Kruskal Wallis Test an der Statistik
De Kruskal-Wallis-Test ass eng netparametresch statistesch Method, déi benotzt gëtt fir Ënnerscheeder tëscht dräi oder méi Gruppen ze vergläichen. A ville Studien wëllen d'Fuerscher dacks feststellen, ob verschidde Gruppen signifikant ënnerschiddlech Wäerter fir eng bestëmmt Variabel hunn. Wann d'Donnéeën d'Unnahmen vun der Normalitéit an der Homogenitéit vun der Varianz erfëllen, ass den One-Way-ANOVA-Test normalerweis déi éischt Wiel. Wann dës Unnahmen awer net erfëllt sinn - zum Beispill wann d'Donnéeën net normal verdeelt sinn, et extrem Ausreißer gëtt oder d'Miessskala ordinal ass - ass de Kruskal-Wallis-Test eng mächteg an wäit verbreet Alternativ.
Definitioun a Grondkonzepter
De Kruskal-Wallis-Test (dacks als Kruskal-Wallis-H-Test geschriwwen) ass eng Erweiderung vum Mann-Whitney-U-Test, deen en op méi wéi zwou Gruppen ausdehnt. Säi Grondprinzip ass et, d'"Räng" vun den Donnéeën ze vergläichen, net déi tatsächlech Wäerter. Well en op Rang baséiert ass, erfuerdert dësen Test keng Normalverdeelung an ass relativ resistent géint den Afloss vun Ausreißerwäerter.
Intuitiv gesinn, wann e puer Gruppen déiselwecht Verdeelung hunn, ginn d'Donnéeëranglëschten iwwer d'Gruppen zoufälleg gemëscht. Am Géigendeel, wann e puer Gruppen éischter méi héich oder méi niddreg Wäerter hunn, ginn d'Rangelëschten zesummegefaasst a produzéieren eng méi grouss Teststatistik.
Wéini gëtt de Kruskal-Wallis-Test benotzt?
De Kruskal Wallis Test gëtt benotzt wann:
1. D'Zuel vun de Gruppen ass ≥ 3, an de Fuerscher wëll d'Ënnerscheeder an der zentraler Lag (normalerweis dem Median) tëscht de Gruppen vergläichen.
2. D'Donnéeën entspriechen net den ANOVA-Unnahmen, besonnesch net wat d'Normalitéit vun de Residuen ugeet.
3. Ordinal Datenskalaen (z.B. Zefriddenheetswäerter: ganz onzefridden bis ganz zefridden) oder net-normal Intervall-/Verhältnisdaten.
4. Onofhängeg Stichproben, dat heescht datt Membere vun enger Grupp net mat anere Gruppe gepaart oder verwandt sinn.
E Beispill: e Fuerscher wëll d'Zefriddenheet vun de Patienten mat de Servicer an dräi verschiddene Spideeler mat enger Likert-Skala vun 1–5 vergläichen. Well d'Donnéeën ordinal sinn, ass de Kruskal Wallis eng passend Wiel.
Viraussetzunge vum Kruskal Wallis Test
Och wann netparametresch, huet de Kruskal Wallis ëmmer nach e puer wichteg Viraussetzungen:
1. Onofhängegkeet vun der Observatioun: d'Donnéeën an all Grupp musse vun ënnerschiddlechen Individuen kommen.
2. D'Äntwertvariabel muss op d'mannst ordinal sinn: d'Donnéeë musse sortéierbar sinn.
3. D'Verdeelungsformen tëscht de Gruppe sollten ähnlech sinn: wann d'Verdeelungsformen ganz ënnerschiddlech sinn, kann d'Interpretatioun vun den Ënnerscheeder méi komplex sinn. Dësen Test gëtt dacks als en Ënnerscheed an de Medianen interpretéiert, awer d'Interpretatioun vun der Median ass am passendsten, wann d'Verdeelungsformen ähnlech sinn.
Hypothese am Kruskal Wallis Test
Am Kruskal-Wallis-Test ass d'Hypothes, déi getest gëtt:
– H0 (Nullhypothes): d'Verdeelung (oder Median) vun alle Gruppen ass d'selwecht.
– H1 (alternativ Hypothese): et gëtt mindestens eng Grupp, där hir Verdeelung (oder Median) anescht ass.
Et sollt een drop hiweisen, datt wann H0 verworf gëtt, den Kruskal-Wallis-Test einfach seet "et gëtt en Ënnerscheed", awer net spezifizéiert, wéi eng Gruppen ënnerschiddlech sinn. Dëst erfuerdert weider Tester (post-hoc).
Berechnungsschrëtt
Zesummegefaasst sinn d'Schrëtt vum Kruskal Wallis Test:
1. Kombinéiert all Donnéeën aus alle Gruppen.
2. Rangéiert vum klengsten bis zum gréissten Wäert. Wann et Gläichheeten gëtt, benotzt den duerchschnëttleche Rang.
3. Rechent d'Klassementer an all Grupp zesummen.
4. Berechent d'Teststatistik H.
Déi allgemeng statistesch Formel fir H ass:
\[
H = ∫12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} – 3(N+1)
\]
Informatiounen:
– \(N\) = Gesamtbetrag vun allen Observatiounen
– \(k\) = Zuel vun de Gruppen
– \(n_i\) = Zuel vun den Observatiounen an der i-ter Grupp
– \(R_i\) = Zuel vun de Räng an der i-ter Grupp
Den H-Wäert gëtt dann mat der Chi-Quadratverdeelung (\(\chi^2\)) mat \(k-1\) Fräiheetsgrad verglach. Wann de p-Wäert méi kleng ass wéi den Signifikanzniveau (z.B. 0,05), dann gëtt H0 verworf.
Illustrativt Beispill
Stelle mer vir, e Professer wëll wëssen, ob et en Ënnerscheed an de statisteschen Testergebnisse bei dräi Léiermethoden gëtt: A, B an C. Nodeems d'Donnéeë gesammelt goufen, stellt sech eraus, datt d'Resultater net normal verdeelt sinn, well et verschidde Extremwäerter gëtt. De Professer benotzt dann den Kruskal-Wallis-Test.
Wann d'Testergebnisse e p-Wäert vun 0,01 weisen (manner wéi 0,05), dann ass d'Conclusioun, datt et en signifikanten Ënnerscheed tëscht op d'mannst zwou Léiermethoden gëtt. De Dozent weess awer nach net, ob d'Method A besser ass wéi B oder C. Hei ass eng Post-hoc-Analyse néideg.
Post-hoc Test nom Kruskal Wallis
Wann de Kruskal-Wallis-Test signifikant ass, ass den nächste Schrëtt paarweis Vergläicher duerchzeféieren. E puer üblech Methode sinn:
1. Dunn-Test: am heefegsten fir post-hoc Kruskal Wallis benotzt.
2. Puerweis Mann-Whitney mat Korrektur (Bonferroni, Holm oder Benjamini-Hochberg) fir Feeler ze kontrolléieren, déi duerch widderholl Tester verursaacht ginn.
Den Zweck vun dëser Korrektur ass et, eng Erhéijung vun der Chance op e Typ-I-Feeler (en Ënnerscheed uginn, wann et keen Ënnerscheed gëtt) ze verhënneren, well vill Vergläicher gemaach ginn.
Effektgréisst
Nieft der Bedeitung betounen vill modern Studien d'Effektgréissten, fir de Lieser ze hëllefen, d'Gréisst vum Ënnerscheed ze verstoen. E puer Effektgréissten, déi dacks mam Kruskal-Wallis Modell a Verbindung bruecht ginn, sinn:
– H-baséiert Eta-Quadrat (η²):
\[
\eta^2 = \frac{H – k + 1}{N – k}
\]
– Epsilon-Quadrat (ε²) als eng méi konservativ Alternativ.
Effektgréissten hëllefen z'interpretéieren, ob den Ënnerscheed kleng, mëttel oder grouss ass, net nëmmen "signifikant oder net".
Virdeeler a Limitatiounen
Iwwerschoss
1. Erfuerdert net d'Unahm vun der Normalitéit.
2. Gëeegent fir ordinal Daten.
3. Méi robust géint Ausreißer wéi parametresch Methoden.
Aschränkungen
1. Weist net, wéi eng Gruppen ënnerschiddlech sinn, ouni Post-hoc.
2. D'Interpretatioun als Ënnerscheed an de Medianen ass am valabelsten, wann d'Verdeelungsform vun de Gruppen ähnlech ass.
3. Wann déi tatsächlech Donnéeën normal an homogen sinn, kann d'ANOVA méi staark sinn (méi staark).
Ofschloss
De Kruskal-Wallis-Test ass e wichtegt Instrument an der inferenzieller Statistik, besonnesch wann d'Fuerscher mat Daten ze dinn hunn, déi net den Unnahmen vun de parametresche Methoden entspriechen. Mat sengem rangbaséierten Usaz erlaabt dësen Test méi flexibel Vergläicher vun dräi oder méi Gruppen, besonnesch fir ordinal oder net-normal Daten. Seng Notzung erfuerdert awer ëmmer nach e Verständnis vun den Unnahmen, d'Interpretatioun vun de Resultater an d'Noutwennegkeet vun enger Post-hoc-Analyse fir wierklech verschidde Gruppepaaren z'identifizéieren. Duerch d'Kombinatioun vu p-Wäerter, Effektgréissten an entspriechender weiderer Analyse kann de Kruskal-Wallis-Test robust a relevant Conclusiounen an enger Villfalt vu Fuerschungsberäicher liwweren, vu Gesondheet a Bildung bis hin zu Wirtschaft a Sozialwëssenschaften.
