One way ANOVA One way ANOVA Parametric Nonparametric

One way ANOVA

One way ANOVA Parametric Non-parametric Between subjects Independent ANOVA Kruskal Wallis within subjects Friedman’s ANOVA Repeated measures ANOVA

Exercise 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. The car was seen by Mary. [reversible] [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 Reversible 20 Passives 15 14 15 17 10 8 11 18 19 Irreversible 2 Passives 8 5 4 4 7 9 4 7 11

F= Between group variance Within groups variance

Planned comparisons 1. active – reversible passive 2. active – irreversible passive 3. reversible passive – irreversible passive 1 test: . 050 2 tests 3 tests . 05 / 1. 05 / 2. 05 / 3 = =. 025 =. 016

Post hoc tests 1. Tukey Honstly Significance Difference (HSD) 2. Least Significant Difference (LSD)

Kruskal-Wallis 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.

Gesprächstype Akademisch Informell Informell Verkaufsgespräch Durchschnittliche Länge des ADV-Satzes 13 15 11 12 4 4 6 2 5 3 4 9 10 10 5

Repeated Measures ANOVA 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.

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. 5 – 1 = 2. 5/4 = 0. 625 (mean)

Friedman’s ANOVA 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.

Konditional Vor 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 42, 70 75, 00 63, 60 88, 90 70, 00 72, 70 60, 00 66, 70 64, 00 57, 10 45, 50 70, 60 100, 00 55, 50 Kausal Nach 57, 30 25, 00 36, 60 11, 10 30, 00 27, 30 40, 00 33, 30 36, 00 42, 90 54, 50 29, 40 , 00 45, 50 Vor 12, 50 9, 10 , 00 20, 00 37, 50 , 00 10, 00 23, 10 33, 30 , 00 7, 70 Temporal Nach 87, 50 90, 90 100, 00 80, 00 100, 00 62, 50 100, 00 90, 00 76, 90 66, 70 100, 00 92, 30 Vor 28, 10 36, 60 26, 70 10, 30 41, 70 36, 00 56, 00 28, 60 52, 60 15, 40 10, 90 26, 20 66, 60 41, 70 34, 30 Nach 71, 90 63, 40 73, 30 89, 70 58, 30 64, 00 44, 00 71, 40 47, 40 84, 60 89, 10 73, 80 33, 40 58, 30 65, 70

Factorial ANOVA

Independent Variable 1 Independent Variable 2 Level 1 Level 2 Level 1 X 2 X 3 …. X 1 X 2 X 3 …. Level 2 X 1 X 2 X 3 ….

Main effects and interaction

Main effect of NP type

Main effect of animacy

Main effects Der Main Effekt beschreibt den Gesamteinfluss einer der beiden IVs auf die andere Variable: 1. Main Effect (NP type) 2. Main Effect (animacy)

Interaction 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.

Main effects and interaction

Simple main effects 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

Gesamtvarianz 1. 2. 3. 4. Varianz, die von Faktor 1 herrührt Varianz, die von Faktor 2 herrührt Varianz, die von der Interaktion zwischen 1 und 2 herrührt Varianz, die vom Sampling herrührt