Ich habe eine 2-fach gestufte UV und 3 Kategorien als AV. Des weiteren gibt es ein Within-Design, d.h. jede Vp wählt für beide Fälle der UV eine der 3 Kategorien aus.
Nun könnte man bspw. einen T-Test machen, indem man die beiden Fälle der UV hinsichtlich der Häufigkeit einer der drei Kategorien vergleicht.
Also man sieht dann für jede Vp, wie oft sie eine bestimmte Kategorie im Fall UV-1 und wie oft sie diese im Fall UV-2 gewählt hat.
Jetzt sind das ja eigentlich Kategorialdaten. Darf man solch einen T-Test trotzdem rechnen?
hört sich an, als sei der Chi-Quadrat Test hier angebracht.
T-Test ist hier sicher keine gute Lösung. Man kann zwar Proportionen vergleichen, aber da braucht man große Stichproben. Doch selbst dann hättest du es mit multiplen Tests zu tun und müßtest entsprechend korrigieren…
ich habe über 500 Versuchspersonen, daher war ich mir auch
unsicher, ob da ein nonparametrisches Verfahren angebracht
ist.
Hier liegst Du mindestens zwei Mißverständnissen auf…
Viele Daten sind immer gut. Wo man u.U. aufpassen muß, wenn man nur wenige Daten hat (also zB. keinen „parametrischen Test“ machen sollte), spielt alles kaum eine Rolle, wenn man viele Daten hat.
Und: Der Chi²-Test IST ein parametrischer Test. Er basiert auf der Chi²-Verteilung, die sich ihrerseits zur „Familie der Normalverteilung en“ gehört.
Schließlich: Der einfachste Test, der Dir das gewünschte Ergebnis liefert (bzw. liefern kann), ist vollkommen in Ordnung.
Mein Bedenken geht eher in die Richtung, dass es sich ja
eigentlich um Nominaldaten handelt und ich sie als
Intervalldaten behandle.
Bei 500 Werten solltest Du mit der Power keine Probleme haben (auch unter Vernachlässigung der ordinalen Informationen). Wenn doch, muß man sich Gedanken machen, ob der nachzuweisende Effekt überhaupt relevant ist.
Die Korrektur könnte ich ja in jedem Fall machen (welche wäre
das denn?).
Am verbreitetsten ist die Bonferroni-Korrektur. Die hat aber die geringste Power.
hört sich an, als sei der Chi-Quadrat Test hier angebracht.
Jo, bei allem nötigen Respekt, warum denn den Chi²-Test? Wenn dich einer nach dem weg anch Amerika fragt sagst du ihm doch auch nicht: Bau dir ein Floß, oder?
Der Test ist nun wirklich Steinzeit, und es hat in dem letzten halben Jahrhundert ne Menge Forschung und Entwicklung in der Statistik gegeben.
T-Test ist hier sicher keine gute Lösung. Man kann zwar
Proportionen vergleichen, aber da braucht man große
Stichproben. Doch selbst dann hättest du es mit multiplen
Tests zu tun und müßtest entsprechend korrigieren…
Ganz deiner Meinung.
Mir bereitet aber noch etwas anderes Kopfzerbrechen:
Groppelflop, du schreibst:
Ich habe eine 2-fach gestufte UV und 3 Kategorien als AV. Des
weiteren gibt es ein Within-Design, d.h. jede Vp wählt für beide
Fälle der UV eine der 3 Kategorien aus.
wenn die Vps sich für jede Ausprägung der U(nabhängigen)V(ariable)? für eine Kat der AV entscheiden müssen, hast du schon mal eine Abhängigkeit in deinem Versuch, den du in deinem Test berücksichtigen musst.
Kannst du den Versuch mal genauer beschreiben?
Wie viele Antworten hat denn eine Vp gegeben? Immer 2? Oder auch mal nur eine 1? Hast du 500 Vp oder 500 Antworten?
vielen Dank für die Hilfe. Könnte ich denn auch eine ANOVA machen? Das wäre einfacher, denn wie sich herausgestellt hat, habe ich ineinander verschachtelte UV, sozusagen zwei 3-fach gestufte UV. Da wäre eine ANOVA, glaub ich, einfacher…
Danke und beste Grüße!
[Bei dieser Antwort wurde das Vollzitat nachträglich automatisiert entfernt]
nur weil es einfacher ist, ist es nicht richtiger.
Beschreibe doch bitte mal deinen Versuch genauer, was repräsentieren die Varablen, warum hast du den Versuch gemacht, gibte es Mehfachantworten u.s.w. dann könnte man dir besser helfen.
Jo, bei allem nötigen Respekt, warum denn den Chi²-Test?
Hm, ja, ich verstehe Dein Argument. Und vorweg: Ich widerspreche Dir NICHT!. Meine Gedanken waren folgende (Du hast ja gefragt ):
a) Der Chi²-Test ist einfach und simpel.
b) Ein „besserer“/neuerer Test könnte höchstens evtl. etwas mehr Power haben. - Eine Stichprobenplanung hat aber nicht stattgefunden und die Stichprobenumfänge schienen mir sehr groß. Sollte also die Power hier ein Problem sein, dann - so wieder meine Mutmaßung - sind die Effekte mit hoher Wahrscheinlichkeit zu klein, um relevant zu sein. Wieder: Wäre es wichtig gewesen, einen als relevant erachteten Effekt nachzuweisen (sofern vorhanden), dann hatte man wohl eine ordentliche Planung gemacht.
c) Ich betreibe wohl kaum großen Aufwand, einen ausgebufften, hochmodernen Extraklasse-Test zu suchen und anzuwenden, wenn die ganze Versuchsplanung schon nach dem 0815-Prinzip verlief.
Wenn dich einer nach dem weg anch Amerika fragt sagst du ihm doch
auch nicht: Bau dir ein Floß, oder?
Jain. Durch die fehlende Planung schien mir die Frage eher wie: „Schau, ich habe keine Knete auf dem Konto. Wie komme ich nun nach Amerika?“ - Und da ist „Mit einem Floß“ gar keine so schlechte Antwort
Liebe Grüße! - Und korrigier mich bitte, wenn ich daneben liege.
