Messwiederholungs-ANOVA
In diesem Beitrag
Was versteht man unter Messwiederholungs-ANOVA?
Die Messwiederholungs-ANOVA ist ein statistisches Verfahren, das prüft, ob sich die Mittelwerte einer abhängigen Variable über mehrere Messzeitpunkte oder Bedingungen hinweg signifikant unterscheiden – und das bei denselben Versuchspersonen. Sie ist damit eine Erweiterung des gepaarten t-Tests auf mehr als zwei Messzeitpunkte.
Das Grundprinzip besteht darin, die Gesamtvarianz der Daten in verschiedene Quellen aufzuteilen. Die Varianz zwischen den Messzeitpunkten (Innersubjekteffekt) wird dabei von der Varianz zwischen den Personen (Zwischensubjekteffekt) getrennt. So lässt sich gezielt testen, ob der Faktor „Zeit“ oder „Bedingung“ einen systematischen Einfluss hat. Formal wird der F-Wert berechnet als das Verhältnis der mittleren Abweichungsquadratsumme des Effekts zur mittleren Abweichungsquadratsumme des Fehlerterms:
Formel: F-Wert
Dabei steht für die mittlere Quadratsumme des Effekts (z. B. des Zeitfaktors) und für die mittlere Quadratsumme des zugehörigen Fehlerterms.
Eine wichtige Voraussetzung der Messwiederholungs-ANOVA ist die Sphärizität. Damit ist gemeint, dass die Varianzen der Differenzen zwischen allen Paaren von Messzeitpunkten ungefähr gleich sein sollten. Diese Annahme wird üblicherweise mit dem Mauchly-Test überprüft. Ist sie verletzt, werden Korrekturen angewendet – am häufigsten die Greenhouse-Geisser-Korrektur oder die Huynh-Feldt-Korrektur.
Warum ist Messwiederholungs-ANOVA für statistische Analysen wichtig?
Das Verfahren hat gegenüber einer einfachen ANOVA mit unabhängigen Gruppen einen entscheidenden Vorteil: Da jede Person als ihre eigene Kontrollbedingung fungiert, werden individuelle Unterschiede zwischen Personen aus dem Fehlerterm herausgerechnet. Das macht das Verfahren statistisch sensitiver – es kann auch kleinere Effekte zuverlässiger aufdecken.
In der Forschungspraxis ist die Messwiederholungs-ANOVA überall dort sinnvoll, wo dieselben Personen unter verschiedenen Bedingungen oder zu verschiedenen Zeitpunkten gemessen werden. Typische Anwendungsfelder sind:
- Längsschnittstudien mit mehreren Messzeitpunkten (z. B. Therapieverlauf)
- Experimentelle Designs mit Within-Subject-Faktoren (z. B. verschiedene Reizarten)
- Klinische Studien mit Vor-, Zwischen- und Nachmessung
Praxisbeispiel zu Messwiederholungs-ANOVA
Eine Psychologin untersucht, ob ein Achtsamkeitstraining das allgemeine Wohlbefinden steigert. Sie misst das Wohlbefinden (Skala 0–100) bei acht Teilnehmenden zu drei Zeitpunkten: vor dem Training (T1), direkt danach (T2) und vier Wochen später (T3).
| Person | T1 (vor Training) | T2 (nach Training) | T3 (Follow-up) |
|---|---|---|---|
| 1 | 52 | 61 | 65 |
| 2 | 48 | 55 | 58 |
| 3 | 60 | 70 | 72 |
| 4 | 45 | 53 | 57 |
| 5 | 58 | 66 | 68 |
| 6 | 50 | 59 | 63 |
| 7 | 55 | 64 | 67 |
| 8 | 43 | 50 | 54 |
| Mittelwert | 51,4 | 59,8 | 63,0 |
Die Messwiederholungs-ANOVA ergibt einen signifikanten Haupteffekt des Faktors Zeit (, ). Das bedeutet: Das Wohlbefinden hat sich über die drei Zeitpunkte hinweg statistisch bedeutsam verändert. Anschließende paarweise Vergleiche mit Bonferroni-Korrektur zeigen, dass sich alle drei Zeitpunkte signifikant voneinander unterscheiden – das Training hat also sowohl kurzfristig als auch langfristig gewirkt.
