STATISTIK-FORUM.de

[TH0R]

Danke nochmal für den Tipp mit der Messwiederholungs-Varianzanalyse, um somit die Gruppeneinflüsse zu überprüfen.

Mein Problem ist allerdings, dass meine Daten für diese Überprüfung nicht normalverteilt sind, somit dürfte ich dieses Verfahren doch gar nicht anwenden. Die Vorraussetzung setzt doch hierfür die Normalverteilung der Daten voraus.
Der Friedman -Test lässt diese zweifaktorielle Prüfung nicht zu und einen weiteren nicht-parametrischen Test für zwei Faktoren mit Messwiederholung habe ich nicht gefunden.

Gibt es einen solchen Test? oder gibt es eine Quelle die besagt das man ohne Normalverteilung aufgrund der Robustheit diese trotzdem anwenden darf?

[PonderStibbons]

Danke nochmal für den Tipp mit der Messwiederholungs-Varianzanalyse, um somit die Gruppeneinflüsse zu überprüfen.

Der Zweck wäre hier nicht, den Einfluss zu überprüfen, sondern ihn einfach mit einzubeziehen.

Mein Problem ist allerdings, dass meine Daten für diese Überprüfung nicht normalverteilt sind, somit dürfte ich dieses Verfahren doch gar nicht anwenden.

Ist das so? Bei Messwiederholungs-Varianzanalysen sind eigentlich andere Sachen relevant.

Gibt es einen solchen Test?

Nein.

Mit freundlichen Grüßen

P.

[TH0R]

Mein Problem ist allerdings, dass meine Daten für diese Überprüfung nicht normalverteilt sind, somit dürfte ich dieses Verfahren doch gar nicht anwenden.

Ist das so? Bei Messwiederholungs-Varianzanalysen sind eigentlich andere Sachen relevant.

Messwiederholungs-Varianz ist doch gleich der ANOVA für die wird doch eine Normalverteilung der Daten vorrausgesetzt.

Siehe link für die einfaktorielle Variante:
http://www.methodenberatung.uzh.ch/datenanalyse/unterschiede/zentral/evarianzmessw.html

Für die Überprüfung der Normalverteilung habe ich 6 mal den Kogolorov-Smirnov Test durchgeführt um alle Gruppen/Faktoren abzudecken, d.h. jeweils die Unterscheidung Pilot (Ja/nein) und dazu die Technologie (1,2,3), folglich 6 NV-Test.

[PonderStibbons]

Recherchier' vielleicht noch ein bißchen woanders. Nebenbei ist mit n=5 ein formaler Test
der Verteilung sinnlos (zu wenig power).

Mit freundlichen Grüßen

P.

[TH0R]

Da die Probandenanzahl bei den Piloten n=5 beträgt möchte ich diese ja gerne zu den 14 anderen Probanden zusammenführen.
Das eine statistische Aussage der 5 Probanden schwierig ist ist mir klar, deshalb wollte ich diese lieber als Gesamtgruppe untersuchen und mit dem Feedback der Piloten die Ergebnisse im Detail deuten.

Für die eigentliche Aufgabe ist letztlich das Piloten wissen nicht relevant nur für die Beurteilung ob man sich es zukünftig im Cockpit vorstellen kann.

[TH0R]

TEST

[TH0R]

Erste Frage

Ok. Ich habe jetzt mehrfach das gelesen was du meinstest.

Man kann die Normalverteilung wohl vernachlässigen, da die Varianzanalyse dagegen robust ist, wenn:

man größer 30 Probanden ist
oder
wenn man annähernd gleiche Gruppengrößen hat (Gruppengrößen ab 10 Probanden)

Problem ist ja dann allerdings immernoch, dass die Piloten eine Größe von n=5 aufweisen?


Hast du da noch eine Idee oder einen Quellentipp?

Du hast also zwei Gruppen mit intervallskalierten Merkmalen. Du könntest mittels eines t-Tests prüfen, ob beide Gruppen signifikant unterschiedliche Mittelwerte haben. Wenn ja, dann gehören sie nicht in einen Topf. Wenn nein, dann hast Du Dir wenigstens Mühe gegeben, danach zu schauen.

Manche würden sagen, dass die geringe Fallzahl eher gegen einen t-Test spricht, ich würde aber dennoch den t-Test vorschlagen: Da es hier mehr um die Kontrolle des Fehlers 2. Art als um die des Fehlers 1. Art geht, solltest Du das Verfahren mit der höheren Power wählen.

JMTC,
Bernhard

2te Frage

Ok. ich habe den Test jetz auch so mal durchgeführt, allerdings mit de Mann-Whitney U Test da die normalverteilung nicht gegeben war.
Damit konnte ich zu 95 % keinen Unterschied feststellen.

Es stellt sich mir jedoch die Frage ob dies so korrekt ist. Da ich zwei unabhängige Gruppen habe (Pilot Anzahl 5/nichtPilot Anzahl 14) und dann jeweils sozusagen pro Technologie (Maus, Touch, Sprache) einen System Usability Scale und einen NASA Task Load habe, somit 6 Tests (3x2).

D.h. ich habe jetzt sechs Mann-Whitney U Tests durchgeführt, wobei die eine Hälfte (3) die unterschiede im SUS überprüfen und die anderen drei die Unterschiede im NASA.

Lässt dies eine sichere Beurteilung zu? Da ja im Endeffekt hier nicht mehr die Messwiederholungen und die darausfolgenden Abhängigkeiten berücksichtig werden?