Ein Mann-Kendall-Trendtest wird verwendet, um festzustellen, ob in Zeitreihendaten ein Trend vorhanden ist oder nicht. Es ist ein nichtparametrischer Test, was bedeutet, dass keine zugrunde liegende Annahme über die Normalität …
Ein Mann-Whitney-U-Test (manchmal auch als Wilcoxon-Rang-Summen-Test bezeichnet) wird verwendet, um die Unterschiede zwischen zwei Proben zu vergleichen, wenn die Probenverteilungen nicht normal verteilt sind und die Probengrößen klein sind (n <30). Es wird als nichtparametrisches Äquivalent zum Zweistichproben-t-Test mit zwei Stichproben angesehen.
In diesem Tutorial wird erklärt, wie ein Mann-Whitney-U-Test in SPSS durchgeführt wird.
Beispiel: Mann-Whitney-U-Test in SPSS
Forscher wollen wissen, ob eine Kraftstoffbehandlung zu einer Änderung des durchschnittlichen mpg eines Autos führt. Um dies zu testen, führen sie ein Experiment durch, bei dem sie den mpg von 12 Autos mit Kraftstoffbehandlung und 12 Autos ohne Kraftstoffbehandlung messen.
Der folgende Screenshot zeigt die mpg für jedes Auto zusammen mit der Gruppe, zu der sie gehören (0 = keine Kraftstoffbehandlung, 1 = Kraftstoffbehandlung):
Da die Stichprobengrößen klein sind und die Forscher vermuten, dass die Stichprobenverteilungen nicht normal verteilt sind, beschlossen sie, einen Mann-Whitney-U-Test durchzuführen, um festzustellen, ob zwischen den beiden Gruppen ein statistisch signifikanter Unterschied in der mpg besteht.
Führen Sie die folgenden Schritte aus, um einen Mann-Whitney-U-Test in SPSS durchzuführen.
Schritt 1: Wählen Sie die Option Mann-Whitney U-Test.
Klicken Sie auf die Registerkarte Analysieren, dann auf Nichtparametrische Tests, dann auf Legacy-Dialoge und dann auf 2 unabhängige Stichproben:
Schritt 2: Geben Sie die erforderlichen Werte ein, um den Test durchzuführen.
Ziehen Sie mpg in das Feld Testvariablenliste und gruppieren Sie es in das Feld Gruppierungsvariable. Klicken Sie auf Gruppen definieren und definieren Sie Gruppe 1 als Zeilen mit dem Wert 0 und definieren Sie Gruppe 2 als Zeilen mit dem Wert 1.
Stellen Sie sicher, dass das Kontrollkästchen neben Mann-Whitney U aktiviert ist. Klicken Sie dann auf OK.
Schritt 3: Interpretieren Sie die Ergebnisse.
Sobald Sie auf OK klicken, werden die Ergebnisse des Mann-Whitney-U-Tests angezeigt:
Die wichtigsten Zahlen in der Ausgabe sind die Z-Teststatistik und der asymptotische zweiseitige p-Wert:
- Z-Teststatistik: -1,279
- p-Wert:.201
Da der p-Wert nicht kleiner als 0,05 ist, können wir die Nullhypothese nicht ablehnen. Wir haben nicht genügend Beweise, um zu sagen, dass der wahre Mittelwert mpg zwischen den beiden Gruppen unterschiedlich ist.
Schritt 4: Ergebnisse.
Zuletzt werden wir die Ergebnisse unseres Mann-Whitney-U-Tests berichten. Hier ist ein Beispiel dafür:
Ein Mann-Whitney-U-Test wurde an 24 Autos durchgeführt, um festzustellen, ob eine neue Kraftstoffbehandlung zu einem Unterschied in den mittleren Meilen pro Gallone führte. Jede Gruppe hatte 12 Autos.
Die Ergebnisse zeigten, dass der mittlere mpg zwischen den beiden Gruppen (z = -1,279, p = 0,2010) bei einem Signifikanzniveau von 0,05 statistisch nicht signifikant unterschiedlich war.
Basierend auf diesen Ergebnissen hat die neue Kraftstoffbehandlung keinen signifikanten Einfluss auf die Meilen pro Gallone Autos.
So führen Sie einen Mann-Kendall-Trendtest in Python durch
So führen Sie einen Chow-Test in Python durch
Ein Chow-Test wird verwendet, um zu testen, ob die Koeffizienten in zwei verschiedenen Regressionsmodellen auf verschiedenen Datensätzen gleich sind.
Dieser Test wird typischerweise im Bereich der Ökonometrie mit Zeitreihendaten verwendet …