VO Ausgewählte Methoden | Karteikarten online lernen

Alle Oberthemen / Psychologie / Statistik

VO Ausgewählte Methoden (175 Karten)

Sag Danke

96
Kartenlink

Was misst das Cohens d?

Standardisierte Effektgröße

Cohens d relevant für alle Mittelwertsvergleiche zwischen zwei

(unabhängigen oder abhängigen) Gruppen

Kann aus Gruppenmittelwerten, Standardabweichungen und ns oder aus der t-Statistik des t-Test berechnet werden (wird nicht von SPSS ausgegeben)

Cohens d gibt den Abstand zweier Verteilungen in Einheiten ihrer
gemeinsamen Standardabweichung an

Annahmen: Normalverteilung, Homogenität der Varianzen (t-Test !!!)

Tags: Cohens d, Effektgröße
Quelle: VO06

97
Kartenlink

Was sind die Annahmen für Cohens d?
Wie wird Cohens d für abhängige bzw. unabhängige Stichproben berechnet?

Annahmen: Normalverteilung, Homogenität der Varianzen (t-Test !!!)

Cohens d gibt den Abstand zweier Verteilungen in Einheiten ihrer
gemeinsamen Standardabweichung an

Tags: Cohens d, Effektgröße
Quelle: VO06

98
Kartenlink

Wann spricht man bei Cohens d von einem kleinen, mittleren oder großen Effekt?

Faustregeln und Richtlinien zur Einschätzung der Größe eines Effekts (Cohen, 1988)

Tags: Cohens d, Effektgröße
Quelle: VO06

99
Kartenlink

Wie erfolgt die Berechnung des Cohens d für folgendes Beispiel - Welche Berechnungsschritte sind notwendig?

- Was bedeutet ein Ergebnis vom Cohens d von 1.83?

Standardabweichung wird auf das gleiche Maß gebracht und diese werden dann verglichen.

Analyse (t-Test für abhängige Daten) hat gezeigt, dass Veränderung hochsignifikant war – Größe des Effekts?
- Unserer Effekt war signifikant – aber wie groß ist denn der Effekt?
- Korrelation von 0,66 – Pre- und Post-Testwerte
- T-Wert und N wird zur Berechnung noch benötigt.

Dann muss die Berechnung des Cohens d manuell durchgeführt werden (in SPSS ist das Cohens d nicht implementiert.)

1,83 – sehr großer Effekt / auch 1,51 ist noch ein sehr großer Effekt.
Um keine Über – oder Unterschätzungen von Effekten zu haben, sollte die Formel mit den unabhängigen Designs verwendet werden.

Tags: Cohens d, Effektgröße
Quelle: VO06

100
Kartenlink

Welchen Einfluss hat r auf die Berechnung des Cohens d?

Wenn r > .5, ist d der Differenzwerte größer als d in Metrik unabhängiger Stichproben (bei r = .5 idente Ergebnisse; ansonsten kleiner)

Beispiel:

In Messwiederholungsdesigns sollte d in der Metrik unabhängiger Stichproben berechnet werden (vgl. Dunlap et al., 1996) ansonsten droht Über- oder Unterschätzung von Effekten und Vergleiche mit Untersuchungen mit unabhängigen Designs (VG vs. KG) werden erschwert

Tags: Cohens d, Effektgröße
Quelle: VO06

101
Kartenlink

Welche anderen Indizes werden ähnlich berechnet wie Cohens d?

Neben Cohens d existieren noch weitere verwandte Indizes, die ähnlich berechnet werden: z.B. Hedges g, Glass Δ.
- Cohens d vermutlich am meisten verwendet

Tags: Cohens d, Effektgröße
Quelle: VO06

103
Kartenlink

Wie ist der Zusammenhang zwischen r und d?

r kann zudem in Cohens d umgerechnet werden und umgekehrt

Korrelative Herangehensweise und die Analyse von Mittelwertsunterschieden im allgemeinen linearen Modell (ALM) eigentlich dasselbe

(Hintergrund: Korrelationen (Zusammenhangshypothese) können als Mittelwertsunterschiede (Unterschiedshypothese) formuliert werden und umgekehrt)

Tags: Cohens d, Effektgröße, r
Quelle: VO06

104
Kartenlink

Wann spricht man bei r von einem kleinen, mittleren oder großen Effekt?

Faustregeln und Richtlinien zur Einschätzung der Größe eines Effekts: Cohen (1988), Lipsey und Wilson (2001)

Lipsey und Wilson (2001) argumentieren, dass Angaben Cohens nicht korrekt - Umrechnung von d nach r ergibt Benchmarks von .10, .24, .37
Um konsistent zu sein, können auch schon kleinere Koeffizienten als von Cohen angenommen für mittlere und große Effekte stehen

Tags: Cohens d, Effektgröße, r
Quelle: VO06

113
Kartenlink

Zur Frage:
Wie groß sind Prä/Post-Differenzen, wie stark unterscheiden sich die Gruppen zu T1 und T2?

Was muss untersucht werden?
Was zeigen die SPSS Ausdrucke?

Betrachtet werden Eta2 als auch Cohens d.

Zu 1. SPSS Ausdruck - Tests der Innersubjekteffekte:
Partielles Eta2: addiert sich nicht auf 100% (> 100%) !
Zeit 87% der Varianz, Wechselwirkung 32%
Eta2 :
QSTotal_Innersubjekt = QSZeit + QSZeit * Behandlung + QSFehler(Zeit) = 11873.699
Zeit 82%, Wechselwirkung 6% (Wenn man auf die Partialisierung verzichtet hat man nur mehr ein Fünftel des Effekts!)

Zu 2. SPSS Ausdruck - Tests der Zwischensubjekteffekte:
Partielles Eta2: Behandlung 3% der Varianz
Eta2 :
QSTotal_Zwischensubjekt = QSBehandlung + QSFehler = 6012.600
Behandlung 3%
Partielles Eta2 und Eta2 sind hier wieder ident (nur ein Faktor in den Zwischensubjekteffekten)

Cohens d (berechnet mittels t-Tests):
Um die Effektivität der beiden Behandlungsarten im Pre-Post zu betrachten. Cohens d ist anschaulicher als Eta.

Baseline-Testung CBT vs. CBT + Med: d = -0.37 (p = .057)
Post-Testung CBT vs. CBT + Med: d = 0.78 (p < .001)
CBT Prä/Post: d = 1.51 (p < .001) (Starker Effekt)
CBT + Med Prä/Post: d = 2.74 (p < .001) (fast um 3-fache Standardabweichung besseres Ergebnis)

Effekt Prä/Post in CBT + Med deutlich größer als in CBT allein

Tags: Cohens d, Effektgröße, Eta, partielle Eta
Quelle: VO07

114
Kartenlink

Inwiefern können OR und RR als Effektmaße verwendet werden?
Inwiefern können diese in andere Effektmaße überführt werden?

OR und RR können ebenfalls als Effektmaße herangezogen werden
Sie erlauben direkte Quantifizierung der Größe von Zusammenhängen und sind auch direkt anschaulich
OR: Faktor, um den sich die Chancen eines Ereignisses in einer Gruppe gegenüber einer anderen Gruppe erhöhen/erniedrigen
RR: Faktor, um den die Auftrittswahrscheinlichkeit (Inzidenz) eines Ereignisses durch Vorhandensein eines Risikofaktors erhöht/erniedrigt wird
d, r und OR können ineinander umgerechnet werden - Anschaulichmachung kleiner/mittlerer/großer Effekte

OR und d

Faustregeln zur Einschätzung der Größe eines Effekts (Cohen, 1988) gemäß der Umrechnung von d zu OR

Referenzwerte nur für dichotome Variablen gut anwendbar
In logistischer Regression ist ebenso OR das Zusammenhangs- und Effektmaß - obige Referenzwerte sind für kontinuierliche Prädiktoren nicht geeignet

RR und NNT

RR kann nicht wie OR umgerechnet werden
NNT = Anzahl jener Patienten, die mit Behandlung A behandelt werden müssen, damit gegenüber Behandlung B ein Patient mehr das gewünschte Therapieziel erreicht (komparative Maßzahl)

Tags: Cohens d, Effektgröße, NNT, odds ratio, risk ratio
Quelle: VO07