16.1 Mehrfaktorielle Varianzanalyse | Einführung

แชร์
ฝัง
  • เผยแพร่เมื่อ 13 ธ.ค. 2024

ความคิดเห็น • 13

  • @statistikgrundlagen
    @statistikgrundlagen  2 ปีที่แล้ว

    Das Statistik-Buch zu diesem Kanal mit den besten Info-Grafiken und allen Videos jetzt auf Amazon: amzn.to/3dYLUip

  • @janaf.6208
    @janaf.6208 3 ปีที่แล้ว +11

    Jedes einzelne Video von euch rettet mich durch eine Statistik Vorlesung. Danke Danke Danke!

    • @statistikgrundlagen
      @statistikgrundlagen  3 ปีที่แล้ว

      Das freut mich sehr! Viel Erfolg!

    • @spamhamburg1170
      @spamhamburg1170 2 ปีที่แล้ว +2

      Dem kann ich nur zustimmen, eine Wohltat es hier an einem einfachen Beispiel erklärt zu bekommen und nicht mit Riesenumfragen aus der ALLBUS umgehen zu müssen! Danke 5Profs :)

  • @marcelv.9918
    @marcelv.9918 2 ปีที่แล้ว +2

    Solange glaube ich, ich schaff das doch! Aber nicht ohne deine Videos. Gold.

  • @nadinestrobel2510
    @nadinestrobel2510 2 ปีที่แล้ว +3

    Du rettest gerade meine Masterarbeit! Vielen Dank dafür!!

  • @stephanku9506
    @stephanku9506 4 ปีที่แล้ว +3

    Hallo, gibt es im Rahmen der Varianzanalyse eine Mindestgröße für die Stichprobe, oder funktioniert das Ganze auch mit beispielweise n=10?
    VG

    • @statistikgrundlagen
      @statistikgrundlagen  4 ปีที่แล้ว +2

      Die Varianzanalyse funktioniert auch mit kleinen Stichproben, solange die Voraussetzungen erfüllt sind. Bei kleinen Stichproben wird es jedoch immer "schwerer" noch signifikante Unterschiede zu finden (Je kleiner die Stichprobe desto größer müssen die Unterschiede sein um noch signifikant zu sein).

    • @pascalschaefers
      @pascalschaefers 3 ปีที่แล้ว +2

      @@statistikgrundlagen Und umgekehrt, je größer die Stichproben, desto eher findet man signifikante Unterschiede?

    • @statistikgrundlagen
      @statistikgrundlagen  3 ปีที่แล้ว

      Genau so ist es.

  • @commanderwhitehead1224
    @commanderwhitehead1224 3 ปีที่แล้ว

    Hallo, ich möchte ein Experiment mit einem Sonderfall durchführen.
    Und zwar habe ich zwei Stufen der unabhängigen Variable (kongruente oder inkongruente Kommunikation), einen Moderator (kategorial) und drei abhängige Variablen (metrisch).
    Eigentlich möchte ich eine MANCOVA durchführen, habe aber folgendes Problem: der Moderator wirkt nur auf einen Zustand der unabhängigen Variablen. Es handelt sich um einen die Inkongruenz auflösenden Hinweis, der logisch betrachtet nicht in der kongruenten Gruppe sein kann, weil es hier nichts aufzulösen gibt.
    Daher ergeben sich trotz Moderator nur drei Gruppen (statt 2x2).
    Kann ich das irgendwie per MANCOVA analysieren, oder müsste ich ein anderes Verfahren verwenden?