vol.io
AnmeldenKostenlos starten

Poweranalyse-Rechner: Einfaktorielle ANOVA

Planen Sie die Stichprobengröße für eine einfaktorielle ANOVA so, wie es G*Power tut — im Browser. Geben Sie die Anzahl der Gruppen, die erwartete Effektstärke Cohens f, Ihr Alpha und die Ziel-Power ein und erhalten Sie die erforderliche Stichprobengröße pro Gruppe, berechnet aus der exakten nichtzentralen F-Verteilung (identische Parameter wie das G*Power-Modul 'ANOVA: fixed effects, omnibus' und pwr.anova.test in R). Wechseln Sie zu 'Power bestimmen', um zu prüfen, was eine bereits erhobene Stichprobe entdecken kann. Wenn Sie aus der Literatur nur ein Eta-Quadrat (η²) haben, wandeln Sie es zuerst mit unserem Effektstärke-Umrechner in f um: f = √(η²/(1 − η²)) — zum Beispiel ergibt η² = .06 f = 0.25, den konventionellen 'mittleren' Effekt.

KI-Bericht

Lassen Sie Ihre Ergebnisse von KI interpretieren: ein Word-Dokument im APA-7- / Geschäftsberichtsformat.

KI-Bericht erstellen (5 Credits)Die Kontoerstellung ist kostenlos und enthält monatliche Gratis-Credits.

Häufig gestellte Fragen

Wie viele Teilnehmende brauche ich für eine einfaktorielle ANOVA?

Für drei Gruppen, einen mittleren Effekt (f = 0.25), α = .05 und 80 % Power benötigen Sie 53 Teilnehmende pro Gruppe (159 insgesamt). Mehr Gruppen oder kleinere Effekte erhöhen den Bedarf; der Rechner liefert die exakte Zahl für Ihr Design.

Wie rechne ich Eta-Quadrat in Cohens f um?

f = √(η² / (1 − η²)). Also η² = .01 → f ≈ 0.10 (klein), η² = .06 → f ≈ 0.25 (mittel), η² = .14 → f ≈ 0.40 (groß). Unser Effektstärke-Umrechner erledigt das automatisch, auch in umgekehrter Richtung.

Wie berichte ich eine ANOVA-Poweranalyse im APA-Format?

Zum Beispiel: "Eine A-priori-Poweranalyse (einfaktorielle ANOVA, drei Gruppen, f = 0.25, α = .05, Power = .80) ergab eine erforderliche Stichprobengröße von 53 pro Gruppe (N = 159)." Der KI-Bericht schreibt diesen Absatz für Ihren Methodenteil.

Funktioniert das auch für ANOVA mit Messwiederholung oder faktorielle ANOVA?

Dieses Modul deckt das einfaktorielle Between-Subjects-Design (Omnibustest) ab. Designs mit Messwiederholung und faktorielle Designs erfordern zusätzliche Parameter (Korrelation zwischen den Messungen, Anzahl der Messzeitpunkte); diese Module stehen auf unserer Roadmap.