Gemischte ANOVA
In diesem Beitrag
Was versteht man unter Gemischter ANOVA?
Die gemischte ANOVA (auch Mixed-Design ANOVA oder Split-Plot ANOVA) ist ein Verfahren der Varianzanalyse, das mindestens einen Zwischen-Subjekt-Faktor (between-subjects factor) und mindestens einen Innerhalb-Subjekt-Faktor (within-subjects factor) gleichzeitig berücksichtigt. Dadurch vereint sie Eigenschaften der einfaktoriellen ANOVA und der Messwiederholungs-ANOVA in einem einzigen Modell.
- Zwischen-Subjekt-Faktor: Unterschiedliche Personen oder Einheiten werden verschiedenen Gruppen zugeordnet (z. B. Experimentalgruppe vs. Kontrollgruppe).
- Innerhalb-Subjekt-Faktor: Dieselben Personen oder Einheiten werden zu mehreren Zeitpunkten oder unter mehreren Bedingungen gemessen (z. B. Vortest, Nachtest, Follow-up).
Das Modell zerlegt die Gesamtvarianz in die Varianzanteile der einzelnen Haupteffekte sowie ihrer Wechselwirkung. Von besonderem Interesse ist dabei häufig die Interaktion zwischen dem Zwischen- und dem Innerhalb-Subjekt-Faktor: Sie zeigt an, ob sich die Gruppen über die Zeit (oder Bedingungen) hinweg unterschiedlich entwickeln.
Varianzzerlegung (vereinfacht)
Warum ist Gemischte ANOVA für statistische Analysen wichtig?
Die gemischte ANOVA ist besonders in der experimentellen Forschung, der Klinischen Psychologie und den Sozialwissenschaften weit verbreitet. Typische Einsatzgebiete sind Studien, bei denen eine Intervention untersucht wird und Messungen zu mehreren Zeitpunkten vorliegen. Gegenüber der Durchführung mehrerer separater ANOVAs hat sie entscheidende Vorteile:
- Sie hält die Alpha-Fehler-Inflation unter Kontrolle, die bei wiederholten Einzelvergleichen entsteht.
- Sie nutzt die Korrelation zwischen Messwiederholungen und erhöht dadurch die statistische Power.
- Sie ermöglicht die Untersuchung von Interaktionseffekten, die für die inhaltliche Interpretation oft die zentrale Frage sind.
Praxisbeispiel zu Gemischter ANOVA
Eine Forscherin untersucht, ob ein Entspannungstraining den wahrgenommenen Stress reduziert. Sie teilt 40 Teilnehmende zufällig in zwei Gruppen: eine Trainingsgruppe und eine Wartekontrollgruppe. Beide Gruppen werden zu drei Zeitpunkten gemessen: vor dem Training (t1), direkt nach dem Training (t2) und vier Wochen später (t3). Der Stresswert wird auf einer Skala von 0 bis 100 erfasst.
| Gruppe | t1 (Vortest) | t2 (Nachtest) | t3 (Follow-up) |
|---|---|---|---|
| Trainingsgruppe | 62 | 45 | 41 |
| Kontrollgruppe | 61 | 59 | 58 |
Die gemischte ANOVA liefert in diesem Szenario drei Effekte:
- Haupteffekt Gruppe (between): Unterscheiden sich Trainings- und Kontrollgruppe insgesamt im Stressniveau?
- Haupteffekt Zeit (within): Verändern sich die Stresswerte über alle Teilnehmenden hinweg über die drei Messzeitpunkte?
- Interaktionseffekt Gruppe × Zeit: Verläuft die Veränderung über die Zeit in beiden Gruppen unterschiedlich?
Die Interaktion ist hier besonders aussagekräftig: Die Stresswerte der Trainingsgruppe sinken deutlich von t1 zu t2 und bleiben niedrig, während die Kontrollgruppe kaum Veränderung zeigt. Ein signifikanter Interaktionseffekt würde belegen, dass das Training spezifisch wirksam ist – und nicht etwa nur die bloße Teilnahme an einer Studie.
