h

Question 1

Einfaktorielle Varianzanalyse (ANOVA)- wofür wird sie gebraucht, was ist die Idee dahinter?

Accepted Answer

wird zum simultanen Vergleich von k>2 Stichproben verwendet, damit keine squentielle T-Tests durchgeführt werden müssen (Alpha-Fehler Kumulierung, Familywise- error)

Question 2

Was versteht man unter der Alphafehler-Kumulierung bzw. dem familiywise error?

Accepted Answer

Ab 3 hintereinander durchgeführten t-Tests kumulieren sich die Alpha-Fehler Werte zu einem weit über dem selbst gewählten alpha-Niveau liegenden Wert, wodurch eine falsche Annahme der H1 somit wahrscheinlicher wird

Question 3

Wie kann der familywise error kontrolliert werden?

Accepted Answer

Korrekturverfahren (konserativ, erschweren die Annahme der H1) ANOVA

Question 4

Varianzanalyse wird auch Omnibustest genannt- warum?

Accepted Answer

testet nicht sequentiell, sondern alles auf einmal

Question 5

Welche Varianzen werden bei der Varianzanalyse verglichen?

Accepted Answer

Varianz der Daten, die durch systematische Unterschiede zustande kommt gegen Varianz, die durch Zufall entsteht. H1 wird angenommen, wenn sich zumindest zwei der untersuchten Mittelwerte signifikant unterscheiden.

Question 6

Wie funktioniert die Signifikanztestung bei der Varianzanalyse?

Accepted Answer

t-Test= Varianzzwischen Gruppen/Varianzinnerhalb GruppenWenn H0 gilt, ist Varianzzwischen gleich VarianzinnerhalbGroße F-Werte sprechen für H1, da Varianz zwischen den Gruppen im Zähler steht

Question 7

Die Gruppen unterscheiden sich signifikant voneinander- wie kann man feststellen, welche Gruppen sich unterscheiden?

Accepted Answer

Kontraste oder post-hoc Tests

Question 8

Wie funktioniert die Konstruktion von orthogonalen Kontrasten? Was sind die allgemeinen Konstruktionsbedingungen orthogonaler Kontraste?

Accepted Answer

Erster Kontrast enthält alle Gruppen, pro weiteren Kontrast bekommt eine Gruppe den Koeffizienten Null und wird somit aus der Gruppe ausgeschlossen. Kontraste sind orthogonal, wenn die Summe der Produkte ihrer Koeffizienten null ist

Question 9

Wie können Kontraste einseitig oder zweiseitig testen? Sind polynomiale Kontraste ein- oder zweiseitig?

Accepted Answer

Wenn einseitig getestet werden soll, kann der p-Wert halbiert werden. Ob einseitig oder zweiseitig getestet wird, ist davon abhängig, ob es gerichtete Hypothesen gibt. Polynomiale Kontraste sind üblicherweise ungerichtet, d.h. sie testen zweiseitig

Question 10

Wie hängen F und t zusammen?

Accepted Answer

F=t2

Question 11

Welche Kontraste können in SPSS gewählt werden und an welche Voraussetzungen sind sie geknüpft?

Accepted Answer

Polynomiale Kontraste, d.h. lineare, quadratische und kubische. Für lineare braucht man zwei Gruppen, für quadratische drei und kubische mindestens vier, da man sonst die Kurvenformen nicht definieren kann

Question 12

Welche Kontraste können außerdem in SPSS gewählt werden und wie unterscheiden sich diese?

Accepted Answer

Abweichung= nicht orthogonal, jede Gruppe wird mit Gesamtmittelwert verglichen, eine muss jedoch exkludiert werdenEinfach= nicht orthogonal, da Referenzgruppe immer die gleiche bleibt; erste oder letzte Gruppe wird Referenzgruppe und wird einzeln mit den anderen verglichen; sinnvoll bei Kontrollgruppenvergleichen Differenz= orthogonal, da jede Gruppe mit der vorhergehenden verglichen wirdHelmert= orthogonal, da jede Gruppe mit der nachfolgenden verglichen wirdWiederholt= nicht orthogonal; Testung paarweiser Mittelwertsunterschiede (d.h. Gruppen werden zusammengefasst und verglichen)

Question 13

Welche Einschränkungen haben Post-hoc Tests?

Accepted Answer

Explorative Untersuchungen: Können nur zweiseitig testen, da es keine a priori-Annahmen über die Richtung der Effekte gibt! Es sind keine orthogonalen Tests, da alle Gruppenpaare miteinander verglichen werden.

Question 14

Welche Voraussetzungen müssen für die Varianzanalyse erfüllt sein?

Accepted Answer

AV hat metrische Skaleneigenschaften Gruppen müssen unabhängig voneinander sein Varianzhomogenität der AV in den Gruppen AV ist innerhalb der Gruppen normalverteilt

Question 15

Wie sieht das formale Modell der einfaktoriellen ANOVA aus?

Accepted Answer

Einzelner Messwert = Gesamtmittelwert + Effekt der Gruppe + Fehlerxij = μ + αj + FehlerijStreuung innerhalb der Gruppen kommt nur durch Fehler zustande, da Gesamtmittelwert und Gruppeneffekte Konstanten sind.

Question 16

Die einf. ANOVA ist Teil des Allgemeinen linearen Modells- wie sieht dieses aus und welche Komponenten hat es?

Accepted Answer

X = YA + UWerte einer AV = Werte einer UV*Regressionsgewichte + Fehler Regressionsgewichte sind die festen Effekte αj der Gruppen

Question 17

Was passiert, wenn einzelne Voraussetzungen der ANOVA nicht erfüllt sind?

Accepted Answer

ANOVA grundsätzlich ein robustes Verfahren, das Abweichung von Varianzhomogenität und Normalverteilung verkraften kann, sofern die Gruppengrößen ungefähr gleich groß sind. Überprüfung, ob man ANOVA verwenden kann, indem man ein nicht-parametrisches Verfahren (Kruskal-Wallis) rechnet und schaut, ob das gleiche rauskommt. Korrekturen können durch Brown-Forsythe oder Welch-Test durchgeführt werden, Welch kontrolliert aber Typ-II Fehler besser.

Question 18

Mehrfaktorielle ANOVA: Welche Effekte werden getestet und wie sieht das formale Modell aus (zweifaktorielle ANOVA)?

Accepted Answer

Haupteffekte und WechselwirkungenMesswert = Gesamtmittelwert + Effekt Faktor A + Effekt Faktor B + Wechselwirkung + Effekt der Gruppe + Fehler

Question 19

Durch Profilplots können mögliche Wechselwirkungen dargestellt werden- welche Profilplots gibt es? Wann liegen Wechselwirkungen vor?

Accepted Answer

Wechselwirkungen liegen dann vor, wenn der kombinierte Effekt verschiedener Faktorstufenkombinationen nicht additiv ist, d.h. wenn nur durch die Faktorstufenkombinationen nicht alle Effekte erklärt werden können. Ordinale (Linienzüge haben gleiche Trends), hybride (gegenläufige Trends gemixt mit gleichen Trends→nur gleiche Trends dürfen interpretiert werden) und disordinale (zwei gegenläufige Trends→keine Interpretation möglich) Interaktionen. Von der Klassifikation dieser Profilplots ist abhängig, ob signifikante Haupteffekte interpretiert werden dürfen oder ob sie von den Wechselwirkungen zu stark überlagert werden. Bei ordinalen Profilplots sind die Effekte additiv, weil die Effekte ungefähr gleich steigen/fallen in beiden Gruppen.

Question 20

Welchen Einfluss haben signifikante Wechselwirkungen?

Accepted Answer

Signifikante Wechselwirkungen haben Einfluss auf die Interpretierbarkeit der dazugehörigen signifikanten Haupteffekte

Question 21

Abhängige Daten: Was ist das und wie können sie entstehen?

Accepted Answer

Abhängige Daten entstehen durch klassische Messwiederholungsdesigns (jede Person wird vor und nach Intervention getestet = Interventionsstudien), durch Parallelisierung (zu jeder Person einen Testzwilling suchen) oder durch die Untersuchung von abhängigen Stichproben (Geschwister, Ehepaare). Durch abhängige Daten wird der Zufallsfehler verringert.

Question 22

Was untersucht ein abhängiger t-Test? An welche Voraussetzungen ist er geknüpft?

Accepted Answer

Er untersucht, ob der Mittelwert der Differenz aller Messwertpaare 0 ist (jeder Messwert hat einen eindeutig zugeordneten Zwillingsmesswert) Di = xi1 - x i2 , d.h. Messwert 1 minus Messwert 2Anders als ein t-Test für unabhängige Stichproben, der untersucht, ob sich die Mittelwerte zweier Gruppen unterscheiden. - Abhängige Variable ist metrisch - Faktorstufen sind abhängig voneinander (also UV) - Differenzen di sind normalverteilt Keine Varianzhomogenität mehr vorausgesetzt, da die Varianzen innerhalb der Differenzen sowieso gleich sind.

Question 23

Was sind klassische Designs der Interventionsforschung und wie wird diese Art der ANOVA genannt?

Accepted Answer

Untersuchung von Zwischensubjektfaktoren (unabhängige Testung- Versuchs/Kontrollgruppe) und Innersubjektfaktoren (abhängige Testung- prä/post). Mixed ANOVA

Question 24

An welche Voraussetzungen ist die mixed ANOVA geknüpft?

Accepted Answer

- Metrische AV - Unabhängige Gruppen (Zwischensubjektfaktoren) an denen abhängige Messungen (ISF) vorgenommen werden. - Sphärizität = Annahme, dass Varianzen der Differenzen aller Paare von abhängigen Messungen gleich sind (bei Verletzung Korrektur mit Greenhouse-Geisser/konservativer und Huynh-Feldt/progressiver). Ist eine wichtige Voraussetzung, die korrigiert werden sollte! - Varianzhomogenität (innerhalb ISF) - Multivariate Normalverteilung (in SPSS nicht direkt möglich, daher Messung der univariaten Normalverteilung in jeder Gruppe in jeder abhängigen Messung)

Question 25

Welche Quellen kann die Fehlervarianz haben?

Accepted Answer

Es werden zwei Fehlerterme unterschieden→Variabilität innerhalb der Stufen des unabhängigen und des abhängigen Faktors

Question 26

Wie sieht das formale Modell der Messwiederholungsdesigns aus? Was ist das Residuum?

Accepted Answer

QSGesamt = QSzwischen den Subjekten + QSinnerhalb der SubjekteQSzwischen = QS Zwischensubjektfaktor + QS FehlerQSinnerhalb = QS Innersubjektfaktor + QS Zwischensubjektfaktor x Innersubjektfaktor + QSResiduumResiduum ist der Fehlerterm der intraindividuellen Variabilität plus der Interaktion jeder einzelnen Person mit jeder einzelnen Faktorstufe

Question 27

Wie unterscheidet sich die Simple Effects Analysis?

Accepted Answer

Zusätzliche Zeile „WSFACTOR“, die definiert, dass es sich um eine Messwiederholung handelt, mit der Spezifizierung, wie diese heißt und wie viele Stufen sie hat.

Question 28

Ein Verfahren der ANOVA kann auch für Störvariablen kontrollieren- wie heißt das und was sind die Besonderheiten?

Accepted Answer

Mittels der ANCOVA (Analyses of Covariances) wird eine ANOVA über die Residuen durchgeführt, was einer Kontrolle von kontinuierlichen Störvariablen entspricht. Die bekannten Störvariablen werden als Kontrollvariablen aufgenommen, was zu einer Erhöhung der Testmacht führt.

Question 29

Kontingenztafeln/4-Felder Tafeln dienen der Analyse von Häufigkeiten und Zusammenhängen- welche Zusammenhänge können beschrieben werden?

Accepted Answer

Monotone und atone Zusammenhänge

Question 30

Mit welchen Kennwerten können Vier-Felder-Tafeln analysiert werden?

Accepted Answer

Chi-Quadrat-Test, Phi-Koeffizienten, OR, RR, Sensitivität und Spezifität

Question 31

Wie funktioniert die Analyse mittels χ2- Koeffizienten?

Accepted Answer

Chi-Koeffizienten vergleichen die beobachteten Häufigkeiten mit den erwarteten Häufigkeiten. Die erwartete Häufigkeit berechnet sich auch (Zeilensumme x Spaltensumme) / NEs ist nur ein asymptotisches Maß, wird einseitig und ungerichtet durchgeführt, der kritische Wert (d.h. ab diesem Wert ist der Chi-Test signifikant) ist 3.84

Question 32

Welche Voraussetzungen hat der Chi-Quadrat-Test?

Accepted Answer

- Unabhängigkeit (d.h. kein Objekt befindet sich in mehr als einer Zeile) - Die erwarteten Häufigkeiten dürfen nicht zu klein sein (nicht unter 5), da der Test ebennur eine Approximation der eigentlichen Testverteilung ist

Question 33

Wie funktioniert die Testung gerichteter Hypothesen mittels Chi-Quadrat Test?

Accepted Answer

Chi-Quadrat-Test kann grundsätzlich keine gerichteten Hypothesen untersuchen, da er ein Omnibustest ist. Da man bei Vier-Felder-Tafeln jedoch nur 2 Gruppen hat und daher nur einen Freiheitsgrad, ist z2 ungefähr χ2 . Man nimmt dann den kritischen Wert für alpha=.10, somit entspricht dies einer standardnormalverteilten Variable.

Question 34

Wie funktioniert die Analyse mittels Phi-Korrelationskoeffizient? Was sind allgemeine Eigenschaften davon?

Accepted Answer

Produkt-Moment-Korrelation über zwei dichotome Merkmale, mit direkter Umrechenbarkeit in Chi-Quadrat-Verteilung. Wertebereich von -1 bis +1 und ist symmetrisch.

Question 35

Wieso ist der Koeffizient aber praktisch in seinem Wertebereich eingeschränkt? Welche Korrekturen gibt es?

Accepted Answer

Durch die Randverteilungen kommt es zu Einschränkungen. Nur wenn die Randverteilungen gleich sind, kann es zu Zusammenhang 1 kommen. Eine Korrekturformel ist rphi* = rphi / rphi max Korrektur wird aber nicht empfohlen, da es kein lineares Maß des Zusammenhangs mehr, wie es rphi eigentlich sein sollte

Question 36

Wie funktioniert die Analyse mittels Odds Ratio?

Accepted Answer

OR ist ein symmetrisches Zusammenhangsmaß, das Chancen angibt. Für logistische Regression von Bedeutung: Ein Maß soll ein anderes vorhersagen. Das Odds Ratio ist ein Maß dafür, wie stark zwei dichotome Merkmal zusammenhängen: Wie hoch ist die Chance das ich eine bestimmte Beobachtung mache vs. wie groß die Chance ist etwas anderes zu beobachten.Besonders für das OR ist, dass X und Y vertauscht werden können und dass das Vertauschen von Zeilen und Spalten den Kehrwert des OR ergibt (OR‘ = 1/OR)OR hat Wertebereich von 0 bis unendlich, ein OR von 1 heißt, es gibt keinen Zusammenhang. Da OR auch oft logarithmiert werden, haben sie hier einen anderen Zusammenhang (ähnlich den Korrelationskoeffizienten): OR = 0→kein Zusammenhang

Question 37

Wie funktioniert die Analyse mittels Risk Ratio?

Accepted Answer

RR ist ein Zusammenhangsmaß das Auftrittswahrscheinlichkeiten von bestimmten Ereignissen angibt, sofern ein Risikofaktor oder ein protektiver Faktor vorher vorhanden ist. RR ist kein symmetrisches Maß und hat keinen Kehrwert. RR macht vor allem in longitudinalen Studien Sinn, da es Inzidenzen (Auftritt eines definierten Ereignisses während eines definierten Zeitraumes) vergleicht.Wertebereich von 0 bis unendlichen, RR = 1 heißt, dass durch den Risikofaktor keine Änderung der Inzidenz des Outcomes bemerkbar ist.RR > 1: Risikofaktor erhöht Inzidenz des Outcomes, RR < 1: Risikofaktor verhindert Inzidenz des Outcomes (= protektiver Faktor)

Question 38

Wie hängen Odds Ratio und Risk Ratio miteinander zusammen?

Accepted Answer

OR und RR sind miteinander verwandt, aber grundsätzlich zwei unterschiedliche Maßzahlen. Für seltene Ereignisse ist das OR ein Schätzer des RR, da es zur Bestimmung von zeitlichen Zusammenhängen von Risiken und Outcomes herangezogen werden kann.

Question 39

Wie werden OR und RR interpretiert?

Accepted Answer

OR bezeichnet ein Chancenverhältnis, RR eine Auftrittswahrscheinlichkeit. Sie sind allerdings beide eine Verhältnismaßzahl, d.h. die Chance oder Wahrscheinlichkeit eines Ereignisses wird um ein x-faches erhöht oder vermindert

Question 40

Wie funktioniert die Analyse mittels Sensitivität und Spezifität?

Accepted Answer

Sensitivität ist die Wahrscheinlichkeit das ein Test eine Erkrankung entdeckt, wenn auch tatsächlich eine vorliegt.Spezifität ist die Wahrscheinlichkeit das ein Test keine Erkrankung findet, wenn auch tatsächlich keine vorliegt. Da der wahre Status (Krankheit da oder nicht) bekannt sein muss, bevor man Sensitivität und Spezifität bestimmen kann, muss dieser mittels eines „Gold Standards“ vorher erhoben werden. Diese vier Kennwerte (Sens, Spez, falsch-pos. und falsch-neg. Fälle) sind unabhängig von der Prävalenz der Erkrankung, da sie sich immer nur auf Samples beziehen (sind also klassische Testkennwerte), die im Idealfall beide hoch sind in einem Test.

Question 41

Was sind Positiver Vorhersagewert und Negativer Vorhersagewert? In welchem Zusammenhang stehen sie mit Sensitivität und Spezifität?

Accepted Answer

In der Praxis ist es nicht relevant, ob der Test gut oder schlecht ist (Sens und Spez), sondern ob die Krankheit tatsächlich vorliegt (Krankheit ja→Test ja ≠ Test ja→Krankheit ja). Die Bedingungen werden bei PPV und NPV umgedreht: „Ist die Krankheit vorhanden, wenn der Test sagt das die Krankheit vorliegt“ im Gegensatz zu „Bestätigt mir mein Test, dass die Krankheit vorliegt, wenn der Gold Standard sagt, dass die Krankheit vorliegt“ (→Sens und Spez)PPV und NPV sind stark prävalenzabhängig

Question 42

Sens., Spez., PPV und NPV sind deskriptive Maße. Wie wirkt sich das auf die Interpretation und Anwendbarkeit auf die Realität aus?

Accepted Answer

Ein Test kann immer nur so gut sein, wie Sens und Spez. Sind und ein Ergebnis nur so zuverlässig, wie PPV und NPV sind. Die Interpretation ist abhängig von der Prävalenzrate in der untersuchten Population. Da der PPV stark von Power und Study Bias abhängt, müsste er eigentlich niedrig sein in der psychologischen Forschung. Viele Hypothesen sind a priori eher unwahrscheinlich, womit überraschende Ergebnisse meistens eher falsch sind

Question 43

Nicht nur die statistische Signifikanz eines Ergebnisses ist bedeutend, sondern auch die Effektstärken- warum?

Accepted Answer

Größe und Richtung eines Effekts sind wichtig für die inhaltliche Interpretation (Wie gut wirkt eine Behandlung, wie groß ist der Einfluss eines Risikofaktors, ...). Auch für die Studienplanung sind Effektgrößen relevant, da sie für Stichprobengrößen oder Power- Ermittlung relevant sind.

Question 44

Es gibt standardisierte und unstandardisierte Effektgrößen- was ist der Unterschied und welche werden in der Psychologie verwendet?

Accepted Answer

Unstandardisierte sind Effektgrößen, die unmittelbar inhaltlich interpretiert werden können. Es sind direkt vergleichbare Maße, die nicht mehr in andere Skalen umgerechnet werden müssen, wie Anzahl an gerauchten Zigaretten, Krankenstandstage oder Gewichtsverlust. Standardisierte Effektgrößen werden angewendet, wenn das Outcome nicht unmittelbar interpretiert werden kann, z.B. Skalenrohwerte in Tests. Diese Effektgrößen werden in der Psychologie verwendet. Es werden daher Skalentransformationen durchgeführt, die die Messungen verschiedener Instrumente vergleichbar machen. Bei Meta-Studien werden auch häufig Skalentransformationen durchgeführt, um verschiedene Ergebnisse vergleichbar zu machen.

Question 45

Was gibt das Effektmaß Cohens d an? Wie ist sein Wertebereich und welche Effektgrößen sind klein/mittel/groß? Welche ähnlichen Indizes der d-Familie werden verwendet?

Accepted Answer

Cohens d gibt den Abstand zweier Verteilungen in Einheiten ihrer gemeinsamen Standardabweichungen an (Mittelwertsvergleiche zwischen zwei Gruppen). Es wird bei unabhängigen Stichproben auch Mitelwertsdifferenz/gemeinsame Standardabweichung berechnet und bei abhängigen Stichproben durch Mittelwertsdifferenz/Standradabweichungsdifferenz.Der Wertebereich ist von -∞ bis +∞, Werte sind klein bei 0.2, mittel bei 0.5 und groß bei 0,8. Zur d-Familie gehören außerdem Hedges g oder Glass ∆)

Question 46

Was gibt das Effektmaß der Produkt-Moment-Korrelation r an? Wie ist sein Wertebereich und welche Effektgrößen sind klein/mittel/groß? Wie hängt es mit Cohens d zusammen?

Accepted Answer

r ist für sich genommen bereits ein standardisiertes Effektmaß, welches die Richtung eines Effekts anzeigt. Sein Wertebereich geht von -1 bis +1 und kleine Effekte sind .10/.10, mittlere sind .30/.25 und große sind .50/.40. Die ersten Werte sind von Cohen, die zweiten von Lipsey und Wilson, die d und r in Beziehung gesetzt haben und so auf diese Benchmarks kamen. D und r können ineinander umgerechnet werden. Zur Familie von r gehört auch der Phi-Koeffizient, punkt-biserale Korrelation und Rangkorrelation.

Question 47

Was gibt das Effektmaß Eta2 an? Wie ist sein Wertebereich und welche Effektgrößen sind klein/mittel/groß? Was ist das partielle Eta2?

Accepted Answer

Eta2 gibt an, wie viel der Gesamtvarianz der AV durch die UV erklärt wird. Es wird berechnet mittels Quadratsumme Faktor /Quadratsumme Gesamt . Sein Wertebereich liegt zwischen 0 und 1, kleine Größen sind 0.01 (1% der erklärten Varianz), 0.06 (6% der erklärten Varianz) und .14 (14% der erklärten Varianz). Eta2 ungünstig für Varianzaufklärung zwischen Studien, Bei mehrfaktoriellen Designs wird partielles Eta2 verwendet, welches die Einflüsse aller anderen Faktoren auf die Gesamtvariabilität kontrolliert (Fehlerkontrolle). Partielles Eta2 aber ungünstig für Varianzaufklärung innerhalb einer Studie. Mit partiellem Eta2 kommt es eher zu einer Überschätzung von Effekten, weshalb man es eher nicht anwenden sollte. Je nach Studiendesign ist Eta2, Partielles Eta2 oder generalisiertes Eta2 besser.

Question 48

Was geben die Effektmaße Odds Ratio und Risk Ratio an? Wie sind ihre Wertebereiche und welche Effektgrößen sind klein/mittel/groß?

Accepted Answer

OR und RR sind auch direkte Effektmaße (Chancenverhältnis bzw. Auftrittswahrscheinlichkeit), OR kann in d und r umgerechnet werden. Für OR können daher auch die Benchmarks für kleine/mittlere/große Effekt von d und r verwendet werden. Benchmarks für OR sind klein= 1.44/mittel= 2.48/ groß= 4.27, wenn die Benchmarks von d in OR umgerechnet wurden. Diese Werte sind gut, wenn das Merkmal keine Prävalenz unter 10% hat. Ist die Prävalenz kleiner, werden die Benchmarks größer (großer Effekt bei 1% Prävalenz= 6.71)

Question 49

Was gibt die Numbers needed to treat an?

Accepted Answer

Aus dem RR kann die Effektgröße Number needed to treat abgeleitet werden. Diese gibt eine Maßzahl dafür, wie sehr eine Behandlung einer anderen überlegen ist= Anzahl jener Patienten, die mit A behandelt werden müssen, damit gegenüber B eine Person mehr das Behandlungsziel erreicht. Es ist eine deskriptive Maßzahl für den Vergleich zweier spezifischer Methoden im Hinblick auf ein spezifisches interessierendes Ereignis, sie kann nicht unbedingt über Untersuchungen hinweg verglichen werden. Kann einen Wertebereich von 1 bis ∞ annehmen (nur ganzzahlig, aufrunden), NNT groß= A und B sind fast gleichwertig, NNT klein= A ist besser als B,NNT < 0= B ist besser als A (wäre ein schlechter Ausgang für die Versuchsbehandlung A) und wird dann auf ein positives Vorzeichen umgepolt als Number needed to harm (Wertebereich von 1 bis ∞) bezeichnet. NNT wird über die absolute Risikoreduktion (ARR) berechnet.

Question 50

Wie hängen Signifikanzniveau, Effektgröße, Testmacht und Stichprobenumfang zusammen?

Accepted Answer

Sind drei der Maßzahlen bekannt, kann die Vierte berechnet werden. Bei Fehlen von Informationen kann man aus Vorstudien darauf schließen oder die Größen inhaltlich begründen. Um zu überprüfen, wie groß ein Effekt minimal ausfallen muss, um ein sig. Ergebnis zu liefern, verwendet man Smallest effect size of interest (SESOI), welche größer sein muss, als die erwartete Effektgröße (sonst muss man N erhöhen). Durch die Festlegung einer Effektgröße mache ich aus einer unspezifischen H1 (Es gibt einen Zusammenhang bzw. einen Unterschied) eine spezifische H1 (Der Unterschied soll so groß sein bzw. der Zusammenhang soll so stark sein).

ausgewählte Methoden (Fach) / h (Lektion)