4 faktorielle gemischte ANOVA - oder was?

Bastel hier gerade an dem Vortrag für K2 und versuche dabei, völlig ohne tieferen Sinn, genau zu verstehen wie da genau statistisch ausgewertet wurde. Im Prinzip läuft es auf eine weitere "Du hast ein paar Werte, nun rekonstruiere einen weiteren" Aufgabe hinaus.
Nur, dass diesmal nicht ein trotteliger Forscher Kaffe über seinen Mist gekippt hat, sondern die Werte im Paper schlicht nicht drinstehen.
Aber zunächst mal zu Problem Nr.1:

To analyze the questionnaire data, we conducted a mixed ANOVA on two within-subjects factors (pre-interaction/
post-interaction and warmth/competence) and two between-subjects factors (status and competition).

Wenn ich das richtig verstehe handelt sich hier um eine 4 faktorielle ANOVA mit 2 within und 2 between subjects Faktoren (außerdem werden auch 2 AVs erfasst, siehe später im Text).
Within Faktoren:

Faktor 1 / Stufe 1: Prätest
Faktor 1 / Stufe 2: Posttest

Faktor 2 ist mir unklar. Wärme und Kompetenz sind die beiden AVs und außerdem jeweils kontinuierlich. Wie können diese beiden AVs gleichzeitig auch die beiden Stufen einer UV bilden?

Between Faktoren:

Faktor 3 / Stufe 1: Status hoch
Faktor 3 / Stufe 2: Status niedrig

Faktor 4 / Stufe 1: Wettbewerb
Faktor 4 / Stufe 2: Kooperation

Also in Worten: Jeder der 46 Teilnehmer hat am Prä- und am Posttest und seine Werte wurden parallelisiert. Für die Studie selbst wurden die 46 Teilnehmer in 4 Gruppen mit unterschiedlichen Bedingungen aufgeteilt. Und irgend wie waren alle auch warm und kompetent. Wärme und Kompetenz wurden als Rating über eine andere Person aber auch als AV erfasst?

Zum Ergebnis:

These analyses revealed a theoretically uninteresting main effect for pre-interaction versus post-interaction judgments, F(1, 40)=7.83, p<.05, etta (quadrat)=.16, such that participants rated the target more positively overall before the interaction (M=6.03) than after (M=5.79).
More important, the analysis also yielded the predicted two-way interaction between competition and perceived
warmth–competence, such that cooperative targets received high warmth ratings (M=6.33), F(1, 42)=7.55, p<.05,
etta(quadrat)=.16, while competitive targets received low ones (M=5.52); competence ratings for both cooperation and
competition showed no difference (respectively, M=5.86 and 6.22). Examined separately, the pre-interaction data alone
also show this effect: Consistent with our hypotheses, targets in the competitive condition were rated as less warm than
those in the cooperative condition (respectively, M=5.51 vs. M=6.31), F(1,42)=7.45, p<.05, etta(quadrat)=.15.

Auch wenn das genaue Vorgehen bei dieser ANOVA mir nicht so ganz klar werden will (vor allem weil ich den einen Faktor nicht verstehe (hier in orange: Wärme und Kompetenz als AV) und man sich eine 4 fatorielle ANOVA wohl auch nur noch schwer bildlich vorstellen), sind die Ergebnisse recht einleuchtend und klar wie ich finde.

Jetzt, nach all dem unnötigen Hirngewichse, zum eigentlichen Problem:
Ich möchte für meine "wunderschönen" Grafiken ein paar Fehlerbalken. Also wie rekonstruiere ich die Streuung, wenn ich nur ein etta(quadrat), einen F-Wert, die Freiheitsgrade und einen Mittelwert habe?

These analyses revealed a theoretically uninteresting main effect for pre-interaction versus post-interaction judgments, F(1, 40)=7.83, p<.05, etta (quadrat)=.16, such that participants rated the target more positively overall before the interaction (M=6.03) than after (M=5.79).

Nehmen wir dieses Ergbenis als Beispiel:
etta(quadrat)= QSA/QStot -> 0.16= QSA/QStot
F= MQSA/MQSE -> 7.83= MQSA/MQSE -> 7.83=QSA/1 / QSE/40
nüa= 1
nüe= 40 (wie kommt das bei einem N=46 zustande?)
Und jetzt kommen wir zurück auf Problem 1: QStot= QSA+QSE oder QSA+QSB+QSC+QSD+Wechselwirkungen+QSE oder irgendwie noch: QSzw. Blöcken und QSinnerhlab Blöcken mit drin?

Denn wenn man weiß wie sich das QStot zusammensetzt, kann man ja evtl. über die bekannten Zusammenhänge (etta(quadrat) und F), QStot und so die Streuung rekonsturieren.
Aber evtl. gibt es ja eine viel einfachere Lösung und ich sehe sie bloß nicht.

Ich werde selbst noch etwas weiterkombinieren aber evtl. hat ja jmnd. eine zündende Idee.

also ich blick auch nicht ganz durch, teilweise weil es sich um inhaltliche fragen handelt, die man ohne den text schlecht lösen kann

nur ein paar worte zur aufteilung der QS_tot allgemein: QS_tot wird immer aufgeteilt in zwischen Blöcke/innerhalb Blöcke. das ist das grundprinzip:
QS_tot = QS_between + QS_within
jetzt muss man sich überlegen, welcher effekt wo hingehört, dort wird auch dann QS_between/within ersetzt. wechselwirkungen zählen immer als within, sobald ein einziger beteiligter faktor within ist.
hier:
QS_between = F3 + F4 + F3*F4 (Faktoren 3 und 4 sowei WW sind between)
QS_within=F1 + F2 + F1*F2 + F1*F2*F3 +F1*F2*F4 usw. (F1,F2 und restliche WWs alle within)

ich weiß nicht, ob man damit wirklich auf die streuung kommt. das problem ist ja auch, dass in den verschiedenne F-tests verschiede Fehler-MQS verwendet werden (je nachdem ob es ein between test ist oder ein within test..... ich glaube, dass es auch innerhalb der ganzen within tests nochmal unterschiede gibt, was man als MQS_E nimmt (je nachdem ob man WW testet oder nur F1)..... wie auch immer, ich hab keine idee, wie das einfach gehen sollte. (aber evtl überseh ich auch was)

achja, und dann noch ein mögliches problem: man kann in ANOVAS bewusst bestimmte QS rauslassen aus seinem modell, wenn man sie sowieso nicht testen will und annimmt, dass sie nicht wichtig sind (es wäre dann kein saturiertes/gesättigtes modell mehr)..... dann hat man mehr df für die Fehler. wieso sollte man manchmal auch eine 4-fach Interaktion testen? (oder haben die das gemacht?) ..... du siehst, man kann es beliebig anpassen/verkomplizieren.... und da hinterher was zu rekonstruieren kann schwer/unmöglich werden.


lösung: verzichte auf die fehlerbalken und mach nette signifikanz-sternchen dran oder so ^^

daniel schrieb:
ich weiß nicht, ob man damit wirklich auf die streuung kommt. das problem ist ja auch, dass in den verschiedenne F-tests verschiede Fehler-MQS verwendet werden (je nachdem ob es ein between test ist oder ein within test..... ich glaube, dass es auch innerhalb der ganzen within tests nochmal unterschiede gibt, was man als MQS_E nimmt (je nachdem ob man WW testet oder nur F1)..... wie auch immer, ich hab keine idee, wie das einfach gehen sollte. (aber evtl überseh ich auch was)

Deswegen wollte ich ja quasi exakt nachvollziehen was für eine Art ANOVA hier gemacht wurde dann zu rekonstruieren wie sich das MQSE und MQStot zumsammensetzt um so dann u.U. die Streuung rekonstruieren zu können.
Aber ich bin auch nicht wirklich wietergekommen und werde deswegen wohl einfach, wie aucbn von dir vorgeschlagen, auf die Fehlerbalken verzichten.
Wäre einfach mal befriedigend gewesen, das ganze üben von Datenrekonstruktion (was ja sehr beliebte Kalusur und Tut Aufgaben sind), sinnvoll anzuwenden.
Evtl. werde ich mich bei Zeit und Lust nochmal dranstzten und alles noch genauer aufdröseln....

P.S.: Danke natürlich trotzdem für die Antowort.

das problem bei dieser ANOVA ist, dass within/between Faktoren gemischt vorkommen. Das wird im 3. Semester nochmal genauer in C1 behandelt (unter dem Thema random effects / fixed effects).
wie du siehst kann ich dir auch nicht auf anhieb alle nötigen QS und df angeben (zumal weiterhin das problem bleibt, dass evtl nicht alle möglichen WWs aufgenommen wurden ins Modell).

ihr müsst auch keine solchen gemischten Modelle können (auch wenn es natürlich nicht schlecht ist, eine Grundvorstellung davon zu haben)
Gruß, Daniel