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 …
Der Wilcoxon-Vorzeichen-Rang-Test ist die nicht parametrische Version des t-Tests mit gepaarten Stichproben. Er wird verwendet, um zu testen, ob es einen signifikanten Unterschied zwischen zwei Populationsmitteln gibt oder nicht, wenn die Verteilung der Unterschiede zwischen den beiden Stichproben nicht als normal angenommen werden kann.
In diesem Tutorial wird erklärt, wie ein Wilcoxon-Vorzeichen-Rang-Test in SPSS durchgeführt wird.
So führen Sie einen Wilcoxon-Vorzeichen-Rang-Test in SPSS durch
Forscher wollen wissen, ob eine neue Kraftstoffbehandlung zu einer Änderung des durchschnittlichen mpg eines bestimmten Autos führt. Um dies zu testen, führen sie ein Experiment durch, bei dem sie den mpg von 12 Autos mit und ohne Kraftstoffbehandlung messen.
Der folgende Screenshot zeigt die mpg für jedes Auto mit (mpg1) und ohne (mpg2) Kraftstoffbehandlung:
Führen Sie die folgenden Schritte aus, um einen Wilcoxon-Vorzeichen-Rang-Test durchzuführen, um festzustellen, ob zwischen den beiden Gruppen ein Unterschied im mittleren mpg besteht.
Schritt 1: Wählen Sie die Option 2 Verwandte Beispiele.
Klicken Sie auf die Registerkarte Analysieren, dann auf Nichtparametrische Tests, dann auf Legacy-Dialoge und dann auf 2 verwandte Beispiele:
Schritt 2: Geben Sie die erforderlichen Werte ein, um den Test durchzuführen.
Ziehen Sie mpg1 in das Feld unter Variable1 und mpg2 in das Feld unter Variable2. Stellen Sie sicher, dass das Kontrollkästchen neben Wilcoxon aktiviert ist. Klicken Sie dann auf OK.
Schritt 3: Interpretieren Sie die Ergebnisse.
Sobald Sie auf OK klicken, werden die Ergebnisse des Wilcoxon-Vorzeichen-Rang-Test angezeigt:
Die erste Tabelle zeigt die Summe der positiven und negativen Ränge für den Test. Schauen Sie sich dieses Tutorial an, wenn Sie wissen möchten, wie diese Ränge berechnet werden.
Die zweite Tabelle zeigt die Teststatistik und den entsprechenden zweiseitigen p-Wert, die wir sehen können:
- Z-Teststatistik: -2.013
- Zweiseitiger p-Wert:.044
Da der p-Wert kleiner als 0,05 ist, können wir die Nullhypothese ablehnen. Wir haben genügend Beweise, um zu dem Schluss zu kommen, dass die Kraftstoffbehandlung einen statistisch signifikanten Einfluss auf die mpg von Autos hatte.
Schritt 4: Ergebnisse.
Zuletzt möchten wir die Ergebnisse des Wilcoxon-Vorzeichen-Rang-Tests melden. Hier ist ein Beispiel dafür:
Ein Wilcoxon-Vorzeichen-Rang-Test wurde durchgeführt, um festzustellen, ob es einen statistisch signifikanten Unterschied im mittleren mpg gab, bevor und nachdem ein Auto eine Kraftstoffbehandlung erhalten hatte. Insgesamt wurden 12 Autos in die Analyse einbezogen.
Der Test ergab, dass zwischen den beiden Gruppen ein statistisch signifikanter Unterschied im mittleren mpg bestand (z = -2,013, p = 0,044).
Diese Ergebnisse zeigen, dass die Kraftstoffbehandlung einen signifikanten Einfluss auf die mpg eines Autos hatte.
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 …