Hallo,
ich führe einen statistischen Gruppenvergleich von 4 Gruppen mit den Stichprobenumfängen 18, 14, 11 und 9 durch. Diesbezüglich möchte ich die Unterschiede der Mittelwerte diverser Gang-Parameter mittels ANOVA (bei nicht normalverteilten Daten mittels Kruskall-Wallis-Test) auf Signifikanz prüfen. Um dies nun tun zu können, sollten die Daten der einzelnen Gruppen zuvor auf Normalverteilung geprüft werden. Bei diesen geringen Stichprobenumfängen wurde mir jedoch die Prüfung der Residuen (individueller Wert minus jeweiliges Gruppenmittel)auf Normalverteilung über alle Probanden zusammen empfohlen. Wie erzeuge ich die Residuen im allgemeinen linearen Modell und speichere Sie als Variable? Würde mich freuen wenn ihr mir behilflich sein könntet! Vielen Dank!
Hi,
rollen wir das mal von hinten auf:
In SPSS kannst du das Modell spezifizieren und dann in einem der Untermenüs der ANOVA irgendwo ein häkchen setzen: save resudials as variable oder so. Dann hast du das schon mal und kannst damit weitermachen. Wenn dir SPSS die Prüfung nicht ohnehin von alleine macht. einfach mal ausprobieren bzw. im Netz die onlinehilfe durchforsten.
Im Übrigenw erden immer die Residuen getestet, nicht nur bei kleinen Stichproben, sondern auch bei großen 
diese sind aber nicht die (individuellen Werte - Gruppenmittelwert), sondern (individuelle Werte - Schätzwert für die Gruppe). Klingt sehr ähnlich und ist meistens ist das auch dasselbe, wenn man aber komplexere Modelle hat (z.B. mit zufälligen Effekten oder repeated) können da Unterschiede auftreten.
Bei der Testung aud Normalverteilung wird es keine Abweichung geben, weil die Stichproben zu klein sind, und der Test da nicht besonders viel power hat.
wenn doch eine abweichung von der NV angezeigt wird und du zum Kruskall greifst musst du bedenken, dass dieser (wie der F-test) nur prüft ob überhaupt Unterschiede zwischen den Gruppen bestehen, dir aber nicht sagt, zwischen welchen.
Überhaupt ist es nicht sinnvoll diese Globaltests als „gatekeeper“ für Gruppenunterscheide zu verwenden - man sollte sich direkt auf diese stürzen (auch bei ANOVA).
wie immer muss man sich fragen: Warum ANOVA? sie hat viel power aber wenn du nur einen Faktor hast, der die Gruppen spezifiziert, dann braucht man keine, weil man die eigentlichen Stärken der ANOVA gar nicht nutzt.
Viele Grüße,
JPL