Bei der statistischen Auswertung muss man zwischen Effektstärke (bei der ANOVA z.B. der F-Wert) und Signifikanz unterscheiden.
Die Signifikanz gibt nur an, wie hoch die Wahrscheinlichkeit ist, dass es in Wirklichkeit überhaupt keinen Zusammmenhang gibt, obwohl Sie in Ihren Daten einen beobachten. Vorausgesetzt eine echte Zufallsstichprobe, aber das ist eine andere Geschichte.
Wenn Sie nun mehr Variablen ins Modell aufnehmen, handeln Sie sich damit mehr Rauschen ein. Das heißt wiederum, dass Sie mehr Fälle benötigen, um sich Ihes befundes genauso sicher zu sein wie zuvor. Oder dass eben bei gleicher Fallzahl die Unsicherheit steigt und damit der p-Wert.
ad 1) Es besteht darüber hinaus die Möglichkeit, dass das Geschlecht mit einer der anderen beiden UVs korreliert. Wenn die andere Variable also schon den Großteil des Effekts erklärt, bleibt für das Geschlecht nicht mehr viel.
as 2) In Ihrer Arbeit können Sie angeben, was Sie möchten. Sie sollten es nur jeweils so interpretieren, dass es die Wahrheit am besten beschreibt. Wenn also z.B. Geschlecht und Reaktionsstrategie korreliert sind, dann können Sie statistisch einfach nicht sicher sagen, was davon Ihre UV beeinflusst.