Autor des Abschnitts: Jonas Rafi and Sebastian Jentschke

Analysen: Übersicht

Das Ziel des folgenden Abschnitts ist es, kurze, nicht-technische Anleitungen zur Durchführung gängiger statistischer Verfahren in jamovi zu geben. Er wurde ursprünglich von Jonas Rafi unter dem Namen jamovi guide erstellt. Dies ist jedoch nur als kurzer Überblick gedacht. Für eine tiefergehende Behandlung dieser Analysen empfehlen wir Ihnen, einen Blick auf die vielen Community-Ressourcen zu werfen.

Eine Anmerkung zu den Skalenniveaus: In der folgenden Dokumentation werden die einzelnen Analysen beschrieben und die erforderlichen Variablentypen erläutert. Beispielsweise wird erklärt, dass eine bestimmte Analyse eine kontinuierliche abhängige Variable und eine nominale Gruppierungsvariable erfordert. Es ist jedoch möglich, dass die Spalten in Ihrem Datensatz aus verschiedenen Gründen nicht das „richtige“ Skalenniveau haben (wie in der Spaltenüberschrift angegeben). Sie können das Skalenniveau der Spalten mit dem Variablen-Editor anpassen, aber (in den meisten Fällen) sind die Skalenniveau nur ein Anhaltspunkt und müssen nicht korrekt eingestellt sein. Wenn Sie eine kontinuierliche Variable einer Analyse zuweisen, die eine nominale Variable erwartet, wird die Analyse die Variable einfach als nominal behandeln. Das heißt, wenn in der Dokumentation steht, dass ein bestimmtes Skalenniveau erforderlich ist, müssen die Daten einfach die richtige Form haben. Sie können sich die Arbeit sparen, die Skalenniveaus korrekt einzustellen, wenn Sie das nicht wollen.

Deskriptivstatistische Analysen

t-Tests

Der t-Test wird verwendet, um zu prüfen, ob der Mittelwert eines normalverteilten Datensatzes signifikant von der Nullhypothese abweicht (die davon ausgeht, dass es keinen Unterschied gibt).

Es gibt drei Arten von t-Tests:

Mehr Hilfe in den Community-Ressourcen

Eine umfassendere Einführung in diese statistische Analyse bietet das folgende Video von Barton Poulson.

Varianzanalysen (ANOVAs)

Die Varianzanalyse (ANOVA) ist eine statistische Methode, mit der untersucht wird, wie sich ein oder mehrere Faktoren auf eine abhängige Variable auswirken. Diese Faktoren sind Prädiktor- / unabhängige Variablen und kategorisch. Normalerweise spiegeln solche Faktoren eine experimentelle Manipulation wider (z. B. mit oder ohne Behandlung), aber ein Faktor kann auch Gruppen darstellen, für deren Einfluss man kontrollieren möchte (z. B. Geschlecht: Männer oder Frauen). Die Varianzanalyse basiert auf einem ähnlichen Konzept wie der t-Test, geht aber insofern darüber hinaus, als Faktoren mehrere Niveaus haben können (t-Tests lassen nur zwei zu) und dass mehrere Faktoren gleichzeitig untersucht werden können.

Es gibt verschiedene Arten der Varianzanalyse, die sich in der Anzahl der untersuchten Faktoren - ein oder mehrere Faktoren - oder darin unterscheiden, ob sie Messungen zwischen Personen oder innerhalb einer Person (wiederholte Messungen) miteinander vergleichen:

Mehr Hilfe in den Community-Ressourcen

Eine Einführung in das Konzept der ANOVA findet sich in diesem Video von Barton Poulson.

Korrelation und Regression

Korrelations- und Regressionsanalysen sind statistische Methoden zur Bewertung der Beziehungen zwischen einer (abhängigen) Ergebnisvariablen und einer oder mehreren (unabhängigen) Vorhersagevariablen. Bei der Korrelationsanalyse wird die Beziehung zwischen einem Prädiktor und einer Ergebnisvariablen untersucht, Die Regressionsanalyse konzentriert sich hauptsächlich auf die Vorhersage (wie gut kann eine oder mehrere Variablen eine andere (Ergebnis-)Variable vorhersagen). Häufig wird zwischen linearer und nichtlinearer Regression (z. B. logistische Regression) unterschieden.

Mehr Hilfe in den Community-Ressourcen

Eine Einführung in das Konzept der Regressionsanalysen bietet dieses Video von Barton Poulson.