Statistik Frage - statistischer Test

T-Test ist hier anzuwenden. Hoffe die Aussage reicht sonst frag einfach nochmal nach.

Hallo,
bin jetzt erst wieder dazu gekommen mich damit zu befassen.

Ich hätte jetzt doch noch mal eine Frage.

Ich habe 19 Leute mit einem Fragebogen befragt und eine durchschnittliche Zustimmung zu dem Thema errechnet. Zusätzlich habe ich abgefragt, ob die Befragten Erfahrung mit dem Thema haben und welches Geschlecht sie haben.

Ich würde jetzt gerne einmal die Leute mit Erfahrung (n=6) und die ohne Erfahrung (n=13) hinsichtlich der Zustimmung vergleichen. Beim Geschlecht ist meine Stichprobe so einseitig verteilt (17:2) das ich denke, das ein Test keinen Sinn macht.

Sehe ich das richtig, dass der Test der Wahl dann ein Zweistichproben-t-Test für unabhängige Stichproben wäre.

Mein Problem ist jetzt, dass der T-Test als Vorraussetzung eine Normalverteilung der Daten und Varianzhomogenität hat. Varianzhomogenität sagt mir irgendwie gar nichts. Von meinen Stichproben ist zumindest eine Stichprobe nicht Normalverteilt, wenn man auf die Häufigkeitsverteilung schaut.

Ich würde daher jetzt zum wilcoxon-mann-whitney-test tendieren.

Was hältst du davon?

Gruß Swizz

Also hier ist der t-Test jedenfalls falsch. Du hast ja keine zwei unabhängigen Stichproben. Übrigens ist n der stichprobenumfang und nicht die Häufigkeit einer Ausprägung in der Stichprobe. Chisquare Test müsste doch eig auch gehen?

Bin aber da jetzt so auf die schnelle auch nicht ganz sicher

Bist du sicher, dass ich das nicht als zwei unabhängige Stichproben ansehen kann?

Ich habe 19 Leute befragt aus der Grundgesamt "Befragte". Bei der Auswertung könnte ich dass doch dann aber auch so sehen, dass ich 13 Leute befragt habe aus der Grundgesamtheit "Befragte ohne Erfahrung" und 6 aus der Grundgesamtheit "Befragte mit Erfahrung".

Dann hätte ich nämlich zwei unabhänge Stichproben mit den Stichprobenumfängen n_1=13 und n_2=6.

Die Eigenschaft "Erfahrung" bzw. "keine Erfahrung" ist dann in dem Fall ja keine Ausprägung der untersuchten Variable sondern die Definition der Grundgesamtheit.

Hmm, ok ich sehe jetzt das du eine binomial ausgeprägte unabhängige variable hast , aber eine metrische abhängige variable. Wobei Vorsicht, wenn du eine zustimmung mit 0-5 ganzzahlig misst ( Likert-Skala) ist die eig nicht metrisch sondern eine ordinal skalierte.

Wenn du aber vereinfacht annimmst sie sei metrisch skaliert könnte sogar wirklich ein t-test helfen. Wobei die normalverteilungsannahme extrem zweifelhat ist.

Außerdem ist der Stichprobenumfang auch extremst klein. Alles schwierig , häöttest du die abhängige variable als dichotom (binomial) ausgeprägt variable gehabt, dann wäre das mit chisquare sehr viel einfacher, bzw C Phi und was es da so in der richtung gibt.

Was hältst du den dann von U-Test (Wilcoxon-Mann-Whitney-Test).
Ich habe eben irgendwo gefunden, dass die Stichproben jeweils größer als 4 und zusammengerechnet größer gleich 20 sein müssen. Dass sollte mein Stichprobenumfang dann ja halbwegs passen.

Naja ich werde gleich mal in die Bib gehen und ein paar Statistikbücher wälzen.

sorry kenne den test nicht. Hoffe ich konnte trotzdem ein klein wenig helfen

Hallo,

ich bin es noch mal. Ich bin jetzt soweit gekommen, dass ich den t-Test nicht verwenden darf, weil meine Daten nicht normalverteilt sind. Den U-Test darf ich nicht verwenden, weil meine Daten Bindungen enthalten.

Kennt vielleicht jemand noch einen Test der passen könnte?

Gruß Swizz

Hier sollte eigentlich ein normaler Permutations-Test den Zweck erfüllen. Dazu wirst du vor allem was in Büchern zu computergestützter Statistik finden (z.B. http://www.amazon.com/Statistical-Computing-Chapman-Hall-Series/dp/1584885459 ) und ein bisschen Programmierkenntnis schadet auch nicht, wenn du nicht Stunden lang rechnen willst.

e: Falls du Verständnisprobleme hast oder bei der Umsetzung Hilfe brauchst, kannst du dich gerne an mich wenden.

Original von swizz
Hallo,

ich bin es noch mal. Ich bin jetzt soweit gekommen, dass ich den t-Test nicht verwenden darf, weil meine Daten nicht normalverteilt sind. Den U-Test darf ich nicht verwenden, weil meine Daten Bindungen enthalten.

Kennt vielleicht jemand noch einen Test der passen könnte?

Gruß Swizz

Bin jetzt gerade nicht ganz fit in der Materie und Permutationstest hört sich jetzt für das Thema auch nicht schlecht an, aber bei mangelnder Normalverteilung fallen mir jetzt spontan nonparametric tests ein und von daher wollt ich zumindest noch den (generalized) sign test erwähnt haben

Ich habe jetzt doch einen U-Test gemacht, das ist ein nicht-parametrischer Test. Ich habe eine Buch gefunden, wo es zur dem Problem mit den Bindungen eine Lösung gab. Vielen Dank für eure Hilfe.

Original von swizz
Ich habe jetzt doch einen U-Test gemacht, das ist ein nicht-parametrischer Test. Ich habe eine Buch gefunden, wo es zur dem Problem mit den Bindungen eine Lösung gab. Vielen Dank für eure Hilfe.

Da muss ich jetzt doch nochmal kurz einhaken.

Soweit ich das weiß, ist der U-Test auch ein Permutationstest, der allerdings nicht nur testet, ob der Mittelwert gleich ist, sondern gleich ob die gesamte Verteilung identisch ist. Du solltest dir auf jeden Fall überlegen, ob du das auch so willst. Er basiert auf den Rang-Statistiken, die bei einer so kleinen Stichprobengröße höchst instabile Kennzahlen sind.

Wie du das Problem mit Abhängigkeiten dabei umgehst würde mich auch interessieren

Da die Seitenzahl der Arbeit für die das Gedacht war relativ begrenzt war, hatte ich ich keinen Platz irgendwelche Vorraussetzungen zu testen. Deshalb habe ich den U-Test einfach damit begründet, dass er Voraussetzungsärmer ist.

So wie ich das verstanden habe, wird beim U-Test ja die mittlere Rangzahl der Stichproben verglichen, was ja auch eine Art von Mittelwert ist. Das wird zumindest passen, weil der Test in meinem Statistikbuch in einem Beispiel verwendet würde, dass sich 1:1 auf mein Beispiel übertragen lässt. Die Stichprobenumfänge waren da auch ähnlich groß. Ich denke mal der Test sollte auch für so kleine Stichproben anwendbar sein, da es extra für kleine Stichproben eine gesonderte Tabelle für die kritische Prüfgröße gibt.

In dem Buch war auch eine Korrekturformel der Prüfgröße für Stichproben mit Bindungen drin.