Ein einziger Ausreißer kann bereits ein sonst signifikantes Ergebnis nicht signifikant werden lassen oder aber auch ein sonst nicht signifikantes Ergebnis signifikant (was in der Regel seltener vorkommt). Daher ist es besonders wichtig, die Daten auf Ausreißer zu überprüfen. Normalverteilung. T test unabhängige stichproben 2017. Als parametrisches Verfahren liefert der ungepaarte t-Test die am besten zu interpretierenden Ergebnisse, wenn beide Gruppen etwa normalverteilt sind. Allerdings gibt es bei dieser Regel Ausnahmen und Abschwächungen. Viele Textbücher empfehlen zwar sofort den Einsatz anderer statistischer Verfahren, sollte diese Voraussetzung nicht erfüllt sein, jüngere Simulationsstudien zeigen hier allerdings, dass der ungepaarte t-Test robust gegen die Verletzung dieser Annahme ist. Die Varianzen in jeder Gruppe sollten (etwa) gleich sein ( Homoskedastizität). Die Varianz spielt bei dem ungepaarten t-Test eine große Rolle. Liegen die Varianzen der einzelnen Gruppe zu weit voneinander entfernt, erhöht sich die Wahrscheinlichkeit, einen Fehler erster Art zu begehen.
Signifikanz der Teststatistik Der berechnete Wert muss nun auf Signifikanz geprüft werden. Dazu wird die Teststatistik mit dem kritischen Wert der durch die Freiheitsgrade bestimmten F-Verteilung verglichen. Dies sind im Falle der F-Verteilung zwei Freiheitsgrade: die Freiheitsgrade der Stichprobe mit der grösseren Varianz (auch Zählerfreiheitsgrade genannt, df 1) und die Freiheitsgrade der Stichprobe mit der kleineren Varianz (auch Nennerfreiheitsgrade genannt, df 2). Dieser kritische Wert kann Tabellen entnommen werden. Abbildung 3 zeigt einen Ausschnitt einer F-Tabelle, der die kritischen Werte der Signifikanzniveaus. 05 und. 01 zeigt. Abbildung 3: Ausschnitt einer F-Tabelle mit kritischen Werten für α =. Wodurch unterscheiden sich abhängige und unabhängige Stichproben? - Minitab. 05 & α =. 01 Für das vorliegende Beispiel beträgt der kritische Wert 2. 27 bei df 1 = 15, df 2 = 18 und α =. 05 (siehe Abbildung 3). Ist der Wert der Teststatistik höher als der kritische Wert, so ist der Unterschied signifikant. Dies ist für das Beispiel nicht der Fall (1. 65 < 2.
Auch wenn man Personen nach Geschlecht, Alter oder Bildungsabschluss aufteilt, wären die Personen in jeder Gruppe andere. Hat man allerdings ein Versuchsdesign, bei dem dieselbe Person mehrmals gemessen wurde, sollte man eher zu einem gepaarten t-Test greifen. Die abhängige Variable soll mindestens intervallskaliert sein. Das Skalenniveau ist wichtig, da wir die Differenz zwischen beiden Gruppen bilden – eine mathematische Operation, die erst ab einer intervallskalierten Variablen durchgeführt werden darf. Die unabhängige Variable ist nominalskaliert und hat zwei Ausprägungen. T-Test bei unabhängigen Stichproben in SPSS durchführen - Daten analysieren in SPSS (7) - YouTube. Unsere unabhängige Variable muss kategorial sein, daher nominalskaliert und muss zwei Ausprägungen haben. Die beiden Ausprägungen beziehen sich auf die beiden Gruppen, die wir vergleichen und sind oft, aber nicht zwangsläufig, Messzeitpunkte (z. B. Messzeitpunkt #1 verglichen mit Messzeitpunkt #2). Ausreißer. Es sollten keine Ausreißer in den Daten sein, da die meisten parametrischen Statistiken nur wenig robust gegenüber Ausreißern sind, also Werte die sich weit entfernt von der Masse der anderen Werten befinden.