Wenn Sie diesen Beitrag lesen, gehe ich davon aus, dass Sie zumindest einige Vorkenntnisse über Statistik in der Psychologie haben. Außerdem können Sie unmöglich wissen, was eine ANOVA ist, wenn Sie nicht irgendeine Form von Statistik-/Forschungsmethodenunterricht gehabt haben.

Dieser Leitfaden ist wahrscheinlich für niemanden geeignet, der keinen Abschluss in Psychologie hat. Tut mir leid, aber nicht alle Beiträge sind für jeden geeignet, und ich weiß, dass Forschungsmethoden ein schwieriges Modul an der Universität sind. Vielen Dank für Ihr Verständnis!

Zusammenfassung der Effektgröße.

Effektgröße ist, kurz gesagt, ein Wert, der es Ihnen ermöglicht zu sehen, wie stark Ihre unabhängige Variable (IV) die abhängige Variable (DV) in einer experimentellen Studie beeinflusst hat. Mit anderen Worten, es wird untersucht, wie viel Varianz in der DV auf die IV zurückzuführen ist. Sie können eine Effektgröße nur berechnen, nachdem Sie einen geeigneten statistischen Test auf Signifikanz durchgeführt haben. In diesem Beitrag wird die Effektgröße mit der ANOVA (ANalysis Of VAriance) untersucht, die sich von anderen Tests (wie dem t-Test) unterscheidet. Bei der Verwendung der Effektgröße mit ANOVA verwenden wir η² (Eta-Quadrat) und nicht Cohen’s d mit einem t-Test, zum Beispiel.

Bevor wir uns ansehen, wie man die Effektgröße berechnet, lohnt es sich vielleicht, einen Blick auf Cohen’s (1988) Richtlinien zu werfen. Ihm zufolge:

• Klein: 0,01
• Mittel: 0,059
• Groß: 0,138

Wenn man also η² = 0,45 erhält, kann man davon ausgehen, dass die Effektgröße sehr groß ist. Das bedeutet auch, dass 45 % der Veränderung der DV durch die IV erklärt werden können.

Effektgröße für eine ANOVA zwischen Gruppen

Die Berechnung der Effektgröße für Designs zwischen Gruppen ist viel einfacher als für Designs innerhalb von Gruppen. Die Formel sieht wie folgt aus:

η² = Treatment Sum of Squares
Total Sum of Squares

Betrachten wir also das Ergebnis einer ANOVA zwischen Gruppen (mit SPSS/PASW):
(Sorry, ich musste das aus der Diashow eines Dozenten ausschneiden, weil mein SPSS nicht funktioniert…)

Bei Betrachtung der obigen Tabelle benötigen wir die zweite Spalte (Summe der Quadrate).
Die Summe der Quadrate der Behandlung ist die erste Zeile: Zwischen Gruppen (31.444)
Die Gesamtsumme der Quadrate ist die letzte Zeile: Total (63.111)

Daher:

η² = 31.444
63.111

η² = 0.498

Dies würde nach Cohen’s Richtlinien als eine sehr große Effektgröße gelten; 49.8% der Varianz wurde durch die IV (Behandlung) verursacht.

Effektgröße für eine Within-Subjects-AnOVA

Die Formel ist hier etwas komplizierter, da man die Gesamtsumme der Quadrate selbst berechnen muss:

Gesamtsumme der Quadrate = Treatment-Summe der Quadrate + Fehler-Summe der Quadrate + Fehler (zwischen den Subjekten) Summe der Quadrate.

Dann würdest du die Formel ganz normal verwenden:

η² = Treatment Sum of Squares
Total Sum of Squares

Lassen Sie uns ein Beispiel anschauen:
(Auch hier ist die Ausgabe von meinen Vorlesungsfolien „entliehen“, da PASW gemein ist!)

Die Gesamtsumme der Quadrate, die wir berechnen müssen, ist also wie folgt:

31.444 (obere Tabelle, SPEED 1) + 21.889 (obere Tabelle, Error(SPEED1)) + 9.778 (untere Tabelle, Fehler) = 63.111

Wie Sie sehen, ist dieser Wert derselbe wie im letzten Beispiel mit zwischen den Gruppen – es funktioniert also!

Setzen Sie einfach die Summe in die Formel ein wie zuvor: