Kontraste & Modellgleichung Varianzanalyse Flashcards

1
Q

Welche Arten von Kontraste gibt es?

A
  1. a posteriori
  2. a priori
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Wann benutzt man welchen Kontrast?

A

a posteriori: Varianzanalyse war signifikant, jetzt
Lokalisierung der Unterschiede
a priori: statt einer Omnibus-Varianzanalyse

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Eigenschaften: a posteriori Kontrast

A
  1. auch post hoc Vergleiche genannt
  2. werden nach einer signifikanten Varianzanalyse zur Lokalisierung paarweiser signifikanter Unterschiede genutzt
  3. nur ungerichtet Hypothesen können getestet werden
  4. kein eigentlicher Hypothesentest (da nicht vorab formuliert)
  5. Alpha-Adjustierung ist essenziell, daher werden Verfahren verwendet, in denen diese bereits integriert ist: Scheffé-Test, Tukey’s “honestly significant difference (HSD)”-Methode, . . .
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Eigenschaften: a priori Kontrast

A
  1. Im Vorhinein in varianzanalytischem Design nur theoretisch interessante Vergleiche durchführen –> deren Hypothesen auf theoretisch begründeten Vorhersagen beruht
  2. gezieltes Testen von Hypothesen
  3. nicht nur Unterschiede zwischen zwei Erwartungswerten, sondern auch beliebige Kombinationen von Erwartungswerten sind möglich
    und vieles mehr
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Kontrast Definition

A

ein Kontrast ist eine Linearkombination von Populationsparametern, d.h. die Populationsparameter µj werden mit Koeffizienten cj multipliziert und dann aufsummiert, die Summe nennen wir psi

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Wichtige Restriktion bei Kontrasten

A

um als Kontrast zu zählen, müssen sich die Koeffizienten zu Null aufsummieren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Hypothesenpaare bei Kontrasten im ungerichteten Fall und im gerichteten Fall

A
  1. ungerichteter Fall:
    H0: psi = 0
    H1: psi ≠ 0
  2. gerichteter Fall:
    Das Gleichzeichen ist immer in der H0
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Welche Annahmen gelten für Kontraste

A

Die gleichen wie für die Varianzanalyse:
1. J Stichproben werden unabhängig voneinander gezogen

  1. abhängige Variable Y (mindestens) intervallskaliert
  2. abhängige Variable in jeder Population j normalverteilt mit einer gemeinsamen Varianz (=Varianzhomogenität):
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Entscheidungsregel Kontraste

A

Verwirft die H0 (entschiede dich für die H1), falls der Betrag (!) von t größer/gleich tN-J; α/2 bzw. p größer/ gleich Alpha ist

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Modellgleichung der einfaktoriellen Varianzanalyse: Effekt αj und yij

A

αj: die Abweichungen der Gruppenmittelwerte vom Gesamtmittelwert M. Diese Abweichung wird oft die erklärte Abweichung genannt.

yij: Die Abweichung der einzelnen Vp vom Gruppenmittelwert Mj
S. F. 63/ 64

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Modellgleichung der einfaktoriellen Varianzanalyse: Messfehler

A

Messfehler: Die Abweichungen der einzelnen Personen vom Gruppenmittelwert bzw. eigentlich: dem
Gruppenerwartungswert: eij = yij − μj
Oft nicht-erklärte Abweichung genannt, da sie nicht auf die Wirkung des untersuchten Faktors zurückgeht.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Modellgleichung der einfaktoriellen Varianzanalyse: Verteilung des Messfehlers eij

A

wegen der eingangs gemachten Voraussetzungen der Varianzanalyse gilt für eine Zufallsvariable yij, dass
auch diese normalverteilt ist:
yij ~ N(μj , σ²)
Daraus folgt, dass auch die Messfehler normalverteilt sind, und zwar mit einem Erwartungswert von Null und der gleichen Varianz, die wir für die abhängige Variable angenommen haben:
eij ~ N(0, σ²)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Modellgleichung der einfaktoriellen Varianzanalyse: Auf der Ebene der einzelnen Messwerte, woraus setzt sich yij zusammen?

A

Insgesamt ergibt sich auf der Ebene der einzelnen Messwerte, dass sich eine einzelne Beobachtung yij additiv zusammensetzt aus (1) dem Gesamtmittelwert, (2) dem Effekt der Stufe j und (3) dem Messfehler eij :
yij = μ + αj + eij
Diese Gleichung bezeichnet man auch als Modellgleichung der einfaktoriellen Varianzanalyse auf Messwertebene.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Modellgleichung der einfaktoriellen Varianzanalyse auf Messwertebene

A

yij = μ + αj + eij

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Modellgleichung d der einfaktoriellen Varianzanalyse auf Parameterebene

A

μj = μ + αj

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Der geeignete Schätzer für Pis

A

ist psi-Dach:
Die Summe aus cj mal Mj

17
Q

Der Erwartungswert und Varianz von Psi-Dach

A

E(pis-Dach) = Psi
V(psi-Dach) = Sigma² * die Summe aus Cj²/nj
–> Als erwartungsgetreuen Schätzer für V(psi-Dach):
Sigma² ersetzen wir durch MSw

18
Q

Warum ist psi-Dach normalverteilt?

A

Da sich psi-Dach aus den normalverteilten Zufallsvariablen Mj zusammensetzt

19
Q

Was muss die Prüfgröße von Kontrasten erfüllen?

A
  1. Ihr Wert wird besonders extrem, wenn die Daten gegen die Gültigkeit der H0 sprechen
  2. Wir kennen die Verteilung einer entsprechenden Zufallsvariablen unter Annahme der Gültigkeit der H0
20
Q

Eigenschaften des t-Bruchs bei Kontrasten

A
  1. t-Bruch größer: Da im Nenner, des an die Kontraste angepassten t-Bruchs die gemeinsame Varianzschätzung mittels MSw steht (also auf Basis aller VPs) wird i.d.R. der Nenner kleiner und der t-Bruch entsprechend größer als im Fall eines einfachen t-Tests
  2. tkrit kleiner: Es wird zudem eine t-Verteilung mit mehr Freiheitsgraden herangezogen, wodurch der kritische t-Wert kleiner wird
  3. Power höher: Die Power von Kontrasten ist i.d.R. höher als die der entsprechenden t-Tests
21
Q

Was ist die erklärte Abweichung und was ist die nicht-erklärte Abweichung

A
  1. Die erklärte Abweichung: Die Effekte Alphaj, also die Abweichung der Gruppenmittelwerte vom Gesamtmittelwert M
  2. die nicht-erklärte Abweichung: Der Messfehler, die Abweichung der einzelnen Personen vom Gruppenmittelwert bzw. Gruppenerwartungswert
22
Q

Wie kommt die Modellgleichung auf Parameterebene zustande?

A

Die Formel entsteht, indem wir die Erwartungswerte der Modellgleichung auf Messwertebene für die Zusammenstellung nutzen. Da wir wissen, dass der Erwartungswert von y_ij gleich µ_j ist, steht auf der linken Seite µ_j und nicht mehr y_ij. Im rechten Teil stellen wir µ und α_j als konstanten da. Der Erwartungswert von e_ij ist Null, daher ist er auf Parameterebene in der Formel nicht zu finden. Es folgt, dass sich der Erwartungswert der Gruppe aus dem Gesamterwartungswert und dem Effekt der Gruppe additiv zusammensetzt.

23
Q

Wie kann ich mit einem Kontrast Linearität testen?

A

Wenn Linearität vorliegt, sind die Differenzen zwischen den Mittelwerte gleich groß, d.h. µ1 - µ2 = µ2 - µ3. Die Hypothesen kann ich dann so aufstellen. Als ungerichtete Hypothese.

24
Q

Fkrit bei R

A

qf( p = 0.95, df1 = x, df2 = x)

25
Q

p-Wert bei R: Fläche bestimmen, die bis zum F-Wert unter der F-Verteilung geht und Fläche bestimmen ab dem F-Wert unter der F-Verteilung

A
  1. Berechnet die Fläche bis zum F-Wert:
    pf( q = F-Wert, df1 = x, df2 = x)
  2. Berechnet die Fläche ab dem F-Wert (Also den p-Wert):
    1 - pf(q = F-wert, df1 = x, df2 = x)
26
Q

posteriori Kontraste: Scheffé-Test und Tukey´s HSD

A

Verfahren, die automatisch eine Alpha-adjustierung beinhalten:
1. Scheffé-Test:
a) Korrigiert die Prüfgröße entsprechend so, dass beliebig viele Vergleiche durchgeführt werden, ohne dass das nominelle Alpha-Niveau überschritten wird
b) ist jedoch auch konservativer
2. HSD: ist weniger koservativ