ANOVA / Varianzanalyse
ANOVA / Varianzanalyse, Anleitung
Die ANOVA (Analysis of Variance, Varianzanalyse) vergleicht Mittelwerte von drei oder mehr Gruppen. Sie ist die Erweiterung des t-Tests, der nur zwei Gruppen vergleicht. In der Bachelor- und Masterarbeit ist die einfaktorielle ANOVA Standard, z. B. „Unterscheidet sich die Selbsteinschätzung des Lernerfolgs zwischen drei Studiengängen?".
Einfaktorielle vs. mehrfaktorielle ANOVA
- Einfaktoriell: Eine unabhängige Variable mit mehreren Stufen (z. B. Studiengang).
- Zweifaktoriell: Zwei unabhängige Variablen, ggf. Interaktion (z. B. Studiengang × Geschlecht).
- MANOVA: Mehrere abhängige Variablen gleichzeitig.
- Mit Messwiederholung: Dieselben Personen mehrfach gemessen (z. B. vor/nach Intervention).
Voraussetzungen
- Abhängige Variable intervall- oder verhältnisskaliert.
- Normalverteilung in jeder Gruppe (kann bei großen Stichproben relaxiert werden).
- Varianzhomogenität (ähnliche SD in allen Gruppen), mit Levene-Test prüfen.
- Unabhängigkeit der Beobachtungen.
SPSS: Einfaktorielle ANOVA
- Analysieren → Mittelwerte vergleichen → Einfaktorielle ANOVA.
- Abhängige Variable und Faktor (Gruppenvariable) auswählen.
- Bei Optionen: Deskriptive Statistik und Levene-Test ankreuzen.
- Bei Post-hoc: Bonferroni oder Tukey wählen.
- OK klicken.
R: Einfaktorielle ANOVA
modell <- aov(Lernerfolg ~ Studiengang, data = daten)
summary(modell)
# Post-hoc Tukey
TukeyHSD(modell)
Bericht in der Arbeit
„Es zeigte sich ein signifikanter Studiengang-Effekt auf die Selbsteinschätzung des Lernerfolgs, F(2, 237) = 4.82, p = 0.009, η² = 0.04. Post-hoc-Tests (Bonferroni) zeigten signifikante Unterschiede zwischen Studiengang A (M = 4.12, SD = 0.78) und Studiengang C (M = 4.45, SD = 0.71, p = 0.012). Der Unterschied zwischen Studiengang A und B war nicht signifikant (p = 0.18)."
Format: F-Wert mit Freiheitsgraden (Zähler, Nenner), p-Wert, Effektstärke (η² oder partielles η²).
Post-hoc-Tests
Eine signifikante ANOVA sagt nur: „Mindestens zwei Gruppen unterscheiden sich". Welche, sagen Post-hoc-Tests:
- Bonferroni, konservativ, kontrolliert die Familie der Vergleiche streng.
- Tukey HSD, etwas weniger konservativ, beliebt bei vielen Gruppen.
- Scheffé, am konservativsten, gut bei explorativer Analyse.
Was, wenn Voraussetzungen verletzt sind?
- Keine Normalverteilung: Kruskal-Wallis-Test als nicht-parametrische Alternative.
- Keine Varianzhomogenität: Welch-ANOVA verwenden.
- Stark schiefe Verteilung: Daten transformieren (z. B. Logarithmus).
Häufige Fehler
- Mehrere t-Tests statt ANOVA, erhöht falsch positive Rate.
- Effektstärke vergessen.
- Voraussetzungen nicht geprüft (Levene-Test fehlt).
- Post-hoc-Tests übersprungen, ANOVA allein sagt nicht, welche Gruppen sich unterscheiden.
Mehr typische Stolperfallen findest du in unserem Beitrag zu häufigen Fehlern in Bachelorarbeit und Masterarbeit. Im Lektorat wird die formale Berichtsweise von ANOVA-Ergebnissen geprüft.
Mehrfaktorielle Modelle und Wechselwirkungen
Kommen zwei Faktoren ins Modell, interessiert neben den Haupteffekten vor allem die Wechselwirkung: Wirkt Faktor A anders, je nachdem, welche Stufe von B vorliegt? Ist die Wechselwirkung signifikant, sind die Haupteffekte allein nicht mehr sinnvoll zu deuten.
Berichte in diesem Fall die einfachen Haupteffekte getrennt nach den Stufen des anderen Faktors und stelle die Wechselwirkung grafisch dar. Zwei sich kreuzende Linien erklären den Befund schneller als drei Absätze Text.
Voraussetzungen und was bei Verletzung hilft
Die einfaktorielle Varianzanalyse setzt unabhängige Beobachtungen, annähernd normalverteilte Residuen und Varianzhomogenität voraus. Die Homogenität prüfst du üblicherweise mit dem Levene-Test.
Ist die Varianzhomogenität verletzt, ist das kein Abbruchgrund: Die Welch-Korrektur ist dafür gemacht und wird von den gängigen Programmen mitgeliefert. Bei deutlich schiefen Verteilungen ist der Kruskal-Wallis-Test die nichtparametrische Alternative. Wichtig ist, dass die Entscheidung im Methodenteil begründet steht.
Nach dem signifikanten Ergebnis: Post-hoc-Tests
Eine signifikante ANOVA sagt nur, dass sich mindestens zwei Gruppen unterscheiden, nicht welche. Erst Post-hoc-Tests zeigen die Paarvergleiche, etwa Tukey bei gleichen Gruppengrößen oder Games-Howell bei ungleichen Varianzen.
Berichte zusätzlich ein Effektmaß, üblich ist partielles Eta-Quadrat. Ohne Effektmaß bleibt offen, ob ein signifikanter Unterschied auch praktisch bedeutsam ist. Bei großen Stichproben ist diese Frage entscheidender als der p-Wert.
