Hallo,
bei einigen meiner Messwerte zeigt der Shapiro-Wilk Test Signifikanz an (Prob
Hi sas,
auch wenn ich nichts davon halte: du annst die Werte mittlels eine Box-Cox-Transformation auf eine Normalverteilung bringen - zumindest ist das aussichtsreicher als wahllos log, ln, sqrt und weiß noch was für Transformationen auszuprobieren.
Cave:
- Auch nach einer Transformation müssen Die daten nicht normalverteilt sein
- Normalverteilte Daten sind nett - aber wenn du auf eine ANOVA abzielst, müssen die Fehler norm-verteilt sein
- Die meisten brauchbaren Transformationen (Box-Cox auch) sind nicht-linear, d.h. du veränderst die Streuung / Covarianz. Folglich können Effekte über oder unterschätzt werden.
btw: Man soll sich den Test nach den Daten aussuchen und nicht die Daten an den Test anpassen.
Grüße,
JPL
Hi JPL,
danke für deine Antwort.
Hi sas,
auch wenn ich nichts davon halte: du annst die Werte mittlels
eine Box-Cox-Transformation auf eine Normalverteilung bringen
- zumindest ist das aussichtsreicher als wahllos log, ln, sqrt
und weiß noch was für Transformationen auszuprobieren.
Cave:
- Auch nach einer Transformation müssen Die daten nicht
normalverteilt sein
Ok, dann werde ich drauf verzichten. Möchte nicht einen unnötigen Fehler provozieren.
- Normalverteilte Daten sind nett - aber wenn du auf eine
ANOVA abzielst, müssen die Fehler norm-verteilt sein
Wie teste ich denn die Fehler. Meinst du damit die Standardabweichung der Mittelwerte?
- Die meisten brauchbaren Transformationen (Box-Cox auch)
sind nicht-linear, d.h. du veränderst die Streuung /
Covarianz. Folglich können Effekte über oder unterschätzt
werden.btw: Man soll sich den Test nach den Daten aussuchen und nicht
die Daten an den Test anpassen.
Stimmt schon, pflichte dir bei. In meinem Fall wäre der Wilcoxon-Test doch eine mögliche Wahl, oder sehe ich das falsch?
MfG
Hi sas,
danke für deine Antwort.
Keine Ursache.
Wie teste ich denn die Fehler. Meinst du damit die
Standardabweichung der Mittelwerte?
Nein, die REsiduen müsstest du testen.
Stimmt schon, pflichte dir bei. In meinem Fall wäre der
Wilcoxon-Test doch eine mögliche Wahl, oder sehe ich das
falsch?
Kommt auf deine Hypothese an. Für balancierte Designs gibt es auch eine nicht-parametrische ANOVA nach Brunner (das iat allerdings kein leichter Stoff). Wenn du aber Gruppenunterschiede (ohne witere Faktoren) zeigen willst, sind paarweise Wilcoxon mit anschließendem p-Wert Adjustment sinnvoll.
Grüße,
JPL
Hallo,
Wie teste ich denn die Fehler. Meinst du damit die
Standardabweichung der Mittelwerte?Nein, die REsiduen müsstest du testen.
wo ist denn bei der ANOVA der Unterschied, ob man die Meßwerte innerhalb der Gruppen auf Normalverteilung testet oder die Residuen?
Beste Grüße
Hi JPL,
Kommt auf deine Hypothese an. Für balancierte Designs gibt es
auch eine nicht-parametrische ANOVA nach Brunner (das iat
allerdings kein leichter Stoff). Wenn du aber
Gruppenunterschiede (ohne witere Faktoren) zeigen willst, sind
paarweise Wilcoxon mit anschließendem p-Wert Adjustment
sinnvoll.
Mir geht es darum, dass ich ein Äquivalent zu dem t-Test bekommen, dass greift insofern keine Normalverteilung vorliegt. Bei Normalverteilung habe ich den t-Test benutzt. Soweit ich informiert bin erlaubt der Wilcoxon dies am besten.
MfG
Hi aiwendil,
Wie teste ich denn die Fehler. Meinst du damit die
Standardabweichung der Mittelwerte?Nein, die REsiduen müsstest du testen.
wo ist denn bei der ANOVA der Unterschied, ob man die Meßwerte
innerhalb der Gruppen auf Normalverteilung testet oder die
Residuen?
zuerst ist sein ansatz schon deswegen verkehrt, weil die SEM’s weder den Residuen noch den Originaldaten entsprechen und sowieso nur 1 Wert sind.
Zu deiner Frage:
Im einfaktoriellen balanzierten Modell macht es keinen Unterschied, aber:
- Es spricht nichts dagegen, die Residuen zu testen, denn das ist ja die Modellannahme.
- Nimmt man einen Faktor hinzu, sind die Residuen nicht mehr nur von einem Faktor abhängig, sondern von beiden. Deswegen sind dann die Residuen nicht mehr gleich Messwert - Gruppenmittelwert. Daher kann es dazu kommen, dass fälschlich Normalität angenommen / abgelehnt wird.
Grüße,
JPL
Hi sas,
Hi JPL,
Mir geht es darum, dass ich ein Äquivalent zu dem t-Test
bekommen, dass greift insofern keine Normalverteilung
vorliegt. Bei Normalverteilung habe ich den t-Test benutzt.
Soweit ich informiert bin erlaubt der Wilcoxon dies am besten.
Ja, das ginge. Dieser testet streng genommen auch nur - wie der Permutationstest - auf gleiche Verteilung reagiert also sowohl auf Streuung- als auch auf Mittelwertsunterschiede.
Alternativ kannst du auch resampling-Methoden verwenden, wenn du ein wenig Bock auf Programmieren hast (aber irgendwoher muss dein user-name ja kommen 
).
Grüße,
JPL
Hi JPL,
- Nimmt man einen Faktor hinzu, sind die Residuen nicht mehr
nur von einem Faktor abhängig, sondern von beiden. Deswegen
sind dann die Residuen nicht mehr gleich Messwert -
Gruppenmittelwert.
nö, auch bei der mehrfaktoriellen ANOVA sind die Residuen gleich der Differenz von Meßwert und Gruppenmittelwert. Da der Mittelwert eine Konstante ist, kann man die Normalverteilungsannahme innerhalb jeder Gruppe auch mit den Meßwerten prüfen.
Beste Grüße
Hallo Zusammen,
danke euch erstmal für eure Vorschläge. Zum Abschluss meiner statistischen Arbeiten wollte ich heute einen t-Test durchführen, der jedes Paar auf Signifikanz testet. Dazu habe ich 10 Tage die hinsichtlich ihrer Sterblichkeit untereinander verglichen werden sollten (also Tag 1 mit 2, 3, 4 ,5, 2 mit 1,3,4, etc…). Nun besteht leider keine Normalverteilung (P
Hi sas,
du hast Sterblichkeiten und willst Tage gegeneinander testen?
Time to event daten sollte man mit Cox, log-rank der ähnlichen Verfahren testen (da sie eben nicht normalverteilt sind), wenn du einen Trend testen willst käme ein step down approach oder der Tarone-test in Frage. Aber besser, du erörterst mal deinen Versuch, sonst bekommst du immer wieder andere Antowrten.
Grüße,
JPL
Hi JPL,
habe unterschiedliche Setups. Unter anderem möchte ich die Sterblichkeitsraten in Prozent untersuchen.Die vorigen Fragen, haben sich auf einen anderen Datensatz bezogen. Bei den Sterblichkeitsraten habe ich festgestellt, dass sie an den Tagen 6 und 7 am höchsten sind. Davor und danach nehmen sie wieder deutlich ab. Nun würde ich gerne testen, ob sich die Tage 6 und sieben signifikante von den anderen Tagen hinsichtlich ihrer tägl. prozentualen Sterblichkeit unterscheiden. Dies wäre, wenn normalverteilt ja mit dem pooled t-Test möglich. Da Sterblichkeitsraten nicht normalverteilt sind, fehlt mir nun das Äquivalent dazu. Die eigentlichen Daten in Bezug auf die Gruppen habe ich bereits mit einer Survival-Analyse (Kaplan-Meyer) ausgewertet. Der Tagesvergleich soll nun der Abschluss sein.Ich gehe davon aus, dass die Tage 6 und sieben signifikant höher sind. Brauche noch den Nachweis dafür.
Stelle mir in etwa so ein Ergebnis vor. Hier sind die Tage, die sich nicht signifikant voneinander unterscheiden, mit dem selben Buchstaben verbunden. Nichtverbundene weichen hinsichtlich ihrer Sterblichkeitsrate signifikant voneinander ab.
Tag
6 A
7 A
8 B
9 C
5 C D
10 D E
4 E
3 E F
2 E F
1 F
MfG
[Bei dieser Antwort wurde das Vollzitat nachträglich automatisiert entfernt]
Hi sas,
ich verstehe nicht, was der Sinn der Tagestestung sein soll. Du kommst zwangsläufig ins multiple testen und hast wenig power. Vor allem: Was für raten verwendest du? Wenn du so vorgehst: an Tag 5 leben noch 10, davon sterben 8 und an Tag 7 leben noch 2, davon stirbt 1, also 80% versus 50% - vergleichst du Äpfel mit Birnen, da die puntkuellen W’keiten davon abhängen, erstmal bis zu dem Tag überlebt zu haben.
WENN du das also unbedingt machen willst, musst du die W’keiten P(x überlebt Tag 5 gegeben x hat Tag 5 erreicht) gegen P(x überlebt Tag 7 gegeben x hat Tag 7 erreicht) vergleichen, was den KM-Schätzern aus der Survival-Analyse zu den entsprechenden Tagen enspricht. Das macht aber inhaltlich auch keinen Sinn, denn die W’keiten nehmen mit zunehmender Zeit natürlich ab und so muss man nur weit genug nach hinten gehen, um einen sig. Unterschied zu bekommen.
Eine deskriptive hielte ich deswegen in dem Zusammenhang für völlig ausreichend.
Grüße,
JPL
Hi aiwendil
nö, auch bei der mehrfaktoriellen ANOVA sind die Residuen
gleich der Differenz von Meßwert und Gruppenmittelwert. Da der
Mittelwert eine Konstante ist, kann man die
Normalverteilungsannahme innerhalb jeder Gruppe auch mit den
Meßwerten prüfen.
nö,
denn die Residuen sind die predicted - observed values.
Im Falle einer univariaten oder eines Modells dass auch alle Interaktionen beinhaltet, entspricht der predicted value dem Gruppenmittelwert, sonst aber nicht.
Grüße,
JPL