MANOVA
In diesem Beitrag
Was versteht man unter MANOVA?
Die MANOVA (Multivariate Analysis of Variance) ist eine Erweiterung der einfachen Varianzanalyse (ANOVA). Während die ANOVA testet, ob sich Gruppen hinsichtlich einer abhängigen Variable unterscheiden, prüft die MANOVA gleichzeitig, ob sich Gruppen in mehreren abhängigen Variablen gemeinsam unterscheiden.
Formal wird dabei geprüft, ob die Gruppenmittelwertvektoren der abhängigen Variablen gleich sind. Die Nullhypothese lautet:
Nullhypothese der MANOVA
Das heißt: Die Mittelwertvektoren aller k Gruppen sind identisch. Die MANOVA testet diese Hypothese mithilfe multivariater Teststatistiken, von denen vier besonders verbreitet sind:
- Pillai-Spur – gilt als robusteste Option, empfohlen bei Voraussetzungsverletzungen
- Wilks‘ Lambda – klassischer Standard, weit verbreitet in der Literatur
- Hotelling-Spur – besonders geeignet bei zwei Gruppen
- Roy’s größter Wurzel – sehr sensitiv, aber weniger robust
Warum ist MANOVA für statistische Analysen wichtig?
In der Praxis interessieren Forschende häufig mehrere abhängige Variablen gleichzeitig – etwa verschiedene Persönlichkeitsmerkmale, Testergebnisse oder Gesundheitswerte. Würde man für jede Variable eine eigene ANOVA rechnen, steigt das Risiko, rein zufällig ein signifikantes Ergebnis zu erhalten (sogenannte Alpha-Fehler-Kumulierung). Die MANOVA kontrolliert dieses Problem, indem sie alle abhängigen Variablen gemeinsam analysiert.
Darüber hinaus berücksichtigt die MANOVA die Korrelationen zwischen den abhängigen Variablen. Das ist ein entscheidender Vorteil: Variablen, die inhaltlich zusammenhängen, sollten auch statistisch gemeinsam betrachtet werden.
Praxisbeispiel zu MANOVA
Eine Psychologiestudentin untersucht in ihrer Masterarbeit, ob sich drei Therapieformen (Verhaltenstherapie, tiefenpsychologische Therapie, keine Therapie) auf das Wohlbefinden von Patientinnen und Patienten auswirken. Als abhängige Variablen erhebt sie zwei standardisierte Skalen: Depressivität und Lebensqualität.
| Therapieform | Depressivität (MW) | Lebensqualität (MW) |
|---|---|---|
| Verhaltenstherapie | 22 | 74 |
| Tiefenpsychologisch | 31 | 65 |
| Keine Therapie | 48 | 49 |
Anstatt zwei separate ANOVAs zu rechnen – eine für Depressivität, eine für Lebensqualität – führt die Studentin eine MANOVA durch. Das Ergebnis: Wilks‘ Lambda = 0.61, F(4, 112) = 7.83, p < .001. Der multivariate Test ist signifikant, das heißt: Die drei Gruppen unterscheiden sich gemeinsam in ihrem Profil aus Depressivität und Lebensqualität. Anschließend führt sie univariate ANOVAs mit Bonferroni-Korrektur durch, um zu prüfen, welche der beiden Variablen den Unterschied maßgeblich erklärt.
