Kontrastkodierung

Hallo,
so noch eine letzte Frage (sorry dass ich hier alles zuspame ^^):

was ist bei der Kontrastkodierung der kritische Wert? irgendwie werde ich aus der Folie gar nicht schlau....

lg

der kritische wert lässt sich wie immer vom berechneten ableiten, indem man dessen freiheitsgrade nimmt:

F (df1=1 ; df2=nü_e ; 1-alpha)

ps: das forum ist zum schreiben gedacht, das passt schon ;-)

Halli hallo!

Wir haben in der Vorlesung viel über die Vorteile der Kontrastkodierung gesprochen.
Ich habe mich heute gefragt, ob die Kontrastkodierung auch Nachteile gegenüber den anderen Post-hoc-Tests (und der ANOVA) hat.
Könnte man nicht zum Beispiel argumentieren, dass es passieren kann das man einen vorhandenen Effekt übersieht, weil man einen falschen Kontrastvekor aufgestellt hat? Oder ist das kein Argument, weil das induktivistisch gedacht ist?

Viele Grüße!

also normalerweise werden immer nur vorteile besprochen.

du hast recht, wenn man sich ganz blöde kontraste nimmt, kann es sein dass man nichts findet im gegensatz zu einer ANOVA, aber normalerweise hat man ja hypothesen über den mittelwertsverlauf, die halbwegs stimmen und auf vorwissen aufbauen..... außerdem rechnet man ja normalerweise erst eine ANOVA; dort sieht man ja, ob es überhaupt einen effekt gibt.

achja, und man wird nicht mit multiplen t-tests (oder anderen post-hoc verfahren) effekte finden, die die kontrastkodierung nicht findet, da diese eine höhere teststärke hat (und somit einen effekt eher aufdeckt).

kontrastkodierungen haben also wirklich ne menge vorteile, und einen schlüssigen nachteil wüsst ich grad echt nicht.

... sehe das ebenso wie Daniel: um einen Kontrast so blöd zu wählen, dass man entgegen der ANOVA keinen Effekt findet muss man sich schon arg dumm anstellen. Zudem testen Programme wie SPSS (bei Systat weiß ich's nicht) meistens sowieso ganze Sets von Kontrasten auf einmal.

Merken: multiple t-tests sind böse (alpha Inflation und mit Bonferroni meist überkorrigiert),
Kontraste sind toll und haben wegen Zähler df= 1 die größte power.

VlG

Wobei die Kontrastkodierung nicht zu den post hoc- Tests zählt (bzgl."gegenüber den anderen post hoc Tests"), oder doch?

die Kontrastkodierung läuft unter der Bezeichnung "geplante Vergleiche".
Man kann sie sowohl a priori (also ohne zu wissen, ob die ANOVA signifikant wird)
als auch post hoc testen.

Erklärt das deine Frage?

Johanna schrieb:die Kontrastkodierung läuft unter der Bezeichnung "geplante Vergleiche".
Man kann sie sowohl a priori (also ohne zu wissen, ob die ANOVA signifikant wird)
als auch post hoc testen.

Erklärt das deine Frage?

Ging mir hauptsächlich darum unter welche Kategorie die Kontrastkodierung formal fällt.
Würde man es wirklich als post hoc bezeichnen wenn ich erst eine ANOVA rechne um zu schauen ob es einen globalen Effekt gibt und dann eine Kontrastkodeirung mache, da ich noch Annahmen über das erwartete Mittelwertsprofil habe?
Solange ich meine Kontrastkodierung auf theoretische Annahmen stütze (und sie nicht "böserweise" nach dem Quickgraph designt habe) ist das doch immernoch ein a priori Vorgehen.
In einer Konstellation in der nur eine Stufe des Faktors einen signifikanten Einfluss hat und alle anderen Stufen keinen Einfluss, könnte die Kontrastkoderiung durchaus Teststärker sein als die ANOVA. Was doch auch bedeutet, dass der Fall eintreten kann, dass die ANOVA nicht signifikant wird ( kein globaler Effekt), die Kontrastkoderiung aber schon.

Wagener Folien Block 6 Folie 16 schrieb: Neben den Post-hoc-Tests wie Scheffe oder HSD...

Ich würde daher behaupten: Wenn ich die Kontrastkodierung post-hoc verwende (also nachdem ich mir meinen Daten angeschaut habe) dann habe ich geHARKT und sie somit "missbräuchlich" verwendet.
Oder umgekehrt: Eine korrekte Anwendung der Kontrastkodierung ist immer a priori.

Oder was?

Hallo nochmal

Zur Bezeichnung:
Also wie gesagt fällt die KK nicht nur in die Kategorie der post-hoc-Tests, weil du sie -wie du richtig sagtest- auch ohne ANOVA rechnen kannst. Deshalb diese Bezeichnung geplanter Vergleich. Die KK ist ein eigenständiges Verfahren, was aber unter anderem eben auch als post-hoc Test nach der ANOVA gerechnet werden kann, wenn du einen spezifischen Mittelwertsverlauf auf Signifikanz testen willst. Denn die ANOVA sagt dir ja nur, dass sich die Gruppen sign. unterscheiden, aber nicht in welchem Muster.

Zur KK und ANOVA:
Ja, es kann sein, dass die ANOVA nicht signifikant wird, die KK aber schon (war z.B. bei meinem Expra so ). Man spricht dann davon, dass der Effekt auf dem "Trendlevel" signifikant wird. Heißt: du findest keinen globalen Effekt, aber da du spezifische Hypothesen über den Mittelwertsverlauf hast, findest du beim Testen mit KK durch deren enorme Teststärke auch schwächere Effekte. Dabei ist es auch egal, wieviele Stufen des Faktor einen Einfluss haben- heißt, du musst nicht zwangsweise eine Kategorie auf Null setzen oder so.

Zur Verwendung der KK:
Es ist meiner Erfahrung nach so, dass es in der Forscherwelt unüblich ist, eine KK zu machen ohne vorher die ANOVA zu rechnen. Denn es wird jeden Reviewer interessieren, ob du überhaupt einen globalen Effekt gefunden hast oder nur einen sehr kleinen Effekt in deinen Daten hast, den du eben nur mit sowas starkem wie der KK finden konntest. Deshalb auch die oben beschriebene Aussage "auf dem Trendlevel", die ja besagt: mit KK gab's einen Effekt, ansonsten nicht. Und das ist wissenschaftlich gesehen einer schwächere Aussage, als wenn man einen globalen Effekt findet.

Ich glaube daher, es ist kein Vergehen sich die Mittelwertsverläufe/ANOVA anzuschauen (und das wird auch jeder Forscher tun) und dann den Kontrast zu definieren. Wichtig ist nur, dass du inhaltlich erklären kannst, warum du das tust- also das muss schon mit deinen psychologischen Hypothesen zusammen passen. In der Praxis werden meist sogar ganze Sets von Kontrasten getestet und von daher ist das mit dem "Schummeln" wieder hinfällig, da in diesem Set eh die Standardkombinationen an Kontrasten alle ausprobiert werden und du letztlich einen Effekt dann auch findest, wenn es einen gibt.

Falls das dein Problem nicht löst, kann ich Herr Wagener gerne nochmal fragen, als was er die Kontrastkodierung bezeichnen würde. Ich denke aber auch, das ist wirklich ein Detail

VlG

immer grunde hast du mit allem was du gesagt hast recht:
- kontraste müssen/sollten apriori festgelegt werden
- sie können teststärker sein als die ANOVA selbst (man rechnet aber dennoch im allgemeinen eher vorher eine ANOVA)
- kontraste hinterher festlegen ist böse, sollte man nicht machen

soweit die theorie... woher jetzt forscher ihre kontraste in der praxis nehmen, das verraten sie nicht immer ^^ (leider sieht die wirklichkeit nicht so aus, wie wir sie beigebracht bekommen, zumindest sollte man vorsicht walten lassen.... traue keiner statistik, die du nicht selbst gefälscht hast )

achja, es gibt standardkontraste, die des öfteren vorkommen (lernt man in C1, zB lineare verläufe etc..... da kann es schon mal sein, dass man die testet, ohne dass man vorher haargenau aufschreibt, dass man sie testen will. ganz korrekt ists trotzdem nicht)

EDIT: mist zu spät, Johanna war schneller ^^

... aber gut, dass wir dasselbe gesagt haben^^ konvergierende Evidenz und so )
VlG

Vielen Dank für die ausführlichen Antworten.
Fand einfach, dass die Kontrastkodierung nicht die Würdigung erfährt, die sie verdient wenn sie immer in einem Atemzug mit den post-hoc Tests der Anova genannt wird.

Hey,

Johanna hat geschrieben
"Kontraste sind toll und haben wegen Zähler df= 1 die größte power"

Warum haben sie denn deshalb die größte Power? Bei mehr Zähler-df würde doch
das Fkrit kleiner werden und es wäre leichter das zu überschreiten und dadurch teststärker
oder ist das nicht so?

Liebe Grüße

mhh, bei mehr zähler-df wird der Fkrit größer --> 1 zähler-df ist also optimal...

ja, kleinerer zähler-df wird eher signifikant.... kann man sich anhand der formel herleiten/nachvollziehen
(auch allgemein bei faktoren, wenn man 2 statt 5 stufen hat)

Irgendwie bin ich jetzt verwirrt...
Wenn ich mir die F-Verteilungs-Tabelle anschaue, dann werden die Werte doch kleiner, je größer der Zähler ist.
Wieso wird denn dann das Fkrit kleiner?
Das liegt doch eher an der Kombination mit den größerwerdenden Nenner-df, oder?

also das berechnete F wird kleiner, wenn der zähler df steigt:
F_ber=(QS_A/nü_A) / (QS_E/nüE)
=> je größer nü_A, desto kleiner der F-wert.....

und kleinere F-werte werden eher schlechter signifikant, wobei : direkt kann man das so nicht ablesen, weil sich ja auch noch die F-krits ändern. wieso sie kleiner werden kann ich dir nicht sagen, aber dieses kleiner werden ist sehr gering.
aber soweit ich weiß ist es schwerer, einen signifikanten f wert zu erhalten, je mehr stufen man hat (kann man sich auch leicht vorstellen: bei zwei stufen müssen nur diese sich unterscheiden, um einen großen beitrag für QS_A zu leisten. um bei 5 stufen einen 5mal größere QS_A zu haben, müssen sich alle stufen sehr stark unterscheiden, was nicht immre sein muss... zB wenn man mehrere placebo-Kontrollgruppen hat)

und mit dem nenner-df hast du natürlich recht: je größer, desto besser (dann wird unseres berechnete F immer größer und das F_krit immer kleiner)

wird das so klar, worauf ich hinauswill?

ich hoffe ich verwirr dich jetzt nicht mehr, als ich helfe.....

Danke fürs nochmal erklären, du hast meine Verwirrung erfolgreich beseitigt!

Finds zwar immernoch seltsam, dass die Fs leicht kleiner werden, aber wenn das von den anderen Veränderungen übertrumpft wird, dann is ja ok.

Hallo,
ich habe noch eine Frage zu dem Systat Output bei Kontrastkodierung (Block 6, Folie 17)
Was beeutet diese A-Matrix mit 0, -3 und -3?

sorry, weiß ich auch nicht. ich hab mir damals in der vorlesung drangeschrieben "ignorieren"
ich nehme mal an, es wir inzwischen auch nicht wichtiger sein als vor 2 jahren, aber natürlich könnt ihr nochmal bei in der fragestunde nachfragen.
daniel

Ok, auch gut!

Ich hab nochmal eine Frage:
Kann ich eigentlich nur eine Hypothese mit Kontrasten testen oder gleich mehrere?

Also wenn mein Datensatz so aussieht: Treatment A, Treatment B, Treatment C, Kontrollgruppe

Kann ich dann einmal testen, ob Treatment besser als KG und mit einem neuen Kontrastvektor rechnen ob Treatment A besser als Treatment B? Und müssen diese Tests dann unabhängig sein oder so?

Superwoman schrieb:
Also wenn mein Datensatz so aussieht: Treatment A, Treatment B, Treatment C, Kontrollgruppe

Kann ich dann einmal testen, ob Treatment besser als KG und mit einem neuen Kontrastvektor rechnen ob Treatment A besser als Treatment B? Und müssen diese Tests dann unabhängig sein oder so?

Hallo Superwoman,

prinzipiell kannst du mit der Kontrastcodierung auch mehrere Hypothesen testen,
wenn du vorab genaue Hypothesen zum erwarteten Mittelwertsprofil über die
verschiedenen Faktorstufen hinweg spezifiziert hast.
Wichtig dabei ist jedoch, wie du selbst schon angedeutet hast, dass es sich dabei
um orthogonale Kontraste handelt (d.h. nicht redundante Hypothesen).

Viele Grüße
Corinna