Titlebar

Bibliografische Daten exportieren
Literatur vom gleichen Autor
plus auf ERef Bayreuth
plus bei Google Scholar

 

Mehrebenenanalyse oder Varianzanalyse? : Ein simulationsbasierter Vergleich von Verfahren zur Auswertung pädagogisch-psychologischer Experimente

Titelangaben

Schoppek, Wolfgang:
Mehrebenenanalyse oder Varianzanalyse? : Ein simulationsbasierter Vergleich von Verfahren zur Auswertung pädagogisch-psychologischer Experimente.
Universität Bayreuth
In: Zeitschrift für Entwicklungspsychologie und pädagogische Psychologie. Bd. 47 (2015) Heft 4 . - S. 199-209.
ISSN 0049-8637
DOI: https://doi.org/10.1026/0049-8637/a000136

Abstract

Wer Experimente in Schulklassen durchführt, hat mit hierarchisch strukturierten Daten zu tun, was Mehrebenenanalysen nahelegt. Meist sind solche Experimente so aufwändig, dass die für hierarchisch lineare Modelle üblichen Stichprobengrößen nicht zu erreichen sind. Wenn man an Vorhersagen auf Klassenebene nicht interessiert ist, bieten sich alternativ Varianzanalysen an, die die Klasse als Faktor einbeziehen. In einer Simulationsstudie wurden die Äquivalenz, die Reaktion auf variierte Rahmenbedingungen und die Genauigkeit der Parameterschätzungen der beiden Verfahren geprüft. Dazu wurden acht mal 1000 Datensätze simuliert, die sich
systematisch in der Anzahl der Klassen, der Balance der Klassengrößen und der Intraklassenkorrelation unterschieden. Die Datensätze wurden mit hierarchischen Regressionsanalysen nach dem random-intercept Modell und mit Varianzanalysen ausgewertet und die Ergebnisse verglichen. Es zeigte sich, dass die Teststrke der beiden Methoden praktisch gleich ist, dass die Rahmenbedingungen sich nur schwach auswirken und dass die hierarchische Regressionsanalyse die Modellparameter bei Datensätzen einer Größe von zehn Klassen befriedigend reproduziert.

Abstract in weiterer Sprache

When conducting experiments in schools, one has to deal with hierarchically nested data, suggesting the use of multilevel analyses. Often, such experiments are costly, so that the usual sample sizes for hierarchical linear modeling cannot be accomplished. If one is not interested in predictions on the class level, the data might alternatively be analyzed with ANOVA, including class as a factor. In a simulation study, we investigated the equivalence of these methods with respect to statistical power, sensitivity to varied basic conditions, and accuracy of parameter estimation. In all, 8,000 datasets, varying systematically in the number of classes, balance of class sizes, and intraclass correlation, were simulated. The datasets were analyzed using a hierarchical random intercept model and with ANOVA. We found that both methods were equal in power and the effects of varying basic conditions were weak. Hierarchical linear models of datasets consisting of 10 classes reproduced the simulated population parameters well.

Weitere Angaben

Publikationsform: Artikel in einer Zeitschrift
Begutachteter Beitrag: Ja
Keywords: hierarchical linear modeling; ANOVA; comparison of methods
Institutionen der Universität: Fakultäten > Kulturwissenschaftliche Fakultät > Lehrstuhl Psychologie > Lehrstuhl Psychologie - Univ.-Prof. Dr. Carlos Kölbl
Fakultäten
Fakultäten > Kulturwissenschaftliche Fakultät
Fakultäten > Kulturwissenschaftliche Fakultät > Lehrstuhl Psychologie
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 100 Philosophie und Psychologie > 150 Psychologie
Eingestellt am: 09 Nov 2015 07:58
Letzte Änderung: 10 Mär 2016 09:47
URI: https://eref.uni-bayreuth.de/id/eprint/20488