Upload
lamdan
View
215
Download
1
Embed Size (px)
Citation preview
13.05.2009
1
methodenlehre ll – Verfahren für ordinalskalierte Daten
• Verfahren zur Analyse ordinalskalierten Daten
Thomas Schäfer | SS 2009 1
methodenlehre ll – Verfahren für ordinalskalierte Daten
U T t h t‐Test für
Überblick über die Verfahren für Ordinaldaten
Test parametrischeEntsprechung
Testmethoden fü O di ld t
Unterschiede bei unabhängigen Stichproben
U‐Test nach Mann & Whitney
t Test für unabhängige Stichproben
H‐Test nach Kruskal & Wallis
einfaktorielleVarianzanalyse
Unterschiede bei Wilcoxon‐Test
t‐Test für abhängige Stichproben
Thomas Schäfer | SS 2009
für Ordinaldaten abhängigen Stichproben
Stichproben
Friedman‐TestVarianzanalyse mit Mess‐
wiederholung
Zusammenhänge Spearman‘s RhoKendall‘s Tau
Produkt‐Moment‐Korrelation
2
13.05.2009
2
methodenlehre ll – Verfahren für ordinalskalierte Daten
Wiederholung Skalenniveaus
Thomas Schäfer | SS 2009 3
methodenlehre ll – Verfahren für ordinalskalierte Daten
• wenn Ordinaldaten vorliegen (z.B. Rangplätze)• wenn die Voraussetzungen für parametrische Testverfahren
deutlich verletzt sind (z B sehr schiefe Verteilungen) und sehr
Nonparametrische Verfahren für Ordinaldaten
deutlich verletzt sind (z.B. sehr schiefe Verteilungen) und sehr kleine und/oder unterschiedlich große Stichproben vorliegen
Beispiel für eine nicht‐normalverteilte Größedie Normalverteilung kann z.B. mit Hilfe des
Kolmogorov‐Smirnov‐Tests geprüft werdenein signifikantes Ergebnis bedeutet hier, dass die
Daten nicht normalverteilt sind
Thomas Schäfer | SS 2009
• die Teststärke ist deutlich geringer als bei parametrischen Verfahren!
4
13.05.2009
3
methodenlehre ll – Verfahren für ordinalskalierte Daten
Nonparametrische Verfahren für Ordinaldaten
Thomas Schäfer | SS 2009 5
methodenlehre ll – Verfahren für ordinalskalierte Daten
Der Grund für das Ende einer Partnerschaft war/wäre …1 = stimme überhaupt nicht zu
5 = stimme voll und ganz zu1 2 3 4 5
Unterschiedliche WohnorteProbleme mit den Verwandten des Partners
Beispiel für nicht‐normalverteilte Daten
Probleme mit den Verwandten des Partnersein Seitensprungdie Meinung von Freundendas Verhalten des Partners
Thomas Schäfer | SS 2009 6
13.05.2009
4
methodenlehre ll – Verfahren für ordinalskalierte Daten
• nonparametrisches Verfahren für Vergleich von 2 unabhängigen Stichproben hinsichtlich ihrer zentralen Tendenz anhand der mittleren Ränge
U‐Test nach Mann und Whitney
Tendenz anhand der mittleren Ränge
• Beispiel: Reaktionszeiten in msec
Sind die Reaktionszeiten beim Medikament größer?
Daten sind eindeutig nicht
Thomas Schäfer | SS 2009 7
normalverteilt
nonparametrisch testen
methodenlehre ll – Verfahren für ordinalskalierte Daten
was sind die mittleren Ränge?
Thomas Schäfer | SS 2009 8
unterscheiden sich diese mittleren Ränge signifikant voneinander?
13.05.2009
5
methodenlehre ll – Verfahren für ordinalskalierte Daten
• Henry Mann und Donald Whitney (1947)
• kann ein‐ oder zweiseitig testen
U‐Test nach Mann und Whitney
• Berechnung von U (Rangplatzüberschreitungen) für jeden Wert in Gruppe 1: wie viele Werte in Gruppe 2 haben größeren Rangplatz?
⇒ Summe der Rangabweichungen = U‐Wert• entsprechend Berechnung von U´ für
Rangplatzunterschreitungen (U´ wird nur benötigt, da für den
Thomas Schäfer | SS 2009
gp g ( g ,Signifikanztest immer der kleinere der beiden Werte benutzt werden muss)
9
methodenlehre ll – Verfahren für ordinalskalierte Daten
Rangplatzüberschreitungen (für jeden Wert in Gruppe 1 schauen, wie viele Werte in Gruppe 2 einen größeren Rangplatz haben):
oder einfacher:
(T1 = Summe der Rangplätze in
Thomas Schäfer | SS 2009 10
Gruppe 1)
entsprechende Rangplatzunterschreitungen:
13.05.2009
6
methodenlehre ll – Verfahren für ordinalskalierte Daten
Signifikanzprüfung in kleinen Stichproben:• U‐Verteilung liefert kritischen Wert
d kl i W t U b U‘ i d P üf h
U‐Test nach Mann und Whitney
• der kleinereWert von U bzw U‘ wird zur Prüfung herangezogen
• er muss gleich oder kleiner sein als der kritische Wert
Signifikanzprüfung in großen Stichproben• der U‐Wert ist hier annähernd normalverteilt
• daher wird der U‐Wert in einen z‐Wert umgerechnet und dieser geprüft:
Thomas Schäfer | SS 2009 11
Standardfehler: Erwartungswert von U:
methodenlehre ll – Verfahren für ordinalskalierte Daten
U‐VerteilungAlpha einseitig von 5%, zweiseitig von 2%
Thomas Schäfer | SS 2009 12
13.05.2009
7
methodenlehre ll – Verfahren für ordinalskalierte Daten
• haben zwei Personen den gleichen Wert, erhalten sie auch denselben Rang, d.h. sie teilen sich die beiden entsprechenden Ränge
Problem beim U‐Test: Rangbindungen (Ties)
entsprechenden Ränge
• z.B.: die Ränge 10 und 11 in einer Rangfolge fallen auf zwei Personen, die beide denselben Wert haben sie erhalten beide den Rang 10,5
• damit ist eine „Trennung“ der beiden Gruppen natürlich nicht mehr möglich die Teststärke sinkt!
Thomas Schäfer | SS 2009
• bei zu vielen Ties: Korrekturverfahren anwenden
13
methodenlehre ll – Verfahren für ordinalskalierte Daten
Rechenbeispiel
Der Grund für das Ende einer Partnerschaft war/wäre …1 = stimme überhaupt nicht zu
5 = stimme voll und ganz zu1 2 3 4 5
Unterschiedliche WohnorteProbleme mit den Verwandten des Partnersein Seitensprungdie Meinung von Freundendas Verhalten des Partners
Frauen Männer
2 2
5 5
Thomas Schäfer | SS 2009 14
5 3
5 4
5 1
13.05.2009
8
methodenlehre ll – Verfahren für ordinalskalierte Daten
• nonparametrisches Verfahren zum Vergleich der zentralen Tendenz bei abhängigen Stichproben
h ff b l
Wilcoxon Test (Vorzeichenrangtest)
• verwendet die Vorzeichen der aus den Differenzen gebildeten Rangwerte, um zu entscheiden, ab sich ein Unterschied zwischen den zwei Treatments ergibt
• (nicht zu verwechseln mit dem Vorzeichentest – dem nonparametrischen Test für Anteile)
Thomas Schäfer | SS 2009 15
methodenlehre ll – Verfahren für ordinalskalierte Daten
• Beispiel:
• Vorgehen:
Wilcoxon Test (Vorzeichenrangtest)
1. Differenzen bilden2. Rangplätze für die
absoluten Differenzen vergeben
3. Differenzen von 0 bleiben unberücksichtigt
4. Summe der Rangplätze der positi en Differen en
Thomas Schäfer | SS 2009 16
positiven Differenzen bilden
5. Summe der Rangplätze der negativen Differenzen bilden (Ties bei den Personen 1, 4 und 6 – sie haben alle eine
Differenz von 2 bekommen daher alle den Rang 3 zugewiesen [Mittelwert der Ränge 2, 3, 4])
13.05.2009
9
methodenlehre ll – Verfahren für ordinalskalierte Daten
Wilcoxon Test (Vorzeichenrangtest)
Summe der Rangplätze der negativen Differenzen:
Summe der Rangplätze der positiven Differenzen:
Thomas Schäfer | SS 2009 17
• laut Nullhypothese sollten T‐ und T+ gleich groß sein• zur Prüfung auf Signifikanz wird auch hier der kleinere der beiden
Werte herangezogen• dieser sollte kleiner oder gleich dem kritischen Wert für T sein
methodenlehre ll – Verfahren für ordinalskalierte Daten
T‐Verteilung
Die Stichprobengröße in unserem Beispiel beträgtunserem Beispiel beträgt n = 8, da die Person mit der Differenz von 0 nicht berücksichtigt wird!
Thomas Schäfer | SS 2009 18
13.05.2009
10
methodenlehre ll – Verfahren für ordinalskalierte Daten
• zum Vergleich der zentralen Tendenz anhand der mittleren Ränge aus drei oder mehr unabhängigen Stichproben
H‐Test nach Kruskal und Wallis
Tj = Rangsummen pro Stichprobe j
Thomas Schäfer | SS 2009 19
methodenlehre ll – Verfahren für ordinalskalierte Daten
• zum Vergleich der zentralen Tendenz, wenn eine Stichprobe in k Bedingungen getestet wird
Friedman‐Test (Rangvarianzanalyse)
• die Testgröße ist annähernd Chi Quadrat verteilt mit k 1
Tj = Rangsummen pro Spalte für die k Bedingungenk = Anzahl der Messzeitpunkte
Thomas Schäfer | SS 2009
• die Testgröße ist annähernd Chi‐Quadrat verteilt mit k‐1 Freiheitsgraden
20
13.05.2009
11
methodenlehre ll – Verfahren für ordinalskalierte Daten
• zur Prüfung von Korrelationen bei ordinalen Daten
• die Daten müssen als Ränge vorliegen
Rangkorrelation nach Spearman
• wenn das nicht der Fall ist, müssen die Werte jeder der beiden Stichproben in eine eigene Rangreihe gebracht werden
• Prüfgröße: Spearman‘s Rho ρ
• die Prüfgröße ist t‐verteilt und kann damit wie die normale Korrelation geprüft werden
• Problem: Spearman‘s Rho setzt gleiche Intervalle zwischen
Thomas Schäfer | SS 2009
Problem: Spearman s Rho setzt gleiche Intervalle zwischen aufeinander folgenden Rangwerten voraus!
schwierig zu prüfen
besser: Kendall‘s Tau verwenden
21
methodenlehre ll – Verfahren für ordinalskalierte Daten
• Anwendung wie Spearman‘s Rho, allerdings ohne die Voraussetzung gleicher Rangintervalle
l h “ k l
Rangkorrelation nach Kendall
• also eine „echte“ Rangkorrelation
• Prüfgröße: Kendall‘s Tau τ
• die Prüfgröße ist z‐verteilt
Thomas Schäfer | SS 2009 22
13.05.2009
12
methodenlehre ll – Verfahren für ordinalskalierte Daten
• testen beide den monotonen Zusammenhang zwischen zwei Variablen
b h b l b hb k k
Sperman‘s Rho und Kendall‘s Tau im Vergleich
• sind aber nicht beliebig austauschbar und können stark voneinander abweichen
• Spearman‘s Rho entspricht der Produkt‐Moment‐Korrelation
• da hier die Differenzen von Rängen eingehen, muss gerechtfertigt sein, dass Rangdifferenzen tatsächlich gleich inhaltliche Differenzen abbilden
Thomas Schäfer | SS 2009
• Kendall‘s Tau basiert nur auf der Anzahl von Größer‐/Kleiner‐Relationen
• verwendet also rein ordinale Informationen
23
methodenlehre ll – Verfahren für ordinalskalierte Daten
Rangkorrelation
Thomas Schäfer | SS 2009 24
auch bei nicht‐linearen Zusammenhängen bietet sich eine Rangkorrelation an (solange die Monotonie‐Bedingung erfüllt ist)
13.05.2009
13
methodenlehre ll – Verfahren für ordinalskalierte Daten
• Problem bei nonparametrischen Verfahren für Ordinaldaten: Effektgrößen sind schwer oder gar nicht bestimmbar
• damit sind auch keine Aussagen über die Power möglich
Effektgrößen und Power
damit sind auch keine Aussagen über die Power möglich• eine „grobe“ Abhilfe: Powerbestimmung wie bei
korrespondierendem parametrischen Testals grobe Annäherungführt meist zu einer Überschätzung der Powerkann nur angewendet werden, wenn der jeweilige Test als Alternative zu einem parametrischen Test gemacht wurde (also nicht bei echten Rangdaten)
Thomas Schäfer | SS 2009
nicht bei echten Rangdaten)• für eine grobe Abschätzung der Effektgrößen: den p‐Wert des
nonparametrischen Tests in den Testwert (z.B. den t‐Wert) des entsprechenden parametrischen Verfahrens zurückrechnen (z.B. mit einem Programm) und anschließend für diesen die Effektgröße bestimmen
25
methodenlehre ll – Verfahren für ordinalskalierte Daten
Zusammenfassender Überblick der Testverfahren
Thomas Schäfer | SS 2009 26