1. Einflussreiche Datenpunkte (Extremwerte, Ausreißer) können die Effektschätzung verzerren. Diese lassen sich zum Beispiel mithilfe eines Boxplots ausfindig machen. Wenn die Ausreißerwerte recht sicher "falsch" sind (z.B. eine Reaktionszeit von 20ms; jemand gibt an, 300 Jahre alt zu sein; eine Person, die im ganzen Fragebogen durchweg bei allen Fragen den Wert 5 angekreuzt hat...) sollten diese Werte generell ausgeschlossen werden. Bei anderen einflussreichen Datenpunkten sollte man idealerweise das Modell einmal mit und einmal ohne die Datenpunkte berechnen und berichten (ggf. verkürzt in der Art "Das Ergebnismuster änderte sich nicht unter Ausschluss der einflussreichen Datenpunkte"). Darüber hinaus gibt es auch ANOVAs mit trimmed means, die z.B. die äußeren 10% der Verteilung der aV (üblicherweise auf beiden Seiten 10%!) für die Analyse nicht berücksichtigen und damit robust gegen Ausreißerwerte sind (z.B. im R package WRS2 implementiert). 
  1. Ungleiche Zellenbesetzung (Unbalanciertheit). ANOVAs können mit einem gewissen Maß an zufälliger Unbalanciertheit (siehe ANOVA Vokabeln) umgehen. Wenn allerdings eine Zelle gar nicht besetzt ist kommt es zu Schätzproblemen. 

Zuletzt geändert: Mittwoch, 11. Dezember 2024, 10:53
Zurück zu 'Hinweise zur konkreten Umsetzung'