Einfaktorielle ANOVA Verständnisproblem

[LauraP1]

Hallo zusammen,
ich führe eine One-way Anova durch und habe eben eine abhängige Variable, wie z.b. die Kaufabsicht von Äpfeln und dann vier unabhängige Variablen. Diese habe ich unter Faktor als "Farbe der Äpfel" (gelb, rot, grün, gemischt), mit Labels von 1-4 versehen.
Mein Output sieht so aus, dass ich F(3, 131)= 0,013 rausbekomme.
Aber ist das jetzt das Gesamtergebnis aller Farben? Ich wollte ja schauen, wie die Kaufsabsicht von der Apfelfarbe abhängt.
Also jeweils für die verschiedenen Farbtöne einen F-Wert rausbekommen. Was muss ich in den Einstellungen ändern, damit innerhalb der Labels 1-4 untersucht wird?

Vielen Dank,

die absolute Anfängerin Laura

[drfg2008]

Für Einsteiger:

http://www.youtube.com/watch?v=waTvPM0EpOs

[LauraP1]

Vielen Dank für die Antwort. Aber das Video hat, soweit ich das verstehe, gar nichts mit meiner Frage zu tun
Wie ANOVA funktioniert und alles, verstehe ich ja auch. Aber nicht, wie ich auf meine verschiedenen Gruppenwerte komme.
Macht man sowas mit between-subject designs? Vorgabe ist allerdings, dass es eine einfaktorielle ANOVA sein soll.

[drfg2008]

Was muss ich in den Einstellungen ändern, damit innerhalb der Labels 1-4 untersucht wird?

Findet sich im Video nichts zum Thema a posteriori Einzelvergleichstests (z.B. Duncan, Scheffe)?

[LauraP1]

Okay, dass ich einen Post-Hoc Test verwenden könnte hilft mir schon mal weiter
Ich habe mal durchprobiert, und vielleicht könnten die Tests mit den homogenen Untergruppen das richtige sein. Aber ich tappe trotzdem noch total im Dunkeln.

Kaufssabsicht

Rot F(3, 131)=? ,p= ?
Grün F(3, 131)=? ,p=?
Gelb F(3, 131)=? ,p=?
Gemischt F(3, 131)=? ,p=?

So ist das von meinem Professor gewünscht. In dem Beispiel waren die degrees of freedom für alle gruppen gleich. Nur der p-Wert und F-Wert haben sich jeweils unterschieden.
Ich hoffe, ihr wisst was ich meine und könnt mir helfen

Danke,
Laura

[Generalist]

Rot F(3, 131)=? ,p= ?
Grün F(3, 131)=? ,p=?
Gelb F(3, 131)=? ,p=?
Gemischt F(3, 131)=? ,p=?

Das ist doch völliger Quatsch. Es soll - was immer das für einen Zweck
erfüllen soll, ich erkenne ihn nicht - viermal immer jeweils 1 ausgewählte
Farbe getestet werden und gleichzeitig soll df=3 sein, also ein Test
simultan mit 4 Gruppen gerechnet werden. Das ergibt doch gar keinen
Sinn. Trägt Dein Professor Lampenschirme als Hüte?

[LauraP1]

Ja, das ist es ja was ich nicht verstehe.
Was ich unten aufgeführt habe, ist die Angabe des Professors, wie das hinterher aufbereitet werden soll.In dem Beispiel waren für alle Gruppen die degrees of freedoms gleich, deswegen habe ich überall 3, 131 eingetragen.
Meine Aufgabe ist es eben, zu analysieren, wie die Kaufsabsicht der Äpfel von der Farbe abhängt, oder ob es überhaupt einen Unterschied zwischen den Farben gibt.
Und ich verstehe eben nicht, wie ich das anstelle

[Generalist]

Entweder post-hoc Tests (sinnvoll) oder 4 getrennte Gruppenvergleiche (nicht sinnvoll), in denen letzteren immer eine Farbe gegen den Rest getestet wird. Dafür müsste dann jeweils immer eine neue Variable erstellt werden mit 1=Rot und 2=alle anderen (etc. entsprechend für die anderen Farben). Allerdings müssen dann wegen multiplen Testens auch die p-Werte bzw. die Signifikanschwelle angepasst werden, also statt < 5% = signifikant konventionellerweise < 5%/4 (=1,25%) = signifikant.

Ansonsten kann man hier noch bis zum Sankt Nimmerleinstag herumraten, oder Du lässt es Dir von Deinem Prof (der kostet den Steuerzahler 127 Euro Gehalt pro Arbeitsstunde, vom selben Steuerzahler AUCH bezahlt für Studierendenbetreuung) das nochmal erklären, was er sich so denkt (bzw. "denkt").