STATISTIK-FORUM.de

[Chili.Kakao]

Ich habe die Variablen meiner Untersuchung (jeweils Skala 1 - 5) mittels K-S-Test auf Normalverteilung überprüft. Der p-Wert liegt immer bei 0,2 und es wurde bei jedem Wert folgendes angemerkt: "Anpassung nach Lilliefors" und "Dies ist die Untergrenze der Wahrheitssignifikanz". Die Entscheidung ist bei jeder Variable unterschiedlich ausgefallen (also entweder Nullhypothese beibehalten oder Nullhypothese ablehnen). Ich verstehe leider überhaupt nicht, was es mit dieser Wahrheitssignifikanz auf sich hat und Google hilft mir da auch überhaupt nicht weiter.

Weiß irgendjemand, was das bedeutet?

Danke und liebe Grüße

[PonderStibbons]

Antworten auf einzelne Items mit Antwortformat 1-5 können nicht aus normalverteilten
Grundgesamtheiten stammen. Wenn p > 0,05 oder > 0,1 oder > 0,2 resultiert, dann liegt
das nur an einer zu kleinen Stichprobe.

Wozu testest Du das denn, in der Regel ist Normalverteilungsbetrachtung von
Stichprobendaten nicht erforderlich.

Mit freundlichen Grüßen

P.

[Chili.Kakao]

Der Betreuer meiner Arbeit hat mich gefragt, ob ich meine Variablen auf Normalverteilung überprüft habe. Bei t-Test und ANOVA hatte ich bereits auf Varianzgleichheit geachtet und die Normalverteilung ist ja eine weitere Voraussetzung.

Stimmt das so nicht?

Meine Variablen setzen sich meistens aus mehreren Items zusammen, über die ich jeweils Mittelwertindizes gebildet habe und diese habe ich auf Normalverteilung getestet. Aber ja, mir leuchtet eigentlich ein, warum das Quatsch ist... Also muss ich nicht auf Normalverteilung testen?!

[PonderStibbons]

Bei t-Test und ANOVA hatte ich bereits auf Varianzgleichheit geachtet und die Normalverteilung ist ja eine weitere Voraussetzung.

Nein. Ist sie nicht. Normalverteilung der Daten ist keine Voraussetzung.
Allenfalls die Verteilung der Daten innerhalb der Gruppen -- es sollen die
Vorhersagefehler (Residuen) aus normalverteilten Grundgesamtheiten stammen.
Das kann man aber nicht vernünftig testen, weil meist entweder die Stichprobe
zu klein ist und der Test zu unsensitiv, oder zu groß und viel zu sensitiv (da
werden auch marginale Verteilungsabweichungen "signifikant"). Man sollte da
besser Histogramme und vor allem Q-Q plots benutzen. t-Tests und Varianzanalysen
sind leidlich robust gegen non-normale Residuen, vor allen Dingen, wenn die
Stichprobe ausreichend groß ist (je nach Autor > 30 oder > 50).

Wichtiger ist Varianzhomogenität und daß keine Ausreißer vorliegen.

Mit freundlichen Grüßen

P.