Signifikante Unterschiede ermitteln

Fragen und Diskussionen rund um die Statistik und deren Anwendung.
Antworten
Scrub
Beiträge: 11
Registriert: 17.07.2008, 09:32

Signifikante Unterschiede ermitteln

Beitrag von Scrub »

Hallo Leute,

hier der Anfänger :D
Ich hoffe, ihr könnt mir weiterhelfen:

Ich werte gerade ein Fragebogenerhebung aus.
Bei der Evaluation handelt es sich um die eine Befragung zu einer Tanzmaßnahme in verschiedenen Klassen (5-7).
Nach ersten deskriptiven Verfahren bin ich jetzt bei der ANOVA angekommen und habe schon zum Teil ganz nette Ergebnisse, die sich auch gegenseitig bestätigen.
Wenn ich jetzt aber nach signifikanten unterschieden in Bezug auf das Geschlecht rechnen möchte, gibt mir SPSS ne fehlermeldung, dass mind 3 Variaben benötigt werden.
Ist das eine Voraussetzung für eine ANOVA?
Ist die Tatsache, dass die drei Gruppen an Klassen unterschiedlich groß sind?
Wie kann ich jetzt kucken, ob es sig Unterschiede zwischen den Geschlechtern gibt?

Vielen Dank für Eure Hilfe im Voraus!
Scrub
Beiträge: 11
Registriert: 17.07.2008, 09:32

Beitrag von Scrub »

Ich habe gerade gelesen, dass zb die Normalverteilung eine Voraussetzung für die ANOVA ist....wie kann ich die ermitteln bzw, was mache ich wenn keine normalverteilung vorliegt?

Ich habe ungeachtet dieser Tatsache schon ein paar Anovas gemacht und wie oben beschrieben auch sig Unterschiede feststellen können.
KarinJ
Beiträge: 939
Registriert: 13.05.2008, 10:52

Beitrag von KarinJ »

hallo,

die anova kannst du auch mit nur 2 ausprägungen auf der unabhängigen variable rechnen. nur für den post-hoc-test kommt eine fehlermeldung. der macht nämlich nur sinn, wenn es mehr als 2 ausprägungen sind. sind es nur 2, dann weiss man bei vorliegen einen signifikanten haupteffekts ja schon, dass sich die beiden ausprägungen unterscheiden (bei mehr als 2 ausprägungen müßte man den effekt noch lokalisieren).

test auf normalverteilung gibt es 2 möglichkeiten: analysieren ->
- deskriptive -> explorative datenanalyse -> diagramme: normalverteilungsdiagramm mit tests
- nonparametrische tests -> k-s bei einer stichprobe: testverteilung = normal (voreingestellt)

ein test ist strenger (d.h. führt eher zu signifikanz). das müsste der sein mit der signifikanzkorrektur nach lilliefors.

weitere wichtige(re) voraussetzung für varianzanalyse: gleiche zellenbesetzung.
Scrub
Beiträge: 11
Registriert: 17.07.2008, 09:32

Beitrag von Scrub »

vielen Dank KarinJ!

was meinst du mit Zellenbesetzung?
KarinJ
Beiträge: 939
Registriert: 13.05.2008, 10:52

Beitrag von KarinJ »

zellenbesetzung = personen/ fälle innerhalb einer vergleichsgruppe. z.b. vergleich zwischen den geschlechtern per varianzanalyse -> es sollten gleich viele männer wie frauen geben (zellenbesetzung/-häufigkeit bei männern und frauen sollte gleich sein).
Scrub
Beiträge: 11
Registriert: 17.07.2008, 09:32

Beitrag von Scrub »

Danke KarinJ.

Vielleicht sollte ich bei deiner vielen Hilfe nebenbei erwähnen, dass ich die Auswertung ehrenamtlich mache, habe also selber auch kein unmittelbaren Nutzen davon.

Ich habe aber keine gleichen Grupen. Es gibt am meisten 6. Klässler, dann 5 und 7 Klässler.

Und was mache ich, wenn keine Normalverteilung vorliegt. Ist das jetzt wirklich so relevant für die Praxis?

Ich kann signifikante Unterschiede und sig Korrelationen nachweisen, kann jetzt aber nicht beurteilen, inwiefern das alles aussagekräftig ist, da ich ja nicht auf Normalverteilung getestet habe.

Was meint ihr dazu?
KarinJ
Beiträge: 939
Registriert: 13.05.2008, 10:52

Beitrag von KarinJ »

varianzgleichheit und gleiche stichprobenumfänge sind wichtige voraussetzungen für die varianzanalyse. teils ist das verfahren relativ robust gegen verletzung einer der bedingungen, aber bei verletzung beider voraussetzungen liegt das risiko, einen fehler zu machen, sehr viel höher als das nominelle alpha (diehl & arbinger, 1992, S. 215).

ob es wichtig für die praxis ist... in der praxis wird vieles nicht ernst genommen und einfach so gemacht. man muss sich aber mal überlegen, was das für konsequenzen hat: aussagen werden getroffen, die gar nicht gemacht werden dürfen, weil sie unzuverlässig sind = mist. was nützt eine auswertung, wenn sie nicht stimmt? meine meinung: schade um zeit und um den sonstigen aufwand.

man hat in SPSS die möglichkeit einer nonparametrischen alternative -> analysieren, nonparametrisch, k unabhängige stichproben = kruskal-wallis-test.

ich finde, wenn man eine alternative hat, dann sollte man nicht pfuschen.
Anzeige:Statistik und SPSS: Die besten Bücher
Als Buch oder E-Book - Jetzt bestellen
spss datenanalyse
SPSS - Moderne Datenanalyse - Jetzt bestellen!
statistik datenanalyse
Statistik - Der Weg zur Datenanalyse - Jetzt bestellen!
Antworten