APA-Berichte Beispiele Flashcards
Einfaktorielle Varianzanalyse
Ein Beispiel könnte eine einfaktorielle Varianzanalyse sein, in der vier Gruppen untersucht wurden, die unterschiedlichen Störungen ausgesetzt waren, und die Gedächtnisleistung gemessen wurde.
Eine einfaktorielle ANOVA zeigte signifikante Unterschiede in der Gedächtnisleistung zwischen den vier Gruppen, F(3, 36) = 15.49, p < .001, ω² = .52. Dies deutet darauf hin, dass mindestens zwei Gruppen sich signifikant in ihrer Gedächtnisleistung unterscheiden.
Zweifaktorielle Varianzanalyse
Ein weiteres Beispiel könnte eine zweifaktorielle ANOVA sein, bei der der Einfluss von zwei unabhängigen Variablen auf eine abhängige Variable untersucht wurde, zum Beispiel die Form der Ablenkung (Lärm, Licht) und die Dauer des Einprägens (30 Sek., 60 Sek.) auf die Gedächtnisleistung.
Die zweifaktorielle ANOVA zeigte signifikante Haupteffekte für die Form der Ablenkung,
F(1, 36) = 19.61, p < .001, η² = .35,
und für die Dauer des Einprägens,
F(1, 36) = 27.65, p < .001, η² = .43.
Es gab keinen signifikanten Interaktionseffekt,
F(1, 36) = 0.69, p = .412, η² = .02.
t-Test für unabhängige Stichproben
In einem Experiment, bei dem der Einfluss von Lärm und Licht auf die Gedächtnisleistung untersucht wurde, könnte ein t-Test verwendet werden, um die Unterschiede zwischen zwei Gruppen zu überprüfen.
Ein t-Test für unabhängige Stichproben zeigte, dass sich die Gedächtnisleistung der Lärm-Gruppe signifikant von der Licht-Gruppe unterschied, t(18) = 2.35, p = .027, d = 0.98. Dies deutet auf einen großen Effekt hin, wobei die Teilnehmer unter Lärmbedingungen eine schlechtere Leistung zeigten.
Bonferroni-Korrektur
Bei der Durchführung mehrerer t-Tests, z.B. wenn vier Gruppen verglichen werden, müsste eine Korrektur des α-Niveaus vorgenommen werden, um α-Fehler-Inflation zu verhindern.
Bei sechs paarweisen Vergleichen wurde die Bonferroni-Korrektur angewendet, um die α-Fehler-Inflation zu reduzieren. Das korrigierte Signifikanzniveau betrug α = .008, und es wurden signifikante Unterschiede zwischen den Gruppen 1 und 2, t(18) = 3.12, p = .006, und zwischen den Gruppen 3 und 4, t(18) = 2.75, p = .007, festgestellt.
Shapiro-Wilk-Test (Normalverteilungstest)
Ein Shapiro-Wilk-Test könnte verwendet werden, um die Normalverteilung der abhängigen Variablen in verschiedenen Gruppen zu testen, bevor eine ANOVA durchgeführt wird.
Der Shapiro-Wilk-Test zeigte, dass die Gedächtnisleistung in keiner der vier Gruppen signifikant von der Normalverteilung abwich, W(10) = 0.96, p = .325. Dies legt nahe, dass die Voraussetzung der Normalverteilung für die Durchführung der ANOVA erfüllt ist.
Korrelationsanalyse
In einer Studie könnte der Zusammenhang zwischen der Dauer des Lernens und der Gedächtnisleistung untersucht werden.
Eine Pearson-Korrelationsanalyse zeigte einen signifikanten positiven Zusammenhang zwischen der Dauer des Lernens und der Gedächtnisleistung, r(38) = .45, p = .005. Dies deutet darauf hin, dass längere Lernzeiten mit einer besseren Gedächtnisleistung verbunden sind.
Multiple Lineare Regression
Eine multiple lineare Regression könnte verwendet werden, um vorherzusagen, wie verschiedene Faktoren (z. B. Lärmpegel und Lichtintensität) die Gedächtnisleistung beeinflussen.
Eine multiple Regressionsanalyse zeigte, dass sowohl der Lärmpegel (β = -.38, p = .02) als auch die Lichtintensität (β = -.31, p = .03) signifikante negative Prädiktoren für die Gedächtnisleistung waren. Das Gesamtmodell war signifikant, R² = .29, F(2, 37) = 7.43, p = .001.
Levene-Test (Test auf Varianzhomogenität)
Vor der Durchführung einer ANOVA könnte ein Levene-Test verwendet werden, um die Homogenität der Varianzen zwischen den Gruppen zu testen.
Der Levene-Test ergab, dass die Varianz der Gedächtnisleistung zwischen den vier Gruppen nicht signifikant unterschiedlich war, F(3, 36) = 1.05, p = .382. Dies zeigt, dass die Voraussetzung der Varianzhomogenität für die ANOVA erfüllt ist.
Chi-Quadrat-Test
Ein Chi-Quadrat-Test könnte durchgeführt werden, um zu prüfen, ob es einen Zusammenhang zwischen der Art der Ablenkung (Lärm oder Licht) und dem Gedächtniserfolg (hoch oder niedrig) gibt.
Ein Chi-Quadrat-Test zeigte, dass es einen signifikanten Zusammenhang zwischen der Art der Ablenkung und dem Gedächtniserfolg gab, χ²(1, N = 40) = 6.74, p = .009. Teilnehmer, die Lärm ausgesetzt waren, zeigten häufiger niedrigere Gedächtnisleistungen als diejenigen, die Lichtreizen ausgesetzt waren.
Shapiro-Wilk-Test bei nicht-signifikantem Ergebnis
In einem Fall, in dem der Shapiro-Wilk-Test auf Normalverteilung keinen signifikanten Effekt zeigt, könnte dies so berichtet werden:
Der Shapiro-Wilk-Test ergab keine signifikante Abweichung von der Normalverteilung in der Gedächtnisleistung der Kontrollgruppe, W(10) = 0.97, p = .472. Daher kann angenommen werden, dass die Daten normalverteilt sind und eine ANOVA angewendet werden kann.
Wilcoxon-Rangsummentest (nicht-parametrischer Test)
Ein Wilcoxon-Rangsummentest könnte verwendet werden, wenn die Normalverteilung der Daten nicht gegeben ist, beispielsweise um die Gedächtnisleistung zwischen zwei unabhängigen Gruppen (Lärm und Licht) zu vergleichen.
Der Wilcoxon-Rangsummentest zeigte, dass es einen signifikanten Unterschied in der Gedächtnisleistung zwischen den Teilnehmern, die Lärm ausgesetzt waren, und denen, die Lichtreizen ausgesetzt waren, gab, W = 85, p = .037. Die Gedächtnisleistung war bei den Teilnehmern der Lärmgruppe geringer.
Mann-Whitney-U-Test
Ein Mann-Whitney-U-Test könnte durchgeführt werden, wenn die Gedächtnisleistung von zwei unabhängigen Gruppen untersucht wird und die Daten nicht normalverteilt sind.
Der Mann-Whitney-U-Test ergab, dass die Gedächtnisleistung zwischen den Teilnehmern der Lärm- und der Lichtgruppe signifikant unterschiedlich war, U = 42, p = .029. Die Teilnehmer in der Lichtgruppe hatten eine bessere Gedächtnisleistung.
Cohen’s d (Effektstärke für t-Test)
Die Effektgröße Cohen’s d wird oft in Verbindung mit einem t-Test verwendet, um die Größe des Effekts zu bestimmen. Angenommen, der t-Test für zwei unabhängige Stichproben ergab einen signifikanten Unterschied zwischen der Lärm- und der Lichtgruppe.
Der t-Test für unabhängige Stichproben ergab einen signifikanten Unterschied in der Gedächtnisleistung zwischen der Lärm- und der Lichtgruppe, t(18) = 2.30, p = .034, d = 0.96, was auf einen großen Effekt hinweist.
Kruskal-Wallis-Test (nicht-parametrische ANOVA)
Der Kruskal-Wallis-Test wird verwendet, um Unterschiede zwischen mehr als zwei Gruppen zu vergleichen, wenn die Daten nicht normalverteilt sind.
Ein Kruskal-Wallis-Test zeigte signifikante Unterschiede in der Gedächtnisleistung zwischen den vier Gruppen (Lärm, Licht, Geruch, Kontrollgruppe), H(3) = 12.47, p = .006. Post-hoc-Tests zeigten, dass die Lärmgruppe signifikant schlechter abschnitt als die Kontrollgruppe.
