Skip to main content
main-content

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

2021 | OriginalPaper | Buchkapitel

3. Varianzanalyse (ANOVA)

verfasst von : Klaus Backhaus, Bernd Erichson, Sonja Gensler, Rolf Weiber, Thomas Weiber

Erschienen in: Multivariate Analysemethoden

Verlag: Springer Fachmedien Wiesbaden

share
TEILEN

Zusammenfassung

Die Varianzanalyse ist ein Verfahren, welches die Wirkung einer (oder mehrerer) unabhängiger Variablen auf eine (oder mehrere) abhängige Variablen untersucht. Für die unabhängigen Variablen, die auch als Faktoren oder Treatments bezeichnet werden, wird dabei lediglich eine nominale Skalierung verlangt, während die abhängige Variable (auch Zielvariable genannt) metrisch skaliert ist. Die Varianzanalyse ist das wichtigste multivariate Verfahren zur Aufdeckung von Mittelwertunterschieden über mehr als zwei Gruppen hinweg und dient damit insbesondere der Auswertung von Experimenten. Das Kapitel behandelt sowohl die einfaktorielle (eine abhängige und eine unabhängige Variable) als auch die zweifaktorielle (eine abhängige Variable und zwei unabhängige Variablen) Varianzanalyse und erweitert die Betrachtungen im Fallbeispiel auf die Analyse mit zwei unabhängigen Faktoren (nominal skaliert) und zwei (metrisch skalierten) Kovariaten. Darüber hinaus werden auch die Kontrastanalyse und der Post hoc-Test behandelt.
Fußnoten
1
Es wird in diesem Fall von der „Inferenzstatistik“ gesprochen, die von der deskriptiven Statistik zu unterscheiden ist. Die Inferenzstatistik macht Rückschlüsse und Vorhersagen über eine Population auf der Grundlage einer aus der untersuchten Grundgesamtheit gezogenen Stichprobe.
 
2
Im Anwendungsbeispiel wurden bewusst nur 5 Beobachtungen pro Gruppe und damit insgesamt 15 Beobachtungen gewählt, um die nachfolgenden Berechnungen leichter nachvollziehen zu können. In der Literatur wird meist eine Anzahl von mindestens 20 Beobachtungen pro Gruppe empfohlen.
 
3
Auf der zu diesem Buch gehörigen Internetseite www.​multivariate.​de stellen wir ergänzendes Material zur Verfügung, um das Verstehen der Methode zu erleichtern und zu vertiefen.
 
4
Zur Auffrischung der Grundlagen zum statistischen Testen, bietet Abschn. 1.​3 eine kurze Zusammenfassung der grundlegenden Aspekte.
 
5
Vgl. zum Konzept der Freiheitsgrade die Ausführungen zu den statistischen Grundlagen in Abschn. 1.​2.​1.
 
6
Der Anwender kann auch andere Werte für α verwenden. Allerdings ist α = 5 % eine Art "Gold"-Standard in der Statistik, der auf R. A. Fisher (1890 – 1962) zurückgeht, der auch die F-Verteilung entwickelt hat. Allerdings muss der Anwender auch die Folgen (Kosten) einer Fehlentscheidung bei der Entscheidung berücksichtigen.
 
7
Zur Auffrischung der Grundlagen zum statistischen Testen, bietet Abschn. 1.​3 eine kurze Zusammenfassung der grundlegenden Aspekte.
 
8
Der p-Wert kann auch mit Hilfe von Excel durch Verwendung der Funktion  F.VERT.RE(Femp; df1;df2) berechnet werden. Für das Anwendungsbeispiel erhält man:  F.VERT.RE(38,09;2; 12) = 0,0000064 oder 0,00064 %. Eine detaillierte Erläuterung zum p-Wert findet der Leser auch in Abschn. 1.​3.​1.​2.
 
9
Hinweise zur Prüfung der Annahme multivariater Normalverteilung werden in Abschn. 3.5 gegeben. Eine detallierte Darstellung zur Prüfung von Varianzhomogenität mit dem Levene-Test findet der Leser in Abschn. 3.4.3.
 
10
Der Alpha-Fehler spiegelt die Wahrscheinlichkeit wider, die Nullhypothese abzulehnen, obwohl sie wahr ist. Vgl. zum Fehler erster und zweiter Art die Ausführungen zum statistischen Testen in Abschn. 1.​3.
 
11
SPSS bietet insgesamt 18 Varianten an Post-hoc-Tests an. Vgl. hierzu Abb. 3.16 in Abschn. 3.3.3.2.
 
12
Auch hier sei nochmals darauf hingewiesen, dass die Zahl von 5 Beobachtungen pro Gruppe und damit insgesamt 30 Beobachtungen bewusst gewählt wurde, um die nachfolgenden Berechnungen leichter nachvollziehen zu können. In der Literatur wird meist eine Anzahl von mindestens 20 Beobachtungen pro Gruppe bei einer zweifaktoriellen ANOVA empfohlen.
 
13
Im Folgenden werden die drei allgemeinen Formen der Interaktion graphisch verdeutlicht. Die Interaktionseffekte im Anwendungsbeispiel entsprechen denen im Fallbeispiel und sind in Abb. 3.15 dargestellt und erläutert.
 
14
Im Fallbeispiel werden aus didaktischen Gründen nochmals die Daten des erweiterten Anwendungsbeispiels verwendet (vgl. Abschn. 3.2.2.1; Tab. 3.9). Deshalb ist auch hier darauf hinzuweisen, dass das Fallbeispiel nur auf insgesamt 30 Fällen basiert. In der Literatur wird meist eine Anzahl von mindestens 20 Beobachtungen pro Gruppe empfohlen.
Auf der zu diesem Buch gehörigen Internetseite www.​multivariate.​de stellen wir ergänzendes Material zur Verfügung, um das Verstehen der Methode zu erleichtern und zu vertiefen.
 
15
Vgl. zu den Arten von Interaktionseffekten und der Berechnung des Interaktionseffektes im Fallbeispiel die Ausführungen in Abschn. 3.2.2.1.
 
16
Der p-Wert kann auch mit Hilfe von Excel durch Verwendung der Funktion  F.VERT.RE(Femp; df1; df2) berechnet werden. Für das Anwendungsbeispiel in Abschn. 3.2.1.1 erhält man: F.VERT.RE(0,062;2;12) = 0,9402. Eine detaillierte Erläuterung zum p - Wert findet der Leser auch in Abschn. .3.1.2.
 
Literatur
Zurück zum Zitat Bray, J. H., & Maxwell, S. E. (1985). Multivariate analysis of variance. London: Sage. CrossRef Bray, J. H., & Maxwell, S. E. (1985). Multivariate analysis of variance. London: Sage. CrossRef
Zurück zum Zitat Brown, S. R., Collins, R. L., & Schmidt, G. W. (1990). Experimental design and analysis. Newbury Park: Sage. CrossRef Brown, S. R., Collins, R. L., & Schmidt, G. W. (1990). Experimental design and analysis. Newbury Park: Sage. CrossRef
Zurück zum Zitat Christensen, R. (1996). Analysis of variance, design, and regression: Applied statistical methods. Boca Raton: CRC Press. Christensen, R. (1996). Analysis of variance, design, and regression: Applied statistical methods. Boca Raton: CRC Press.
Zurück zum Zitat Haase, R. F., & Ellis, M. V. (1987). Multivariate analysis of variance. Journal of Counseling Psychology, 34(4), 404–413. CrossRef Haase, R. F., & Ellis, M. V. (1987). Multivariate analysis of variance. Journal of Counseling Psychology, 34(4), 404–413. CrossRef
Zurück zum Zitat Kahn, J. (2011). Validation in marketing experiments revisited. Journal of Business Research, 64(7), 687–692. CrossRef Kahn, J. (2011). Validation in marketing experiments revisited. Journal of Business Research, 64(7), 687–692. CrossRef
Zurück zum Zitat Leigh, J. H., & Kinnear, T. C. (1980). On interaction classification. Educational and Psychological Measurement, 40(4), 841–843. CrossRef Leigh, J. H., & Kinnear, T. C. (1980). On interaction classification. Educational and Psychological Measurement, 40(4), 841–843. CrossRef
Zurück zum Zitat Levene, H. (1960). Robust tests for equality of variances. In I. Olkin (Hrsg.), Contributions to probability and statistics. Essays in honor of Harold Hotelling (S. 278–292). Stanford: Stanford University Press. Levene, H. (1960). Robust tests for equality of variances. In I. Olkin (Hrsg.), Contributions to probability and statistics. Essays in honor of Harold Hotelling (S. 278–292). Stanford: Stanford University Press.
Zurück zum Zitat Levy, K. I. (1980). A Monte Carlo study of analysis of covariance under violations of the assumptions of normality and equal regression slopes. Educational and Psychological Measurement, 40(4), 835–840. CrossRef Levy, K. I. (1980). A Monte Carlo study of analysis of covariance under violations of the assumptions of normality and equal regression slopes. Educational and Psychological Measurement, 40(4), 835–840. CrossRef
Zurück zum Zitat Moore, D. S. (2010). The basic practice of statistics (5. Aufl.). New York: Freeman. Moore, D. S. (2010). The basic practice of statistics (5. Aufl.). New York: Freeman.
Zurück zum Zitat Perdue, B., & Summers, J. (1986). Checking the success of manipulations in marketing experiments. Journal of Marketing Research, 23(4), 317–326. CrossRef Perdue, B., & Summers, J. (1986). Checking the success of manipulations in marketing experiments. Journal of Marketing Research, 23(4), 317–326. CrossRef
Zurück zum Zitat Perreault, W. D., & Darden, W. R. (1975). Unequal cell sizes in marketing experiments: Use of the general linear hypothesis. Journal of Marketing Research, 12(3), 333–342. CrossRef Perreault, W. D., & Darden, W. R. (1975). Unequal cell sizes in marketing experiments: Use of the general linear hypothesis. Journal of Marketing Research, 12(3), 333–342. CrossRef
Zurück zum Zitat Pituch, K. A., & Stevens, J. P. (2016). Applied multivariate statistics for the social sciences (6. Aufl.). New York: Routledge. Pituch, K. A., & Stevens, J. P. (2016). Applied multivariate statistics for the social sciences (6. Aufl.). New York: Routledge.
Zurück zum Zitat Shingala, M. C., & Rajyaguru, A. (2015). Comparison of post hoc tests for unequal variance. Journal of New Technologies in Science and Engineering, 2(5), 22–33. Shingala, M. C., & Rajyaguru, A. (2015). Comparison of post hoc tests for unequal variance. Journal of New Technologies in Science and Engineering, 2(5), 22–33.
Zurück zum Zitat Smith, R. A. (1971). The effect of unequal group size on Tukey’s HSD procedure. Psychometrika, 36(1), 31–34. CrossRef Smith, R. A. (1971). The effect of unequal group size on Tukey’s HSD procedure. Psychometrika, 36(1), 31–34. CrossRef
Zurück zum Zitat Warne, R. T. (2014). A primer on Multivariate Analysis of Variance (MANOVA) for behavioral scientists. Practical Assessment, Research & Evaluation, 19(17), 1–10. Warne, R. T. (2014). A primer on Multivariate Analysis of Variance (MANOVA) for behavioral scientists. Practical Assessment, Research & Evaluation, 19(17), 1–10.
Zurück zum Zitat Eschweiler, M., Evanschitzsky, H., & Woisetschläger, D. (2007). Ein Leitfaden zur Anwendung varianzanalytisch ausgerichteter Laborexperimente. Wirtschaftswissenschaftliches Studium, 36(12), 546–554. Eschweiler, M., Evanschitzsky, H., & Woisetschläger, D. (2007). Ein Leitfaden zur Anwendung varianzanalytisch ausgerichteter Laborexperimente. Wirtschaftswissenschaftliches Studium, 36(12), 546–554.
Zurück zum Zitat Gelman, A. (2005). Analysis of variance – Why it is more important than ever. The annals of statistics, 33(1), 1–53. CrossRef Gelman, A. (2005). Analysis of variance – Why it is more important than ever. The annals of statistics, 33(1), 1–53. CrossRef
Zurück zum Zitat Ho, R. (2006). Handbook of univariate and multivariate data analysis and interpretation with SPSS. Boca Raton: CRC Press. CrossRef Ho, R. (2006). Handbook of univariate and multivariate data analysis and interpretation with SPSS. Boca Raton: CRC Press. CrossRef
Zurück zum Zitat Huber, F., Meyer, F., & Lenzen, M. (2014). Grundlagen der Varianzanalyse. Wiesbaden: Springer Gabler. CrossRef Huber, F., Meyer, F., & Lenzen, M. (2014). Grundlagen der Varianzanalyse. Wiesbaden: Springer Gabler. CrossRef
Zurück zum Zitat Sawyer, S. F. (2009). Analysis of variance: The fundamental concepts. Journal of Manual & Manipulative Therapy, 17(2), 27–38. CrossRef Sawyer, S. F. (2009). Analysis of variance: The fundamental concepts. Journal of Manual & Manipulative Therapy, 17(2), 27–38. CrossRef
Zurück zum Zitat Scheffe, H. (1999). The analysis of variance. New York: John Wiley & Sons. Scheffe, H. (1999). The analysis of variance. New York: John Wiley & Sons.
Zurück zum Zitat Turner, J. R., & Thayer, J. (2001). Introduction to analysis of variance: Design, analyis & interpretation. London: Sage Publication. CrossRef Turner, J. R., & Thayer, J. (2001). Introduction to analysis of variance: Design, analyis & interpretation. London: Sage Publication. CrossRef
Metadaten
Titel
Varianzanalyse (ANOVA)
verfasst von
Klaus Backhaus
Bernd Erichson
Sonja Gensler
Rolf Weiber
Thomas Weiber
Copyright-Jahr
2021
DOI
https://doi.org/10.1007/978-3-658-32425-4_3