Haupteffekte
Haupteffekte bezeichnen Effekte einzelner unabhängiger Variablen (UV). Sie betrachten die Wirkung der UV isoliert, d.h. unter Nichtbeachtung von anderen UVs.
Haupteffekte werden in Hypothesen formuliert (z.B. die UV Frustration führt zur AV Aggression). Diese beziehen sich auf die gesamte Zielpopulation und machen Aussagen dazu, ob die Stufung einer UV Unterschiede in der AV bewirkt. In einfaktoriellen Designs gibt es genau einen zu prüfenden Haupteffekt. Umfangreicher wird die Betrachtung von Haupteffekten in mehrfaktoriellen Versuchsplänen. In einem zweifaktoriellen Design wird beispielsweise ein Haupteffekt A und ein Haupteffekt B untersucht. Dabei wird jeweils die Wirkung der UV A und der UV B getrennt betrachtet. Beispielsweise kann neben Frustration (UV A) auch Hitze (UV B) als Umgebungsbedingung Aggressionen beeinflussen. Verschiedene Haupteffekte sind unabhängig voneinander interpretierbar. Damit eine Wirkung des jeweiligen Faktors angenommen werden darf, muss ein signifikanter Unterschied vorhanden sein. Diesen ermittelt man bei metrischen Daten mithilfe von Varianzanalysen. Die verschiedenen Faktoren eines mehrfaktoriellen Planes können einzeln wirksam sein (z.B. Frustration führt zu Aggression, Hitze führt zu Aggression). Es kann auch sein, dass nur einer der Faktoren signifikant wird, während der andere nicht signifikant wird. In einem solchen Fall ist nur der signifikante Haupteffekt kausal interpretierbar. Zusätzlich treten in Untersuchungen mit mehr als einer unabhängigen Variable auch Interaktionseffekte auf. In zweifaktoriellen Designs kann also neben den beiden Haupteffekten (A) + (B) auch ein Interaktionseffekt (A*B) auftreten. Haupteffekte lassen sich grafisch in Diagrammen veranschaulichen (siehe Beispiele unten). So sieht man auf einen Blick, wie sie gewirkt haben. Hierfür werden die Mittelwerte unter der jeweiligen Bedingung (A1, A2,…, An) und (B1, B2,…,Bn) in ein Diagramm eingezeichnet. Statistische Signifikanzen lassen sich aus einer Grafik jedoch nicht herauslesen.
Beispiel: In einem Experiment sollen Ursachen für aggressives Verhalten bestimmt werden. Hierfür untersucht ein Forscher 180 Probanden, welche er zufällig aus einer repräsentativen Datenbank ausgewählt hat. Er möchte einerseits überprüfen, ob frustrierende Situationen (Faktor A) aggressive Verhaltensweisen bedingen. Andererseits möchte er auch die Umgebungsvariable Hitze (Faktor B) experimentell manipulieren. Die Frustration wird induziert, indem Probanden ein unlösbares Puzzle vorgelegt wird. Die Kontrollbedingung ist ein lösbares Puzzle. Die Hitze wird über die Klimaanlage reguliert. Ein Teil der Probanden arbeitet unter angenehmer Raumtemperatur (20°C) und ein Teil unter einer Hitzebedingung (30°C). Die Aggressivität wird im Anschluss in einem standardisierten Test ermittelt. In diesem 2x2-faktoriellen Design können 2 Haupteffekte geprüft werden. Haupteffekt A: Beeinflusst Frustration die Aggression? Und Haupteffekt B: Beeinflusst Hitze die Aggression? Die folgenden Abbildungen veranschaulichen verschiedene mögliche Auswirkungen der beiden Faktoren und erklären die Interpretation der Haupteffekte.
Abb.1: Die Haupteffekte A und B sind unwirksam. Weder die Hitzebedingung noch die Frustrationsbedingung führt zu Aggressionen.
Abb.2: Der Haupteffekt A wirkt allein. Der Faktor B hat einen Nulleffekt. Die Frustrationsbedingung führt zu vermehrter Aggression. Die Hitzebedingung hat keinerlei Auswirkung.
Abb.3: Der Haupteffekt B wirkt allein. Der Faktor A hat einen Nulleffekt. Die Hitzebedingung führt zu vermehrten Aggressionen. Die Frustration hat keinerlei Auswirkung.
Abb.4: Die Haupteffekte A und B sind wirksam. Es gibt keine Wechselwirkung. Die Frustrationsbedingung führt zu vermehrter Aggression. Die Hitzebedingung führt zu vermehrter Aggression.