Statistik-Problem: 2x2 ANOVA vs. "2x2x2 ANOVA. Können Haupteffekte durch die Hinzunahme eines Faktors verschwinden?
Hallo,
meine Frage steht eigentlich obeb :)
Ich habe folgendes Problem: ich habe eine 2x2 ANOVA gerechnet und 2 signifikante Haupteffekte bekommen. Nun habe ich einen weiteren Faktor hinzugenommen und auf einmal war alles, außer der dritte FAktor nicht mehr signifikant. Doch nach meinem Verständnis der ANOVA dürfte das nicht gehen, da die Haupteffekte ja über die anderen Faktoren gemittelt sind.
Habt ihr Ideen was da passiert ist (Eingabefehler ausgeschlossen)?
LG, Mohrsche
2 Antworten
Ganz allgemein: Je mehr Größen du in einem Modell schätzt desto mehr Daten brauchst du, um die zu schätzen. Ich vermute mal, dass du einfach zu wenig Daten hast, um Signifikanz zeigen zu können.
Eine andere Môglichkeit ist, wenn man ein statistisches Modell wählt, das nicht zu den Daten paßt. Dann kann es auch gut sein, dass das plötzlich keine Effekte mehr zu sehen sind.
Wenn du modellbasiert arbeitest: von extern, da steckst du Information in das System. Mit anderen Worten: Du weisst, wie die Daten (statistisch) strukturiert sein sollten, aber kennst die Parameter, die dazugehören, nicht.
Das heisst insbesondere, dass du SEHR vorsichtig sein musst, was die Auswahl deiner Modelle angeht, und an die Voraussetzungen, die bei dieses von dir gewählten Modellen erfüllt sein müssen - klassisches "Garbage in, garbage out".
"Daten müssen normalverteilt sein" und "Daten beider Gruppen müssen die gleiche Standardabweichung haben" (Homoskedastizität) werden meiner Erfahrung nach wirklich selten gecheckt, und man bekommt dann falsche Ergebnisse 'raus, wenn die nicht erfüllt sind.
Was ganz lehrreich ist, Datensätze nach dem von dir gewählten Modell zu generieren (dann weisst du, dass die Voraussetzungen erfüllt sind), und dann zu schauen, wie gut dein statistisches Verfahren einen Effekt in Abhängigkeit der Verteilungsparameter oder der Fallzahlen findet. Das ist manchmal echt frustrierend (und lehrreich), insbesondere, wenn du wenig Daten hast, und zeigt dir Grenzen auf, wann du eigentlich nur noch in Daten 'rumstocherst.
den dritten Faktor kann man auch als aufklärenden Faktor begreifen , der die nur scheinbaren Effekte der ersten beiden aufklärt..........Wenn er inhaltlich sinnvoll ist ! Das ist so was ähnliches wie die Scheinkorrelation .
wenn man ein statistisches Modell wählt, das nicht zu den Daten paßt............stimmt irgendwie, oder auch nicht .........die spannende Frage ist immer : woher kommt die Gewissheit , welches Modell das richtige ist ?