STATISTIK-FORUM.de

[Impostor]

Hallo liebe Forengemeinde!

Ich habe meinen VPn hintereinander 4 Abbildungen gezeigt. Zwei davon basaßen eine negative, zwei eine positive Valenz. Zu jeder Abbildung wurden die VPn zu zwei unterschiedlichen Konstrukten befragt (K1, K2). Darüber hinaus waren die VPn zwei unterschiedlichen Gruppen zugeordnet.

Meine Hypothesen lauten:
1) Die Zuteilung zur Gruppe wirkt sich auf die Bewertung von K1, aber nicht auf die von K2 aus.
2) Die Valenz der Bilder hat keinen Einfluss auf die Beurteilung von K1.

Logischerweise müsste das Modell ja folgende within-subjects-Faktoren bekommen:
Measures (2 Stufen, K1 und K2)
Obj_Valenz (2 Stufen)
...aber wie bekomme ich jetzt unter, dass es ja insgesamt 4 Abbildungen waren, die meine VPn gesehen haben?

Wenn ich einen weiteren within-subjects-Fator mit zwei Stufen einführe, dann komme ich sozusagen auf die gesuchte Anzahl von within-subjects-Variablen, aber ich versteh gerade nicht, was dieser weitere Faktor mir inhaltlich sagen sollte. Also ja, meine vier Abbildungen könnte ich ja mathematisch auch so darstellen: 2 x 2(Valenz: positiv + negativ) = 2 positive Abbildungen und 2 negative Abbildungen. Aber trotzdem habe ich ein Brett vor dem Kopf.

Darüber hinaus wüsste ich dann nicht, was im Output mir dann verrät, ob es eine IA zwischen dem Zwischengruppen-Faktor und den Abbildungen gegeben hat. Wäre das dann die IA aus dem ominösen zusätzlichen Faktor?

Ich hoffe, ich konnte mein Problem einigermaßen verständlich machen. Über einen Rat wäre ich sehr dankbar!

VG Impostor

[bele]

Hallo Impostor,

...aber wie bekomme ich jetzt unter, dass es ja insgesamt 4 Abbildungen waren, die meine VPn gesehen haben?

Wenn ich einen weiteren within-subjects-Fator mit zwei Stufen einführe, dann komme ich sozusagen auf die gesuchte Anzahl von within-subjects-Variablen, aber ich versteh gerade nicht, was dieser weitere Faktor mir inhaltlich sagen sollte.

Inhaltlich ist dieser Faktor nicht so wahnsinnig prickelnd. Man könnte den weiteren Faktor vielleicht als Indikator für einen Reihenfolgeeffekt bei der Bildpräsentation interpretieren, wenn man ihn entsprechend codiert. Letztlich ist es vielleicht auch gar nicht so wichtig, ob und was dieser Faktor inhaltlich bedeutet, solange er einfach nur nicht signifikant wird.

JMTC,
Bernhard

[PonderStibbons]

1) Die Zuteilung zur Gruppe wirkt sich auf die Bewertung von K1, aber nicht auf die von K2 aus.

Das sind zwei voneinander unabhängige Hypothesen und erfordern 2 getrennte Analysen.

Es sei denn, eigentlich ist etwas anderes gemeint (bspw. "der Gruppeneffekt ist bei K1 ein größer als bei K2").

2) Die Valenz der Bilder hat keinen Einfluss auf die Beurteilung von K1.

Das ist erneut eine Hypothese und Analyse allein für K1. Es sei denn, etwas anderes ist gemeint, das K2 mit einbezieht

VG

wtf

Mit freundlichen Grüßen

PonderStibbons

[Impostor]

Hi!

Vielen Dank für die Rückmeldungen!

Inhaltlich ist dieser Faktor nicht so wahnsinnig prickelnd. Man könnte den weiteren Faktor vielleicht als Indikator für einen Reihenfolgeeffekt bei der Bildpräsentation interpretieren, wenn man ihn entsprechend codiert. Letztlich ist es vielleicht auch gar nicht so wichtig, ob und was dieser Faktor inhaltlich bedeutet, solange er einfach nur nicht signifikant wird.

@bele: Aber grundsätzlich wäre das die Lösung, um die insgesamt 4 Stimuli abzubilden? So, wie ich den Faktor bislang eingespeist hatte, repräsentierte jede der beiden Stufen jeweils eine neutrale und eine positive Abbildung.

Das sind zwei voneinander unabhängige Hypothesen und erfordern 2 getrennte Analysen.

@PonderStibbons: Aber das ist doch eine Interaktionshypothese?

Das ist erneut eine Hypothese und Analyse allein für K1. Es sei denn, etwas anderes ist gemeint, das K2 miterinbezieht

@PonderStibbons: Das war auch meine Vermutung. Bleibt aber nach wie vor meine Frage danach, wie ich die vier Stimuli mit den zwei unterschiedlichen Valenzen einspeise.


VG Impostor

[Impostor]

Liebe Forengemeinde,

ich habe noch mal eine Frage zu diesem Versuchs, allerdings meiner ersten Hypothese: Die Zuteilung zur Gruppe wirkt sich auf die Bewertung von K1, aber nicht auf die von K2 aus.

Ich habe "trials" (vier Stufen, eine für jede Abbildung) sowie "measures" (K1 vs. K2) als within-subjects factors und condition (2 Stufen) als between-subjects factor in die Analyse eingespeist. Bei der Interpretation der Haupteffekte komme ich allerdings wegen diese letzten, kombinierten Variable ins Straucheln:

Der HE trials sagt mir, dass K1 und K2 unterschiedlich über die 4 Abbildungen beurteilt wurden.
Der HE measures hingegen sagt mir, dass sich die Beurteilung von K1 und K2 unterschieden?
Eine signifikante Interaktion aus measures und condition wiederum würde bedeuten, dass sich die Manipulation unterschiedlich auf die Bewertung von K1 und K2 ausgewirkt hätte, richtig?

Ich würde mich freuen, wenn mir jemand dabei helfen würde, die Verwirrung aufzulösen. Vielleicht hat ja jemand auch ein passendes Video parat, in dem das erklärt wird.

Vielen Dank im Voraus und viele Grüße

Impostor

[PonderStibbons]

Wechselwirkungen sind Differenzen von Differenzen. Wenn der Unterschied zwischen K1 und K2 auf den 2 Stufen von C unterschiedlich
groß ist, dann liegt eine Wechselwirkung vor. Oder umgekehrt betrachtet, wenn der Unterschied zwischen den beiden Stufen von C je
nach Vorliegen von K1 oder K2 unterschiedlich ist.

Mit freundlichen Grüßen

PonderStibbons