Einfaktorielle ANOVA
In diesem Beitrag
Was versteht man unter einfaktorieller ANOVA?
Die einfaktorielle ANOVA (Analysis of Variance) ist ein statistisches Verfahren, das prüft, ob sich die Mittelwerte von drei oder mehr unabhängigen Gruppen signifikant voneinander unterscheiden. Der Begriff „einfaktoriell“ bedeutet, dass genau ein unabhängiger Faktor (auch Gruppierungsvariable genannt) betrachtet wird, der mindestens drei Ausprägungen (Gruppen) besitzt.
Die Grundidee der ANOVA besteht darin, die Gesamtvarianz der abhängigen Variable in zwei Anteile zu zerlegen:
- Varianz zwischen den Gruppen (erklärte Varianz): Wie stark unterscheiden sich die Gruppenmittelwerte voneinander?
- Varianz innerhalb der Gruppen (Fehlervarianz): Wie stark streuen die Werte innerhalb jeder einzelnen Gruppe?
Das Verhältnis dieser beiden Varianzen ergibt den F-Wert, der als Prüfgröße verwendet wird:
F-Statistik der ANOVA
Ist der F-Wert groß (und der zugehörige p-Wert kleiner als das Signifikanzniveau, z. B. 0,05), wird die Nullhypothese abgelehnt. Die Nullhypothese besagt, dass alle Gruppenmittelwerte gleich sind.
Voraussetzungen
Damit die einfaktorielle ANOVA valide Ergebnisse liefert, müssen folgende Voraussetzungen erfüllt sein:
- Die abhängige Variable ist metrisch skaliert.
- Die Gruppen sind unabhängig voneinander.
- Die Residuen sind in jeder Gruppe annähernd normalverteilt (prüfbar z. B. mit dem Shapiro-Wilk-Test).
- Die Varianzen der Gruppen sind homogen (Homoskedastizität, prüfbar mit dem Levene-Test).
Warum ist einfaktorielle ANOVA für statistische Analysen wichtig?
Wenn man mehr als zwei Gruppen vergleichen möchte, liegt es nahe, einfach mehrere t-Tests durchzuführen. Das ist jedoch problematisch: Mit jedem zusätzlichen Test steigt die Wahrscheinlichkeit, fälschlicherweise einen signifikanten Unterschied zu finden (sog. Alpha-Fehler-Kumulierung). Die einfaktorielle ANOVA löst dieses Problem, indem sie alle Gruppen in einem einzigen Test vergleicht und das Gesamtsignifikanzniveau kontrolliert.
Die einfaktorielle ANOVA findet in zahlreichen Forschungsfeldern Anwendung: in der Psychologie, Medizin, Wirtschaftswissenschaft oder Pädagogik – überall dort, wo experimentelle oder quasi-experimentelle Gruppenvergleiche stattfinden.
Praxisbeispiel zu einfaktorieller ANOVA
Eine Ernährungswissenschaftlerin möchte untersuchen, ob drei verschiedene Diäten (Diät A, B und C) unterschiedliche Auswirkungen auf den Gewichtsverlust (in kg) nach 8 Wochen haben. Sie teilt 30 Teilnehmende zufällig in drei gleich große Gruppen auf und erhebt den Gewichtsverlust:
| Diätgruppe | n | Mittelwert (kg) | Standardabweichung |
|---|---|---|---|
| Diät A | 10 | 3,2 | 0,8 |
| Diät B | 10 | 5,7 | 1,1 |
| Diät C | 10 | 4,1 | 0,9 |
Die einfaktorielle ANOVA ergibt einen F-Wert von 14,32 bei einem p-Wert von 0,001. Da p < 0,05, wird die Nullhypothese abgelehnt: Die drei Diäten führen zu signifikant unterschiedlichem Gewichtsverlust. Ein anschließender Tukey-HSD-Post-hoc-Test zeigt, dass sich insbesondere Diät B signifikant von Diät A und Diät C unterscheidet, während zwischen A und C kein signifikanter Unterschied besteht.
