Between-Subject-Faktor
In diesem Beitrag
Was versteht man unter Between-Subject-Faktor?
Ein Between-Subject-Faktor (auch: Zwischensubjektfaktor) ist eine unabhängige Variable in einem experimentellen oder quasi-experimentellen Design, bei der jede Versuchsperson nur einer einzigen Faktorstufe zugeordnet ist. Die verschiedenen Ausprägungen des Faktors werden also von unterschiedlichen Gruppen von Personen repräsentiert – nicht von denselben.
Ein Between-Subject-Faktor liegt typischerweise vor, wenn:
- Personen zufällig verschiedenen Bedingungen zugewiesen werden (randomisierte Zuteilung),
- natürliche Gruppierungen genutzt werden, die nicht veränderbar sind (z. B. Geschlecht, Altersgruppe, Diagnosegruppe),
- eine Messwiederholung innerhalb derselben Person nicht möglich oder nicht sinnvoll ist.
In der Varianzanalyse (ANOVA) wird dieser Faktor im Rahmen einer einfaktoriellen ANOVA oder als Between-Subject-Anteil einer gemischten ANOVA (Mixed ANOVA) modelliert. Die Streuung zwischen den Gruppen wird dabei der Streuung innerhalb der Gruppen gegenübergestellt.
Warum ist der Between-Subject-Faktor für statistische Analysen wichtig?
Das Verständnis des Between-Subject-Faktors ist grundlegend für die richtige Wahl und korrekte Interpretation statistischer Verfahren. Je nachdem, ob ein Faktor between- oder within-subject ist, gelten unterschiedliche Annahmen, und die Analyse muss entsprechend angepasst werden.
Bei Between-Subject-Designs sind die Messwerte der verschiedenen Gruppen statistisch unabhängig voneinander. Das ist eine zentrale Voraussetzung der klassischen ANOVA. Im Gegensatz dazu erfordert ein Within-Subject-Faktor (Messwiederholung), dass die Abhängigkeit der Messungen innerhalb einer Person berücksichtigt wird.
Ein wichtiger praktischer Aspekt: Between-Subject-Designs benötigen in der Regel größere Stichproben als Within-Subject-Designs, weil die individuelle Variabilität zwischen Personen die Fehlervarianz erhöht und damit die statistische Power verringert. Bei Messwiederholungen hingegen dient jede Person als ihre eigene Kontrolle, was die Fehlervarianz reduziert.
Praxisbeispiel zu Between-Subject-Faktor
Eine Ernährungswissenschaftlerin untersucht, ob drei verschiedene Diätformen (Low-Carb, Low-Fat, mediterrane Ernährung) zu unterschiedlichem Gewichtsverlust führen. Sie teilt 90 Probandinnen und Probanden zufällig in drei Gruppen zu je 30 Personen auf. Nach zwölf Wochen wird der Gewichtsverlust in Kilogramm gemessen.
| Gruppe | Bedingung | Personen | Messungen pro Person |
|---|---|---|---|
| A | Low-Carb | 30 | 1 (nur Endwert nach 12 Wochen) |
| B | Low-Fat | 30 | 1 (nur Endwert nach 12 Wochen) |
| C | Mediterrane Ernährung | 30 | 1 (nur Endwert nach 12 Wochen) |
Der Faktor „Diätform“ ist hier ein klarer Between-Subject-Faktor: Jede Person erlebt genau eine Bedingung. Die Forscherin wertet die Daten mit einer einfaktoriellen ANOVA aus und prüft, ob sich die mittleren Gewichtsverluste zwischen den drei Gruppen signifikant unterscheiden. Wäre jede Person in allen drei Diäten nacheinander getestet worden, läge stattdessen ein Within-Subject-Design vor – was in diesem Fall aus praktischen und biologischen Gründen nicht sinnvoll wäre.
