Autor des Abschnitts: Rebecca Vederhus, Sebastian Jentschke

Von SPSS zu jamovi: Kovarianzanalyse (ANCOVA)

Dieser Vergleich zeigt, wie eine Kovarianzanalyse, welche die Kovariate ausschließt, in SPSS und jamovi durchgeführt wird. Der SPSS-Test folgt der Beschreibung in Kapitel 13.6.1 - 13.6.4 in Field (2017), insbesondere den Abbildungen 13.5 - 13.7 (ohne die Kovariate in Abbildung 13.5 und Options in Abbildung 13.7) und Ausgabe 13.5. Es verwendet den Datensatz Puppy Love.sav, der von der Webseite zum Buch heruntergeladen werden kann.

SPSS	jamovi
In SPSS können Sie diese Analyse wie folgt durchführen: Analyze → General Linear Model → Univariate.	In jamovi können Sie eine Kovarianzanalyse erstellen, indem Sie: Analyses → ANOVA → ANCOVA wählen.
In SPSS bewegen Sie Happiness in die Variablenbox Dependent Variable und Dose in die Variablenbox Fixed Factor(s).	In jamovi, verschieben Sie Happiness nach Dependent Variable und Dose nach Fixed Factors.
Öffnen Sie das Dialogfeld mit der Bezeichnung Contrasts, und klicken Sie auf das Dropdown-Menü, um Simple auszuwählen. Ändern Sie die Reference Category in First, und drücken Sie Change.	Öffnen Sie das Fenster Contrasts und wählen Sie simple aus dem Dropdown-Menü.
Wählen Sie EM Means in der Seitenleiste. Verschieben Sie Dose in das Feld mit der Bezeichnung Display Means for:, drücken Sie Compare main effects und wählen Sie Sidak in der Dropdown-Liste.	Verschieben Sie im Fenster Estimated Marginal Means die Variable Dose nach Term 1. Kreuzen Sie das Kästchen für Marginal means tables an, wie in der Abbildung unten gezeigt.
Die Ergebnisse sind in SPSS und jamovi gleich, abgesehen davon, dass SPSS mehr Ausgabetabellen liefert als jamovi.
In SPSS können Sie die angepassten Werte der Gruppenmittelwerte in der Tabelle Estimates finden. Anhand der Tabelle Mean können Sie herausfinden, ob sich das Glücksniveau ändert, wenn je mehr Zeit man mit den Welpen verbringen darf. Die Tabelle Tests of Between-Subjects Effects zeigt die Quadratsumme für die Menge der Zeit mit den Welpen, und dies sagt uns, wie viele Einheiten der Varianz dieser Faktor ausmacht. In der Tabelle Contrast Results (K Matrix) wird Stufe 2 (15 Minuten) mit Stufe 1 (Kontrolle) und dann Stufe 3 (30 Minuten) mit Stufe 1 (Kontrolle) verglichen. Hier werden die Gruppenunterschiede durch den Standardfehler, einen Differenzwert und einen p-Wert angegeben.	In jamovi sind die adjustierten Werte in der Tabelle Estimated Marginal Means – Dose zu finden. Diese Tabelle sieht genau so aus wie die entsprechende Tabelle in SPSS. Die Quadratsumme findet sich in der Tabelle ANCOVA – Happiness. Diese Tabellen unterscheiden sich leicht in SPSS und in jamovi, da jamovi nur Ergebnisse für Dose, Puppy_love und Residuals liefert. Auch die Kontrastanalyse in jamovi liefert nicht alle Werte, welche die SPSS-Analyse liefert. Allerdings sind alle wichtigen Informationen (die Sie normalerweise angeben) enthalten.
jamovi nimmt die Werte für Corrected Model, Intercept, Total und Corrected Total nicht in seine Kovarianzanalyse auf. Abgesehen davon ist die ANCOVA-Tabelle genauso aufgebaut wie in SPSS. Die Tabellen für Estimated Marginal Means sind in SPSS und jamovi ebenfalls identisch. Die Ergebnisse der Analyse der Kontraste in jamovi erscheinen wesentlich übersichtlicher als die in SPSS. Hier werden die Ergebnisse horizontal dargestellt, während die Ergebnisse in SPSS vertikal präsentiert werden. Im Gegensatz zu SPSS enthält jamovi nur die folgenden Werte: Estimate, SE, *t* und *p*. Die Zahlenwerte für diese Analysen sind dieselben: SS*<sub>Dosis</sub> = 16.84; *M*<sub>Kontrolle</sub> = 3.22, *M*<sub>15mins</sub> = 4.87, *M*<sub>30mins</sub> = 4.85; Kontrast 1, *p = 0.080; Kontrast 2, p = 0.055.
Wenn Sie diese Analysen mit Hilfe der Syntax replizieren möchten, können Sie die unten stehenden Befehle verwenden (in jamovi kopieren Sie einfach den unten stehenden Code in Rj). Alternativ können Sie auch die SPSS-Ausgabedateien und die jamovi-Dateien mit den Analysen unterhalb der Syntax herunterladen.
UNIANOVA Happiness BY Dose /CONTRAST(Dose)=Simple(1) /METHOD=SSTYPE(3) /INTERCEPT=INCLUDE /EMMEANS=TABLES(Dose) COMPARE ADJ(SIDAK) /CRITERIA=ALPHA(0.05) /DESIGN=Dose.	jmv::ancova( formula = Happiness ~ Dose, data = data, contrasts = list(list(var = "Dose", type = "simple")), emMeans = ~ Dose, emmPlots = FALSE, emmPlotError = "none", emmTables = TRUE)
SPSS-Ausgabedatei mit den Analysen	jamovi-Datei mit den Analysen

Referenzen

Field, A. (2017). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://edge.sagepub.com/field5e