Einfaktorielle Varianzanalyse (Messwiederholung) vs. t-Test

[Brainworm]

Hallo,

habe das Forum über die Google-Suche gefunden und brauche mal eure Hilfe. Bin in den letzten Zügen meiner Diplomarbeit und leider treten einige Unsicherheiten bzgl. Statistik auf.

Kurz zum Thema:

- es wird die Leistung (Reaktionszeit) von Probanden gemessen bei verschiedenen Temperaturen
- Insgesamt gibt es 7 verschiedene Temperaturen (also 7 Messzeitpunkte)
- es werden alle 7 Test nacheinander ausgeführt (in unterschiedlicher Reihenfolge bei den Probanden)
- 25 VP
- bonferoni
- alpha 0,05


Jetzt führe ich eine einfaktorielle Varianzanalyse mit Messwiederholung durch.

Jetzt sind mir mehrere Sachen unklar:

(a) das ergebnis ist nicht signifikant
führe ich aber einen t-test durch für 2 temperaturen bekomme ich je nach korrektur des alphas einen signifikanten wert
hier muss ich doch mein alpha niveau (0,05) durch die mögliche anzahl an vergleichen teilen (in meinem fall 21), oder? heißt das, dass ich mir durch eine höhere anzahl an versuchsteilen meine chance auf signifikanz ruiniere? hätte ich nur die beiden zeitpunkte durchgeführt, die ich bei dem t-test verwende, wäre der versuch signifikant. da es aber noch 5 weitere zeitpunkte gibt, is er es nicht!?

(a2) wieso wird die signifikant der innersubjekteffekte kleiner, wenn ich in die einfaktorielle varianzanalyse nur 5 statt 7 messzeitpunkte rein nehme? ich dachte dieser test sagt mir nur, OB es irgendwo zwischen 2 zeitpunkten eine signifikante wechselwirkung gibt.

(b) das ergebnis ist signifikant
beim paarweisen vergleich (in SPSS) ist keines der ergebnisse signifikant. wo ist jetzt der unterschied?
muss ich jetzt für jeden einzelnen der messzeitpunkte zusätzlich t-tests durchführen? (insgesamt 21!!!)

[Generalist]

(a) das ergebnis ist nicht signifikant

Daher keine Veranlassung zu post-hoc Tests, Ende der Analyse.

(a2) wieso wird die signifikant der innersubjekteffekte kleiner, wenn ich in die einfaktorielle varianzanalyse nur 5 statt 7 messzeitpunkte rein nehme?

Das kommt auf den Beitrag der Hineingenommenen/Herausgenommenen Messungen zur Gesamtvarianz der Messungen an.

ich dachte dieser test sagt mir nur, OB es irgendwo zwischen 2 zeitpunkten eine signifikante wechselwirkung gibt.

Wechselwirkung? Du hast doch nur den Messwiederholungsfaktor. Und würde dieser inferenzstatistisch signifikant, dann heißt das, der Faktor klärt nennenswert Varianz auf. Ob da zwischen 2 Zeitpunkten ein signifikanter Unterschied nachgewiesen werden kann, ist damit noch nicht gesagt. Interessiert den Test auch nicht.

(b) das ergebnis ist signifikant
beim paarweisen vergleich (in SPSS) ist keines der ergebnisse signifikant. wo ist jetzt der unterschied?

Unterschied wozu?

Anscheinend lässt sich da nicht eine signifikante Differenz bestimmen. Kommt vor. Vor allem bei kleinen Fallzahlen. Die einzige (implizite) Hypothese, die in Deiner Studie vorhanden zu sein scheint, ist nun mal nur, dass "Temperatur" mit Reaktionszeit assoziiert ist. Das wird über den Faktor brav weggetestet. Dem Verfahren kannst Du aber nicht vorwerfen, dass es nicht Ergebnisse liefert, wo keine theoretisch fundierten Hypothesen vorliegen, die den Suchraum a priori einengen (e.g. linearer Zusammenhang Temperatur/Reaktionszeit oder dergleichen).

[Brainworm]

danke schon mal für die antwort. gibt leider ein paar sachen, die ich immer noch nicht verstehen bzw. unverständlich erklärt habe oben.

zu (a2): bedeutet das dann, dass ich meine statistisch signifikante "chance" zerstöre bzw. verschlechtere, um so mehr zeitpunkte (bzw. temperaturen) ich rein nehme?
ist es zulässig, dass ich nur 5 der 7 zeitpunkte wähle für den test? oder muss ich jetzt immer zwingend alle 7 nehmen?

zu (b): ja es kommt tatsächlich vor, nämlich bei mir. aber was tu ich jetzt? das ergebnis, dass irgendwo irgendwas signifikant ist, bringt mir ja nix. ich will ja in meiner auswertung sagen temperatur x ist signifikant besser als temperatur y (und nicht irgendeine temperatur ist toll, aber ich weiß nicht welche)



letzte zusätzliche frage: bei einer 2-faktoriellen varianzanalyse mit messwiederholung nehm ich jetzt noch den faktor "Kleidung" als "Zwischensubjektfaktor" rein. Jetzt bekomme ich bei "Tests der Innersubjektfaktoren" für:
Quelle: Temperatur: Sig. 0.049
Quelle: Temperatur*Kleidung: Sig. 0.117

Wie interpretier ich das jetzt?

Danke

[Generalist]

zu (a2): bedeutet das dann, dass ich meine statistisch signifikante "chance" zerstöre bzw. verschlechtere, um so mehr zeitpunkte (bzw. temperaturen) ich rein nehme?

Nein.

ist es zulässig, dass ich nur 5 der 7 zeitpunkte wähle für den test? oder muss ich jetzt immer zwingend alle 7 nehmen?

Für welchen Test? Den F-Test? Nach welchen Kriterien würdest Du das denn auswählen? Grundsätzlich ist davon abzuraten, auf Grund von Analyse-Ergebnissen einen Datensatz zu verändern bzw. die Analysestrategie zu wechseln mit dem Ziel, möglichst Signifikanzen zu erzeugen. Das Ziel sollten eine seriöse Analyse und zuverlässige und valide Aussagen sein. Nicht die Erzeugung von Signifikanzen.

zu (b): ja es kommt tatsächlich vor, nämlich bei mir. aber was tu ich jetzt? das ergebnis, dass irgendwo irgendwas signifikant ist, bringt mir ja nix.

Ob Dir das nix bringt, kann ich nicht beurteilen. Was genau Du herausfinden willst hast Du ja nicht beschrieben, keine Fragestellung oder dergleichen. Wenn Du keine a priori Hypothesen zu den 7 Messwiederholungen hattest, musst Du halt viele post-hoc Tests rechnen und entsprechend alpha adjustieren. Wobei Tukeys HSD weit weniger streng wäre als Bonferroni.

Wie interpretier ich das jetzt?

Der Messwiederholungsfaktor ist auf dem 5% Niveau signifikant, die Wechselwirkung nicht. p-Wert für Kleidung ist nicht erwähnt.

[Brainworm]

Nochmal danke für die Antwort. Etwas Licht ist schon ins dunkle gebracht.

Nochmal zum letzten Teil:

Mein Ziel ist es hier zu sagen: Personen, die Schutzkleidung getragen haben waren signifikant besser/schlechter als Personen ohne Schutzkleidung:

(a) Im allgemeinen

(b) nur bei bestimmten Temperaturen

Das ganze habe ich als 2-faktorielle Varianzanalyse mit Messwiederholung in SPSS probiert. Wobei ich "Kleidung" als Zwischenfaktor reingenommen hab. Dabei kommen eben die oben genannten Sachen raus.

An welcher Stelle muss ich denn jetzt suchen ob den Effekt aus (a) bzw. (b) zu bestätigen/abzulehnen?


Zum Thema Bonferoni: Hab jetzt über Google schon mehrfach gelesen, dass Tukeys HSD besser wäre, leider bietet mit SPSS diese Funktion nicht an

[Generalist]

Der Kleidungs-Effekt wird im SPSS-output ja sicherlich ausgewiesen gewesen sein. Ob Kleidung auf allen Stufen von "Temperatur" den gleichen Effekt hat, zeigt die (nicht signifikante) Wechselwirkung.

Tukey HSD kann man von Hand bestimmen. Ist nicht gar nicht mal so schwer, wie ich kürzlich in einem anderen Forum erfahren habe -- unter "Tukey finally" in http://www.uvm.edu/~dhowell/StatPages/M ... tComp.html gibt es eine Schritt-für-Schritt Anweisung.

[Brainworm]

und wieder danke


letzte frage:

wenn eine eine 1-faktorielle mache für meinen fall, bekomme ich:

Quelle: Temperatur: Sig. 0.000

und für die 2-faktorielle (mit kleidung als zwischensubjektfaktor)

Quelle: Temperatur: Sig. 0.049


warum ist das unterschiedlich?