In Kap.  5 haben wir parametrische Verfahren zum Testen von Unterschiedshypothesen kennengelernt. Voraussetzungen dafür sind u. a., dass Variablen metrisch skaliert und die Messwerte normal verteilt sein müssen. In der Therapieforschung kommt es jedoch häufig vor, dass die Messwerte von Merkmalen ordinalskaliert sind oder dass die Voraussetzung der Normalverteilung verletzt wird, insbesondere wenn die Stichproben eher klein sind. Das ist aufgrund begrenzter Ressourcen in der Forschung relativ häufig der Fall. In diesem Kapitel werden sog. nicht-parametrische oder verteilungsfreie Verfahren dargestellt, mit denen Sie Unterschiedshypothesen für eine oder zwei Stichproben testen können, wenn die Voraussetzungen für parametrische Verfahren verletzt wurden. Diese Verfahren werden auch für kleine Stichproben (n < 10) empfohlen (Bortz und Lienert 2003). Nach dem Lesen des Kapitels

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

Unterschiedshypothesen testen mit nicht-parametrischen Verfahren

  • Axel Schäfer,
  • Annika Schwarz

摘要

In Kap.  5 haben wir parametrische Verfahren zum Testen von Unterschiedshypothesen kennengelernt. Voraussetzungen dafür sind u. a., dass Variablen metrisch skaliert und die Messwerte normal verteilt sein müssen. In der Therapieforschung kommt es jedoch häufig vor, dass die Messwerte von Merkmalen ordinalskaliert sind oder dass die Voraussetzung der Normalverteilung verletzt wird, insbesondere wenn die Stichproben eher klein sind. Das ist aufgrund begrenzter Ressourcen in der Forschung relativ häufig der Fall. In diesem Kapitel werden sog. nicht-parametrische oder verteilungsfreie Verfahren dargestellt, mit denen Sie Unterschiedshypothesen für eine oder zwei Stichproben testen können, wenn die Voraussetzungen für parametrische Verfahren verletzt wurden. Diese Verfahren werden auch für kleine Stichproben (n < 10) empfohlen (Bortz und Lienert 2003). Nach dem Lesen des Kapitels