ANOVA – Varianzanalyse durchführen und interpretieren

ANOVA steht für Varianzanalyse (engl. Analysis of Variance) und wird verwendet um die Mittelwerte von mehr als zwei Gruppen zu vergleichen.

Sie ist eine Erweiterung des t-Tests, der die Mittelwerte von maximal zwei Gruppen vergleicht.

ANOVA steht für Varianzanalyse (engl. Analysis of Variance) und wird verwendet um die Mittelwerte von mehr als zwei Gruppen zu vergleichen.

Sie ist eine Erweiterung des t-Tests, der die Mittelwerte von maximal zwei Gruppen vergleicht.

Beispiel
Du möchtest herausfinden, ob es einen Unterschied in der Größe zwischen Fußballspielern, Turnern und Volleyballspielern gibt. Du misst die Größe von allen Athleten und Athletinnen und verwendest eine ANOVA um zu beobachten, ob sich das durchschnittliche Gewicht dieser Gruppen unterscheidet.

Weiter lesen: ANOVA – Varianzanalyse durchführen und interpretieren

Korrelation verstehen und berechnen

Die Korrelation gibt Aufschluss über den Grad des Zusammenhangs zweier Variablen. Sie kann auch zeigen, in welchem Ausmaß sich zwei Variablen beeinflussen.

Eine Korrelation wird mit dem Korrelationskoeffizienten angegeben. Dieser Wert liegt immer zwischen -1 und +1.

Beispiel

Wenn wir z. B. die Korrelation zwischen Größe und Gewicht einer Person berechnen wollen, dann besagt ein Korrelationskoeffizient

  • nahe der Zahl 1 = Positive Korrelation: Größere Personen haben ein höheres Gewicht.
  • nahe der Zahl -1 = Negative Korrelation: Größere Personen haben ein niedrigeres Gewicht.
  • nahe der Zahl 0: Es besteht kaum ein Zusammenhang zwischen Größe und Gewicht.

Weiter lesen: Korrelation verstehen und berechnen

T-Test verstehen und interpretieren

Den t-Test, oder auch Students t-Test, verwendest du, wenn du die Mittelwerte von maximal zwei Gruppen vergleichen möchtest.

Zum Beispiel kannst du mit dem t-Test analysieren, ob Männer im Durchschnitt größer als Frauen sind.

Wenn du die Mittelwerte von mehr als zwei Gruppen vergleichen willst, kannst du eine ANOVA oder eine multiple Regression mit Dummy-Variablen wählen.

Weiter lesen: T-Test verstehen und interpretieren

Durchführung und Interpretation der Regressionsanalyse

Mit einer Regressionsanalyse überprüfst du ob ein Zusammenhang zwischen den Werten von zwei oder mehreren Variablen besteht, wie z. B. zwischen dem Gewicht und der Größe einer Person.

Dieser Zusammenhang wird bei einer Regressionsanalyse in Form eines Vergleichs getestet.

Dieser Vergleich zeigt die Veränderung der abhängigen Variable Gewicht, wenn sich der Wert der erklärenden (unabhängigen) Variable Größe um den Wert 1 erhöht.

Weiter lesen: Durchführung und Interpretation der Regressionsanalyse

Die Standardabweichung verstehen und berechnen

Die Standardabweichung ist ein Maß für die Streuung von Daten. Sie gibt an, in welchem Ausmaß erhobene Werte vom Durchschnittswert abweichen.

Angenommen du hast von fünf Studierenden das jeweilige Alter ermittelt. Die Standardabweichung gibt dir eine Vorstellung über die Altersunterschiede dieser fünf Studierenden.

Eine geringe Standardabweichung zeigt, dass die Studierenden aus derselben Altersgruppe stammen.

Weiter lesen: Die Standardabweichung verstehen und berechnen

Signifikanzniveau einfach erklärt mit Beispiel

Bei statistischen Tests einer Bachelorarbeit bzw. Masterarbeit will man herausfinden, ob Unterschiede von Sachverhalten signifikant, wichtig, für die Forschung sind. Das bedeutet man überprüft, ob ein Ergebnis zufällig zustande kommt, oder ob Unterschiede feststellbar sind.

Um die Signifikanz zu testen, legt man vor einem statistischen Test ein Signifikanzniveau fest.

Weiter lesen: Signifikanzniveau einfach erklärt mit Beispiel