Zusammenfassung
Um mehr als zwei Stichproben miteinander zu vergleichen, ist es nicht zielführend alle Paarvergleiche durchzuführen, da man bei dieser Vorgehensweise stets einen insgesamt zu großen \(\alpha \)-Fehler hat. Man benötigt daher einen Test, der Unterschiede in den c Stichproben gleichzeitig zu einem vorgegebenen \(\alpha \)-Niveau aufzeigt. Der Test gibt dabei lediglich an, dass Unterschiede in zumindest 2 der c Stichproben bestehen, ohne darauf einzugehen, welche Stichproben sich unterscheiden. Auch bei einem c-Stichprobenproblem ist zwischen unabhängigen und abhängigen Stichproben zu unterscheiden. Bei den unabhängigen c-Stichprobenproblemen werden der Mediantest, der Kruskal-Wallis-Test und für geordnete Hypothesen der Jonckheere-Terpstra-Test vorgestellt. Als Alternativen für abhängige Stichproben werden der Friedmann-Test, der Kendall-Test, der Q-Test von Cochran, der Quade-Test und der Trendtest von Page vorgestellt. Eine Besonderheit ist der Durbin-Test für abhängige Stichproben, der eine sehr spezifische Datenkonstellation voraussetzt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Behr, A., Pötter, U.: Einführung in die Statistik mit R. Vahlen, München (2010)
Bortz, J., Lienert, G.A.: Kurzgefasste Statistik für die klinische Forschung. Springer, Berlin (2008)
Bortz, J., Lienert, G.A., Boehnke, K.: Verteilungsfreie Methoden in der Biostatistik. Springer, Berlin (2008)
Brosius, F.: SPSS. Umfassendes Handbuch zu Statistik und Datenanalyse. mitp, Frechen (2018)
Brunner, E., Munzel, U.: Nichtparametrische Datenanalyse. Springer, Berlin (2013)
Bühl, A.: SPSS 23. Einführung in die moderne Datenanalyse. Pearson, München (2016)
Conover, W.J.: Practical Nonparametric Statistics. Wiley, New York (1999)
Cody, R.: An Introduction to SAS University Edition. SAS Institute, Cary (2018)
Dalgaard, P.: Introductory Statistics with R. Springer, New York (2008)
Mendiburu, F. de: agricolae: Statistical Procedures for Agricultural Research. R Package Version 1.2-8. https://CRAN.R-project.org/package=agricolae (2017)
Dolic, D.: Statistik mit R. Einführung für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München (2004)
Dufner, J., Jensen, U., Schumacher, E.: Statistik mit SAS. Teubner, Wiesbaden (2004)
Gamer, M., Lemon, J., Fellows, I., Singh, P.: irr: Various Coefficients of Interrater Reliability and Agreement. R Package Version 0.84. https://CRAN.R-project.org/package=irr (2012)
Hedderich, J., Sachs, L.: Angewandte Statistik. Methodensammlung mit R. Springer, Berlin (2018)
Hervé, M.: RVAideMemoire: Testing and Plotting Procedures for Biostatistics. R Package Version 0.9-69-3. https://CRAN.R-project.org/package=RVAideMemoire (2018)
Hollander, M., Wolfe, D.A., Chicken, E.: Nonparametric Statistical Methods. Wiley, New York (2014)
Hothorn, T., Hornik, K., van de Wiel, M.A., Zeileis, A.: A Lego system for conditional inference. Am. Stat. 60(3), 257–263 (2006)
Hothorn, T., Hornik, K., van de Wiel, M.A., Zeileis, A.: Implementing a class of permutation tests: The coin package. J. Stat. Softw. 28(8), 1–23 (2008)
Krämer, W., Schoffer, O., Tschiersch, L.: Datenanalyse mit SAS. Statistische Verfahren und ihre Aspekte. Springer, Berlin (2014)
Meyer, J.P., Seaman, M.A.: Expanded table of the Kruskal-Wallis statistic. http://faculty.virginia.edu/kruskal-wallis/table/KW-expanded-tables-3groups.pdf (2008). Zugegriffen: 28 Mai 2018
Meyer, J.P., Seaman, M.A.: A comparison of the exact Kruskal-Wallis distribution to asymptotic approximations for all sample sizes up to 105. J. Exp. Educ. 81(2), 139–156 (2014)
Page, E.B.: Ordered hypotheses for multiple treatments: A significance test for linear ranks. J. Am. Stat. Assoc. 58(301), 216–230 (1963)
Pohlert, T.: PMCMRplus: Calculate Pairwise Multiple Comparisons of Mean Rank Sums Extended. R Package Version 1.0.1. https://CRAN.R-project.org/package=PMCMRplus (2018)
R Core Team: R: A Language and Environment for Statistical Computing: A Graduate Course in Probability. R Foundation for Statistical Computing. Vienna, Austria. https://www.R-project.org/ (2018)
Sheskin, D.J.: Handbook of Parametric and Nonparametric Statistical Procedures. Chapman & Hall, Boca Raton (2011)
Venkatraman, E.S.: clinfun: Clinical Trial Design and Data Analysis Functions. R Package Version 1.0.15. https://CRAN.R-project.org/package=clinfun (2018)
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2018 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Duller, C. (2018). c-Stichproben-Probleme. In: Einführung in die nichtparametrische Statistik mit SAS, R und SPSS. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-57678-6_7
Download citation
DOI: https://doi.org/10.1007/978-3-662-57678-6_7
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-662-57677-9
Online ISBN: 978-3-662-57678-6
eBook Packages: Life Science and Basic Disciplines (German Language)