So führen Sie einen Kruskal-Wallis-Test in SPSS durch

Ein Kruskal-Wallis-Test wird verwendet, um festzustellen, ob es einen statistisch signifikanten Unterschied zwischen den Medianwerten von drei oder mehr unabhängigen Gruppen gibt oder nicht. Es wird als nicht parametrisches Äquivalent der einfaktorielle ANOVA angesehen.

In diesem Tutorial wird erklärt, wie ein Kruskal-Wallis-Test in SPSS durchgeführt wird.

Beispiel: Kruskal-Wallis-Test in SPSS

Ein Forscher möchte wissen, ob drei Medikamente unterschiedliche Auswirkungen auf Knieschmerzen haben oder nicht. Er rekrutiert 30 Personen, die alle ähnliche Knieschmerzen haben, und teilt sie nach dem Zufallsprinzip in drei Gruppen auf, um entweder Medikament 1, Medikament 2 oder Medikament 3 zu erhalten.

Nach einem Monat der Einnahme des Arzneimittels bittet der Forscher jede Person, ihre Knieschmerzen auf einer Skala von 1 bis 100 zu bewerten, wobei 100 die stärksten Schmerzen anzeigt. Die Bewertungen für alle 30 Personen sind unten aufgeführt:

Führen Sie die folgenden Schritte aus, um einen Kruskal-Wallis-Test durchzuführen, um festzustellen, ob zwischen den drei Gruppen ein Unterschied zwischen den gemeldeten Knieschmerzen besteht oder nicht:

Schritt 1: Führen Sie einen Kruskal-Wallis-Test durch.

Klicken Sie auf die Registerkarte Analysieren, dann auf Nichtparametrische Tests, dann auf Legacy-Dialoge und dann auf K Unabhängige Stichproben:

Ziehen Sie im daraufhin angezeigten Fenster den variablen Schmerz in das Feld Testvariablenliste und das Medikament in das Feld Gruppierungsvariable. Klicken Sie dann auf Bereich definieren und setzen Sie den Minimalwert auf 1 und den Maximalwert auf 3. Klicken Sie dann auf Weiter. Stellen Sie sicher, dass das Kontrollkästchen neben Kruskal-Wallis H aktiviert ist, und klicken Sie dann auf OK.

Schritt 2: Interpretieren Sie die Ergebnisse.

Sobald Sie auf OK klicken, werden die Ergebnisse des Kruskal-Wallis-Tests angezeigt:

Die zweite Tabelle in der Ausgabe zeigt die Testergebnisse an:

• Kruskal-Wallis H: Dies ist die X ² -Teststatistik.
• df: Dies sind die Freiheitsgrade, berechnet als # groups-1 = 3-1 = 2.
• Asymp. Sig: Dies ist der p-Wert, der mit einer X ² -Teststatistik von 3,097 mit 2 Freiheitsgraden verbunden ist.

Da der p-Wert (.213) nicht kleiner als .05 ist, können wir die Nullhypothese nicht ablehnen. Wir haben nicht genügend Beweise, um zu sagen, dass es einen statistisch signifikanten Unterschied zwischen den Knieschmerzbewertungen zwischen diesen drei Gruppen gibt.