Effekt? obwohl nicht signifikant?

[Mäxi]

Hallo ihr Lieben,

ich sitze zur Zeit an der Auswertung für meine Bachelorarbeit.
Ich möchte zwei Generationen vergleichen und bei diesen die Bewerbungsbereitschaft (0-100%) (AV), beim Vorhandensein von Online-Bewertungen messen (zweifaktorielle UV 1 Päsenz, 2 Non-Präsenz) messen.

1. Generation 1 und Präsenz
2. Generation 1 und Non Präsenz
3. Generation 2 und Präsenz
4. Generation 2 und Non Präsenz

Ich habe drei Hypothesen aufgestellt.
Hypothese 1= Die Präsenz von Bewertungen auf Arbeitgeberbewertungsportalen hat einen positiven Einfluss auf die Bewerbungsbereitschaft der Generation Babyboomer und der Generation Y.

Hypothese 2= Die Präsenz von Bewertungen auf Arbeitgeberbewertungsportalen hat einen positiveren Einfluss auf die Bewerbungsbereitschaft der Generation Y als auf die Generation der Babyboomer

Hypothese 3= Die Non-Präsenz von Bewertungen auf Arbeitgeberbewertungsportalen wirkt negativ auf die Bewerbungsbereitschaft der Generation Y, sowie neutral auf die Generation der Babyboomer.

Habe alle drei Hypothesen mit t-Tests berechnet und dann alles zusammen nochmals mit einer zweifakoriellen Anova.

Hypothese 1 gibt mir ein signifikantes Ergebnis aus. 2 und 3 nicht, betrachtet man allerdings nur die Mittelwerte, könnte Hypothese 2 auch angenommen werden.

Anhand der Anova gab es nur ein signifikantes Ergebnis für den gezogenen Code (Präsenz/Non-Präsenz). Das Geburtsjahr, als auch die Verknüpfung Geburtsjahr und gezogener Code ergaben kein signifikantes Ergebnis. Trotzdem bekomme ich bei der Verknüpfung einen minimalen Effekt von 0.011 (partielles Eta Quadrat).
Wie habe ich das nun zu deuten? Das Ergebnis ist nicht signifikant, aber ich habe einen Effekt?
Kann ich durch die T-Tests die ein oder andere Hypothese bestätigen? auch wenn mir die Anova in der Verknüpfung kein signifikantes Ergebnis ausgibt ?

Über eure Hilfe würde ich mich sehr freuen

LG

[dutchie]

Hallo Mäxi

Also du rechnest besser nur die ANOVA und nicht t-Test und ANOVA.
wenn ich dich richtig verstehe kommen es bei den beiden Verfahren zu unterschiedlichen Ergebnissen!

nur die Mittelwerte, könnte Hypothese 2 auch angenommen werden.

das meint den t -Test?
An sich müßte die Wahrscheinlichkeit auf signifikanz bei der ANOVA höher sein, bei dir ist
das andersrum? kann gut sein, das die Vorrausetzung Varianzhomogentät verletzt ist!
und das dadurch diese konstellation entsteht,
Problematische situation, also nicht einfach die nichtsignifikanz der ANOVA ignorieren und sich über den t Test freuen!
also p werte berichten, Varianzen beschreiben und nicht so absolut denken in ja - nein,
entweder- oder, signifikant oder nicht signifikant. so weit werden die ergebnisse nicht auseinanderliegen!

Die Ho testet ob eta in der Population sigifikant von 0 unterschieden ist.
wenn dies nicht signifikant ist, ist das eta in deiner stichprobe von 0.011 nur zufällig durch ein populations eta=0
entstanden. also
nicht sig --> stichprobe 0.011 und population 0
sig ---> stichprobe 0.011 und population 0.011

gruß
dutchie

[Mäxi]

Hallo Dutchie,

danke für deine schnelle Antwort

Bei den T-Tests bekomme ich nur bei Hypothese 1 ein signifikantes Ergebnis. Die bei den anderen beiden ist leider auch nicht Signifikanz. Lediglich beim vergleichen der Mittelwerte sieht man einen Unterschied, welcher in der Hypothese vermutet wird.

Varianzhomogenität habe ich geprüft, die ist vorhanden.
Bei der Anova ist nun nur das Ergebnis des gezogenen Codes signifikant. Das Geburtsjahr und die Kombination nicht.

Bezüglich der Auswertung orientiere ich mich also nur an der Anova? Die Mittelwerte, die mir die Anova ausspuckt sind ja logischerweise die der t-Tests. Erwähne ich diese Mittelwerte also nur und sage, dass diese anhand des "Zahlen"-Vergleichs die ein oder andere Hypothese bestätigen könnten, dies aber nicht geht, da allgemein kein signifikantes Ergebnis vorliegt (gezogener Code*Geburtsjahr) ?
Aber stopp.. Die Signifikanz des gezogenen Codes in der Anova bestätigt mir ja theoretisch meine 1. Hypothese.
Oder nicht ?

"also p werte berichten, Varianzen beschreiben und nicht so absolut denken in ja - nein,
entweder- oder, signifikant oder nicht signifikant. so weit werden die ergebnisse nicht auseinanderliegen!
Die Ho testet ob eta in der Population sigifikant von 0 unterschieden ist.
wenn dies nicht signifikant ist, ist das eta in deiner stichprobe von 0.011 nur zufällig durch ein populations eta=0
entstanden. also
nicht sig --> stichprobe 0.011 und population 0
sig ---> stichprobe 0.011 und population 0.011"

diesen Teil verstehe ich leider nicht ganz... könntest du das eventuell nochmal für eine Nicht-Statistikerin, wie mich, erklären ?:D

viele Grüße und lieben Dank für deine Hilfe

[dutchie]

hallo Mäxi

Die Mittelwerte, die mir die Anova ausspuckt sind ja logischerweise die der t-Tests.

nein, sind sie nicht unbedingt, sind in den 4 Versuchsbedingungen der ANOVA immer gleich viele Leute, dann ja.

Bei den T-Tests bekomme ich nur bei Hypothese 1 ein signifikantes Ergebnis. Die bei den anderen beiden ist leider auch nicht Signifikanz. Lediglich beim vergleichen der Mittelwerte sieht man einen Unterschied, welcher in der Hypothese vermutet wird

Der Hypothesentest vergleicht die Mittelwert! und wenn der sagt der unterschied ist nicht signifikant!
dann sind die Mittelwerte die dir unterschiedlich erscheinen -- gleich!!!

Die mittelwerte die du siehst, sind schätzwerte für die Mittelwerte der Population auf die du deine Ergebnisse verallgemeinerst willst.
Es kann durch die Stichprobe ja zufällig so sein, dass sich deine Stichprobenmittelwerte sichtbar unterscheiden, das tun sie aber immer
m1 =2.34 und m2 = 2.33 und das ist schon ein Unterschied,
deine mittelwerte in der Stichprone sind zur zufällige Größen, wenn du eine zweite stichproben ziehst, bekommst du andere!
die Mittelwerte der stichproben interessieren dich aber nicht sondern die der population!!

widersprechen sich die Ergebnisse ANOVA und t-Test ? und schau nur auf die signifikanz!
wenn die signifikant sind und gleich, erst dann nimmst du die Mittelwert und behauptest das diese sich in der Population unterscheiden!

wenn die ergebnisse sich nicht widersprechen, ich glaub das tun sie gar nicht,
nimmst du nur die ANOVA!