzeug ist für Lehrzwecke und Voranalysen gedacht. Für veröffentlichungsreife Ergebnisse, insbesondere bei komplexen Designs oder vermuteten Sphärizitätsverletzungen, verwenden Sie spezialisierte Statistiksoftware wie SPSS, R (mit dem ez-Paket) oder Python (mit pingouin).
Beispiele für ANOVA mit Messwiederholungen
Diese Beispiele zeigen, wie man Ergebnisse einer ANOVA mit Messwiederholungen interpretiert.
| Daten (Zeilen=Personen) | F-Statistik | Interpretation |
|---|---|---|
| 8,9,7 / 10,11,9 / 6,8,5 (3 subjects × 3 conditions) | F ≈ 37.4, η² ≈ 0.28 | Starker Bedingungseffekt |
| 4,7,6,9 / 3,5,4,8 / 6,8,9,11 / 2,5,3,7 (4 × 4) | F ≈ 50.7, η² ≈ 0.53 | Große Effektgröße |
| 3,5,4,7 / 2,4,6,5 / 5,7,3,9 (3 × 4, irregular pattern) | F ≈ 2.84, η² ≈ 0.50 | F nicht signifikant, η² moderat |
So verwenden Sie diesen Rechner
- Geben Sie die Daten so ein, dass jede Zeile eine Person und jede Spalte eine Bedingung oder einen Messzeitpunkt darstellt.
- Trennen Sie Werte innerhalb einer Zeile mit Kommas, Leerzeichen oder Tabs; verwenden Sie für jede Person eine neue Zeile.
- Klicken Sie auf „Berechnen“, um die einfaktorielle ANOVA mit Messwiederholungen auszuführen.
- Prüfen Sie die ANOVA-Tabelle mit SS, df, MS und F-Statistik für jede Varianzquelle.
- Überprüfen Sie den Eta-Quadrat-Wert (η²), um die praktische Bedeutung des Bedingungseffekts einzuschätzen.
Häufig gestellte Fragen
Wann sollte ich eine ANOVA mit Messwiederholungen statt einer einfaktoriellen ANOVA verwenden?
Verwenden Sie eine ANOVA mit Messwiederholungen, wenn dieselben Personen in allen Bedingungen gemessen werden. Sie ist leistungsstärker als eine ANOVA zwischen Personen, weil sie die Varianz durch individuelle Unterschiede aus dem Fehlerterm entfernt und so echte Bedingungseffekte mit weniger Teilnehmenden leichter nachweisbar macht.
Was ist die Sphärizitätsannahme?
Sphärizität verlangt, dass die Varianzen der Differenzen zwischen allen Bedingungspaaren gleich sind. Ein Verstoß erhöht die Fehler-1.-Art-Rate. Der Mauchly-Test prüft diese Annahme. Bei Verletzung wenden Sie die Greenhouse-Geisser- oder Huynh-Feldt-Korrektur auf die Freiheitsgrade an.
Was sagt mir Eta-Quadrat (η²)?
Eta-Quadrat gibt den Anteil der Gesamtvarianz an, der durch den Innersubjekt-Faktor erklärt wird. Die Werte 0,01, 0,06 und 0,14 gelten üblicherweise als kleine, mittlere bzw. große Effekte. Es ist eine leicht interpretierbare Effektgröße für ANOVA.
Wie viele Personen brauche ich für eine ANOVA mit Messwiederholungen?
Für ausreichende statistische Power werden meist mindestens 5–10 Personen empfohlen, wobei eine formale Poweranalyse auf Basis der erwarteten Effektgröße und der gewünschten Power (meist 0,80) der richtige Ansatz ist. Bei kleinen erwarteten Effekten werden mehr Personen benötigt.
Was, wenn meine Daten die Sphärizität verletzen?
Wenden Sie die Greenhouse-Geisser-Korrektur (ε) an, um die Freiheitsgrade anzupassen und den F-Test konservativer zu machen. Liegt ε nahe bei 1, ist die Sphärizität ungefähr erfüllt. Bei starker Verletzung (ε < 0,75) ist Greenhouse-Geisser zu bevorzugen.
Kann ich diesen Rechner für ein zweifaktorielles Design mit Messwiederholungen verwenden?
Nein, dieser Rechner behandelt nur eine einfaktorielle ANOVA mit Messwiederholungen (einen Innersubjekt-Faktor). Für zweifaktorielle Designs mit zwei Innersubjekt-Faktoren oder gemischte Designs mit Intra- und Inter-Subjekt-Faktoren benötigen Sie spezialisierte Software wie R, SPSS oder die pingouin-Bibliothek in Python.