Vielen Dank für deine Antwort.
Eine Dissertation hat bspw. folgendes angeführt: "Das bekannteste und am häufigsten verwendete parametrische Testverfahren ist der t-Test, der
eine Normalverteilung der Beobachtungswerte, hier also der abnormalen Renditen, voraussetzt" Die Dissertation beschäftigt sich mit der Frage, ob das Ankündigen einer Änderung des Kreditratings eines Unternehmens Auswirkungen auf den Aktienkurs des betreffenden Unternehmens hat. Gemessen wird das mittels abnormaler Rendite. Diese abnormalen Renditen sind laut der Literatur zu dem Thema in der Regel nicht normalverteilt und aus diesem Grund wird von vielen Autoren angeführt, dass der T-test zur Überprüfung nur bedingt geeignet sei. Aber diese Renditen stellen ja die Beobachtungswerte dar und müssen überhaupt nicht normalverteilt sein? Mich verwirrt nur, dass beinahe jede Literatur zu dem Thema anführt, die Renditen seien nicht Normalverteilt und der t-test somit wenig aussagekräftig.
The central limit theorem is less useful than one might think in this context. First, as someone pointed out already, one does not know if the current sample size is "large enough". Secondly, the CLT is more about achieving the desired type I error than about type II error. In other words, the t-test can be uncompetitive power-wise. That's why the Wilcoxon test is so popular. If normality holds, it is 95% as efficient as the t-test. If normality does not hold it can be arbitrarily more efficient than the t-test.
Aus einem Kommentar in dieser Diskussion:
https://stats.stackexchange.com/questio ... l-when-n50