Herzlichen Dank für die aufschlussreichen Videos! Bislang habe ich keines zur a priori- Stichprobenberechnung für eine mehrfaktorielle Kovarianzanalyse gefunden und würde mich über Hinweise dazu sehr freuen! Vielen Dank vorab und viele Grüße
Bei Fragen und Anregungen zu Einführung in G*Power, nutzt bitte die Kommentarfunktion. ____________________________________________________________ ⭐Kanalmitglied⭐ werden: th-cam.com/channels/K1rZmGakkss0bvnxspzg3g.htmljoin
Tolles Video! Ich habe mal eine Frage. Ich untersuche gerade die Arbeitszufriedenheit bei zwei Gruppen (Home-Office und Personen, die nicht im Home-Office sind). Ursprünglich habe ich einen unabhängigen t-Test geplant (einseitige Testung). Auf die Überlegungen hin habe ich die Stichprobengröße mit G-Power geplant. Laut der Berechnung sollte ich in jeder Gruppe 88 Teilnehmer befragen. Durch einen Fragebogen konnte ich 153 Personen im Home-Office und 117 Personen, die nicht im Home-Office tätig sind, befragen. Die Daten sind aber nicht normalverteilt, deswegen wende ich nun den Mann-Whitney-U-Test an. Muss ich die G-Power Berechnung jetzt im Nachhinein abändern, weil ich jetzt doch ein nonparametrisches Verfahren anwende? Oder wie beschreibe ich das Ganze jetzt in meiner Arbeit, da ich ja leider nicht den t-Test verwenden kann, aber die Stichprobengröße danach geplant habe? Für den Mann-Whitney-U Test berechnet G-Power eine Stichprobengröße von 92 Probanden pro Gruppe - dass ich ja erfülle. Ich hoffe Du kannst mir weiterhelfen, vielen Dank!
Ich werde eine logistische Regression als Auswertung nutzen um festzustellen, welche Kunden (Alter, Einkommen, Lebenssituation) meine Produkte kaufen werden. Ich habe keine Hypothese. Was mache ich in diesem Fall mit dem Feld "Hypothese"?
Hallo, das ist nicht mehr zeitgemäß, weil der p-Wert eine Funktion der Stichprobengröße ist. Hierzu gibt es zahlreiche Quellen, u.a. Althouse, A. D. (2021). Post hoc power: not empowering, just misleading. Journal of Surgical Research, 259, A3-A6 sowie Zhang, Y., Hedo, R., Rivera, A., Rull, R., Richardson, S., & Tu, X. M. (2019). Post hoc power analysis: is it an informative and meaningful analysis?. General psychiatry, 32(4). mit "Power analysis is an indispensable component of planning clinical research studies. However, when used to indicate power for outcomes already observed, it is not only conceptually flawed but also analytically misleading. Our simulation results show that such power analyses do not indicate true power for detecting statistical significance, since post hoc power estimates are generally variable in the range of practical interest and can be very different from the true power." Kurz gefasst: die Schätzung ist nicht zu gebrauchen. ;-) Viele Grüße, Björn.
Die o.g. Gründe sprechen mehr als nur dagegen und ein wirklich neues Phänomen ist es auch nicht. So hart es klingt, da sollte sich jemand mal einlesen, bevor überholtes Wissen verbreitet wird. "Analytically misleading" ist so ziemlich der größte red-flag, den man in der Statistik für ein Vorgehen haben kann. Gerade bei Journal-Einreichungen verstehen inzwischen die meisten Gutachter bei post-hoc power analysis keinen Spaß mehr. Zu Recht, wenn ich neben meiner fachlichen auch meine persönliche Einschätzung teilen darf. Vielleicht sollte man mal die Paper weiterleiten oder generell bei Google Scholar post hoc power analysis eingeben und schauen, was passiert: ein kleiner Ausschnitt der Titel gibt schon ein recht gutes Bild ab: "Post hoc power calculations: an inappropriate method for interpreting the findings of a research study", "Post hoc power: not empowering, just misleading", "Post hoc power analysis: an idea whose time has passed?", "Amplifying the noise: The dangers of post hoc power analyses", "Don't calculate post-hoc power using observed estimate of effect size", "The self-fulfilling prophecy of post-hoc power calculations", "The impotency of post hoc power", "The abuse of power: the pervasive fallacy of power calculations for data analysis", "Post hoc power is not informative" ;-) Viele Grüße, Björn.
Hallo was mache ich bei einer 2x2 Kreuztabelle Chi Quadrat, wenn der Phi- wert negativ und cramer v postiv ist? G Power akzeptiert keine negativen Werte, wie kann ich es umgehen? Bitte um eine schnelle ruckmeldung habe bald meine Bachelorabgabe
Hallo Miriam, schau mal hier: th-cam.com/video/0pE0hRfyx1c/w-d-xo.html Du musst dann lediglich bei number of predictors 1 eingeben. VIele Grüße, Björn.
Kann mir jemand erklären, was ich einsetzten muss, wenn ich den Eta-Koeffizienten (für eine nominale und metrische Variable) verwende? Bleibt die Mindeststichprobe dann gleich wie für die Pearson-Korrelation? Danke für die Hilfe! :)
Ich schreibe gerade meine Bachelorarbeit in Psychologie und mein Erstprüfer möchte die Stichprobengröße anhand meiner vier aufgestellten Hypothesen errechnet haben. Nachfragen meinerseits haben mich nur noch mehr verwirrt. Ich soll anhand verfügbarer Studien die Effektstärke pro Hypothese errechnen und mit der größten Stichprobengröße, die mir g*power gibt, arbeiten. Welche Werte brauche ich genau aus den Studien und wie errechne ich die Effektstärke dann am einfachsten? Was mache ich wenn ich nur eine Gruppe in einer Studie habe? Ich habe zwei Unterschiedshypothesen (Frauen leiden unter mehr Stresssymptomen als Männer & Frauen haben eine höhere wahrgenommene Stressbelastung als Männer) und zwei Zusammenhangshypotehsen (Alkoholkonsum geschlechterübergreifend-> Stresslevel & social support geschlechterübergreifend -> Stresslevel) Für kompetente Hilfe bzw. simple Antworten wäre ich wirklich sehr dankbar!
Hallo, das grundlegende Vorgehen wäre folgendes: 1) Studien raussuchen, die deine Hypothesen schon mal (in etwa so) getestet haben. 2) Prüfen, ob eine Effektstärke angegeben ist. 2a) Wenn ja, diese in G*Power nutzen - je nach Hypothese wird ein unterschiedlicher statistiischer Test gerechnet. Zu allen gängien Test gibt es Videos zu G*Power auf dem Kanal. 2b) Wenn nicht (was der häufigere Fall ist), kann man sie idR aus den gegebenen Daten errechnen, z.B. Cohen's d beim unabhängigen t-Test, und diese dann in G*Power nutzen. 3) Für jede Hypothese wiederholen. 4) Die größte errechnete Stichprobengröße ist dann maßgeblich und bei der Datenerhebung anzustreben. Viele Grüße, Björn.
Hallo Max, damit "muss man leben". Die vermutete Effektstärke wird dann nicht beobachtbar sein, also der p-Wert nicht hinreichend klein sein - sofern der Effekt überhaupt und in der vermuteten Stärke vorliegt. Größere Effekte wird man eher beobachten können, kleinere definitiv nicht. Viele Grüße, Björn.
Hallo, danke für das aufschlussreiche Video. Ich bin jedoch unsicher, welchen statistischen Test ich ausführen muss. Ich habe insgesamt 7 UVs, eine AV und einen Moderator der 2 UVs moderiert also insgesamt 9 Hypothesen und ich werde eine Regressionsanalyse durchführen. Kann mir da jemand helfen, welchen Test ich brauche?
Hey vielen Dank für dieses Video! Ich muss eine Clusteranalyse planen und vorab die G*power Berechnung durchführen. Ich weiß allerdings noch nicht wie viele Gruppen ich schließlich vergleiche, weil ich nicht vorhersehen kann wie viele Cluster sich bilden. Die G*Power Berechnung ist aber zwingend notwenig in der Hausarbeit zu beschreiben. Hast du dazu vielleicht einen Tipp für mich?
Du würdest die Analyse Apriori rechnen, also im Vorfeld. Im Nachhinein bringt sie dir nichts. Dazu auch die Literatur in der Beschreibung. Viele Grüße, Björn.
Hallo, danke für das Video. Ich habe in meiner Studie zwei Hyothesen, die ich mit den gleichen zwei Gruppen testen möchte, muss ich dann zwei Analysen machen und die Stichprobengröße dann zusammen rechnen, oder reicht das Ergebnis einer Analyse. Ich finde dazu leider überhaupt nichts im Internet. Danke schonmal!
Hallo Freya, du würdest die Berechnung für den schwächeren unterstellten Effekt verwenden und dessen Stichprobengröße für beide Analysen. Viele Grüße, Björn.
Cooles Video :) ich struggle etwas mit der Anzahl der Prädiktoren und zwar habe ich eine moderierte Mediation, sprich eine UV, einen Moderator und einen Mediator in einer multiplen Regression --> muss ich in G-Power dann bei Anzahl Prädiktoren 3 eingeben?
Hallo Bianca, bei Hayes wäre das Model 7. Da bei einer Moderation der Moderator (M) und die unabhängige Variable (X) auch zu einem Interaktionsterm zusammengefasst werden (X*M), hast du da 3 Prädiktoren für das Teilmodell mit dem Mediator als abhängige Variable. Für das zweite Teilmodell mit Y als AV sind es lediglich der Mediator und die UV (X), also 2. Du müsstest im Endeffekt also 3 Prädiktoren wählen - sofern keine weiteren Kovariaten aufgenommen werden sollen. Viele Grüße, Björn.
Wo wäre ich nur ohne dich, vielen Dank!
Danke für das Lob! :-)
Beste Grüße, Björn.
Herzlichen Dank für die aufschlussreichen Videos!
Bislang habe ich keines zur a priori- Stichprobenberechnung für eine mehrfaktorielle Kovarianzanalyse gefunden und würde mich über Hinweise dazu sehr freuen!
Vielen Dank vorab und viele Grüße
Vielen Dank, enorm praktisches Werkzeug!
Super Erklärung! Danke für die Einführung 🥰
Bei Fragen und Anregungen zu Einführung in G*Power, nutzt bitte die Kommentarfunktion.
____________________________________________________________
⭐Kanalmitglied⭐ werden: th-cam.com/channels/K1rZmGakkss0bvnxspzg3g.htmljoin
Super Video für den ersten Überblick
Klasse Video, tausend Dank!
Tolles Video!
Ich habe mal eine Frage. Ich untersuche gerade die Arbeitszufriedenheit bei zwei Gruppen (Home-Office und Personen, die nicht im Home-Office sind). Ursprünglich habe ich einen unabhängigen t-Test geplant (einseitige Testung). Auf die Überlegungen hin habe ich die Stichprobengröße mit G-Power geplant. Laut der Berechnung sollte ich in jeder Gruppe 88 Teilnehmer befragen. Durch einen Fragebogen konnte ich 153 Personen im Home-Office und 117 Personen, die nicht im Home-Office tätig sind, befragen. Die Daten sind aber nicht normalverteilt, deswegen wende ich nun den Mann-Whitney-U-Test an. Muss ich die G-Power Berechnung jetzt im Nachhinein abändern, weil ich jetzt doch ein nonparametrisches Verfahren anwende? Oder wie beschreibe ich das Ganze jetzt in meiner Arbeit, da ich ja leider nicht den t-Test verwenden kann, aber die Stichprobengröße danach geplant habe? Für den Mann-Whitney-U Test berechnet G-Power eine Stichprobengröße von 92 Probanden pro Gruppe - dass ich ja erfülle.
Ich hoffe Du kannst mir weiterhelfen,
vielen Dank!
hi,
komische Frage aber hast du zufällig die Resultate der Untersuchung? Entweder irgendwo veröffentlicht oder kannst mir diese schicken?
dein gehirn ist so krass sortiert
Ich werde eine logistische Regression als Auswertung nutzen um festzustellen, welche Kunden (Alter, Einkommen, Lebenssituation) meine Produkte kaufen werden. Ich habe keine Hypothese. Was mache ich in diesem Fall mit dem Feld "Hypothese"?
Danke für das video! Hat mir sehr geholfen. Hast du so ein video mit der post hoc analyse? Habe es leider nicht gefunden
Hallo, das ist nicht mehr zeitgemäß, weil der p-Wert eine Funktion der Stichprobengröße ist. Hierzu gibt es zahlreiche Quellen, u.a. Althouse, A. D. (2021). Post hoc power: not empowering, just misleading. Journal of Surgical Research, 259, A3-A6 sowie Zhang, Y., Hedo, R., Rivera, A., Rull, R., Richardson, S., & Tu, X. M. (2019). Post hoc power analysis: is it an informative and meaningful analysis?. General psychiatry, 32(4). mit "Power analysis is an indispensable component of planning clinical research studies. However, when used to indicate power for outcomes already observed, it is not only conceptually flawed but also analytically misleading. Our simulation results show that such power analyses do not indicate true power for detecting statistical significance, since post hoc power estimates are generally variable in the range of practical interest and can be very different from the true power."
Kurz gefasst: die Schätzung ist nicht zu gebrauchen. ;-)
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther komisch wir lernen das in unserem studium
Die o.g. Gründe sprechen mehr als nur dagegen und ein wirklich neues Phänomen ist es auch nicht. So hart es klingt, da sollte sich jemand mal einlesen, bevor überholtes Wissen verbreitet wird. "Analytically misleading" ist so ziemlich der größte red-flag, den man in der Statistik für ein Vorgehen haben kann. Gerade bei Journal-Einreichungen verstehen inzwischen die meisten Gutachter bei post-hoc power analysis keinen Spaß mehr. Zu Recht, wenn ich neben meiner fachlichen auch meine persönliche Einschätzung teilen darf. Vielleicht sollte man mal die Paper weiterleiten oder generell bei Google Scholar post hoc power analysis eingeben und schauen, was passiert: ein kleiner Ausschnitt der Titel gibt schon ein recht gutes Bild ab: "Post hoc power calculations: an inappropriate method for interpreting the findings of a research study", "Post hoc power: not empowering, just misleading", "Post hoc power analysis: an idea whose time has passed?", "Amplifying the noise: The dangers of post hoc power analyses", "Don't calculate post-hoc power using observed estimate of effect size", "The self-fulfilling prophecy of post-hoc power calculations", "The impotency of post hoc power", "The abuse of power: the pervasive fallacy of power calculations for data analysis", "Post hoc power is not informative" ;-)
Viele Grüße, Björn.
Hallo was mache ich bei einer 2x2 Kreuztabelle Chi Quadrat, wenn der Phi- wert negativ und cramer v postiv ist? G Power akzeptiert keine negativen Werte, wie kann ich es umgehen? Bitte um eine schnelle ruckmeldung habe bald meine Bachelorabgabe
super video, vielen Dank!
Super Tool danke für den Tipp!
Lieber Björn, kannst du bei g*Power für eine einfache lineare Regression weiterhelfen? Lieben Dank und viele Grüße, Miriam
Hallo Miriam, schau mal hier: th-cam.com/video/0pE0hRfyx1c/w-d-xo.html
Du musst dann lediglich bei number of predictors 1 eingeben.
VIele Grüße, Björn.
@@StatistikamPC_BjoernWalther ganz lieben Dank 😊
Kann mir jemand erklären, was ich einsetzten muss, wenn ich den Eta-Koeffizienten (für eine nominale und metrische Variable) verwende? Bleibt die Mindeststichprobe dann gleich wie für die Pearson-Korrelation? Danke für die Hilfe! :)
Ich schreibe gerade meine Bachelorarbeit in Psychologie und mein Erstprüfer möchte die Stichprobengröße anhand meiner vier aufgestellten Hypothesen errechnet haben. Nachfragen meinerseits haben mich nur noch mehr verwirrt. Ich soll anhand verfügbarer Studien die Effektstärke pro Hypothese errechnen und mit der größten Stichprobengröße, die mir g*power gibt, arbeiten. Welche Werte brauche ich genau aus den Studien und wie errechne ich die Effektstärke dann am einfachsten? Was mache ich wenn ich nur eine Gruppe in einer Studie habe? Ich habe zwei Unterschiedshypothesen (Frauen leiden unter mehr Stresssymptomen als Männer & Frauen haben eine höhere wahrgenommene Stressbelastung als Männer) und zwei Zusammenhangshypotehsen (Alkoholkonsum geschlechterübergreifend-> Stresslevel & social support geschlechterübergreifend -> Stresslevel) Für kompetente Hilfe bzw. simple Antworten wäre ich wirklich sehr dankbar!
Hallo, das grundlegende Vorgehen wäre folgendes:
1) Studien raussuchen, die deine Hypothesen schon mal (in etwa so) getestet haben.
2) Prüfen, ob eine Effektstärke angegeben ist.
2a) Wenn ja, diese in G*Power nutzen - je nach Hypothese wird ein unterschiedlicher statistiischer Test gerechnet. Zu allen gängien Test gibt es Videos zu G*Power auf dem Kanal.
2b) Wenn nicht (was der häufigere Fall ist), kann man sie idR aus den gegebenen Daten errechnen, z.B. Cohen's d beim unabhängigen t-Test, und diese dann in G*Power nutzen.
3) Für jede Hypothese wiederholen.
4) Die größte errechnete Stichprobengröße ist dann maßgeblich und bei der Datenerhebung anzustreben.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWalther Vielen lieben Dank für diese top Hilfestellung!
Was kann man machen, wenn man die Stichprobengröße, die G Power vorgibt, nicht erreicht?
Hallo Max, damit "muss man leben". Die vermutete Effektstärke wird dann nicht beobachtbar sein, also der p-Wert nicht hinreichend klein sein - sofern der Effekt überhaupt und in der vermuteten Stärke vorliegt. Größere Effekte wird man eher beobachten können, kleinere definitiv nicht.
Viele Grüße, Björn.
@@StatistikamPC_BjoernWaltherdanke für die Antwort
Hallo, danke für das aufschlussreiche Video. Ich bin jedoch unsicher, welchen statistischen Test ich ausführen muss.
Ich habe insgesamt 7 UVs, eine AV und einen Moderator der 2 UVs moderiert also insgesamt 9 Hypothesen und ich werde eine Regressionsanalyse durchführen. Kann mir da jemand helfen, welchen Test ich brauche?
Hey vielen Dank für dieses Video! Ich muss eine Clusteranalyse planen und vorab die G*power Berechnung durchführen. Ich weiß allerdings noch nicht wie viele Gruppen ich schließlich vergleiche, weil ich nicht vorhersehen kann wie viele Cluster sich bilden. Die G*Power Berechnung ist aber zwingend notwenig in der Hausarbeit zu beschreiben. Hast du dazu vielleicht einen Tipp für mich?
Ist mit "Effektstärke" das Bestimmtheitsmaß R2 gemeint?
Hallo, wenn ich kein signifikantes ergebnis habe, kann ich trotzdem eine power analyse mit hilfe von g power errechnen ?
Du würdest die Analyse Apriori rechnen, also im Vorfeld. Im Nachhinein bringt sie dir nichts. Dazu auch die Literatur in der Beschreibung.
Viele Grüße, Björn.
Hallo, danke für das Video. Ich habe in meiner Studie zwei Hyothesen, die ich mit den gleichen zwei Gruppen testen möchte, muss ich dann zwei Analysen machen und die Stichprobengröße dann zusammen rechnen, oder reicht das Ergebnis einer Analyse. Ich finde dazu leider überhaupt nichts im Internet. Danke schonmal!
Hallo Freya, du würdest die Berechnung für den schwächeren unterstellten Effekt verwenden und dessen Stichprobengröße für beide Analysen.
Viele Grüße, Björn.
Cooles Video :) ich struggle etwas mit der Anzahl der Prädiktoren und zwar habe ich eine moderierte Mediation, sprich eine UV, einen Moderator und einen Mediator in einer multiplen Regression --> muss ich in G-Power dann bei Anzahl Prädiktoren 3 eingeben?
Hallo Bianca, bei Hayes wäre das Model 7. Da bei einer Moderation der Moderator (M) und die unabhängige Variable (X) auch zu einem Interaktionsterm zusammengefasst werden (X*M), hast du da 3 Prädiktoren für das Teilmodell mit dem Mediator als abhängige Variable. Für das zweite Teilmodell mit Y als AV sind es lediglich der Mediator und die UV (X), also 2. Du müsstest im Endeffekt also 3 Prädiktoren wählen - sofern keine weiteren Kovariaten aufgenommen werden sollen.
Viele Grüße, Björn.
Vielen, vielen Dank! :-)
aaaa "vor 3 Wochen" hochgeladen, gutes Timing :D