STATISTIK-FORUM.de

[integral]

Hallo zusammen!
Heute nur eine kurze Frage:
Kommt es eigentlich auf dasselbe heraus, ob ich bei einer dichotomen Gruppenvariable und einer intervallskalierten Variable (oder bei zwei dichotomen Merkamlen) einen t-Test (bei unabh. Stp) oder einen Korrelationskoeffizienten rechne? Ist das einfach nur "Geschmackssache" oder kann es zu Unterschieden kommen? Meine Frage bezieht sich auf grosse Stichproben.

Vielen Dank!

[Verena]

Der t-Test und Korrelationen sind zwei vollkommen verschiedene Tests... Beim t-Test kann ich die Mittelwerte zweier Gruppen auf einen möglichen Unterschied testen, bei einer Korrelation errechne ich den Zusammenhang zweier Variablen. Dein Design wäre ganz gut zu wissen, um dir weiterhelfen zu können...

[PonderStibbons]

Kommt es eigentlich auf dasselbe heraus, ob ich bei einer dichotomen Gruppenvariable und einer intervallskalierten Variable einen t-Test (bei unabh. Stp) oder einen Korrelationskoeffizienten rechne?

Der => Punktbiseriale Korrelationskoeffizient ist einem t-Test äquivalent.

(oder bei zwei dichotomen Merkamlen)

Das ist keine Angelegenheit für einen t-Test.

Mit freundlichen Grüßen

P.

[strukturmarionette]

Hi,

du könntest per SPSS mal beides -mit den gleichen Daten- berechnen lassen
-und-
dann die Signifikanzwerte vergleichen.

S.

[integral]

Kommt es eigentlich auf dasselbe heraus, ob ich bei einer dichotomen Gruppenvariable und einer intervallskalierten Variable einen t-Test (bei unabh. Stp) oder einen Korrelationskoeffizienten rechne?

Der => Punktbiseriale Korrelationskoeffizient ist einem t-Test äquivalent.

Danke! Das wollte ich wissen.

Habs jetzt auch mal getestet, und es stimmt (zumindest annähernd ). Aber die p-Werte aus beiden Tests entsprechen sich auch,
wenn beide Variablen dichotom sind.

Code: Alles auswählen

Werte<-rnorm(1000,10,2)
Werte2<-trunc(runif(1000,0,2),0)
Group<-trunc(runif(1000,0,2),0)
t.test(Werte~Group)
cor.test(Werte, Group)


Ergebnis:

Code: Alles auswählen

> t.test(Werte~Group)

        Welch Two Sample t-test

data:  Werte by Group
t = -1.9419, df = 995.278, p-value = 0.05243
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.492140415  0.002572582
sample estimates:
mean in group 0 mean in group 1
        9.79376        10.03854

> cor.test(Werte, Group)

        Pearson's product-moment correlation

data:  Werte and Group
t = 1.9426, df = 998, p-value = 0.05235
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
-0.000620421  0.122900489
sample estimates:
       cor
0.06137502