Hallo!
Ich habe die Software für ein fraktioniertes faktorielles Screening-Design verwendet. Ich musste drei verschiedene Faktoren bewerten, die alle kategorisch waren. Meine Daten wurden mit „Bestanden“ oder „Nicht bestanden“ für die eine Antwort erfasst/aufgezeichnet. Ich versuche, den richtigen Weg zu finden, diese Daten zu analysieren. Ich versuche, Daten zu erhalten, die zeigen, welcher Faktor den größten Einfluss auf die Erfolgs- oder Misserfolgsquote der Antwort hatte
Ich habe online ein Tutorial gesehen, in dem es hieß, man solle einfach mit der rechten Maustaste auf „Modell“ klicken und „Skript ausführen“ drücken. Anschließend habe ich die Persönlichkeit in „Response Screening“ geändert. Nachdem ich das Skript ausgeführt habe, erhielt ich eine Tabelle, die unten in Foto A dargestellt ist. Ich denke, für meine Zwecke ist die Spalte „Effektgröße“ wahrscheinlich die wichtigste. Aber ich bin verwirrt, weil ich einer anderen Methode gefolgt bin, die eines meiner Teammitglieder verwendet, nämlich „Modell analysieren und anpassen“. Ich habe unten einen Screenshot eingefügt, der zeigt, wie das Setup aussieht [Foto B] und die Ergebnisse sind in Foto C zu sehen, aber dort Es gibt einen signifikanten Unterschied zwischen den aufgezeichneten P-Werten und ich bin mir nicht sicher, warum es einen signifikanten Unterschied gibt und welche als richtig angesehen werden würden.
Foto A
Foto B
Foto C
Dank im Voraus!
Beim Response Screening werden drei unabhängige Analysen durchgeführt, wobei das Fit-Modell bei der Analyse der Daten alle drei Faktoren berücksichtigt.
