Ich bin etwas verzweifelt, vielleicht könnte mir ja jemand helfen.
Ich möchte eine ANOVA mit Messwiederholung rechnen. Ich habe ein 2x2 within-subject Design. Die abhängige Variable ist Vertrauen. Ich habe zwei Innersubjectfaktoren: Sachlichkeit mit den zwei Faktorstufen hoch und niedrig sowie den Innersubjectfaktor Bild mit den zwei Stufen vorhanden und nicht vorhanden. Daraus ergeben sich 4 Bedingungen. Außerdem habe ich die Kovariaten Alter und Geschlecht. Zur Berechnung habe ich folgenden Code in R genutzt: Modell <- aov(Vertrauen ~ Sachlichkeit * Bild + Geschlecht + Alter + Error(ID/(Sachlichkeit*Bild)), data = data_long)
summary(Modell)
Nun möchte ich diese ANOVA mit geplanten Kontrasten rechnen, meine Hypothesen lauten:
H1: Texte mit geringer Sachlichkeit werden als signifikant glaubwürdiger bewertet als Texte mit hoher Sachlichkeit.
H2: Texte mit Bildern werden als signifikant vertrauenswürdiger bewertet als Texte ohne Bild.
H3: Texte mit hoher Sachlichkeit und mit Bild werden als signifikant vertrauenswürdiger beurteilt als Reviews mit hoher Sachlichkeit und ohne Bild.
Der Unterschied in der Beurteilung der Vertrauenswürdigkeit mit niedriger Sachlichkeit und mit Bild sowie Texten mit niedriger Sachlichkeit und ohne Bild ist signifikant geringer als in der Bedingung mit hoher Sachlichkeit.
Ich möchte also Wissen, ob sich beim Vergleich von einzelnen Gruppen mithilfe von geplanten Kontrasten eine statistisch signifikante Differenz zwischen Texten ohne Bild (Spalte: Bild = 0) und niedriger Sachlichkeit (Spalte: Sachlichkeit = 0) sowie ohne Bild (Spalte: Bild = 0) und hoher Sachlichkeit (Spalte: Sachlichkeit = 1) zeigt und wie viel durchschnittliche Differenz diese beträgt. Außerdem möchte ich wissen, ob es eine statistisch signifikante Differenz zwischen Texten mit Bild (Spalte: Bild = 1) und niedriger Sachlichkeit (Spalte: Sachlichkeit = 0) und mit Bild (Spalte: Bild = 1) und hoher Sachlichkeit (Spalte: Sachlichkeit = 1) gibt.
Wie könnte ich das in R berechnen? Falls mir jemand helfen könnte, wäre ich sehr dankbar!