Die Hypothesenprüfung (F-Test) der einfaktoriellen Varianzanalyse...
basiert auf einem Omnibustest
ist einseitig, aber ungerichtet
kontrolliert den familywise error
ist zweiseitig, aber gerichtet
basiert auf einem sequentiellen Vergleich aller Mittelwerte
Wird im Rahmen einer einfaktoriellen Varianzanalyse die H0 verworfen, dann bedeutet dies im Allgemeinen, dass...
Sich zumindest zwei Mittelwerte signifikant voneinander unterscheiden
sich alle Mittelwerte signifikant voneinander unterscheiden
es keine Mittelwertsunterschiede gibt
die Testmacht zu gering war
ein großer Effekt in den Daten nachgewiesen werden konnte
Einzelvergleiche (Kontraste) im Rahmen einer Varianzanalyse...
Eignen sich für ein hypothesengeleitetes Vorgehen
Erlauben die Untersuchung, welche Mittelwerte sich signifikant unterscheiden
Beruhen auf Linearkombinationen der Gruppenmittelwerte
Sollten nur für ein exploratives Vorgehen genutzt werden
Erlauben nur die Testung ungerichteter Hypothesen
Die Bonferri-Korrektur...
Dient der Kontrolle des familywise errors
Führt dazu, dass die H0 häufiger beibehalten wird
Vermindert die Testmacht
Führt dazu, dass die H0 häufiger verworfen wird
Ist unabhängig von der Anzahl der durchgeführten Tests
Post-Hoc-Tests im Rahmen einer Varianzanalyse...
Beruhen auf orthogonalen Tests
Die Voraussetzungen der einfaktoriellen Varianzanalyse sind...
Homogenität der Varianzen
Unabhängigkeit der Gruppen
Sphärizität
Das Messniveau der AV ist zumindest ordinal
Das Messniveau der UV ist zumindest metrisch
Robuste F-Tests (Brown, Forsysthe, Welche) in der einfaktoriellen Varianzanalyse kompensieren...
Die Verletzung der Varianzhomogenität
Die Verletzung der Normalverteilungsannahme
Die Verletzung der Unabhängigkeit der Messungen
Ein zu geringes Messniveau der AV
Ungleiche Stichprobengrößen
Folgende Kontraste der Varianzanalyse sind orthogonal:
Abweichung
Einfach
Differenz
Helmert
Wiederholt
Folgende Kontraste der Varianzanalyse sind nicht orthogonal:
Interaktionen in mehrfaktoriellen varianzanalytischen Designs können folgendermaßen klassifiziert werden:
Ordinal
Hybrid
Disordinal
Metrisch
Anhybrid
Das Vorliegen einer signifikanten ordinalen Interaktion in einer zweifaktoriellen Varianzanalyse (Faktor A und B) hat allgemein folgende AUsiwkrungen auf die Interpretation signifikanter Haupteffekte der Faktoren A und B...
Der Haupteffekt von Faktor A darf ebenso interpretiert werden
Der Haupteffekt von Faktor B darf ebenso interpretiert werden
Der Haupteffekt von Faktor A darf nicht interpretiert werden
Der Haupteffekt von Faktor B darf nicht intrepretiert werden
Kein Haupteffekt darf mehr interpretiert werden
Das Vorliegen einer signifikanten disordinalen Interaktion in einer zweifaktoriellen Varianzanalyse (Faktor A und B) hat allgemein folgende Auswirkungen auf die neue Interpretation signifikanter Haupteffekte der Faktoren A und B
Der Haupteffekt von Faktor B darf nicht interpretiert werden
Abhängige Datenstrukturen…
Entstehen durch Messwiederholung
Entstehen durch Parallelisierung
Bringen gegenüber unabhängigen Daten im Allgemeinen eine Verminderung der Testmacht mit sich
Können nur mit parametrischen Methoden analysiert werden
Können nur mit nicht- parametrischen Methoden analysiert werden
Die Voraussetzungen des t-Tests für abhängige Daten sind...
Metrisches Skalenniveau der AV
Normalverteilung
Unabhängige Messungen
Homosekdastizität
Eine mixed design ANOVA enthält…
Einen oder mehrere AV
Einen oder mehrere UV
Keinen abhängigen Faktor
Keinen unabhängigen Faktor
Keine Wechselwirkungsterme
Die Voraussetzungen einer mixed design ANOVA sind im Allgemeinen
Multivariate Normalverteilung
Gleiche Stichprobengrößen der unabhängigen Gruppen
Ein zumindest ordinales Messniveau der AV
Eine signifikante Wechselwirkung in einer varianzanalytischen Untersuchung…
Belegt, dass der kombinierte Effekt mehrerer Faktoren nicht additiv ist
Ist ein Hinweis auf eine Voraussetzungsverletzung der Varianzanalyse
Kann nicht gleichzeitig mit einem signifikanten Haupteffekt auftreten
Kann in einem einfaktoriellen Design nachgewiesen werden
Belegt, dass der kombinierte Effekt mehrere Faktoren additiv ist
Der X²- Test über eine Vier- Feldertafel
Kann gerichtet durchgeführt werden
Ist ein parametrischer Test
Kann nur ungerichtet durchgeführt werden
Hat zwei Freiheitsgrade
Ist für seine Durchführung an keine Voraussetzungen gebunden
Der Phi- Koeffizient…
Kann nur für vier- Feldertafeln bestimmt werden
Kann den monotonen Zusammenhang zwischen zwei Merkmalen bestimmen
Kann den atonen Zusammenhang zwischen zwei Merkmalen bestimmen
Kann für alle k x m Tafeln bestimmt werden (k, m ≥ 2)
Ist unbeeinflusst von ungleichen Randverteilungen
Das Odds Ratio
Ist ein Maß des bivariaten Zusammenhangs
Hat einen Wertebereich von -1 bis +1
Hat einen Wertebereich von 0 bis 1
Ist für Vier- Feldertafeln undefiniert
Ist ein symmetrisches Maß
Folgende Aussagen treffen auf Odds Ratio und Risk Ratio zu
Das OR erlaubt Aussagen dazu, ob die Auftrittswahrscheinlichkeit eines Ereignisses durch ein vorhandenes Merkmal verändert wird
Das RR erlaubt Aussagen dazu, ob die Chancen eines Ereignisses durch ein vorhandenes Merkmal verändert werden
OR und RR liegen für seltene Ereignisse numerisch nahe beieinander
Das OR ist eine Verhältniszahl
Das RR ist eine Verhältniszahl
Das RR
Hat einen Wertebereich von 0 bis unendlich
Wird mithilfe von bedingten Wahrscheinlichkeiten berechnet
Eignet sich für longitduniale Studien
Wird mithilfe von unbedingten Wahrscheinlichkeiten berechnet
Die Sensitivität bezeichnet die Wahrscheinlichkeit, …
Dass ein positiver Fall im diagnostischen Test erkannt wird
Dass ein negativer Fall im diagnostischen Test erkannt wird
Dass ein positiver Fall im diagnostischen Test als negativ erscheint
Dass ein negativer Fall im diagnostischen Test als positiv erscheint
Dass z.B. eine Krankheit vorliegt, wenn der diagnostische Test positiv ausfiel
Die Spezifität bezeichnet die Wahrscheinlichkeit, …
Dass ein negativer fall im diagnostischen Test erkannt wird
Dass z.B. eine Krankheit nicht vorliegt, wenn der diagnostische Test negativ ausfiel
Der positive Vorhersagewert (positive predictive value)
ist abhängig von der Prävalenz des interessierenden Merkmals
bezeichnet die Wahrscheinlichkeit, dass z.B. eine Krankheit vorliegt, wenn der diagnostische Test positiv ausfilel
bezeichnet die Wahrscheinlichkeit, dass ein positiver Fall im diagnostischen Test erkannt wird
ist unabhängig von der Prävalenz des interessierenden Merkmals
bezeichnet die Wahrscheinlichkeit, dass ein negativer Fall im diagnostischen Test erkannt wird
Effektstärken
Geben die Größe (und Richtung) eines Effekts an
Dienen der Abschätzung der inhaltlichen Relevanz von Studienergebnissen
Dienen der inferenzstatistischen Absicherung von Studienergebnissen
Können standardisiert und unstandardisiert sein
Sind irrelevant für die Planung von Studien
Der negative Vorhersagewert (negative preditive value)
Ist abhängig von der Prävalenz des interessierenden Merkmals
Bezeichnet die Wahrscheinlichkeit, dass z.B. eine Krankheit nicht vorliegt, wenn der diagnostische Test negativ ausfiel
Ist unabhängig von der Prävalenz des interessierenden Merkmals
Bezeichnet die Wahrscheinlichkeit, dass ein negativer Fall im diagnostischen Test erkannt wird
Bezeichnet die Wahrscheinlichkeit, dass ein positiver Fall im diagnostischen Test als negativ erscheint
Cohens d ist
Ein standardisiertes Effektmaß
Ein Maß für Mittelwertsunterschiede
Ein undstandardisiertes Effektmaß
Nur für unabhängige Stichproben geeignet
Bezüglich seiner Anwendung an keinerlei Voraussetzungen gebunden
Ein Cohens d von 0,5
Bedeutet, dass der Abstand zwischen zwei Verteilungen 0,5 Standardabweichungen beträgt
Kann sowohl mit einem signifikanten als auch mit einem nichtsignifikanten Mittelwertsunterschied einhergehen
Bezeichnet einen kleinen Effekt
Bezeichnet einen großen Effekt
Ist ein Hinweis auf ein signifikantes Ergebnis
Ein standardisiertes Maß für Mittelwertsunterschiede ist …
Cohens d
Hedges g
Eta- Quadrat
Omega- Quadrat
Odds Ratio
Der Korrelationskoeffizient r
Ist ein standardisiertes Effektmaß
Kann in Cohens d umgerechnet werden
Ist ein unstandardisiertes Effektmaß
Ist nur für unabhängige Stichproben geeignet
Ist bezüglich seiner Anwendung an keinerlei Voraussetzungen gebunden
Ist ein Maß der Varianzaufklärung
Hat einen Wertbereich von 0 bis 1
Ist ein gültiger Schätzer für den Populationsparameter
Folgende Effekte haben zumindest eine mittlere Größe
Eta- Quadrat = 0,07
r = 0,12
d = 0,85
r = 0,31
Eta- Quadrat = 0,03
Die Number Needed to Treat (NNT)
Ist ein comparative Maßzahl
Kann zum Vergleich der Effektivität zweier Behandlungsmethoden herangezogen werden
Hat einen Wertebereich von -1 bis 1
Wird üblicherweise abgerundet, wenn sie nicht ganzzahlig ist
Der Nonoverlap von zwei Verteilungen…
Kann dazu herangezogen werden, Cohens d anschaulicher zu machen
Wird üblicherweise in Prozent angegeben
Ist klein, wenn der Effekt groß ist
Ist klein, wenn der Effekt klein ist
Kann dazu herangezogen werden, ein Risk Ratio anschaulicher zu machen
Mit steigendem N
Wird jeder beliebige statistische Test signifikant
Kann ein Effekt beliebig klein werden und dennoch statistisch nachweibar sein
Nimmt die Effektgröße zu
Sinkt die Testmacht
Steigt die Wahrscheinlichkeit eines Alpha- Fehlers
Die prozentuale Übereinstimmung (Beurteilerübereinstimmung)
Berücksichtigt nicht, dass Übereinstimmungen zufällig sein können
Neigt zu einer Überschätzung der Konkordanz
Berücksichtigt auch, dass übereinstimmungen zufällig sein können
Neigt zu einer Unterschätzung der Konkordanz
Kann nur für dichotome Kategoriensysteme berechnet werden
Cohens Kappa
Ist ein Maß der Beurteilerübereinstimmung
Ist ein zufallsbereinigtes Maß
Kann nur auf dichotome Kategoriensysteme angewandt werden
Kann wie ein Korrelationskoeffizient interpretiert werden
Cohens Kappa wird beeinflusst durch
Die beobachtete Beurteilerübereinstimmung
Die Prävalenz des untersuchten Merkmals
Ungleiche Randverteilungen
Die Art der Nicht- Übereinstimmungen
Die Anzahl der Rater
Parametrische Tests
Stellen Voraussetzungen an die Verteilung der Daten
Sind – wenn ihre Voraussetzungen zutreffen – in der Regel effizienter als nicht- parametrische Tests
Können zur Analyse von Daten aller Skalenniveaus herangezogen werden
Können zur Analyse von ordinalskalierten Daten herangezogen werden
Sind auch immer problemlos bei kleinen Stichproben einsetzbar
Folgende Verfahren sind parametrische Testverfahren
Varianzanalyse
F- Test
t- Test
U- Test
Kolmogorov- Smirnov- Test
Folgende Verfahren sind nicht- parametrische Testverfahren
Wilcoxon- Test
Ein Box- Plot
Bildet die Lage einer Verteilung grafisch ab
Bildet die Dispersion einer Verteilung grafisch ab
Kann zur Ausreißerdiagnostik verwendet werden
Bildet direkt den Mittelwert grafisch ab
Gibt keine Hinweise zur Verteilungsform (z.B. linksschief/ rechtsschief)
Der Mediantest
Kann auf ordinalskalierte abhängige Daten angewandt werden ?? abhängige Daten = AV?
Ist robust gegenüber Ausreißern
Kann auf kategoriale abhängige Daten angewandt werden
Hat in der Regel eine größere Testmacht als der U- Test
Benötigt homomere Datenverteilungen
Der U- Test
Nutzt mehr Information aus den Daten als der Mediantest
Kann auf metrische abhängige Daten angewandt werden ??? Abhängige Daten = AV?
Nutzt weniger Information aus den Daten als der Mediantest
Hat in der Regel eine größere Testmacht als der t- Test
Welche der folgenden Verfahren erlauben eine gerichtete Hypothesentestung?
McNemar- Test
Einfaktorielle ANOVA
Friedman- Test
Der Kruskal- Wallis- Test
Erlaubt nur eine ungerichtete Hypothesenprüfung
Ist ein nicht- parametrisches Pendant des t- Tests
Erlaubt eine gerichtete Hypothesenprüfung
Stellt keine Anforderungen an die Daten
Basiert auf der Analyse von Häufigkeiten
Die Analyse von Trends (Vergleich von k > 2 Gruppen hinsichtlich ihrer Lage)
Setzt voraus, dass die Gruppe a priori in eine zu testende Rangreihe gebracht wurden
Kann sowohl mit parametrischen als auch nicht- parametrischen Testverfahren erfolgen
Kann nur mit nicht- parametrischen Testverfahren erfolgen
Kann nur mit parametrischen Testverfahren erfolgen
Kann a posteriori zum Beleg einer empirisch gefundenen Rangreihe benutzt werden
Welche der folgenden Aussagen sind korrekt?
Der Wilcoxon- Test nutzt die Ranginformation aus den Daten
Der McNemar- Test nutzt die Ranginformation aus der Daten
Der U- Test nutzt die Ranginformation aus den Daten
Der Wilcoxon- Test benötigt zumindest ordinalskalierte Daten
Der U- Test benötigt zumindest ordinalskalierte Daten
Vorzeichentest und Vorzeichenrangtest stellen gleiche Voraussetzungen an die Daten
Der U- Test hat immer eine höhere Testmacht als der Mediantest
Die H0 im Kruskal- Wallis- Test und im Friedman- Test bezieht sich auf Mediane
Die H0 im Vorzeichentest bezieht sich auf mediane
Der McNemar- Test kann gerichtet und ungerichtet durchgeführt werden ???
