Kontrastanalyse
In diesem Beitrag
Was versteht man unter Kontrastanalyse?
Die Kontrastanalyse ist ein Verfahren der Varianzanalyse (ANOVA), mit dem gezielte, vorab geplante Vergleiche zwischen bestimmten Gruppen oder Gruppenkombinationen durchgeführt werden. Anstatt alle Gruppen pauschal miteinander zu vergleichen – wie es der globale F-Test der ANOVA tut –, formuliert man bei der Kontrastanalyse konkrete Hypothesen darüber, welche Gruppen sich unterscheiden sollen.
Formal wird ein Kontrast als Linearkombination der Gruppenmittelwerte definiert. Jeder Gruppe wird dabei ein Kontrastgewicht cj zugeordnet. Ein gültiger Kontrast erfüllt die Bedingung, dass die Summe aller Gewichte gleich null ist:
Bedingung für einen gültigen Kontrast
Möchte man beispielsweise zwei Gruppen (Gruppe 1 und Gruppe 2) gemeinsam mit einer dritten Gruppe (Gruppe 3) vergleichen, könnte man die Gewichte +½, +½ und −1 vergeben. Die Summe ergibt null, und der Kontrast ist damit definiert.
Darüber hinaus spricht man von orthogonalen Kontrasten, wenn mehrere Kontraste voneinander statistisch unabhängig sind – also keine überlappenden Informationen testen. Bei k Gruppen lassen sich maximal k − 1 orthogonale Kontraste bilden.
Warum ist Kontrastanalyse für statistische Analysen wichtig?
Der globale F-Test der ANOVA sagt dir nur, ob es irgendwo einen Unterschied zwischen den Gruppen gibt – nicht wo und nicht in welche Richtung. Post-hoc-Tests können zwar nachträglich alle Gruppenpaare vergleichen, aber sie erhöhen das Risiko für Typ-I-Fehler (falsch positive Ergebnisse) erheblich, wenn viele Vergleiche gleichzeitig gemacht werden.
Die Kontrastanalyse löst dieses Problem elegant: Da die Vergleiche bereits vor der Datenerhebung theoretisch begründet werden, ist die Anzahl der Tests begrenzt und die statistische Power deutlich höher als bei ungeplanten Post-hoc-Vergleichen. Das macht die Kontrastanalyse besonders wertvoll, wenn konkrete Hypothesen aus der Theorie oder dem Forschungsstand abgeleitet werden können.
contrasts() oder innerhalb von lm() mit benutzerdefinierten Kontrastmatrizen. Praxisbeispiel zu Kontrastanalyse
Eine Ernährungswissenschaftlerin untersucht den Einfluss von vier Diätformen auf den Gewichtsverlust (in kg pro Monat): Low-Carb (Gruppe 1), Low-Fat (Gruppe 2), Intervallfasten (Gruppe 3) und eine Kontrollgruppe ohne Diät (Gruppe 4).
Ihre theoriegeleitete Hypothese lautet: Die drei aktiven Diätformen zusammen führen zu einem größeren Gewichtsverlust als die Kontrollgruppe. Außerdem vermutet sie, dass Low-Carb und Intervallfasten wirksamer sind als Low-Fat.
Sie legt daher vor der Datenerhebung folgende zwei Kontraste fest:
| Kontrast | Low-Carb (G1) | Low-Fat (G2) | Intervallfasten (G3) | Kontrolle (G4) | Summe |
|---|---|---|---|---|---|
| K1: Diät vs. Kontrolle | +1/3 | +1/3 | +1/3 | −1 | 0 |
| K2: Low-Carb & IF vs. Low-Fat | +1 | −2 | +1 | 0 | 0 |
Beide Kontraste erfüllen die Nullsummenbedingung und sind orthogonal zueinander, da das Skalarprodukt ihrer Gewichtsvektoren null ergibt. Jeder Kontrast wird anschließend mit einem t-Test auf Signifikanz geprüft. Erweist sich K1 als signifikant (p < .05), kann die Wissenschaftlerin schlussfolgern, dass aktive Diätformen im Schnitt zu mehr Gewichtsverlust führen als keine Diät – eine klar interpretierbare, theoriegeleitete Aussage.
