One way ANOVA

One way ANOVA

Parametric Non-parametric

Between subjects

Independent ANOVA

Kruskal Wallis

within subjects Repeated measures ANOVA

Friedman’s ANOVA

A child language researcher wants to know if semantic issues can influence children’s understanding of passive sentences or if their understanding is solely based on structural features. Specifically, he wants to find out if reversible passive sentences are more difficult to understand than irreversible passive sentences. Reversible passive sentences are sentences in which the two NPs of a transitive sentence are equally likely to function as agent, whereas irreversible passive sentences are sentences in which one of the two NPs is more likely to serve as the agent:

Peter was seen by Mary. [reversible]The car was seen by Mary. [irreversible]

Exercise

In order to test whether semantic reversibility influences children’s understanding of passive sentences, the researcher asked 30 children to act-out reversible and irreversible passive sentences. As a control, he also collected data on (transitive) active sentences. Each child was exposed to a list of 20 test items from one condition plus filler sentences, i.e. each child was only tested under one condition.

Exercise

Active 3 5 3 2 4 6 9 3 8 10

ReversiblePassives

20 15 14 15 17 10 8 11 18 19

Irreversible

Passives

2 8 5 4 4 7 9 4 7 11

Exercise

F =Within groups variance

Between group variance

1. active – reversible passive2. active – irreversible passive3. reversible passive – irreversible passive

Planned comparisons

1 test: .05 / 1 = .0502 tests .05 / 2 = .0253 tests .05 / 3 = .016

1. Tukey Honstly Significance Difference (HSD)

2. Least Significant Difference (LSD)

Post hoc tests

Ein Linguist möchte wissen, ob sich die Länge von vorangestellten Adverbialsätzen mit dem Diskurstyp verändert. Drei Diskurstypen werden untersucht: (1) informeller mündlicher Diskurs, (2) akademischer mündlicher Diskurs, (3) Verkaufsgespräch. Um diese Frage zu beantworten, wertet der Linguist Transkriptionen von 15 Personen aus: 4 akademische Diskurse, 7 informelle Diskurse, und 4 Verkaufsgespräche.

Kruskal-Wallis

Gesprächstype Durchschnittliche Länge des ADV-SatzesAkademischAkademischAkademischAkademischInformellInformellInformellInformellInformellInformellInformellVerkaufsgesprächVerkaufsgesprächVerkaufsgesprächVerkaufsgespräch

1315111244625349

10105

In unserer Studie zum Erwerb von englischen und deutschen Relativsätzen wurden sechs verschiedenen Relativsatztypen untersucht: S, A, P, IO, OBL, GEN. Insgesamt wurden in der englischen Studie 21 Kinder untersucht (in der deutschen Studie 24). Um zu testen, wie die Kinder mit den verschiedenen Relativsatztypen klar kommen, mussten sie die Sätze nachsprechen (das ist ein etabliertes experimentelles Verfahren in der Spracherwerbsforschung). Insgesamt, mussten alle Kinder alle 6 Relativsatztypen jeweils 4 Mal nachsprechen. Die Fehler wurden nach einem bestimmten System kodiert und anschließend (statistisch) analysiert. Ermitteln sie, ob es sich die Fehlerzahl für die verschiedenen Relativsatztypen unterscheidet.

Repeated Measures ANOVA

Interval + ordinal data

In order to find out if the is a difference in the acquisition of subject- and object-relative clauses, a reseacher designed a repetition experiment, in which children had to repeat four different instances of each type of relative clause. The responses were assigned a score: 1 = correct, 0.5 = minor error, 0 = false.

0.0 – 0.5 – 1.0 – 1.5 – 2.0 – 2.5 – 3.0 – 3.5 – 4.0

1 – 0 – 0.5 – 1 = 2.5/4 = 0.625 (mean)

Ein Linguist möchte wissen, ob sich die Stellung von Adverbialsätzen mit ihrer Bedeutung verändert. Dafür untersucht er die Adverbialsätze von 15 Personen in Transkriptionen gesprochener Sprache. Die Adverbialsätze werden in drei große semantische Klassen eingeteilt: (1) Konditionalsätze, (2) Temporalsätze, (3) Kausalsätze. Für jede Klasse wurde ermittelt, wie häufig ein Sprecher den Satz jeweils vor und nach dem Hauptsatz gebraucht hat. Eingeschobene Adverbialsätze, die ohnehin nur sehr selten vorkommen, werden ignoriert.

Friedman’s ANOVA

Konditional Kausal Temporal

Vor Nach Vor Nach Vor Nach

123456789101112131415

42,7072,7075,0063,6088,9070,0072,7060,0066,7064,0057,1045,5070,60100,0055,50

57,3027,3025,0036,6011,1030,0027,3040,0033,3036,0042,9054,5029,40,00

45,50

12,509,10,00

20,00,00,00,00

37,50,00,00

10,0023,1033,30,00

7,70

87,5090,90100,0080,00100,00100,00100,0062,50100,00100,0090,0076,9066,70100,0092,30

28,1036,6026,7010,3041,7036,0056,0028,6052,6015,4010,9026,2066,6041,7034,30

71,9063,4073,3089,7058,3064,0044,0071,4047,4084,6089,1073,8033,4058,3065,70

Factorial ANOVA

Independent Variable 1

Level 1 Level 2

IndependentVariable 2

Level 1 X1X2X3….

X1X2X3….

Level 2 X1X2X3….

X1X2X3….

Main effects and interaction

0

5

10

15

20

25

30

35

Inanimate Animate

Lexical

Pronominal

Main effect of NP type

0

5

10

15

20

25

30

35

Inanimate Animate

Lexical

Pronominal

Main effect of animacy

0

5

10

15

20

25

30

35

Inanimate Animate

Lexical

Pronominal

Der Main Effekt beschreibt den Gesamteinfluss einer der beiden IVs auf die andere Variable:

1. Main Effect (NP type) 2. Main Effect (animacy)

Main effects

Wenn sich die Varianz in der Variablen A nicht-linear zu der Varianz in der Variablen B verhält, dann gibt es eine Interaktion zwischen den beiden Variablen.

Interaction

Main effects and interaction

0

5

10

15

20

25

30

35

Inanimate Animate

Lexical

Pronominal

Der Simple Main Effekt beschreibt den Effekt der Variablen A auf Variable B während diese konstant gehalten wird:

1. Only animate: 20 [LEX] – 10 [PRO] = 10 2. Only inanimate: 00 [LEX] – 30 [PRO] = -30 3. Only lexical: 00 [inani.] – 20 [ani.] = -20 4. Only pronominal: 30 [inani.] – 10 [ani.] = 20

Simple main effects

1. Varianz, die von Faktor 1 herrührt2. Varianz, die von Faktor 2 herrührt3. Varianz, die von der Interaktion zwischen 1 und 2 herrührt4. Varianz, die vom Sampling herrührt

Gesamtvarianz