Wann müssen Sie diesen Test möglicherweise verwenden? (Fortsetzung…)
Ein zweites Studiendesign besteht darin, eine Gruppe von Individuen zu rekrutieren und sie dann auf der Grundlage einer unabhängigen Variable in Gruppen aufzuteilen. Auch hier wird jedes Individuum nur einer Gruppe zugewiesen. Diese unabhängige Variable wird manchmal auch als attributunabhängige Variable bezeichnet, weil man die Gruppe aufgrund eines Attributs aufteilt, das sie besitzt (z.B. ihr Bildungsniveau; jedes Individuum hat ein Bildungsniveau, auch wenn es „keines“ ist). Jede Gruppe wird dann an der gleichen abhängigen Variable gemessen, nachdem sie die gleiche Aufgabe oder Bedingung (oder gar keine) durchlaufen hat. Zum Beispiel ist ein Forscher daran interessiert, festzustellen, ob es Unterschiede in der Beinkraft zwischen Amateur-, semiprofessionellen und professionellen Rugbyspielern gibt. Die an einer isokinetischen Maschine gemessene Kraft/Kraft ist die abhängige Variable. Diese Art von Studiendesign ist in der folgenden Abbildung schematisch dargestellt:
Warum vergleicht man die Gruppen nicht mit mehreren t-Tests?
Bei der Durchführung eines t-Tests besteht immer die Chance, dass ein Fehler vom Typ I auftritt. Dieser Fehler liegt normalerweise bei 5%. Wenn Sie zwei t-Tests mit denselben Daten durchführen, erhöht sich die Chance, einen Fehler zu machen, auf 10 %. Die Formel zur Bestimmung der neuen Fehlerrate für mehrere t-Tests ist nicht so einfach wie die Multiplikation von 5% mit der Anzahl der Tests. Wenn Sie jedoch nur einige wenige Mehrfachvergleiche durchführen, sind die Ergebnisse sehr ähnlich, wenn Sie dies tun. So wären drei t-Tests 15% (eigentlich 14,3%) und so weiter. Dies sind inakzeptable Fehler. Eine ANOVA kontrolliert diese Fehler, so dass der Fehler vom Typ I bei 5 % bleibt und Sie mehr Vertrauen haben können, dass jedes statistisch signifikante Ergebnis, das Sie finden, nicht nur auf die Durchführung vieler Tests zurückzuführen ist. Weitere Informationen zu Fehlern vom Typ I finden Sie in unserem Leitfaden zu Hypothesentests.