Im ersten Teil dieser Einsendeaufgabe wird die Varianzanalyse beschrieben. Fragestellungen und Einsatzfelder werden aufgezeigt und verschiedene Analysearten beschrieben. Zudem geht die Arbeit näher auf die die mehrfaktorielle Varianzanalyse ein. Der zweite Teil der beschäftigt sich mit dem t-Test. Abschließend wird im dritten Teil der Einsendeaufgabe eine Studentenumfrage durchgeführt. Hierbei wird die Stichprobe zunächst genauer beschrieben. Im weiteren Verlauf behandelt die Arbeit die bivariate Korrelation und die multiple lineare Regression.
Inhaltsverzeichnis
Teilaufgabe – A1
1 Varianzanalyse
1.1 Beschreibung der Varianzanalyse
1.2 Fragestellungen und Einsatzfelder
1.3 Voraussetzungen der Varianzanalyse
1.4 Analysearten der Varianzanalyse
1.5 Effektarten der mehrfaktoriellen Varianzanalyse
1.6 Vorgehen der mehrfaktoriellen Varianzanalyse in SPSS
1.7 Interpretation der ANOVA-Ergebnisse
Teilaufgabe – A2
2 Der t-Test
2.1 Beschreibung und methodische Grundlagen des t-Test
2.2 Einsatzfelder im psychologischen Kontext
2.3 Voraussetzungen des t-Test für unabhängige Stichproben
2.4 Prüfung der Voraussetzungen des t-Test
2.5 Alternativerfahren bei Voraussetzungsverletzung
Teilaufgabe – A3
3 Befragung von 100 Studierenden
3.1 Beschreibung der Stichprobe
3.2 Bivariate Korrelation
3.3 Multiple lineare Regression
3.4 Fazit
Zielsetzung & Themen
Die vorliegende Arbeit zielt darauf ab, statistische Methoden zur Analyse psychologischer Daten – speziell die Varianzanalyse, den t-Test sowie Korrelations- und Regressionsanalysen – theoretisch zu fundieren und praktisch anhand eines Datensatzes von 100 Studierenden anzuwenden.
- Grundlagen und Durchführung der Varianzanalyse (ANOVA)
- Methodische Anwendung des t-Tests für unabhängige Stichproben
- Deskriptive Datenanalyse psychologischer Merkmale
- Untersuchung von Zusammenhängen mittels bivariater Korrelation
- Prädiktionsmodelle durch multiple lineare Regression
Auszug aus dem Buch
1.1 Beschreibung der Varianzanalyse
Die Varianzanalyse (VA) ist ein inferenzstatistisches Instrument und zählt zu den parametrischen Verfahren. Wörtlich übersetzt bedeutet sie (altgriech.) „Zerlegung von Streuung“ (Hussy; Schreier; Echterhoff, 2013, S.182). Die VA geht zurück auf einen berühmten Statistiker namens Sir Ronald Aylmer Fisher des 20 Jahrhunderts und ist eng verwandt mit dem t-Test-Verfahren. Die VA ist ein bekanntes Signifikanztestverfahren und stellt eine Sonderform der Multiplen Regression dar. Der hauptsächliche Anwendungsbereich liegt in der Auswertung von Experimenten, da die unabhängige Variable (UV) nominalskaliert ist und so ein kontrollierter Vergleich mehrerer Gruppen, hinsichtlich der abhängigen Variable (AV), erfolgen kann (Schäfer, 2016, S.217). In SPSS wird die Varianzanalyse auch ANOVA (Analysis of Variance) abgekürzt (Raab-Steiner; Benesch, 2015, S.158). Im Gegensatz zum t-Test, ist es der VA möglich eine Variation mehrerer Mittelwerte zu untersuchen, das durch verschiedene Varianzen geschieht und aus diesem Vergleich von Varianzen ein Urteil über einen möglichen Effekt gefällt wird (Rasch; Friese; Hofmann; Naumann, 2014, S.5). Die Begründung, weshalb eine t-Testung, beispielsweise, ab drei Gruppen keine Alternative darstellt, liegt in der exponentiellen α- Fehlerkumulierung, die bei multiplen t-Testungen auftreten würde und damit die statistische Wahrscheinlichkeit, die „falsche“ Alternativhypothese anzunehmen, steigt (Rasch et al., 2014, S.3). Ergänzend schwächen multiple t-Tests auch die Teststärke (Bühner; Ziegler, 2017, S.374-375).
Die VA vergleicht folglich Mittelwerte, indem sie verschiede Varianzen miteinander vergleicht und sich daraus folgende Quadratsummenzerlegung ergibt: Die Gesamtvarianz aller Messwerte, die durch die Abweichung des Gesamtmittelwertes (Durchschnitt aller Versuchspersonen) berechnet wird, nennt sich Quadratsumme-total, die wiederum in die Quadratsumme-innerhalb und Quadratsumme-zwischen zerlegt wird. Quadratsumme-innerhalb beschreibt die Streuung der Messwerte innerhalb der Stichprobe, wobei es um die Variabilität der Stichprobenwerte um den jeweiligen Gruppenmittelwert geht.
Zusammenfassung der Kapitel
1 Varianzanalyse: Einführung in die theoretischen Grundlagen der Varianzanalyse, deren Voraussetzungen und die Durchführung einer mehrfaktoriellen ANOVA in SPSS.
2 Der t-Test: Erläuterung der Methode des t-Tests für unabhängige Stichproben, inklusive der mathematischen Voraussetzungen und möglicher Alternativverfahren.
3 Befragung von 100 Studierenden: Praktische Anwendung der statistischen Verfahren zur deskriptiven Analyse, bivariaten Korrelation und multiplen linearen Regression auf einen Datensatz.
Schlüsselwörter
Varianzanalyse, ANOVA, t-Test, Inferenzstatistik, SPSS, deskriptive Statistik, Korrelation, Multiple lineare Regression, Stichprobenbeschreibung, Signifikanz, Normalverteilung, Varianzhomogenität, Psychologie, Prädiktorvariable, Kriteriumsvariable.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Anwendung statistischer Analyseverfahren im psychologischen Kontext basierend auf einem Beispieldatensatz von 100 Studierenden.
Welche zentralen Themenfelder werden behandelt?
Die zentralen Felder sind die Varianzanalyse, der t-Test sowie Korrelations- und Regressionsanalysen zur Untersuchung psychologischer Variablen.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, Zusammenhänge zwischen Persönlichkeitsmerkmalen, Stimmungslagen und der Summe körperlicher Symptome statistisch auszuwerten.
Welche wissenschaftliche Methode wird primär verwendet?
Es werden inferenzstatistische Verfahren wie die ANOVA, der t-Test sowie multivariate Analysemethoden unter Verwendung der Statistiksoftware SPSS angewandt.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretische Einführung und rechnerische Illustration der Varianzanalyse, des t-Tests sowie die konkrete Datenanalyse der 100 Studierenden.
Welche Schlüsselwörter charakterisieren die Arbeit?
Hauptmerkmale sind Varianzanalyse, ANOVA, t-Test, multiple lineare Regression, Pearson-Korrelation und die psychologische Datenauswertung.
Welche Rolle spielt die ANOVA in dieser Arbeit?
Sie dient als mathematisches Instrument, um Mittelwertunterschiede zwischen mehreren unabhängigen Gruppen hinsichtlich einer abhängigen Variable zu prüfen.
Was zeigt die Korrelationsanalyse zwischen negativer Affektivität und Symptomen?
Die Analyse zeigt eine schwache, aber signifikant positive Korrelation, was bedeutet, dass depressive Stimmung mit einer höheren Anzahl an Krankheitssymptomen einhergeht.
Warum ist das "korrigierte R-Quadrat" in der Regressionsanalyse relevant?
Es dient der Beurteilung der Modellgüte, indem es den Anteil der durch das Modell erklärten Varianz der abhängigen Variable angibt, bereinigt um die Anzahl der Prädiktoren.
- Quote paper
- Anonym (Author), 2020, Varianzanalyse und t-Test. Quantitativen Datenanalyse anhand einer Studentenumfrage, Munich, GRIN Verlag, https://www.grin.com/document/1273739
