Das Signifikanzniveau kann beliebig vor oder nach der Durchführung des Testes festgelegt werden

Der t-Test ist eins der gängigsten Analyseverfahren

Grundlage für den t-Test ist die Intervallskala

Es können Mittelwerte von mehr als zwei Gruppen verglichen werden

Parametrische Testverfahren werden verwendet, wenn die gegebenen Daten nicht intervallskaliert, normalverteilt sind und keine Varianzhomogenität besteht

Spearman‘s Rho ist ein bekanntes non-parametrisches Testverfahren

Als Grundlage für das Spearman’s Rho Verfahren reichen ordinalskalierte Daten aus

Non-parametrische Testverfahren können auch als verteilungsfreie Verfahren bezeichnet werden

Er untersucht, ob sich 2 empirisch gefundene Mittelwerte systematisch voneinander unterscheiden

Die empirische Mitteldifferenz ist signifikant, wenn die ermittelte Wahrscheinlichkeit größer ist, als der angenommene Alpha-Fehler

Der T-Test hat mathematische Voraussetzungen, d.h. das untersuchte Merkmal muss intervallskaliert sein

Er prüft, ob eine empirische Mittelwertdifferenz signifikant ist oder auf Zufall beruht

Macht Zusammenfassen von Ergebnissen mehrerer Studien möglich

Es gibt einen Effekt, wenn in statistischen Test die Nullhypothese abgelehnt wird

Effektgrößen treffen keine Aussage zur praktischen Relevanz von signifikanten Ergebnissen

Effektstärke trifft eine Aussage über die Größe des Effekts

Normalverteilung

Unabhängigkeit

Varianzhomogenität

Mindestens Intervallskaliert

0

1

2

3

UV A hat einen signifikanten Effekt auf die AV

UV B hat einen signifikanten Effekt auf die AV

Die Interaktion von UV A und UV B hat einen signifikanten Effekt auf die AV

UV B hat einen signifikanten Effekt auf die UV A

Mindestens intervallskaliert

Mindestens ordinalskaliert

Keine Normalverteilung

Varianzhomogenität

mindestens ordinalskalierte Daten

mindestens intervallskalierte Daten

mindestens nominalskalierte Daten

mindestens verhältnisskalierte Daten

Wird die Nullhypothese in einem statistischen Test angenommen liegt ein Effekt vor

Wird die Nullhypothese in einem statistischen Test abgelehnt liegt ein Effekt vor

Die Standardisierung ermöglicht den Vergleich von Effektstärken aus verschiedenen Studien

Sie gibt die relative Größe eines Effekts vor

d = 0,2: kleiner Effekt

d = 0,3: kleiner Effekt

d = 0,5: mittlerer Effekt

d = 0,8: starker Effekt

Man vergleicht 2 Stichproben aus unterschiedlichen Versuchspersonen

Beide Stichproben sind paarweise miteinander assoziiert

Das untersuchte Merkmal ist nominalskaliert

Das untersuchte Merkmal ist intervallskaliert

Die Mittelwerte von 2 Gruppen müssen verglichen werden

Die Mittelwerte mehrerer Gruppen müssen verglichen werden

Die Nullhypothese besagt, dass Alle Gruppenmittelwerte gleich sind

Die Nullhypothese besagt, dass alle Gruppenmittelwerte unterschiedlich sind