STATISTIK-FORUM.de

[bele]

Wie sieht es mit der Signifikanz aus?

Signifikanz ist das Ergebnis des Vorzeichenrangtest (in Bezug auf die "Experimentalgruppe") bzw. der Vorzeichenrangtests mit denen Du die Experimentalgruppe mit der Beobachtungsgruppe vergleichst.

LG,
Bernhard

[PonderStibbons]

Signifikanz ist das Ergebnis des Vorzeichenrangtest (in Bezug auf die "Experimentalgruppe") bzw. der Vorzeichenrangtests mit denen Du die Experimentalgruppe mit der Beobachtungsgruppe vergleichst.

Um mal den Verschreiber zu korrigieren, zum Vergleich zweier Gruppen den Wilcoxon-Rangsummentest
(bzw. U-Test) verwenden, im vorliegenden Fall geht wohl auch der t-Test für unabhängige Gruppen.

Mit freundlichen Grüßen

P.

[noobie]

Signifikanz ist das Ergebnis des Vorzeichenrangtest (in Bezug auf die "Experimentalgruppe") bzw. der Vorzeichenrangtests mit denen Du die Experimentalgruppe mit der Beobachtungsgruppe vergleichst.

Um mal den Verschreiber zu korrigieren, zum Vergleich zweier Gruppen den Wilcoxon-Rangsummentest
(bzw. U-Test) verwenden, im vorliegenden Fall geht wohl auch der t-Test für unabhängige Gruppen.

Mit freundlichen Grüßen

P.

Okay und welchen Test von diesen beiden sollte ich nun schließlich anwenden?

[bele]

Mach mit den Daten aus der 2. Befragung (die dritte eigens zu berücksichtigen
lohnt nicht) einen prä-post Vergleich innerhalb der Experimentalgruppe
(Wilcoxon-Vorzeichenrangtest, wegen kleiner Stichprobe), und vergleiche
außerdem die prä-Werte und die post-Werte der Experimentalgruppe jeweils
mit der Kontrollgruppe.

Für das eine den einen und für das andere den anderen. Sobald Du ein wenig über die Tests gelesen hast erschließt es sich sehr schnell, welcher für was.

LG,
Bernhard

[noobie]

Hallo,

ich bins noch mal.
Ich möchte nun gerne den Wilcoxon-Test durchführen, der wenn ich richtig gelesen habe, ja vor allem bei nicht normalverteilten Daten Anwendung findet.
Nun muss ich natürlich auch begründen, wieso ich diesen Test anwende und möchte daher nun beweisen, dass meine Daten nicht normalverteilt sind.
Dafür habe ich mir den Kolmogorov-Smirnov-Test herausgesucht, der ja bei kleineren Stichproben anwendbar ist?
Nun meine Frage: Was muss ich nun eigentlich auf Normalverteilung testen? Die Variablen, die ich betrachte (sprich hier die Werte für Zufriedenheit etc.)? Ich habe wenig Durchblick, wie ihr seht.

Würde mich sehr über eine Hilfestellung freuen.

Nachtrag: Oder sollte ich lieber den Shapiro-Wilk Test durchführen?

[bele]

Umgekehrt wird ein Schuh daraus: Der t-Test basiert in seiner Theorie auf Normalverteilung, der Wilcoxon-Test hat keine solchen Grundlagen und kann daher sowohl bei Fehlen als auch bei Vorhandensein von Normalverteilung angewendet werden. Die Entscheidung für und gegen die beiden Tests werden aber sehr unterschiedlich gehandhabt. Da spielen Meinungen eine große Rolle.

LG,
Bernhard

[noobie]

Okay, danke.
Wenn ich noch etwas fragen dürfte: Wenn ich einen Test zur Überprüfung der Normalverteilung heranziehen möchte - was prüfe ich denn dann genau auf Normalverteilung? Die Variablen, die ich angucken will? Also in meinem Beispiel die Daten der ersten Zufriedenheitsmessung und die Daten der zweiten Zufriedenheitsmessung? Oder liege ich da völlig falsch?

[PonderStibbons]

Keines der gängigen Verfahren (t-test, Varianzanalyse, lineare Regression)
erfordert eine normalverteilte abhängige Variable.

Erwartet wird, dass die Werte innerhalb der einzelnen Gruppen normalverteilt
sind (t-Test für unabhängige Gruppen, ANOVA) bzw. schlicht, dass die
Vorhersagefehler (Residuen) aus normalverteilten Grundgesamtheiten stammen
(t-Test, ANOVA, lineare Regression). Im Fall des t-Tests für abhängige Messungen sollten
die Differenzwerte aus einer normalverteilten Grundgesamtheit stammen, nicht
die Ausgangsmessungen.

All diese Voraussetzungen sind aber wenn überhaupt nur von Interesse, wenn die
Stichproben klein sind (ca. n < 30). Sind sie groß genug, dann stellt der zentrale
Grenzwertsatz es sicher, dass Verletzungen dieser Annahmen den Signifikanztest
nicht verzerren.

Mit freundlichen Grüßen

P.

[noobie]

Keines der gängigen Verfahren (t-test, Varianzanalyse, lineare Regression)
erfordert eine normalverteilte abhängige Variable.

Erwartet wird, dass die Werte innerhalb der einzelnen Gruppen normalverteilt
sind (t-Test für unabhängige Gruppen, ANOVA) bzw. schlicht, dass die
Vorhersagefehler (Residuen) aus normalverteilten Grundgesamtheiten stammen
(t-Test, ANOVA, lineare Regression). Im Fall des t-Tests für abhängige Messungen sollten
die Differenzwerte aus einer normalverteilten Grundgesamtheit stammen, nicht
die Ausgangsmessungen.

All diese Voraussetzungen sind aber wenn überhaupt nur von Interesse, wenn die
Stichproben klein sind (ca. n < 30). Sind sie groß genug, dann stellt der zentrale
Grenzwertsatz es sicher, dass Verletzungen dieser Annahmen den Signifikanztest
nicht verzerren.

Mit freundlichen Grüßen

P.

Möchte ich den t-Test zum Mittelwertvergleich meiner sehr kleinen Stichprobe (n=19) benutzen, sollte ich also vorher feststellen, ob meine Differenzwerte aus einer normalverteilten Grundgesamtheit stammen. Wenn das nicht so ist, kann ich den t-Test nicht durchführen?
Die Differenzwerte sind dabei "Neue Messung" - "Ausgangswert"?

[bele]

Die Crux beim t-Test ist, dass es bei n=19 kaum vernünftige Mittel gibt um festzustellen, ob Deine Werte aus einer normalverteilten Grundgesamtheit stammen. Tatsächlich normalverteilte Größen gibt es in der Wirklichkeit ohnehin kaum, so dass "normalverteilt genug" das eigentliche Kriterium ist, welches wieder kaum definiert ist. Wenn Du die 19 Paardifferenzen wirklich daraufhin untersuchen willst, ob sie einer normalverteilten Grundgesamtheit entstammen, dann zeichne einen Q-Q-Plot. Über den Sinn solchen Vorgehens kann man streiten.
Ich habe Dir da mal was gebastelt, damit Du ein Gefühl dafür bekommst, wie weit ein QQ-Plot von einer Geraden abweichen kann, selbst wenn die Normalverteilungsannahme sicher gilt: http://rpubs.com/bele/QQforn19

LG,
Bernhard