Editverse Kostenloser Rechner

Einfaktorielle ANOVA-Rechner

Vergleichen Sie die Mittelwerte von drei oder mehr unabhängigen Gruppen gleichzeitig – mit der F-Statistik, den Freiheitsgraden, dem p-Wert und dem Tukey-HSD-Post-hoc-Test. Die Formel und den reproduzierbaren R-Befehl sowie eine ausführliche Interpretationsanleitung finden Sie weiter unten. Validiert mit R 4.3.3.

In einfachen Worten

Die einfaktorielle Varianzanalyse ( ANOVA ) beantwortet eine einzige Frage: Weisen drei oder mehr Gruppen unterschiedliche Mittelwerte auf, oder könnten die Unterschiede rein zufällig sein? Man gibt die Zahlen jeder Gruppe ein, und die ANOVA liefert eine F-Statistik und einen p-Wert, der angibt, ob sich Gruppen unterscheiden.

Ist der Gesamttest signifikant, zeigt ein Post-hoc-Test wie der Tukey-HSD-Test, welche spezifischen Gruppenpaare sich unterscheiden. Verwenden Sie eine ANOVA anstelle vieler t-Tests , da diese die Rate falsch positiver Ergebnisse erhöhen würden. Bei nur zwei Gruppen ist ein t-Test ausreichend; bei schiefverteilten Daten empfiehlt sich der Kruskal-Wallis-Test.

Wann sollte man eine einfaktorielle ANOVA verwenden?

Die einfaktorielle Varianzanalyse (ANOVA) vergleicht ein kontinuierliches Ergebnis über drei oder mehr unabhängige Gruppen hinweg , die durch einen einzigen kategorialen Faktor definiert sind – beispielsweise den Vergleich eines Biomarkers in Gruppen mit niedriger, mittlerer und hoher Dosierung. Sie testet die globale Nullhypothese, dass alle Gruppenmittelwerte gleich sind.

Verwenden Sie die ANOVA, wenn Ihre Zielgröße kontinuierlich ist, die Gruppen unabhängig sind, die Zielgröße innerhalb jeder Gruppe annähernd normalverteilt ist und die Gruppen annähernd gleiche Varianzen aufweisen (Varianzhomogenität). Ein signifikanter F-Wert zeigt an, dass sich mindestens eine Gruppe unterscheidet, aber nicht welche – dafür ist ein Post-hoc-Test wie der Tukey-HSD-Test mit zuvor gewählter Korrektur für Mehrfachvergleiche erforderlich. Bei nur zwei Gruppen ist ein t-Test äquivalent und einfacher; bei eindeutig nicht normalverteilten Daten ist eine nichtparametrische Alternative besser geeignet. Sind Sie sich nicht sicher, ob die ANOVA für Ihr Studiendesign geeignet ist? Unser interaktiver Test-Selektor führt Sie durch den Prozess.

Einweg-ANOVAMittelwerte über 3 oder mehr Gruppen vergleichen · validiert vs. R 4.3.3
Benutzerhandbuch

Wann anwenden? Mittelwerte aus drei oder mehr unabhängigen Gruppen gleichzeitig vergleichen.

Annahmen. Unabhängigkeit; Normalverteilung innerhalb der Gruppen; Varianzhomogenität.

Häufige Fehler. Führen Sie nicht stattdessen mehrere paarweise t-Tests durch: Dies erhöht die Wahrscheinlichkeit für einen Fehler 1. Art.

Ausgearbeitetes Beispiel

Klicken Sie oben auf „Beispieldaten laden“ und anschließend auf „Analyse ausführen“ , um ein vollständig ausgearbeitetes Ergebnis mit Abbildung, Formel und Interpretation für diesen Test anzuzeigen.

Referenzen
  1. Fisher RA. Statistische Methoden für Forscher. 1925.
Erhöhte Sicherheit. Geringerer Aufwand. Nachhaltiger Erfolg. editverse.com • R 4.3.3 validiert · v3.6Benötigen Sie eine Expertenanalyse? →

Ausgearbeitete Beispiele

Beispiel 1 — Drei Dosen (signifikant)

Die Ergebniswerte für die Gruppen mit niedriger (12, 15, 14, 13), mittlerer (18, 20, 17, 19) und hoher (22, 24, 21, 23) Dosis steigen mit zunehmender Dosis kontinuierlich an. Eine einfaktorielle Varianzanalyse (ANOVA) ergibt einen hohen F-Wert und einen niedrigen p-Wert (p < 0.001), wodurch die Nullhypothese, dass alle Mittelwerte gleich sind, verworfen wird. Ein anschließender Tukey-HSD-Post-hoc-Test zeigt, welche Dosispaare sich unterscheiden – hier unterscheiden sich alle drei voneinander.

Beispiel 2 – Überlappende Gruppen (nicht signifikant)

Wenn drei Gruppen ähnliche Mittelwerte mit großen, sich überschneidenden Streuungen aufweisen, ist die F-Statistik klein und der p-Wert groß (p > 0.05). Die korrekte Schlussfolgerung lautet, dass kein Unterschied zwischen den Gruppenmittelwerten besteht – und kein Post-hoc-Test erforderlich ist.

Zu prüfende Annahmen

Unabhängigkeit. Die Beobachtungen müssen sowohl zwischen als auch innerhalb der Gruppen unabhängig sein. Wiederholte Messungen an denselben Probanden erfordern stattdessen eine Varianzanalyse mit Messwiederholung oder ein gemischtes Modell.

Normalverteilung. Die Ergebnisse sollten innerhalb jeder Gruppe annähernd normalverteilt sein; die Residuen lassen sich mithilfe eines QQ-Plots überprüfen. Die ANOVA ist gegenüber leichten Abweichungen relativ robust, insbesondere bei balancierten, größeren Stichproben.

Varianzhomogenität. Die Gruppen sollten ähnliche Varianzen aufweisen (Überprüfung mit dem Levene-Test). Bei deutlichen Unterschieden der Varianzen ist die Welch-ANOVA anzuwenden, da diese keine Varianzhomogenität voraussetzt.

Häufige Fehler

Durchführung vieler t-Tests anstelle einer ANOVA

Der Vergleich jedes Gruppenpaares mittels separater t-Tests erhöht die Wahrscheinlichkeit für einen Fehler 1. Art. Verwenden Sie daher eine ANOVA für den Gesamttest und anschließend ein korrigiertes Post-hoc-Verfahren.

Die nachträgliche Korrektur wird übersprungen.

Ein signifikantes ANOVA-Ergebnis gibt nicht an, welche Gruppen sich unterscheiden. Verwenden Sie den Tukey-HSD-Test oder eine andere Methode mit integrierter Korrektur für Mehrfachvergleiche anstelle unkorrigierter paarweiser Tests.

Ungleiche Varianzen ignorieren

Wenn sich die Gruppenvarianzen deutlich unterscheiden, kann die Standard-ANOVA zu Fehlinterpretationen führen. Verwenden Sie stattdessen die Welch-ANOVA.

Es wird nur der p-Wert angegeben.

Geben Sie neben F und p auch die Effektstärke (Eta-Quadrat oder Omega-Quadrat) an, damit die Leser nicht nur die Signifikanz, sondern auch die Größenordnung beurteilen können. Nutzen Sie den Effektstärkenrechner.

Häufig gestellte Fragen

Worin besteht der Unterschied zwischen einer ANOVA und einem t-Test?

Ein t-Test vergleicht die Mittelwerte zweier Gruppen; die ANOVA verallgemeinert dies auf drei oder mehr Gruppen in einem einzigen Test unter Kontrolle der Fehlerrate.

Was bewirkt Tukey HSD?

Nach einer signifikanten ANOVA vergleicht der Tukey's Honestly Significant Difference Test alle Gruppenpaare unter Kontrolle der Fehlerrate der Familie und zeigt Ihnen, welche spezifischen Paare sich unterscheiden.

Was ist, wenn meine Daten nicht normal sind?

Bei eindeutig nicht normalverteilten oder ordinalen Daten ist der Kruskal-Wallis-Test die nichtparametrische Alternative zur einfaktoriellen Varianzanalyse.

Stimmt das Ergebnis mit den Ergebnissen von SPSS, R und Stata überein?

Ja. Der Rechner verwendet die gleichen F-Verteilungs- und Summen-der-Quadrate-Berechnungen wie Standardsoftware und zeigt den genauen R-Befehl an, sodass Sie ihn reproduzieren können.

Verwandte Rechner

unabhängiger t-TestEffektstärke (Eta-Quadrat)Korrelation & RegressionStichprobengröße und TeststärkeKonfidenzintervallWelchen Test soll ich verwenden?

Referenzen

  1. Fisher RA. Statistische Methoden für ForscherEdinburgh: Oliver & Boyd; 1925.
  2. Armstrong RA. Wann sollte die Bonferroni-Korrektur angewendet werden? Ophthalmologische Physiologie Opt. 2014;34(5):502–508. PMID 24697967.
  3. Greenland S, Senn SJ, Rothman KJ, et al. Statistische Tests, p-Werte, Konfidenzintervalle und Teststärke: Ein Leitfaden zu Fehlinterpretationen. Eur J Epidemiol. 2016;31(4):337–350. PMID 27209009.

Benötigen Sie diese Analyse für Ihr Manuskript?

Unsere promovierten Biostatistiker führen Ihre ANOVA durch, prüfen die Annahmen, wenden die richtige Post-hoc-Korrektur an und liefern Ihnen publikationsfertige Tabellen mit reproduzierbaren R-Ausgaben.

Holen Sie sich fachkundige statistische Hilfe